Analiza comparativa a algoritmilor de optimizare multicriteriala vs algoritmi bazati pe tehnici de inteligenta artificiala

7/27/2019 Analiza comparativa a algoritmilor de optimizare multicriteriala vs algoritmi bazati pe tehnici de inteligenta artificiala

1/14

Dumitrescu Sorin Alexandru, 314AC

Analiza comparativa a algoritmilor de optimizare multicriteriala (OM)

vs

algoritmi bazati pe tehnici de inteligenta artificiala (TIA)

Introducere

Viata este plina de alegeri si decizii. (Phil Rich)

Luarea de decizii inseama mai mult decat a inchide ochii si a selecta o varianta,

sau a lasa alegerea in voia unui joc al sortii. Aceasta presupune a avea in vedere a

numerosi factori care vor influenta din prima instanta, sau in viitor, cursul evenimentului

radacina si/sau a unuia sau mai multor evenimente declansate de precedentul.

Inca din cele mai vechi timpuri, omul a aspirat sa isi automatizeze viata, din nevoia

de a evita munca repetitiva. Inevitabil, s-a nascut conceptul de optimizare.

Ce inseamna optimizarea?

Optimizarea reprezinta procesul de selectare, din multimea solutiilor posibile ale

unei probleme, a acelei solutii care este cea mai satisfacatoare in raport cu unul sau maimulte criterii predefinite. Acest proces implica existenta a 3 componente:

O problema tehnica;

Existenta mai multor solutii pentru aceeasi problema;

Unul sau mai multe criterii de selectare a solutiei optime.


2/14


Prin optimizare, se doreste obtinerea de rezultate cel putin similar calitative, insa

se impune ca procesul sa fie mai optim din punct de vedere financiar, al timpului, al

complexitatii, sau al oricarui alt factor relevant pentru procesul in cauza.

Desigur, optimizarea fara niciun efect negativ advers, este dificil de obtinut. Ca

exemplu, putem aminti de strategia chineza a procesului de productie:

calitate sub media internationala;

costuri substantial scazute;

care, in final, conduc catre beneficii financiare, surprinzator sau nu, extrem de

avantajoase.

Orice proces presupune existenta unul algoritm dupa care va functiona.

Ce reprezinta un algoritm?

Un algoritm este o metoda de calcul alcatuita din pasii necesari solutionarii unei

probleme. Implicit, procesul de optimizare se bazeaza pe algoritmi, fiecare oferind o

alta abordare asupra subiectului.

Chiar si luarea unei decizii se face dupa un algoritm:

1. definirea problemei;2. determinarea cerintelor;3. stabilirea obiectivelor;4. identificarea alternativelor;5. definirea criteriului pe baza caruia se face alegerea;

6. selectarea unei decizii;7. evaluarea alternativelor;8. validarea solutiei.

In paginile care urmeaza, vom prezenta doua tipuri de algoritmi de optimizare:

multicriteriala (OM)

si

bazati pe tehnici de Inteligenta Artificiala (TIA).


3/14


Algoritmi de optimizare multicriteriala

Optimizarea multicriteriala se ocupa cu functii matematice de optimizare, care

implica eficientizarea simultana a mai mult decat a unei functii. Este o tehnica folosita

vaste domenii de activitate ca: inginerie aplicata, economie, finante si productie.

Pentru a lamuri conceptul multicriterial, vom apela la un exemplu elocvent si

anume, eficientizarea procesului de procesare a deseurilor.

Printr-o mai buna sortare a deseurilor, se poate obtine o rata mai mare a reciclarii

materialelor si in acelasi timp cresterea cantitatii de energie alternativa obtinuta prin

transformarea gunoiului nereciclabil, printre altele, in gaz metan. In linii mari, putem

compara procesul cu marirea unei fractiia

b, crescand numaratorul (a), si in acelasi

timp scazand si numitorul (b). Astfel avem de-a face cu o situatie win-win.


4/14


Avantaje

timp de executie redus;

precizie mare a rezultatelor;

rezultate imbunatatite.

Dezavantaje

complexitatea sporita a

algoritmului.

Ce instrumente foloseste?

Prin instrument intelegem un algoritm propriu-zis, dupa care se face

optimizarea.


