Многоагентный генетический алгоритм для поиска Парето
реклама
Многоагентный генетический алгоритм для поиска Парето-оптимальных решений в имитационных моделях сложных организационных структур Актуальность проблемы Существует известная проблема поиска оптимальных решений в имитационных моделях (далее ИМ) «больших систем», таких как система управления технологическими режимами сложного производства, система оптимального управления финансовыми и материальными потоками крупной корпорации, система управления инвестиционным портфелем, система умного управления городом и др. Поиск оптимальных решений в подобных системах должен осуществляться по множеству, как правило, конкурентных и разномасштабных критериев со сложными ограничениями. При этом переход к интегральному целевому функционалу через линейную свертку критериев с использованием весов оказывается неприменимым по причине неготовности лица, принимающего решения, определять значения весов при формулировке задачи. Основным подходом к решению подобных многокритериальных задач является нахождение множества Парето-оптимальных решений, образующих так называемый фронт Парето, с последующим выбором на основе стратегии наиболее подходящего из недоминируемых решений лицом, принимающим решение (далее ЛПР). Аналитическое описание и строгое решение такой задачи на практике, как правило, не осуществимо по причине сложных нелинейных зависимостей и обратных связей (во времени). В таком случае для построения фронта Парето целесообразно использовать численные методы, требующие, однако, значительных вычислительных ресурсов. Так, в сложных ИМ целевые функции многих переменных порождают многомерное пространство поиска решений, вычислительная сложность оптимизационной задачи становится преградой к ее решению за допустимое время. Однако при принятии решений временной фактор играет значимую роль. Поэтому качество алгоритма поиска Паретооптимальных решений приобретает особую важность. При решении такого класса задач хорошо зарекомендовали себя алгоритмы метаэвристического класса, позволяющие не исследуя полностью область допустимых решений, с достаточной точностью находить оптимальные решения по Парето. Одним из распространенных классов метаэвристических алгоритмов являются генетические алгоритмы (далее ГА). Доказано, что ГА обладают значительно меньшей вычислительной емкостью, чем простой метод перебора, и рядом плюсов по сравнению с другими численными способами решения оптимизационных задач. На основе ГА разработаны различные методы нахождения Парето-оптимальных решений в многокритериальных оптимизационных задачах. Другим значимым преимуществом ГА является возможность эффективного распараллеливания вычислений. Однако ГА всегда имеет риск схождения к локальным суб-оптимальным решениям вместо глобальных. Но для ЛПР в ряде задач достаточно и суб-оптимального решения, близкого по значению к глобальному оптимуму. Несмотря на обилие различных имитационных систем, проведенное исследование показало, что в них отсутствуют эффективные алгоритмы поиска Парето-оптимальных решений в сложных имитационных моделях. Таким образом, основная проблема заключается в отсутствии качественного синтеза систем имитационного моделирования и эффективных алгоритмов поиска решений в многокритериальных оптимизационных задачах большой размерности. Степень разработанности проблемы в литературе носит неполный характер. С одной стороны, много исследований посвящено метаэвристическим оптимизационным алгоритмам и эволюционным алгоритмам поиска Парето-оптимальных решений в частности (VEGA, NPGA, NSGA, NSGA2, SPEA, SPEA2 и другие). Все они основаны на ГА, теория которых была разработана J. H. Holland в 1975 г. имитационному моделированию (дискретно-событийное, С другой стороны – системно-динамическое, агентное). Также существует большой выбор систем имитационного моделирования: AnyLogic, Simulink, Skilab, Arena, PowerSim и другие. Однако пробел наблюдается в научной базе исследований, посвященной проблемам большой размерности многокритериальных оптимизационных задач, которая порождается сложной имитационной моделью. В некоторых исследованиях для ускорения вычислений предлагается их распараллеливание согласно, так называемой, «Островно модели», однако существующие алгоритмы поиска Парето-оптимальных решений при «Островной модели» теряют свою эффективность в случае большого пространстве поиска решений. Отдельно стоит упомянуть про исследования, посвященные сужению фронта Парето для помощи ЛПР с выбором решения. Процесс сужения может быть основан на методе справедливых компромиссов на основе дополнительно полученной информации о предпочтениях ЛПР, но этот метод не реализован в какой-либо из систем ИМ. Как следствие не проработанности проблемы наблюдается отсутствие программных комплексов, обеспечивающих полный цикл выработки и поддержки принятия эффективных решений в имитационных моделях большой размерности с более чем одной целевой функцией. Цель исследования заключалась в разработке нового алгоритма и программного комплекса для эффективного поиска Парето-оптимальных решений и последующего сужения фронта Парето в многомерных имитационных моделях. Методологическая база исследования – методы системного анализа, имитационного моделирования, исследования операций, поиска Парето-оптимальных, сужения фронта Парето, теории алгоритмов, методы проектирования и разработки распределенных информационных систем Полученные результаты: • Проведен обзор систем имитационного моделирования и выявлен имеющийся в них функционал для поиска эффективных решений. • Проведен сравнительный анализ существующих методов поиска Парето- алгоритм поиска Парето- оптимальных решений в задачах большой размерности • Разработан новый многоагентный генетический оптимальных решений в многокритериальной оптимизационной задаче, который при большом пространстве поиска решений превосходит по эффективности существующие алгоритмы благодаря интеллектуальной составляющей агентов и распределению всего пространства решений между ними. • Реализован программный комплекс, обеспечивающий эффективную поддержку для ЛПР механизма поиска эффективных решений в многомерных имитационных моделях за счет разработанного алгоритма, средства визуализации и сужения фронта Парето. • Разработана структуры имитационная модель крупной действующей организационной (Интернет-магазина) для апробации разработанного программного комплекса, а также алгоритмов и методов, лежащих в его основе. • Проведена апробация разработанного программного комплекса для действующего Интернет-магазина. Программный комплекс позволил добиться улучшения экономических показателей на полугодовом горизонте. Практическая важность исследования заключается в востребованности подобных систем в конкурентных отраслях в бизнесе, где цена каждого решения очень высока. Система имитационного моделирования в связке с разработанным программным комплексом оказывают эффективную поддержку принятия управленческих решений в сложных организационных структурах.
