УДК 519.7
DOI: 10.36871/2618-9976.2024.11.004

Авторы

Давид Арегович Петросов,
Кандидат технических наук, доцент, заведующий кафедрой информационных технологий, Финансовый университет при Правительстве РФ, Москва, Россия

Аннотация

В статье проведено обоснование гипотезы о возможности влияния на состояние популяции генетического алгоритма (ГА) в процессе поиска решений за счет изменения разрушающей способности операторов. Поставлен ряд вычислительных экспериментов на основе моделей ГА, искусственной нейронной сети (ИНС) класса RNN и алгоритма «случайный лес», полученных с использованием СП в задаче структурно-параметрического синтеза имитационных моделей бизнес-процессов на основе заданного поведения, т.е. способности модели преобразовать заданный входной вектор в эталонный выходной. Для проведения вычислительного эксперимента были поставлены условия структурно-параметрического синтеза и определены вычислители в виде CPU и CPU + GPGPU. В статье рассмотрены три модели: модель ГА без управляющей надстройки, модель ГА и управляющей надстройки в виде ИНС класса RNN, модель ГА и управляющей надстройки в виде алгоритма «случайный лес». В качестве основных показателей эффективности работы ГА рассмотрено время, которое потребовалось затратить эволюционной процедуре для обработки 1000 поколений популяции или для нахождения модели, удовлетворяющей критериям поиска, количество найденных решений и количество вмешательств управляющей надстройки в работу ГА. По результатам вычислительных экспериментов была подтверждена выдвинутая гипотеза. Проведен сравнительный анализ эффективности применения ИНС и алгоритма «случайный лес» по качественному показателю – количества найденных решений, временны́м затратам и количеству вмешательств в работу ГА. В соответствии с анализом выдвинуто предположение, что работа ГА в связке с управляющей надстройки в виде ИНС является более универсальной с точки зрения количества найденных решений, а алгоритм «случайный лес» выигрывает у комбинации ГА + ИНС по быстродействию. На основании этого предлагается использование обеих конструкций в работе с большими данными или ресурсоемких задачах в зависимости от особенностей предметных областейния.

Ключевые слова

имитационные модели
бизнес-процессы
теория сетей Петри
эволюционные процедуры
генетический алгоритм
искусственные нейронные сети
рекуррентные нейронные сети
алгоритм «случайный лес»
GPGPU