Самонастройка

В теории управления система самонастраивающаяся способна оптимизировать свои внутренние рабочие параметры, чтобы максимизировать или минимизировать выполнение целевой функции ; обычно это максимизация эффективности или минимизация ошибок .

Самонастройка и автонастройка часто относятся к одному и тому же понятию. Многие группы исследователей программного обеспечения рассматривают возможность автоматической настройки правильной номенклатуры.

Самонастраивающиеся системы обычно демонстрируют нелинейное адаптивное управление . Системы самонастройки были отличительной чертой аэрокосмической промышленности на протяжении десятилетий, поскольку такого рода обратная связь необходима для создания оптимального многопараметрического управления нелинейными процессами. В телекоммуникационной отрасли адаптивные коммуникации часто используются для динамического изменения параметров операционной системы с целью максимизации эффективности и надежности.

Примеры

Примеры самонастраивающихся систем в вычислительной технике включают:

TCP (протокол управления передачей)
Microsoft SQL Server (только более новые реализации)
FFTW (самое быстрое преобразование Фурье на Западе)
ATLAS ( автоматически настраиваемое программное обеспечение для линейной алгебры )
libtune (библиотека настроек для Linux )
PhiPAC (самонастраивающееся программное обеспечение линейной алгебры для RISC )
MILEPOST GCC (самонастраиваемый компилятор на основе машинного обучения)

Выигрыш в производительности может быть существенным. Профессор Джек Донгарра , американский ученый-компьютерщик, утверждает, что самонастройка повышает производительность, часто порядка 300%. ^[1]

Цифровые самонастраивающиеся контроллеры являются примером самонастраивающихся систем на аппаратном уровне.

Архитектура

Самонастраивающиеся системы обычно состоят из четырех компонентов: ожиданий, измерений, анализа и действий. Ожидания описывают, как система должна вести себя в экзогенных условиях.

Измерения собирают данные об условиях и поведении. Анализ помогает определить, оправдываются ли ожидания и какие последующие действия следует предпринять. Распространенными действиями являются сбор дополнительных данных и динамическая реконфигурация системы.

Самонастраивающиеся (самоадаптирующиеся) системы автоматического управления — это системы, в которых адаптация к случайно изменяющимся условиям осуществляется посредством автоматического изменения параметров или автоматического определения их оптимальной конфигурации. ^[2] В любой несамонастраивающейся системе автоматического регулирования имеются параметры, влияющие на устойчивость системы и качество управления и поддающиеся настройке. Если эти параметры остаются постоянными, в то время как условия эксплуатации (например, входные сигналы или различные характеристики контролируемых объектов) существенно изменяются, управление может ухудшиться или даже стать нестабильным. Ручная настройка зачастую затруднительна, а иногда и невозможна. В таких случаях использование самонастраивающихся систем не только технически и экономически целесообразно, но и может быть единственным средством надежного управления. Самонастраивающиеся системы могут быть с определением параметров или без него.

В системах с определением параметров необходимый уровень качества управления достигается за счет автоматического поиска оптимального (в некотором смысле) набора значений параметров. Качество управления описывается обобщенной характеристикой, которая обычно представляет собой сложную и не до конца известную или устойчивую функцию основных параметров. Эта характеристика либо измеряется непосредственно, либо рассчитывается на основе значений основных параметров. Затем параметры ориентировочно варьируются. Анализ колебаний характеристик качества управления, вызванных варьированием параметров, позволяет выяснить, имеют ли параметры оптимальные значения, т.е. если эти значения обеспечивают крайние (минимальные или максимальные) значения контрольной характеристики качества. Если значения характеристик отклоняются от экстремума, параметры необходимо варьировать до тех пор, пока не будут найдены оптимальные значения. Самонастраивающиеся системы с определением параметров могут надежно работать в средах, характеризующихся широкими вариациями экзогенных условий.

На практике системы с определением параметров требуют значительного времени для поиска оптимальной настройки, т.е. время, необходимое для самонастройки в таких системах, ограничено снизу. Самонастраивающиеся системы без определения параметров лишены этого недостатка. В таких системах используется некоторая характеристика качества управления (например, первая производная по времени от контролируемого параметра). Автоматическая настройка гарантирует, что эта характеристика удерживается в заданных пределах. Существуют различные системы самонастройки без определения параметров, основанные на управлении переходными процессами, частотными характеристиками и т.п. Все они являются примерами замкнутых систем самонастройки, при которых параметры автоматически корректируются каждый раз, когда значение характеристики качества выходит за пределы допустимых значений. допустимые границы. Напротив, самонастраивающиеся системы разомкнутой цепи представляют собой системы с параметрической компенсацией, при которой сам входной сигнал контролируется, а параметры системы изменяются в соответствии с заданной процедурой. Этот тип самонастройки может быть близок к мгновенному. Однако для реализации такой самонастройки необходимо контролировать среду, в которой работает система, и требуется достаточно хорошее понимание того, как среда влияет на управляемую систему.

