ГЕНЕТИЧНІ АЛГОРИТМИ ОПТИМІЗАЦІЇ В ЗАДАЧАХ КЕРУВАННЯ ЗРОШУВАЛЬНИМИ СИСТЕМАМИ

Анотація

На сьогодні спостерігається тенденція збільшення складності математичних і формальних моделей реальних систем і процесів управління. Це пов’язано з необхідністю підвищення адекватності цих моделей та врахування якомога більшої кількості факторів, які впливають на процеси прийняття рішень. Традиційні методи побудови моделей не приводять до задовільних результатів, коли описання проблеми, що підлягає вирішенню, с самого початку є неточним і неповним. Прагнення отримати всю вичерпну інформацію для побудови точної математичної моделі скільки-небудь складної реальної ситуації може привести лише до втрати часу та коштів, оскільки це може бути в принципі неможливо. До недавнього часу при проектуванні і дослідженні систем автоматизованого управління і систем інтелектуальної підтримки процесів підготовки і прийняття рішень використовувалися два великі класи математичних моделей і методів: один з них представлений детермінованими, а другий ймовірними моделями. Сьогодні відбувається бурхливий розвиток і все більш широке застосування в різних областях третього, абсолютно нового класу моделей і методів, заснованих на принципах теорії нечітких множин. Набув розвитку такий новий напрямок, як м’які обчислення, за допомогою яких стало можливим оптимізувати нечіткі моделі. Використання методів оптимізації дозволило будувати адекватні моделі процесів і систем навіть при достатньо грубій початковій нечіткій моделі. Однак у системах, заснованих на нечіткому підході, особливо при великій кількості змінних, практично неможливо врахувати синергізм, що може виникати при сумісній появі деяких конкретних значень окремих змінних, та неможливо забезпечити облік відмінностей у важливості факторів, що впливають на прийняття рішення. Зокрема в даній роботі генетичні алгоритми використано як оптимізаційні методи, що дозволяють мінімізувати відстань між бажаним та модельним результатом логічного висновку. На основі генетичних алгоритмів навчання нечітких регресійних моделей розроблено інтелектуальну систему підтримки прийняття рішень при діагностуванні параметрів режимів зрошення. Таку систему впроваджено у процес визначення строків та норм поливу при зрошенні овочевих культур сімейства пасльонових. Розроблена система підтримки прийняття рішень дозволяє в залежності від вибору режиму зрошення визначати потребу рослин у воді і або отримувати високі врожаї на фоні раціонального використання води, або заощаджувати водні ресурси при певних втратах врожаю, що з економічної точки зору є доцільним в порівнянні з витратами на подачу додаткових об’ємів поливної води для досягнення максимальних врожаїв