Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3»

Slides:



Advertisements
Similar presentations
Выпускная квалификационная работа на тему: «Применение интернет-технологий как фактор повышения эффективности функционирования организации (на примере.
Advertisements

Генетические алгоритмы Егоров Кирилл, гр Чураков Михаил, гр
« Использование двоичной системы счисления при составлении генеалогического дерева». Автор: Вербицкий Евгений Ученик МОУ «Лицей» 7 г класса.
Поиск оптимального набора параметров оптимизаций компилятора Брусенцов Леонид Евгеньевич студент 4 курса ФИТ НГУ Руководители:Илья.
Применение генетических алгоритмов для генерации автоматов при построении модели максимального правдоподобия и в задачах управления Выполнил: Бедный Юрий,
Автоматическая генерация кода программ с явным выделением состояний Канжелев С.Ю. магистрант СПбГУ ИТМО Шалыто А.А. доктор технических наук профессор СПбГУ.
Дипломная работа Ивановой О.О., группа 545 Научный руководитель: д. ф.-м. н., профессор Терехов А.Н. Генерация кода по диаграмме активностей.
Система Антиплагиат.РГБ: результаты работы и новые возможности Десятая, юбилейная, международная научно-практическая конференция "ЭЛЕКТРОННЫЙ ВЕК КУЛЬТУРЫ"
Расторгуев А.C., 545 группа Научный руководитель: Пименов А.А. Рецензент: ст. преп. Смирнова Е.А.
Системы отбора. Условные обозначения (1) (2) (3) (4) (5) (6) (7) Математическое моделирование процессов отбора2.
Елена Станиславовна Петрова Учитель-логопед высшей категории ГДОУ детский сад №47 комбинированного вида Фрунзенского района г. Санкт-Петербурга 2011 год.
Подготовила: Колегова Ю. С. Группа: ЭБ Б “ЧЕРНОБЫЛЬ И ЕГО ЖЕРТВЫ”
Савенко Мария Олеговна, 361 группа Научный руководитель: старший преподаватель В.С.Полозов.
R1R2R3R4R5R6R7R1R2R3R4R5R6R7. Аксиома R 1. В пространстве существуют плоскости. В каждой плоскости пространства выполняются все аксиомы планиметрии.
Можно выделить два подхода, на основе которых производится выбор посредника: 1.Аналитический, предполагающий осуществление выбора с использованием формул,
Вэйвлетное разложение гладкого потока ненулевой высоты Выполнил : Суханов Василий Научный руководитель : Демьянович Ю. К. Рецензент : Лебединская Н. А.
Некомпенсаторное агрегирование и рейтингование студентов Авторы: Гончаров Алексей Александрович, Чистяков Вячеслав Васильевич. НФ ГУ ВШЭ 2010 год.
Курсовая работа студента 345 группы Чуновкина Фёдора Дмитриевича Научный руководитель: Бондарев А.В. Санкт-Петербургский Государственный Университет Математико-механический.
Bank ownership and lending behavior Alejandro Micco, Ugo Panizza Politicians and banks: Political influences on government-owned banks in emerging markets.
Определение необходимого уровня запасов на складе.
О ПЫТ ОРГАНИЗАЦИИ КОНТРОЛЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ И КАЧЕСТВА ОБУЧЕНИЯ НА БАЗЕ ЦЕНТРА ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ Ю ЖНОГО ФЕДЕРАЛЬНОГО УНИВЕРСИТЕТА.
Применение генетического программирования для построения автоматов А. А. Шалыто Г. А. Корнеев Санкт-Петербургский государственный университет информационных.
