Cand. Sci. (Eng.), Associate Professor, Head, Department of Information Technologies
кандидат технических наук, доцент, заведующий, кафедра информационных технологий
In this study, we propose a model of an artificial neural network used as a specialized superstructure over a genetic algorithm, which allows influencing the process of finding solutions directly during the synthesis of solutions. Such a combination of methods will allow controlling the trajectory of the population in the solution space, which is especially important when working with big data processing technology, when stopping the solution search process due to the attenuation of the evolutionary procedure or finding the population in a local extremum requires stopping the genetic algorithm, performing additional adjustment of operators and restarting, the use of such an approach is ineffective, especially when working with big data and labor-intensive calculations. This article proposes a model of an artificial neural network that allows recognizing the state of the population of the genetic algorithm and making a decision to change the operating parameters of the genetic algorithm operators. The proposed model allows recognizing the processes of attenuation of the evolutionary procedure when solving the problem of structural and parametric synthesis of large discrete systems and determining measures of influence on the operating parameters of the genetic algorithm. This model recognizes the state of the population with an accuracy of more than 95%, which allows to significantly reduce the time for finding solutions in problems of applying a genetic algorithm to work with big data.
В рамках данного исследования предлагается модель искусственной нейронной сети, используемой в качестве специализированной надстройки над генетическим алгоритмом, позволяющем влиять на процесс поиска решений непосредственно в ходе синтеза решений. Такая комбинация методов позволит управлять траекторией движения популяции в пространстве решений, что особенно важно при работе с технологией обработки больших данных, когда остановка процесса поиска решений в виду затухания эволюционной процедуры или нахождение популяции в локальном экстремуме требует остановки работы генетического алгоритма, выполнения дополнительной настройки операторов и перезапуска, применение такого подхода неэффективно, особенно при работе с большими данными и трудоемких вычисления. В данной статье предложена модель искусственной нейронной сети, которая позволяет распознавать состояние популяции генетического алгоритма и принимать решение об изменении параметров функционирования операторов генетического алгоритма. Предложенная модель позволяет распознать процессы затухания эволюционной процедуры при решении задачи структурно-параметрического синтеза больших дискретных систем и на определить меры влияния на параметры функционирования генетического алгоритма. Данная модель распознает состояние популяции с точностью 95%, что позволяет существенно сократить время на поиск решений в задачах применения генетического алгоритма для работы с большими данными.