Метод автоматизованого проєктування нейроеволюційних алгоритмів з використанням алгебри алгоритмів Глушкова

• Дата: 2023
• Автори: Sinitsyn, Igor, Doroshenko, Anatoliy, Mamedov, Tural, Yatsenko, Olena
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023
• Теми: автоматизоване проєктування; алгебра алгоритмів; генерація програм; задача балансування; нейроеволюція наростаючих топологій; нейронна мережа
• Онлайн доступ: https://jais.net.ua/index.php/files/article/view/100
• Назва журналу: Problems of Control and Informatics

Академік В.М. Глушков був зачинателем багатьох напрямків наукових досліджень, зокрема і напрямку автоматизації проєктування алгоритмів, а розроблена ним концепція алгебри алгоритмів стала основою для багатьох розробок інструментальних засобів у цій галузі. Автори пропонують налаштування раніше створеного алгебро-алгоритмічного інструментарію на автоматизоване проєктування та синтез програм, що використовують нейроеволюційні алгоритми. Нейроеволюція є сукупністю методів машинного навчання, що застосовують еволюційні алгоритми для полегшення вирішення складних завдань, що імітують процес природного відбору. Метод нейроеволюції наростаючих топологій (NEAT) призначений для зменшення розмірності простору пошуку параметрів нейромережі у вигляді поступового розвитку її структури у процесі еволюції. Процес починається з популяції дрібних, найпростіших геномів і поступово збільшує їхню складність з кожним новим поколінням. Кінцевим результатом нейроеволюції є оптимальна топологія мережі, яка робить модель більш енергоефективною та зручною для аналізу. Розроблений інструментарій проєктування програм забезпечує автоматизацію побудови високорівневих специфікацій алгоритмів, поданих у системах алгоритмічних алгебр Глушкова, та синтез відповідних програм на основі шаблонів реалізацій цільовою мовою програмування. Налаштування інструментарію на проєктування нейроеволюційних алгоритмів полягає у внесенні в базу даних системи описів відповідних елементарних операторів і предикатів та їх програмних реалізацій. Використання інструментарію проілюстроване на прикладі проєктування та генерації програми для задачі балансування зі зворотним маятником, яка застосовує нейроеволюційний алгоритм бібліотеки NEAT-Python. Задача полягає в тому, щоб керувати модельованим візком, який може рухатися лише в двох напрямках за допомогою жердини, прикріпленої шарніром до його верхньої частини. Наведено результати експерименту з виконання програми, згенерованої за допомогою алгебро-алгоритмічного інструментарію.