5/14


Algoritmi multi attribute si multi-objective

Multiple attribute utility theory (MAUT)

Aceasta metoda consta in 7 pasi:

1. Identificarea entitatii care va lua decizia;

2. Identificarea problemei;

3. Identificarea optiunilor;

4. Identificarea valorilor relevante in cazul respectiv;

5. Clasarea valorilor relevante in functie de importanta;

6. Determinarea probabilitatii fiecarei optiuni de a maximiza fiecare valoare

relevanta in parte;

7. Calcului statistic.

Analytic hierarchy process (AHP)

Metoda se aplica dupa urmatorul algoritm:

1. Modelarea problemei sub forma ierarhica;

2. Stabilirea prioritatilor in cadrul ierarhiei;


6/14


3. Intocmirea unei ierarhii care contine principalele elemente (prioritatile);

4. Verificarea consistentei deciziilor;

5. Luarea unei decizii finale.

ELimination Et Choix Traduisant la REalit (ELECTRE)

Este o metoda folosita pentru a elimina solutii inacceptabile. Consta in doua

parti:

1. Construirea unor relatii de surclasare intre diferite actiuni, luate doua cate doua;

2. Implementarea actiunilor recomandate dupa primul pas.

Preference ranking organization method for enrichment of evaluations

(PROMETHEE)

Este o metoda care se bazeaza pe clasament. Se foloseste pentru a gasi o solutie

de compromis intre mai multi factori caracteristici problemei. Dupa compararea

criteriilor si cuantificarea lor, daca exista alternative cu valori similare, perechea de

solutii este declarata incomparabila. Prin urmare, se construiesc noi criterii care vor

ajuta la luarea unei decizii optime.


7/14


Algoritmi de optimizare bazati pe tehnici de inteligenta artificiala

Pentru a putea intelege aceste tehnici, vom discuta intai despre inteligenta

artificiala.

Ce este inteligenta artificiala?

Inteligenta artificiala este un domeniu de cercetare in cadrul informaticii, sau

produsul rezultat in urma acesteia.

Cea mai uzuala definitie este cea data de John McCarthy, in 1955:

[] o masina care se comporta intr-un mod care poate fi considerat inteligent, daca ar fi

vorba de un om

Cum functioneaza algoritmii bazati pe inteligenta artificiala?

Acesti algoritmi se bazeaza pe tehnici de invatare (self-learning sau external

learning), ducand astfel catre o auto-optimizare.

HAL 9000, Artificial Intelligence Entity


8/14


Un exemplu concret de optimizare prin AI este bijuteria industriei automotive

japoneze, automobilul creat de NISSAN, GT-R. Tehnologia care se afla in spatele

acestuia, permite atingerea unor performante inegalabile pentru aceasta categorie.

Algoritmul inteligent scaneaza carosabilul in prealabil, schimband activ

setarile suspensiei, cutiei de viteze, mecanismului de directie si programelor de

asistenta la condus, asigurand coeficienti maximi de aderenta, care permit eficientizarea

transmiterii puterii efective la roti, fara compromiterea altor factori ca masa, pret,

consum, aerodinamicitate, s.a.

Avantaje

versatilitate ridicata;

functionare autonoma;

capacitatea de invatare;

Dezavantaje

posibilitatea obtinerii de rezultate

neasteptate/nedorite

complexitate foarte ridicata a

algoritmilor.


9/14


Ce tipuri de algoritmi bazati pe inteligenta artificiala exista?

In continuare vom prezenta urmatoarele patru tipuri de algoritmi de optimizare:

Retea neuronala aritificiala

Logica Fuzzy

Algoritmi evolutivi

Algoritmi genetici

Reteaua neuronala artificiala

Aceasta idee porneste de la conceptul celulei specifice a sistemului nervos,

neuronul. Neuronii sunt celule individuale care comunica intre ele prin sinapse prin

impulsuri electrice. Aceasta conglomeratie de celule interconectate formeaza o retea

neuronala.

Reteaua neuronala a fost luata ca exemplu in incercarile de formare pe cale

artificiala a unei inteligente cat mai apropiata de cea naturala. Astfel s-au creat retele

neuronale artificiale, capabile sa imite procesele naturale.

Aceste retele poseda capacitatea de invatare in urma interactiunii cu mediul

incojurator, care faciliteaza optimizarea procesului analizat. Interpretarea informatiilor

si stimulilor externi permite crearea unui model propriu al procesului, care va fi capabil

sa raspunda si sa interpreteze autonom valorile transmiise de alti stimuli, neutilizatipana la momentul dat in procesul de invatare. Stilul de invatare este cel pe baza

exemplului.

Progresul in acest sens este unul lent, unitatile retelei fiind mult inferioare

neuronilor, in termeni de putere de calcul individuala.


10/14


Logica Fuzzy

Logica Fuzzy ofera o metoda flexibila de tratare a incertitudinii. Se foloseste

pentru a reprezenta si evalua concepte sau criterii abstracte si/sau imprecise. Abordarea

problemei se face catalogand criteriile binar, cu 1 si 0. Dupa aceasta etapa, se

efectueaza o clasificare a alternativelor dupa numarul de 1 si 0 care le sunt atribuite pe

baza criteriilor.