Скриптовые языки на примере Perl. Языки программирования Скриптовые Программа (или ее бай-код) интерпретируется Зачастую более высокий уровень абстрагирования.
Создание сервиса синхронизации разнородных баз данных Допущена к защите зав. кафедрой: д.ф.м.н., профессор Терехов А.Н. Научный руководитель: доцент Графеева.
Виртуальная лаборатория для первоначального обучения проектированию программ Н. Н. Красильников, В. Г. Парфенов, Ф. Н. Царев, А. А. Шалыто Кафедра компьютерных.
1 СПбГУ ИТМО, кафедра Компьютерных Технологий ПРИМЕНЕНИЕ АВТОМАТНОГО ПРОГРАММИРОВАНИЯ ДЛЯ ПОСТРОЕНИЯ СИСТЕМ УПРАВЛЕНИЯ БИЗНЕС- ПРОЦЕССАМИ Евгений Андреевич.
ООП Классы – 2. Ссылки Ссылка – еще одно имя объекта. Используйте ссылки вместо указателя. Это более безопасно. Complex c(10,10); Complex c2& = c; c2+=10;
Функции IV. Биоинформатические ресурсы для работы с мембранными белками А.Б.Рахманинова (3 и 4 апреля 2007г.)
Адаптивный метод распределения SPMD-заданий в грид Паньшенсков Михаил, 545 группа Научный руководитель: Лукичев А.С. Рецензент: Демьянович Ю.К июня.
Демидов А.В г. Операционные системы Лекция 3 Процессы.
1 Генерация контекстных ограничений для баз данных Выполнил: Жолудев В. Научный руководитель: Терехов А.Н. Рецензент: Иванов А.Н.
Введение в параллельные вычисления. Технология программирования MPI (день третий) Антонов Александр Сергеевич, к.ф.-м.н., н.с. лаборатории Параллельных.
Совместное применение генетического программирования и верификации моделей для построения автоматов управления системами со сложным поведением К. В. Егоров,
Понятие риска применительно к инвестиционным проектам
Growing Neural Gas Method Нейросетевой метод построения неструктурированных адаптивных сеток.
Сравнение различных методов хранения XML в реляционных базах данных и в разных системах. Нгуен Тхань Хуен- 545 группа Руководитель : Б.А. Новиков Рецензент:
 Нужно много различных протоколов связи  Каждый из них может реализовываться на разных платформах Современные сети Много устройств, компьютеров и сетей.
Применение генетического программирования для построения автоматов, управляющих системами со сложным поведением Ф. Н. Царев, А. А. Шалыто 2007 год.
Determinants of bank interest margins in Russia: Does bank ownership matter? Zuzana Fungáčová and Tigran Poghosyan Горбачев Е., Мальцева Е., 317 группа.
Генерация вероятностных автоматов методами Reinforcement Learning Выполнил: Иринёв А. В. Руководитель: Шалыто А. А.
Анализ сценариев. Имитационное моделирование. 2 Метод сценариев метод, основанный на построении набора сценариев - возможных непротиворечивых комбинаций.
Оптимизация Just – in - time компилятора методом профилирования значений Соколов Андрей Владимирович, ФФ НГУ, 3 курс, Руководитель:
Симулятор квантовых вычислений Выполнил: Гедерцев А.С. Руководитель, д.ф.-м.н., профессор: Граничин О.Н.
Применение генетического программирования для генерации автомата в задаче об «Умном муравье» Царев Ф.Н., Шалыто А.А. IV Международная научно-практическая.
Верификация автоматных программ Ремизов А.О., д.т.н., проф. Шалыто А.А.