На практике самонастройка осуществляется за счет использования специализированного оборудования или адаптивных программных алгоритмов. Предоставление программному обеспечению возможности самонастраиваться (адаптироваться):

Облегчает контроль критических процессов систем;
Приближается к оптимальным режимам работы;
Облегчает унификацию конструкции систем управления;
Сокращает сроки тестирования и настройки системы;
Снижает критичность технологических требований к системам управления за счет повышения надежности систем;
Экономит время персонала на настройку системы.

Метаэвристика

В последние годы метаэвристика самонастройки стала значительным достижением в области алгоритмов оптимизации, поскольку точная настройка может быть очень длительным и трудным процессом. ^[3] Эти алгоритмы отличаются своей способностью автономно корректировать свои параметры в ответ на возникшую проблему, повышая эффективность и качество решения. Эта возможность самонастройки особенно важна в сложных сценариях оптимизации, где традиционные методы могут оказаться неэффективными из-за жестких настроек параметров. В этой попытке уже был представлен вариант PSO, который использует нечеткую логику для автоматического расчета параметров каждой частицы. ^[4] а также оптимизация Flying fox, которая представляет собой нечеткий самонастраивающийся оптимизатор. ^[5]

Появление самонастраивающихся вариантов метаэвристики знаменует собой поворотный момент в сторону более автономных инструментов оптимизации. Эти алгоритмы самонастройки значительно снижают потребность во вмешательстве экспертов при настройке параметров, процессе, требующем обширных знаний в предметной области. Используя нечеткую логику и другие адаптивные механизмы, эти алгоритмы могут разумно корректировать свои параметры в соответствии с характеристиками проблемы и динамикой пространства поиска. Такая автономность не только упрощает процесс оптимизации, но и расширяет возможности применения этих алгоритмов, делая их более доступными и эффективными для более широкого круга пользователей и решения сложных задач. Способность этих самонастраивающихся метаэвристик эффективно работать без идеальной настройки пользователем представляет собой значительный прогресс в обеспечении более удобной и эффективной оптимизации.

Литература

^ http://appliedmathematician.org/pdf/news/781.pdf Быстрее, чем алгоритм ускорения
^ http://bse.sci-lib.com/article099233.html Большая советская энциклопедия, Самонастраивающиеся системы (на русском языке)
^ Хуан, Чанву; Ли, Юаньсян; Яо, Синь (2019). «Обзор методов автоматической настройки параметров метаэвристики» . Транзакции IEEE в эволюционных вычислениях . 24 (2): 201–216. дои : 10.1109/TEVC.2019.2921598 . ISSN 1089-778X .
^ Нобиле, Марко С.; Каццанига, Паоло; Безоцци, Даниэла; Коломбо, Риккардо; Маури, Джанкарло; Паси, Габриэлла (2018). «Нечеткая самонастройка PSO: алгоритм глобальной оптимизации без настроек» . Рой и эволюционные вычисления . 39 :70–85. дои : 10.1016/j.swevo.2017.09.001 . hdl : 10446/106467 .
^ Зервудакис, Константинос; Цафаракис, Стелиос (2023). «Глобальный оптимизатор, вдохновленный стратегиями выживания летучих лисиц» . Инженерное дело с компьютерами . 39 (2): 1583–1616. дои : 10.1007/s00366-021-01554-w . ISSN 0177-0667 .

Внешние ссылки

[1] ttp://appliedmathematician.org/pdf/news/781.pdf Быстрее, чем алгоритм ускорения

[2] ttp://bse.sci-lib.com/article099233.html Большая советская энциклопедия, Самонастраивающиеся системы (на русском языке)

[3] Хуан, Чанву; Ли, Юаньсян; Яо, Синь (2019). «Обзор методов автоматической настройки параметров метаэвристики» . Транзакции IEEE в эволюционных вычислениях . 24 (2): 201–216. дои : 10.1109/TEVC.2019.2921598 . ISSN 1089-778X .

[4] Нобиле, Марко С.; Каццанига, Паоло; Безоцци, Даниэла; Коломбо, Риккардо; Маури, Джанкарло; Паси, Габриэлла (2018). «Нечеткая самонастройка PSO: алгоритм глобальной оптимизации без настроек» . Рой и эволюционные вычисления . 39 :70–85. дои : 10.1016/j.swevo.2017.09.001 . hdl : 10446/106467 .

[5] Зервудакис, Константинос; Цафаракис, Стелиос (2023). «Глобальный оптимизатор, вдохновленный стратегиями выживания летучих лисиц» . Инженерное дело с компьютерами . 39 (2): 1583–1616. дои : 10.1007/s00366-021-01554-w . ISSN 0177-0667 .

[1]

[2]

[3]

[4]

[5]