5.1.  Генетические алгоритмы и имитационное моделирование

Сложные системы, управление сложными системами, системность, модели — эти термины в настоящее время все чаще встречаются и используются практически в любой сфере деятельности человека. Это связано, прежде всего, с обобщением накопленного опыта и результатов в различных сферах человеческой деятельности и естественным желанием найти и использовать некоторые общесистемные принципы и методы. Именно системность решаемых задач в науке и практике может стать той базой, которая позволяет работать исследователю с любой сложной системой, независимо от ее физической сущности и ограниченности рамками определенной науки или ряда наук [29-132].

Весь цикл разработки и эксплуатации любой сложной системы носит итеративный характер (рис. 5.1). Выполнение любой итерации, как показано на рисунке, проводится с использованием моделей сложной системы. Наиболее продвинутым и мощным аппаратом построения соответствующих моделей для рассматриваемых систем является имитационное моделирование. Оно обеспечивает глубокое представление моделируемого объекта, дает возможность анализа процессов на любом временном интервале, позволяет учитывать случайные и неопределенные факторы, оценивать как технические, так и экономические показатели функционирования системы [133-134].

Сложная система, как было показано в первой главе, представляет собой систему с эволюцией. Любая действительно сложная система характеризуется большим числом гетерогенных подсистем с высокой степенью неопределенности. Следовательно, решение задач анализа, управления и других в таких системах не может быть осуществлено в рамках использования какого-либо единого подхода для всех подсистем. Для принятия решений обычно используют сложное сочетание математических, статистических, вычислительных, эвристических, экспериментальных методов и методов инженерии знаний (чаще всего экспертных систем). Комплексное использование указанных методов и средств обеспечивает пользователя поддержкой при принятии решений. При этом имеет место приоритет решаемой задачи над используемыми методами.

Существование подобной ситуации, когда необходимо совместно использовать имитацию и различные методы принятия решений, привело к появлению так называемых гибридных систем. Под гибридной системой будем понимать систему, состоящую из нескольких систем различного типа, функционирование которых объединено единой целью [135-136].

Простейшей гибридной системой является система, объединяющая в себе имитационную модель и блок оптимизации. Блок оптимизации реализует один из алгоритмов поисковой оптимизации (например, простейший генетический алгоритм, рассмотренный в третьей главе), а имитационная модель служит для вычисления значений критерия оптимизации (функции пригодности) для выбираемых вариантов решения (рис. 5.2). Прогон имитационной модели обеспечивает, в лучшем случае, получение результатов в одной точке пространства поиска решений. Поэтому требуется реализация серии экспериментов на имитационной модели в большой области поиска, целенаправленность которых обеспечивается в традиционных системах моделирования специалистом-разработчиком.

Использование генетических алгоритмов для решения оптимизационных задач при анализе, управлении или синтезе действительно сложных

систем (а именно для таких систем их применение оказывается наиболее эффективным) возможно лишь в том случае, если имеется способ определения функции пригодности особи с достаточно хорошей точностью. То есть, необходимо иметь возможность разрабатывать модели сложных систем с высокой степенью адекватности объектам и процессам реального мира. Когда речь идет о сложных системах, то можно утверждать, что в настоящее время существует единственный способ для построения ее модели или модели ее части — имитационное моделирование. Все другие способы имеют достаточно узкие рамки применения и часто настолько упрощают описание сложной системы, что о получении с их помощью эффективной оценки функции пригодности решения речь уже не идет. Поэтому далее рассмотрим гибридные системы, использующие совместно ГА и имитацию при решении задач различного типа (рис. 5.3). Это прежде всего относится к задачам организационного управления, принятия решений в реальном масштабе времени, оценки стратегийуправления, прогнозирования.

Существующие методы и языки имитационного моделирования часто оказываются неэффективными по причине своей низкой гибкости и сложности моделирования систем принятия решений (даже если речь идет не об оптимальных, а просто эффективных решениях) и управления, особенно если система управления включает в себя человека-оператора, принимающего решения. Использование появившихся на рынке программных продуктов интеллектуальных систем имитационного моделирования снимает часть этих трудностей и предоставляет новые возможности при использовании имитации в гибридных системах для решения прикладных системных задач.

Для реализации имитационных моделей, включаемых в гибридную систему, используем интеллектуальную имитационную среду РДО (Ресур- сы-Действия-Операции) [134]. Интеллектуальное имитационное моделирование характеризуется возможностью использования методов искусственного интеллекта и, прежде всего, знаний при принятии решений в процессе

имитации, при управлении имитационным экспериментом, при реализации интерфейса пользователя, создании информационных банков моделей, использовании нечетких, данных и др.

