2018-01-21
434
1. Необхідно знайти мінімум наступної функції:
.
2. Для створення m-файла, що необхідний для розрахунку даної функції, слід створити порожній m-файл і ввести наступний код:
function z = my_fun(x)
z = x(1)^2 - 2*x(1)*x(2) + 6*x(1) + x(2)^2 - 6*x(2);
3. Зберегти m-файл у поточній робочій директорії MATLAB з ім'ям my_fun. m.
4. Для перевірки, що М-файл повертає точне рішення, варто виконати:
my_fun([2 3])
ans =
-5
5. Відкрити інструментарій генетичного алгоритму. У поле Fitness function ввести ім'я цільової функції @my_fun, указати розмірність вхідного вектора для функції придатності.
6. Установити значення параметрів генетичного алгоритму: кількість особин у популяції = 10, кількість поколінь = 100 (у вкладці критерію зупинки алгоритму), початковий відрізок = [-1; 1].
7. У розділі Plots установити прапорці для графіків Best fitness, Best individual, Distance. Запустити генетичний алгоритм, проаналізувати отримані графіки.
8. У результаті завершення процесу у вікні Final point з'явиться значення змінної x, що відповідає мінімуму функції, а у вікні Status and result можна побачити знайдене мінімальне значення цільової функції.
|
|
|
9. Знайти максимум функції:
. 
10. Відобразити отримані графіки.
11. Перевірити правильність розв’язання алгоритму, побудувавши графік заданої функції та порівняти точки мінімуму (максимуму).
Зміст звіту
1. Тема й мета роботи.
2. Навести отримані результати для функцій: результати роботи генетичного алгоритму, графіки функцій.
3. Зробити порівняльні висновки стосовно роботи генетичного алгоритму з різними функціями.
4. Висновки з роботи.
Контрольні питання
1. Дайте визначення генетичного алгоритму.
2. Що таке функція пристосовуваності?
3. Назвіть критерії зупинки роботи генетичного алгоритму.
4. Яким чином створюється початкова популяція?
5. Чому значення найкращого представника покоління відрізняється від попереднього?
Література: [9, 11–12].
КРИТЕРІЇ ОЦІНЮВАННЯ
При оцінюванні роботи студентів на лабораторних заняттях, враховується їх присутність та активність при виконанні завдання. Під час захисту виконаної лабораторної роботи враховується якість оформлення звіту (наявність теми, мети, висновків, графіків, пояснень, тощо), своєчасність здачі та володіння матеріалом.
Для студентів повної форми навчання навчальним планом передбачено 8 занять та 6 лабораторних робіт різної складності, їх знання оцінюються згідно з таблицею:
| № | Присутність на занятті (консультації) | Активність на занятті | Якість оформлення звіту | Своєчасність здачі | Якість захисту | Кількість балів |
| 1. | 0,5 | 2,0 | 0,5 | 0,2 | 2,0 | 5,2 |
| 2. | 0,5 | 2,0 | 0,5 | 0,2 | 2,3 | 5,5 |
| 3. | 0,5 | 2,0 | 0,5 | 0,2 | 2,7 | 5,9 |
| 4. | 0,5 | 2,0 | 0,5 | 0,2 | 2,8 | 6,0 |
| 5. | 0,5 | 2,0 | 0,5 | 0,2 | 2,8 | 6,0 |
| 6. | 0,5 | 2,0 | 0,5 | 0,2 | 2,8 | 6,0 |
| 7. | 0,5 | 2,0 | 2,5 | |||
| 8. | 0,5 | 2,0 | 2,5 | |||
| Бали за всі заняття | 22,5 | Сумарний бал за всі лабораторні роботи | 39,6 |
Для студентів скороченої форми навчання навчальним планом передбачено 9 занять та 6 лабораторних робіт різної складності, їх знання оцінюються згідно з таблицею:
|
|
|
| № | Присутність на занятті (консультації) | Активність на занятті | Якість оформлення звіту | Своєчасність здачі | Якість захисту | Кількість балів |
| 1. | 0,5 | 2,0 | 0,5 | 0,2 | 3,0 | 6,2 |
| 2. | 0,5 | 2,0 | 0,5 | 0,2 | 3,2 | 6,4 |
| 3. | 0,5 | 2,0 | 0,5 | 0,2 | 3,5 | 6,7 |
| 4. | 0,5 | 2,0 | 0,5 | 0,2 | 3,8 | 7,0 |
| 5. | 0,5 | 2,0 | 0,5 | 0,2 | 3,8 | 7,0 |
| 6. | 0,5 | 2,0 | 0,5 | 0,2 | 4,0 | 7,2 |
| 7. | 0,5 | 2,0 | ||||
| 8. | 0,5 | 2,0 | ||||
| 9. | 0,5 | 2,0 | ||||
| Бали за всі заняття | 22,5 | Сумарний бал за всі лабораторні роботи | 48,00 |
СПИСОК ЛІТЕРАТУРИ
1. Андрейчиков А. В. Интеллектуальные информационные системы / А. В. Андрейчиков, О. Н. Андрейчикова. – Москва: “Финансы и статистика”, 2004. – 424 с.
2. Брюхомицкий Ю. А. Нейросетевые модели для систем информационной безопасности / Ю. А. Брюхомицкий. – Таганрог: Изд-во ТРТУ, 2005. – 160 с.
3. Тим Джонс М. Программирование искусственного интеллекта в приложениях / М. Тим Джонс; пер. с англ. А. И. Осипов – Москва: ДМК Пресс, 2006. – 312 с.
4. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Ф. Люгер Джордж. – 4-е изд. – Москва: “Вильямс”, 2003. – 864 с.
5. Ясницкий Л. Н. Введение в искусственный интеллект / Л. Н. Ясницкий. – Москва: «Академия», 2008. – 176 с.
6. Поспелов Д. А. Нечеткие множества в моделях управления и искусственного интеллекта / Д. А. Поспелов. – Москва: Наука, 1986. – 312 с.
7. Яхъяева Г. Э. Нечеткие множества и нейронные сети / Г. Э. Яхъяева.
– Москва: Бином, 2006. – 316 с.
8. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – Москва: Телеком, 2006. – 452 с.
9. Дьяконов В. Математические пакеты расширения MATLAB: специальный справочник / В. Дьяконов, В. Круглов. – СПб.: Питер, 2001. – 480 с.
10. Джексон Питер. Введение в экспертные системы / Питер Джексон. –
3-е изд. – 2001. – 624 с.
11. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев. – Харьков: ОСНОВА, 1997. – 112 с.
12. Дьяконов В. П. MATLAB 6.5 SP1/7/7 SP2+ Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики / В. П. Дьяконов, В. В. Круглов. – Москва: СОЛОН-ПРЕСС, 2006. – 456 с.
Методичні вказівки щодо виконання лабораторних робіт з навчальної
дисципліни "Програмування систем штучного інтелекту" для студентів денної та заочної форм навчання (у тому числі скорочений термін) за напрямом 6.050201 – "Системна інженерія"
Укладач асист. Є. В. Носач
Відповідальний за випуск зав. кафедри САУЕ проф. Д. Й. Родькін
Підп. до др. ______________. Формат 60х84 1/16. Папір тип. Друк ризографія.
Ум. друк. арк. ____. Наклад _______ прим. Зам. №___________. Безкоштовно.
Видавничий відділ
Кременчуцького національного університету
імені Михайла Остроградського
вул. Першотравнева, 20, м. Кременчук, 39600