Тема: Сравнительный анализ сложности факторизации алгоритмов целых чисел Выполнила: Дубовицкая Н.В., гр 957 Научный руководитель: Ишмухаметов Ш.Т.
Применение генетических алгоритмов для генерации автоматов Мура и систем взаимодействующих автоматов Мили в задаче об «Умном муравье» А. А. Давыдов, Д.
Применение метода представления функции переходов с помощью абстрактных конечных автоматов в генетическом программировании Царев Ф. Н. Научный руководитель.
Санкт-Петербургский Государственный Университет Математико-Механический факультет Кафедра системного программирования Применение диаграмм двоичных решений.
Реализация XPath над S-выражениями 2007 Миленин Евгений, гр. 544 Кафедра Системного Программирования Математико-Механический ф-т, СПбГУ Научный руководитель:
Моделирование будущего с помощью Динамического Финансового Анализа
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Математико-механический факультет Кафедра системного программирования Автоматизация выбора оптимальной.
Методы анализа данных. Статистическая проверка гипотез.
Разработка программного средства 3Genetic для генерации автоматов управления системами со сложным поведением Государственный контракт №
Разработка алгоритмов распознавания текста
Применение генетических алгоритмов для генерации тестов к олимпиадным задачам по программированию Буздалов М.В., СПбГУ ИТМО.
Сравнительный анализ использования Табу−машины и нейронных сетей Хопфилда для решения задач дискретной оптимиза- ции из области распределенных баз данных.
МЕТОД СКОЛЬЗЯЩЕГО КОНТРОЛЯ ДЛЯ ОЦЕНКИ КАЧЕСТВА РЕКОМЕНДАТЕЛЬНЫХ ИНТЕРНЕТ- СЕРВИСОВ А.Ю. Каминская, Р.А. Магизов Научный руководитель – Д.И. Игнатов Государственный.
Технология верификации управляющих программ со сложным поведением, построенных на основе автоматного подхода Руководитель проекта – А. А. Шалыто Докладчик.
Универсальная интеграция технологии построения отчетов в семейство.NET приложений Презентация дипломной работы Порсева Анатолия, 542 гр. Санкт-Петербург.
Проверка эквивалентности срединной и линейной осей многоугольника Дипломная работа студента 545 группы Подколзина Максима Валериевича Санкт-Петербургский.
TMG Tel: 8 (495) Fax: 8 (477) Technology Management Group ООО «TMG» PayKeeper.
Применение генетического программирования для реализации систем со сложным поведением Санкт-Петербургский Государственный Университет Информационных Технологий,
Сравнение подходов к индексированию XML документов c поддержкой некоторых операций модификации Выполнил: Василий Шикин, 545 группа Руководитель: Дмитрий.
Инициативный проект Российского семинара по оценке методов информационного поиска (РОМИП)
Исследование возможностей сервисной шины SonicMQ Дипломная работа студентки 545 группы Комольцевой Дарьи Владимировны Научный руководитель: Графеева Н.Г.
1 Состояние микрофинансового сектора в Центральной Азии – Сравнительный анализ Ольга Томилова, менеджер, Центрально-Азиатский Микрофинансовый Центр
Сергей Копорулин | Эксперт по технологиям | Microsoft
Общая характеристика семейства Семейство Крестоцветные включает около 4 тысяч видов. По-другому семейство Крестоцветные называют семейством Капустные.
Presentation transcript:

Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Родиков Д.Е., Соколов Д.О. VI Всероссийская межвузовская конференция молодых ученых 14 – 17 апреля 2009 г., Санкт-Петербург

2 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» План доклада 1. Постановка задачи 2. Предлагаемый метод решения 3. Результаты

3 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» План доклада 1. Постановка задачи 2. Предлагаемый метод решения 3. Результаты

4 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Игровое поле Тор – 32x32 Вероятность существования еды в клетке μ 200 ходов Начальная позиция муравья фиксирована Цель – создать муравья, для которого математическое ожидание числа съеденных яблок максимально

5 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Что умеет муравей? Муравей видит восемь клеток За один игровой ход совершить одно из четырех действий: сделать шаг вперед, съедая еду, если она там находится повернуть налево повернуть направо ничего не делать

6 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Как задаётся муравей? Муравей задаётся конечным автоматом с действиями на переходах (автомат Мили) В качестве входного воздействия даётся массив из 8 значений типа boolean, каждое из которых означает наличие или отсутствие еды в соответствующей клетке

7 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» План доклада 1. Постановка задачи 2. Предлагаемый метод решения 3. Результаты

8 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Предлагаемый подход Генетический алгоритм Несколько функций приспособленности (Num_Fitness) Поколение разбито на несколько групп по числу используемых функций приспособленности Муравей задаётся конечным автоматом Мили = начальное состояние + описание состояний Состояние = 256 переходов в зависимости от расположения еды в 8 видимых клетках Переход = номер состояния + действие

9 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Создание начального поколения Случайно генерируется заданное количество автоматов Все автоматы содержат одинаковое количество состояний Автоматы разбиты на Num_Fitness равных групп В каждой группе своя функция приспособленности

10 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Формирование следующего поколения В каждой группе независимо от других реализуется генетический алгоритм Элитизм: фиксированная доля особей переходит напрямую в следующее поколение Остальные особи получаются скрещиванием: выбираются две особи из одной группы текущего поколения и скрещиваются С некоторой вероятностью происходит мутация полученных скрещиванием особей

11 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Обмен и мутации поколений Через фиксированное число шагов происходит обмен особями между группами. Каждая вторая особь группы переходит в следующую группу «Большая» мутация поколения – все особи, кроме одной лучшей в каждой группе, заменяются на случайно сгенерированную особь

12 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Мутация автомата Изменение начального состояния Изменение перехода состояния

13 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Скрещивание На входе две особи, на выходе – две особи В особях для скрещивания выбирается по одному состоянию В выбранных состояниях выбирается по одному переходу Выбранные состояния обмениваются выбранными переходами

14 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Функции приспособленности fitness1 = apples + (200 – steps)/200 fitness2 = apples / * usedStates / statesNumber apples – число съеденных яблок steps – номер хода, на котором съедено последнее яблоко statesNumber – число состояний автомата usedStates – число состояний автомата, использованных при работе алгоритма

15 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Функции приспособленности fitness3 = apples * * reachableStates / statesNumber fitness4 = forwardSteps + apples + (200 – steps)/200 apples – число съеденных яблок steps – номер хода, на котором съедено последнее яблоко statesNumber – число состояний автомата reachableStates – число состояний автомата, достижимых из начального forwardSteps – число шагов прямо

16 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Функции приспособленности В процессе работы программы для получения значения iой функции приспособленности fitness[i] рассчитывается на 10 произвольно сгенерированных полях и берётся их среднее значение При обмене особями между группами значения функций приспособленности вычисляются заново на 100 произвольных полях Для вывода результатов пересчёт функций приспособленности производится на 1000 произвольных полей

17 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Настраиваемые параметры Размер поколения Доля особей, переходящих в следующее поколение без изменений Доля особей для скрещивания Количество состояний Вероятность мутации Время до обмена особями поколения Время до «большой» мутации поколения

18 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» План доклада 1. Постановка задачи 2. Предлагаемый метод решения 3. Результаты

19 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Сравнение наборов функций приспособленности №ФП\μ0,010,020,030,04 1,2,3,44,418,3912,117,6 1,3,43,716,9014,719,7 1,23,167,5113,619,4 1,33,539,0013,916,9 1,43,678,2714,119,7 13,668,5913,015,9 число особей в популяции 300 число поколений 100

20 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Сравнение с известными результатами μРабота [1]Данная работа Разница, % 0,013,744,4118 0,027,959,0013 0,0313,814,76,5 0,0418,619,76,0 1. Данилов В. Р. Технология генетического программирования для генерации автоматов управления системами со сложным поведением

21 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Динамика изменения приспособленности ,3,415,618,218,819,5 19,719,920,0 1,313,215,516,717,717,818,219,5 19,820,0 115,517,517,918,2 18,518,3 18,418,7 μ = 0,04 число особей в популяции 1500 число поколений 100

22 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Выводы Метод даёт улучшение: результат + более стабильный прирост от поколения к поколению Нужно правильно выбирать комбинации функций приспособленности Сложно создавать содержательные функции приспособленности Не эффективен при малых размерах поколений

23 Родиков Д.Е., Соколов Д.О. Анализ использования нескольких функций приспособленности для построения автоматов с помощью генетических алгоритмов на примере задачи «Умный муравей 3» Спасибо за внимание!