Прикладные интеллектуальные системы, основанные на мягких вычислениях. Ярушкина Н.Г. - 38 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

Как можно видеть из этих и многих других проведенных экспериментов, в
большинстве случаев усредненное поведение ГА дает меньший уровень IPE.
Однако важно отметить, что индивидуальное поведение ГА более изменчиво,
чем индивидуальное поведение численных методов.
Существеное отличие между этими типами методов, как и ожидалось, за-
ключается в разных механизмах их поведения. Численные алгоритмы яв-
ляются последовательными по принципу своего действия, тогда как генети-
ческий алгоритм — параллелен. Последнее требует множества индивидуу-
мов, образующих текущую популяцию адаптивных фильтров, причем каж-
дый индивидуум-фильтр действует по схеме рис. 2.5. Большой размер попу-
ляции приводит к возрастанию вычислительной нагрузки, что при обработке
данных в режиме реального времени может привести к трудностям реализа-
ции.
2.1.6. Заключение
В этой работе сравнивается поведение генетического алгоритма с поведе-
нием классических численных методов оптимизации. Основу для этого срав-
нения составили стохастические следящие системы, в которых требуется про-
водить идентификацию оптимальных фильтров Калмана как в разомкнутом
контуре обработки входных данных, так и в замкнутом контуре управления
объектом. Необходимость идентификации (а значит, использования ГА или
ЧА) связана с неопределенностью в ковариациях шумов, возбуждающих как
формирующий фильтр полезного сигнала, так и управляемый объект.
Полученные результаты позволяют предположить, что ГА в среднем ра-
ботают быстрее при поиске оптимума и с меньшей относительной ошибкой,
чем ЧА. Однако использовать их нужно с осторожностью, поскольку их по-
ведение во многом зависит от выбранной функции пригодности. В качестве
такой функции в данном случае использован так называемый признак «ста-
тистической ортогональности» [14]:
E {G(t
i
)}
.
= E
n
S
T
(t
i
)ε(t
i
,
ˆ
θ)
o
= 0, когда AF оптимален
E {G(t
i
)}
.
= E
n
S
T
(t
i
)ε(t
i
,
ˆ
θ)
o
6= 0 иначе
,
выражающий необходимое и достаточное условие оптимальности адаптивно-
го фильтра в форме вспомогательного (наблюдаемого) функционала каче-
ства.
Эта работа выполнена при частичной поддержке исследовательского гран-
та Министерства образования и науки РФ (грант № T02-03.2-3427).
38

Страницы