Введение
Одной из самых обсуждаемых и актуальных проблем в науке управления в нашем мире является поиск решения синтеза управления. Большое значение на сегодняшний день имеет развитие методов интеллектуального управления, которые используют различные подходы искусственного интеллекта, такие как искусственные нейронные сети, нечеткая логика, машинное обучение, эволюционные вычисления и генетические алгоритмы.
Суть задачи синтеза системы управления заключается в нахождении синтезирующей функции, которая описывает зависимость управления от состояния объекта. Объект может находиться в разных состояниях и можно получить синтезирующей функции, решая задачу оптимального управления для текущего состояния объекта (считая его начальным состоянием).
Цель синтеза управления заключается в том, чтобы найти такое управление, при котором поведение объекта управления удовлетворяло бы заданным критериям. Данная задача до сих пор не решена аналитически в общем виде.
Одним из методов, позволяющих решить эту проблему, является генетическое программирование, созданное Дж. Козой. Принцип работы генетического программирования базируется на представлении математических выражений в виде бинарных векторов и на генетическом алгоритме.
Идея генетических алгоритмов заимствована у живой природы и состоит в организации эволюционного процесса, конечной целью которого является получение оптимального решения в сложной комбинаторной задаче. Разработчик генетических алгоритмов выступает в данном случае как «создатель», который должен правильно установить законы эволюции, чтобы достичь желаемой цели как можно быстрее. Впервые эти нестандартные идеи были применены к решению оптимизационных задач в середине 70-х годов.
В данной дипломной работе будет разработан программный комплекс, позволяющий решать задачу синтеза управления заданным динамическим объектом на основе грамматической эволюции.
- Введение
- Основные сокращения и обозначения
- 1. Постановка задачи синтеза системы управления
- 2. Методы поиска оптимального управления
- 2.1 Принцип Максимума Понтрягина
- 2.2 Метод аналитического конструирования оптимальных регуляторов (АКОР)
- 2.3 Метод аналитического конструирования нелинейных агрегированных регуляторов (АКАР)
- 2.4 Метод динамического программирования Беллмана
- 3. Символьная регрессия
- 1) генетическое программирование (ГП)
- 2) грамматическая эволюция (ГЭ)
- 3) аналитическое программирование (АП)
- 3.3 Аналитическое Программирование (АП)
- 3.4 Сетевой оператор
- 4.1 Генетический алгоритм
- 4.2 Грамматическая эволюция
- 5. Вычислительный эксперимент
- Список литературы