Россия, Красноярск Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева Бежитский Сергей Сергеевич ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ ДЛЯ АВТОМАТИЗАЦИИ ПРОЕКТИРОВАНИЯ РАСПРЕДЕЛЕННЫХ СИСТЕМ УПРАВЛЕНИЯ

Некоторые из направлений использования распределенных систем управления управление аэрокосмическими системами – например, система управления космическими аппаратами управление аэрокосмическими системами – например, система управления космическими аппаратами управление системами слежения за транспортными потоками на территории государства – например, система управления движением автомобильного транспорта управление системами слежения за транспортными потоками на территории государства – например, система управления движением автомобильного транспорта управление системами мониторинга на потенциально опасных объектах – например, ядерных реакторах, хранилищах ядерных отходов управление системами мониторинга на потенциально опасных объектах – например, ядерных реакторах, хранилищах ядерных отходов управление системами охраны и контролем доступа на крупномасштабных и стратегически важных объектах – например, система управления охраной и контролем доступа на горно-химическом комбинате управление системами охраны и контролем доступа на крупномасштабных и стратегически важных объектах – например, система управления охраной и контролем доступа на горно-химическом комбинате

Моделирование и оптимизация аппаратно-программного комплекса технологического контура системы управления космического аппарата Система уравнений Колмогорова-Чепмена Система управления КА и граф состояний и переходов Целевые функции: формулы вычисления коэффициентов готовности Ограничения и их формулы НКУ КА ЦАБКУ

Программная система построения модели функционирования РСУ Этап сбора и обработки информации о системе диалоговом режиме с пользованием

Программы псевдобулевой оптимизации для установления полезных свойств целевых функции системы управления Цель использования алгоритмов – установление полимодальности и монотонности целевых функций

Результаты исследования полезных свойств целевых функций Показатель эффективности работы РСУ Полезные свойства Технологический контурУнимодальность и монотонность коэффициента готовности КА. Полимодальность и немонотонность коэффициентов готовностей ЦА и БКУ Командно-программный контурМногоэкстремальность с несколькими множествами постоянства для показателя, характеризующего время автономной работы КА Целевой контурУнимодальность и монотонность показателя, характеризующего среднее время реакции на поступившую заявку

Программа оптимизации параметров системы управления генетическим алгоритмом (ГА) Окна программы ГАЗапрограммированная схема ГА

Эволюция по Ламарку: 1.Инициализируется и оценивается начальная популяция ГА 2.Выбирается произвольным образом несколько индивидов и из них проводится локальный поиск (ЛП) (моделирование прижизненной адаптации). 3.В следующую популяцию переходят новые (улучшенные) индивиды (полученные ЛП) 4.В соответствии с генетическими операторами формируется и оценивается новая популяция. Переход к шагу 2. Пошаговая структура модернизированных гибридных схем ГА Эволюция по Дарвину: 1.Инициализируется и оценивается начальная популяция ГА 2.Выбирается произвольным образом несколько индивидов и из них проводится локальный поиск (моделирование прижизненной адаптации). 3.В следующую популяцию переходят исходные (для ЛП) индивиды но с новой (полученной ЛП) пригодностью. 4.В соответствии с генетическими операторами формируется и оценивается новая популяция. Переход к шагу 2.

Кривые лучшего, среднего и худшего индивидов в ГА Реализация гибридного и обыкновенного ГА для решения условных задач оптимизации при проектировании РСУ Гибридизация ГА с алгоритмами локального поиска – эволюции по Дарвину и Ламарку

Сравнение показателей эффективности ГА и гибридного алгоритма при оптимизации коэффициента готовности КА НадежностьСкоростьРазброс ГА – эволюция по Ламарку 0.822[6;40] ГА – эволюция по Дарвину 0.725[8;42] ГА – обыкновенный [3;39]

Сравнение показателей эффективности ГА и гибридного алгоритма при оптимизации показателя автономной работы КА НадежностьСкоростьРазброс ГА – эволюция по Ламарку 13[1; 8] ГА – эволюция по Дарвину 0.944[1; 9] ГА – обыкновенный 14[1; 10]

Сравнение показателей эффективности ГА и гибридного алгоритма при оптимизации среднего времени реакции системы управления КА НадежностьСкоростьРазброс ГА – эволюция по Ламарку [14; 48] ГА – эволюция по Дарвину [11; 48] ГА – обыкновенный [12; 55]

Итоговые результаты Итоговые результаты Исследованы свойства целевых функции. Установлена унимодальность и монотонность коэффициента надежности функционирования КА. Установлена полимодальность и немонотонность коэффициентов надежности БКУ и ЦА. Исследованы свойства целевых функции. Установлена унимодальность и монотонность коэффициента надежности функционирования КА. Установлена полимодальность и немонотонность коэффициентов надежности БКУ и ЦА. Установлены оптимальные параметры обыкновенного генетического алгоритма и гибридного ГА для целевых функций с ограничениями и без ограничений Установлены оптимальные параметры обыкновенного генетического алгоритма и гибридного ГА для целевых функций с ограничениями и без ограничений Использование гибридного ГА позволяет использовать произвольные настройки ГА фактически без снижения эффективности оптимизации по сравнению с оптимальным ГА Использование гибридного ГА позволяет использовать произвольные настройки ГА фактически без снижения эффективности оптимизации по сравнению с оптимальным ГА

Спасибо за внимание!