Neuroproject.ru / Главная страница
   Главная / Каталог программ


 

О компании
Програмные продукты
Услуги
Обучение
Материалы
Форум
     НейроПрактикум   

   NeuroShell 2       GeneHunter       NeuroShell Predictor       NeuroShell Classifier       NeuroShell runtime server

   Deductor
 
GeneHunter
Пакет для решения оптимизационных задач

    Описание программного продукта

    Введение
    Использование надстройки GeneHunter для Excel
    Использование генетических алгоритмов в Ваших программах с помощью динамической библиотеки GALIB
    Примеры использования GeneHunter
    Пакетное дополнение GeneHunter
    Спецификация GeneHunter

Примеры использования GeneHunter

В состав пакета GeneHunter входят ряд примеров использования пакета из рабочих листов Microsoft® Excel™ и из внешних программ. Расскажем коротко про некоторые из них.



1. Анализ портфеля акций

"Портфель акций" является характерным примером множества задач, которые требуют сгуппировать различные по своим свойствам объекты оптимальным способом (например, распределить студентов в академические группы, образовать бригады из рабочих различных специальностей, и т.п.). В данном примере финансовый менеджер хочет распределить имеющиеся акции различной стоимости на шесть групп так, чтобы стоимость каждой группы составляла заданный процент от стоимости всего портфеля.



2. Оптимизация инвестиционного портфеля

Этот пример имеет большее отношение к реально возникающим в жизни задачам, чем простая задача группировки из примера "Анализ портфеля акций". В реальных задачах оптимизации портфеля трейдер или управляющий фондами старается минимизировть риск, одновременно пытаясь максимизировать доход. Он может сделать это, пытаясь получить портфель, поведение стоимость которого моделирует поведение стоимости существующего оптимального портфеля, такого, как S&P 500.

Трейдер выбирает некоторое количество акций, например, те, которые он считает наиболее доходными. ГА используется для минимизации риска, помогая составить портфель таким образом, чтобы его стоимость вела себя подобно стоимости более диверсифицированного портфеля S&P 500.



3. Прогнозирование индекса NYSE

В этом примере GeneHunter создает правила для прогнозирования роста индекса NYSE.

Формулировка этой задачи для GeneHunter несколько отличается от обычной формулировки задачи для ГА. Каждый индивидуум в популяции представляет правило следующего вида:



Если индекс close 4 дня тому назад меньше, чем индекс high 9 дней тому назад и если индекс high 3 дня тому назад больше, чем индекс close 4 дня тому назад, тогда индекс close завтра возрастет.

Целевая функция в этом случае должна представлять собой доход, который Вы получите в случае использования данного правила при торговле.

Концепция использования генетических алгоритмов для поиска правил может быть распространена на задачи поиска оптимальных правил для обработки данных, составление расписаний движения самолетов или доставки грузов и т.д.



4. Задача коммивояжера

Задача коммивояжера - это широко известная задача, ставшая тестом для проверки и сравнения различных алгоритмов решения комбинаторных задач оптимизации. Коммивояжер должен совершить замкнутый маршрут через заданное количество городов. Все города связаны между собой дорогами, и каждый город комивояжер должен посетить только один раз. GeneHunter решает эту задачу, выбирая порядок посещения городов и минимизируя длину маршрута.



5. Создание оптимального графика работ

Одним из наиболее важных применений генетических алгоритмов является их использование для составления оптимального расписания для задач практически любых разумных размеров. ГА дают прекрасную возможность предпринимателям планировать поручения для своих сотрудников, а технологам составлять расписание технологических процессов в конкретных условиях производства. Вы можете использовать данный пример в качестве образца.

В данном примере мы представим себя в роли управляющего небольшого завода по производству печатных плат, ежедневно осуществляющего сборку, монтаж, пайку и тестирование некоторого количества печатных плат разных типов. Каждая из плат должна пройти через пять рабочих станций, однако на каждой из них могут работать по несколько специалистов (или станков), каждый из которых в состоянии независимо от других полностью выполнять все работы, входящие в обязанности данной рабочей станции.

На заводе изготавливаются несколько типов печатных плат, и каждая из них требует своего времени загрузки для каждой рабочей станции. Поэтому есть опасность простоя специалистов или станков, так как платы могут потребовать длительного времени обработки на предыдущих рабочих станциях. GeneHunter создает расписание, позволяющее произвести все платы за минимальное время.



6. Генетическая тренировка нейронной сети

Искусственные нейронные сети первоначально были разработаны для моделирования способности мозга распознавать образы. В настоящее время они широко применяются для решения многих практических задач предсказания и классификации. Существуют много способов тренировки нейросетей, и одним из них является использование генетических алгоритмов. Пример "Нейронная сеть" демонстрирует, как это можно сделать. В данном примере показан один из способов, как можно использовать GeneHunter для создания и тренировки нейронной сети, не применяя никаких иных нейросетевых программ и алгоритмов.

  Пример использования Gene Hunter

Владелец кафе решил создать нейросеть, которая будет предсказывать, сколько бутербродов у него купят завтра. Это ему нужно для того, чтобы каждый день иметь необходимое количество продуктов и персонала для приготовления бутербродов и их продажи. У него была статистика продаж за 16 недель. В качестве входов для своей нейросети он использовал также дневную температуру, день недели, погоду и информацию о днях выдачи зарплаты на предприятии напротив своего кафе.

В этом примере GeneHunter используется для тренировки нейросети, чтобы предсказать количество бутербродов, которые необходимо приготовить для ежедневной продажи. Генетический алгоритм используется для нахождения весов нейросети.



7. Балансировка диеты в рамках бюджета

Этот пример используется в описании GeneHunter для обучения пользователя работе с пакетом. Руководитель похода должен закупить питание на группу из 20 человек для похода с ночевкой. Его задачей является минимизация стоимости питания при соблюдении рекомедуемых стандартов диеты, в состав которой входят хлеб, фрукты, овощи, молоко, мясо и сладости.

В данном примере GeneHunter минимизирует стоимость продуктов при максимизации качества диеты, подбирая количество порций продуктов на человека в каждой пищевой категории.

У Вас могут возникнуть задачи подобные этой, например, минимизация затрат на рекламу при условии охвата рекламой заданного количества людей из каждой категории населения, путем регулирования затрат на различные рекламные мероприятия.



8. Полиномиальная аппроксимация функциональных зависимостей

GeneHunter можно использовать для поиска математических моделей данных, во многом подобных моделям, которые могут быть построены с помощью нелинейного регрессионного анализа.

В этом примере GeneHunter используется для нахождения коэффициентов при пяти независимых переменных, а также показателя степени при каждой переменной. Пример легко доработать для построения более сложных математических моделей.


    Введение
    Использование надстройки GeneHunter для Excel
    Использование генетических алгоритмов в Ваших программах с помощью динамической библиотеки GALIB
    Примеры использования GeneHunter
    Пакетное дополнение GeneHunter
    Спецификация GeneHunter

     НейроПрактикум       NeuroShell 2       GeneHunter       NeuroShell Predictor       NeuroShell Classifier       NeuroShell runtime server

   Deductor


Rambler's Top100 Rambler's Top100