1
Центральный экономико-математический институт, Российская академия наук, Москва, Россия
2
НИУ ВШЭ, 101000, Россия, Москва, ул. Мясницкая, д.20
3
Центральный экономико-математический институт, Российская академия наук, Россия, 117418, г. Москва, Нахимовский проспект, д. 47
4
Индийский технологический институт Манди , Индия, 175005, Химачал-Прадеш, Манди
Разработка параллельных генетических алгоритмов вещественного кодирования для систем поддержки принятия решений социально-экономического и экологического планирования
В статье представлен новый подход к проектированию систем поддержки принятия решений социально-экономического и экологического планирования с использованием параллельных генетических алгоритмов вещественного кодирования (RCGA), агрегируемых с имитационными моделями AnyLogic по целевым функционалам. Особенностью данного подхода является использование агентов-процессов, являющихся автономными генетическими алгоритмами, функционирующими синхронно в параллельных потоках, периодически обменивающихся наилучшими потенциальными решениями, что обеспечивает преодоление проблемы застревания генетических алгоритмов в локальных экстремумах и существенно улучшает общую процедуру поиска решений. Также показано, что комбинированное использование различных операторов кроссовера (скрещивания) и мутации существенно повышает временную эффективность RCGA, обеспечивая большее разнообразие популяции потенциальных решений (особей). В работе используется ряд предложенных операторов кроссовера и мутации, в частности, модифицированный оператор SBX-кроссовера (MSBX) и масштабируемый оператор равномерной мутации (SUM). В результате обеспечивается разбиение пространства поиска решений на малые отрезки равной длины с учетом общего числа взаимодействующих агентов-процессов и максимального числа внутренних итераций, формирующих потенциальные решения посредством селекции, кроссовера и мутации. Подобная функциональная зависимость параметров эвристических операторов от соответствующих процессных характеристик, в совокупности с комбинированным вероятностным использованием различных операторов кроссовера и мутации, позволяет получить максимальную отдачу от мультипроцессорной архитектуры. В результате вычислительные возможности RCGA при решении оптимизационных задач большой размерности (сотни и тысячи переменных-решений, множественные целевые функционалы) становятся зависимыми только от физических характеристик имеющихся вычислительных кластеров, что позволяет эффективно использовать суперкомпьютерные технологии. Важным преимуществом предложенной системы является реализованный механизм интеграции предложенного параллельного RСGA (реализованного на C++ и MPI) с системой имитационного моделирования AnyLogic (Java) с использованием технологии JNI. Подобный подход позволяет синтезировать оптимизационные задачи реального мира в системах поддержки принятия решений социально-экономического и экологического планирования, с использованием методов имитационного моделирования, поддерживаемых в системе AnyLogic. В результате обеспечивается эффективное решение задач одноцелевой и многоцелевой оптимизации большой размерности, в которых целевые функционалы являются результатом имитационного моделирования и не могут быть описаны аналитически.
Библиографическое описание:
Акопов А.С., Бекларян А.Л., Тхакур М., Верма Б.Д. Разработка параллельных генетических алгоритмов вещественного кодирования для систем поддержки принятия решений социально-экономического и экологического планирования // Бизнес-информатика. 2019. Т. 13. № 1. С. 33–44. DOI: 10.17323/1998-0663.2019.1.33.44