Algoritmi evolutivi

Acesti algoritmi se folosesc de invatarea inductiva, nesupervizata, bazata pe

observatii. Utilizeaza modele care se inspira din evolutia biologica precum mutatie,

recombinare, reproducere, selectie naturala.

Algoritmi genetici

Se bazeaza pe selectie naturala si pe principiile geneticii enuntate de Charles

Darwin.

Supravieuiete cel care e cel mai bine adaptat "

Acest tip de algoritm nu va recomanda solutia optima, ci solutia cea mai

apropiata de optim. El se va repeta, ducand la eliminarea solutiilor ineficiente, pana la

gasirea celei potrivite.


11/14


Algoritmizare si implementare

Vom incepe prin exemple de implementare a algoritmilor de optimizare

multicriteriali.

Sa luam in considerare un avion de vanatoare. Principalele criterii de optimizare

sunt:

viteza

fiabilitate

autonomia de zbor

incarcatura maxima utila a armamentului

elemente de avionica

consum

pret

Putem optimiza prin inlocuirea motorului curent cu unul mai performant, insa

construit din aliaje mai usoare. Prin aceasta schimbare, se mareste puterea viteza,

scade greutatea autonomie de zbor sporita, consum mai redus, se poate mari

incarcatura maxima utila a armamentului transportat.

In cazul algoritmilor de optimizare bazati pe tehnici de inteligenta artificiala,

vom prezenta un exemplu de algoritm de foloseste ambele tipuri de invatare.

Primul exemplu il constituie un sistem de control al site-ului qoffice.ro. Asistentul

vocal, este capabil sa ofere informatii optime din punct de vedere al locatiei geografice

si a preferintelor. Algoritmul se foloseste de auto-invatare din parametrii primiti de la

utilizatori si de invatare manuala primita de la administratori. Astfel sistemul se

optimizeaza treptat, fiind capabil sa ofere rezultate din ce in ce mai precise.


12/14


Studiu de caz Optimizare multicriteriala vs Algoritmi Fuzzy

Optimizarea multicriteriala si algoritmiide tipFuzzy sunt unele dintre cele mai

raspandite metode de eficientizare a unui proces. Aplicatiile acestora acopera toate

domeniile de activitate, de la inginerie aplicata pana la economie.

Algoritmii Fuzzy, spre deosebire de OM, deseori pot complica o problema

simpla, fiind limitati la aprecierea binara a criteriilor.

Totusi, optimizareamulticriteriala se va confrunta cu probleme in cazul in care

se aleg criterii ce nu pot fi apreciate in mod absolut. Conceptele abstracte, insa se vor

rezolva prin intermediul unul algoritm Fuzzy.

Desi este catalogat ca un algoritm de optimizare bazat pe inteligenta

artificiala, Fuzzy se poate incadra la randul sau in cadrul algoritmilor multicriteriali.


13/14


Concluzii

Optimizarea este procesul care sporeste calitatea vietii, care impune evolutia

tehnologiei si care faciliteaza dezvoltarea gandirii umane. Nascuta din nevoie,

optimizarea a devenit o nevoie in orice domeniu de activitate.

Privind catre viitor, vom putea previzualiza o lume construita pe baza

algoritmilor, din ce in ce mai inteligenti, mai optimi si mai versatili. Rezultatele obtinute

vor fi precise, personalizate si vor avea o tenta personala de comunicare.

Recunoasterea greselilor si eliminarea lor, treptat, va aduce la nivel global o

crestere multicriteriala, care va pune bazele urmatoarei etape a evolutiei omenirii.

Optimizarea este calea catre progres.


14/14


Bibliografie

Introduction to Decision Making Methods, Jnos Flp

The Decision-making Poketbook, Neil Russell-Jones

Evolutionary Algorithms for Solving Multi-Objective Problems, Carlos A. Coello

Coello; Gary B. Lamont; David A. Van Veldhuisen

Multiple Criteria Decision Making, Zeleny M.

Fuzzy logic and arithmetical hierarchy, Hjek, Petr

Fuzzy Logic, Kosko, Bart; Isaka, Satoru

A Field Guide to Genetic Programming, Poli, R., Langdon, W. B., McPhee

Genetic Algorithms in Ruby

Computational Intelligence An introduction, Andries P. Engelbrecht

An introduction to Neural Networks, Kevin Gurney

wikipedia.org

mit.edu

artint.info

ieeexplore.ieee.org
http://ai4r.rubyforge.org/geneticAlgorithms.htmlhttp://ai4r.rubyforge.org/geneticAlgorithms.html

Documents

Analiza comparativa a algoritmilor de optimizare multicriteriala vs algoritmi bazati pe tehnici de inteligenta artificiala