Нейро-қатъиймас моделлар ва интеллектуал бошқарув тизимлари

Интеллектуал бошқарув тизимлари ва регуляторларни синтез қилишда генетик алгоритмларни қўллаш
Генетик алгоритмлар бошқа тасодифий қидирув усулларига қараганда глобал экстремални тезроқ топадиган кучли оптималлаштириш усулидир. Уларнинг асосий афзаллиги - конвергенция ва барқарорлик билан боғлиқ муаммоларнинг йўқлиги. Ушбу усуллар бошқарув объектларининг моделларини аниқлаш, оптимал бошқарув параметрларини қидириш, қатъиймас контроллерларда аъзолик функцияларининг оптимал қийматларини қидириш, шунингдек, нейрон тармоқларни ўқитиш учун ишлатилади. Кўпинча генетик алгоритмлар нейрон тармоқлар ва қатъиймас мантиқ бошқарувчилари билан биргаликда қўлланилади.
Генетик алгоритмларнинг камчилиги экстремумни излашнинг узоқ давом этишидир, бу эса улардан реал вақт режимида юқори тезликда ишлайдиган тизимларда фойдаланишга имкон бермайди.
Генетик алгоритмлар 1859 йилда Дарвин томонидан ишлаб чиқилган табиий танланиш тамойилларига асосланади. Математик муаммоларни эчиш билан боғлиқ генетик алгоритмлар ғояси 1962 йилда Ж. Голланд томонидан генлар, хромосомалар, кесишиш, мутация, танлаш ва кўпайиш тушунчаларидан фойдаланган ҳолда ишлаб чиқилган. Асосий ғоя табиий танланиш принципига тўғридан-тўғри ўхшайди, энг кучли шахслар омон қолади.
Генетик алгоритмларни қўллаш учун муаммонинг ҳолатида пайдо бўлган параметрларни генетик ўзгарувчиларга айлантириш керак. Бундай трансформация кодлаш схемаси билан белгиланади. Ўзгарувчилар иккилик шаклда, ҳақиқий ўнлик сонлар кўринишида ёки эчилаётган масала маъносига қараб бошқа кўринишда ифодаланиши мумкин.
Классик генетик алгоритм қуйидаги босқичлардан иборат:
1. Л ўлчамдаги хромосомаларнинг бошланғич популяциясини танлаш.
2. Популяцияда хромосомаларнинг яроқлилигини баҳолаш.
3. Алгоритмнинг тўхташ ҳолатини текшириш.
4. Хромосомаларнинг танланиши.
5. Генетик операторларни қўллаш.
6. Янги популяциянинг шаклланиши.
7. 2-босқичга ўтинг.
Алгоритмнинг ишлаши учун керакли параметрларнинг ўзгаришининг пастки ва юқори чегараларини, кесишиш эҳтимолини, мутация эҳтимолини, популяция ҳажмини ва авлодларнинг максимал сонини белгилаш керак.
Хромосомаларнинг дастлабки популяцияси тасодифий ҳосил бўлади. Хромосома мослиги кодланган шаклда объектив функция ёрдамида баҳоланади. Кейинчалик, энг яхши мувофиқликка эга бўлган хромосомалар бир гуруҳга йиғилади, улар ичида генетик кесишиш ёки мутация операциялари амалга оширилади. Ўтиш икки ота-онадан истиқболли насл олиш имконини беради. Мутация оператори хромосомаларга ўзгаришлар киритади. Иккилик кодлашда мутация иккилик сўздаги тасодифий битни ўзгартиришдан иборат.

2.6.1-расм. Генетик алгоритмда фойдаланиш учун регулятор коэффитсиэнтларини кодлаш мисоли

2.6.2-расм. Кроссовер операциясига мисол
Генетик алгоритмларда фойдаланиш учун учта ПИД контроллер коэффитсиэнтини кодлаш мисоли 2.6.1-расмда кўрсатилган [28]. Бу эрда хромосома умумий узунлиги 48 бит бўлган учта параметрдан иборат. Кесишиш операцияси янги хромосома (насл) олиш учун хромосомалар (ота-оналар) ўртасида генетик материал алмашинувидан иборат.
Кроссовер операторларининг турли шакллари мавжуд. Улардан бири шундаки, иккита ота-она хромосомаларида маълум бир позиция тасодифий танланади (2.6.2-расм), кейин танланган позициянинг ўнг томонида жойлашган генетик маълумотлар алмашинуви мавжуд.
Генетик алгоритм бажарилгандан сўнг, иккилик кўриниш муҳандислик катталикларига декодланади.
ПИД контроллер коэффитсиэнтларини баҳолаш учун популяциядаги хромосомаларнинг яроқлилигини баҳолаш, масалан, қуйидагича танланиши мумкин:

Бу ерда - назорат хатосининг жорий қиймати, - вақт.

Хромосомаларни танлаш рулет усули билан амалга оширилади. Рулетка ғилдирагида секторлар мавжуд ва секторнинг кенглиги фитнес функциясига мутаносибдир. Шунинг учун бу функциянинг қиймати қанчалик катта бўлса, унга мос келадиган хромосомани танлаш эҳтимоли шунчалик юқори бўлади.