Формализмы Ресурсов, Действий и Операций составляют основу РДО- метода. Его основные положения можно сформулировать следующим образом.

•    Все элементы моделируемой сложной системы представлены как ресурсы, описываемые некоторыми параметрами. Ресурсы могут быть разбиты на несколько типов; каждый ресурс определенного типа описывается одними и теми же параметрами, состав которых он наследует от типа.

•    Состояние ресурса определяется вектором значений всех его параметров. Часть значений параметров или все значения отдельный ресурс наследует из типа, к которому он принадлежит. Состояние моделируемой системы характеризуется значением всех параметров всех ее ресурсов.

•    Процесс, протекающий в моделируемой системе, описывается как последовательность целенаправленных действий и нерегулярных событий, изменяющих определенным образом состояния ресурсов; действия ограничены во времени двумя событиями: событиями начала и конца.

•    Нерегулярные события описывают изменения состояния моделируемой системы, непредсказуемые в рамках продукционной модели (влияние внешних по отношению к моделируемой системе факторов либо факторов, внутренних по отношению к ресурсам). Моменты наступления нерегулярных событий случайны.

•    Действия описываются операциями, которые представляют собой модифицированные продукционные правила, учитывающие временные связи. Операция описывает предусловия, которым должно удовлетворять состояние участвующих в операции ресурсов, и правила изменения состояния ресурсов в начале и конце соответствующего действия. Модифицированная продукция представляет собой конструкцию: ЕСЛИ (условие) ТОІ (событие 1) ЖДАТЬ (выражение для вычисления временного интервала) Т02 (событие 2). Традиционное продукционное правило ЕСЛИ (условие) ТО (событие), которое является частным случаем модифицированной продукции, так же может использоваться (рис. 5.4).

• Множество ресурсов R и множество операций О образуют модель сложной системы.

Введенная в РДО-методе модификация продукций позволяет устранить недостатки продукционных систем, связанные с их статичностью, сохраняя в то же время известные преимущества продукционных систем: универсальность (возможность описания широкого класса сложных систем применительно к различным задачам исследования); гибкость (простота настройки); независимость формата продукционного правила и механизма поиска решений от физического смысла представляемых знаний; модульность (продукционные правила независимы друг от друга, что позволяет вводить или удалять правило из базы знаний, не затрагивая остальные); соответствие процедурного характера описания знаний в продукционных системах дискретным процессам, имеющим место в сложной системе, что позволяет естественно использовать их для построения последовательности некоторых действий.

Таким образом, имитационная модель в РДО-методе представляет собой динамическую продукционную систему. Базой данных (БД) этой продукционной системы является множество ресурсов Д, базой знаний — множество операций О. Создание имитационной модели заключается в формализованном описании ресурсов и операций на некотором языке и введении их в БД и БЗ.

В РДО-методе можно указать взаимно однозначное отображение реальной сложной системы в ее информационное представление в интеллектуальном обеспечении. Основным составляющим сложной системы, каковыми являются ее элементы, производственный процесс, законы функционирования, соответствуют следующие информационные объекты: ресурсы, действия и нерегулярные события, операции (рис. 5.5). Из указанных элементов

интеллектуального обеспечения, множества ресурсов и операций образуют модель сложной системы. Процесс — временная последовательность действий А и нерегулярных событий Е.

Основными элементами являются динамическая продукционная система и аппарат событий. Действия инициируются системой вывода, а. нерегулярные события имитируются специальным блоком. При имитации состояние системы изменяется в соответствии с описанием нерегулярного события либо действия, которое началось или завершилось. После любого изменения состояния, т. е. при каждом событии, вызывается система вывода. Она просматривает в БЗ все операции и проверяет по предусловиям, могут ли они начаться. При нахождении таких операций инициируются события начала соответствующих действий. Итак, продукционная система (БД, БЗ и система вывода), система имитации нерегулярных событий и аппарат ведения событий совместно осуществляют построение модели процесса. Система трассировки выводит подробную информацию о событиях в специальный файл, который затем обрабатывается для детального анализа процесса и представления информации в удобном виде. Система анимации позволяет отображать на экране во время моделирования поведение моделируемой системы.

Поскольку традиционные продукционные правила являются частным случаем модифицированных, они также могут быть записаны на РДО-языке и использованы в процессе вывода. Это означает, что на РДО-имитаторе реализуются также и гибридные системы, включающие экспертные системы, имитационные модели и алгоритмы оптимизации.