Интеллектуальные системы: модели и методы метаэвристической оптимизации

 
 
 
 
 
 
 
 
 
 
 
 
 
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ:  
МОДЕЛИ И МЕТОДЫ  
МЕТАЭВРИСТИЧЕСКОЙ ОПТИМИЗАЦИИ 
 
Монография 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Чебоксары  
Издательский дом «Среда» 
2024 

 
УДК 62(082) 
ББК 30я43 
        И73 
 
Исследование выполнено при финансовой поддержке  
РФФИ в рамках научного проекта № 23-21-00089 
 
 
Рецензенты: 
заслуженный деятель науки РФ, д-р техн. наук, профессор,  
зав. отделом искусственного интеллекта в энергетике  
ФГБУН «Институт систем энергетики  
им. Л.А. Мелентьева Сибирского отделения РАН 
Л. В. Массель; 
д-р техн. наук, профессор, зав. кафедрой САПР  
и поискового конструирования ФГБУН «Волгоградский  
государственный технический университет» 
М. В. Щербаков 
 
 
 
 
И73 
Интеллектуальные 
системы: 
модели 
и 
методы  
метаэвристической оптимизации : монография / 
Л. А. Гладков, 
Ю. А. 
Кравченко, 
В. В. 
Курейчик,  
С. И. Родзин. – Чебоксары: Среда, 2024. – 228 с. 
 
 
 
 
 
 
 
ISBN 978-5-907830-56-1 
 
В монографии рассмотрены основные принципы эволюции в живых  
и искусственных системах, описание эволюционного и генетического поиска. 
Представлена классификация методов биоинспирированного поиска и области 
их применения. Анализируются модели и методы роевого интеллекта,  
а также алгоритмы, инспирированные фауной. 
Монография 
адресована 
специалистам 
в 
области 
разработки 
интеллектуальных систем и технологий для решения сложных задач принятия 
решений и оптимизации. Она может быть полезна студентам, магистрантам  
и аспирантам соответствующих специальностей. 
 
ISBN 978-5-907830-56-1
                     © Коллектив авторов, 2024
DOI 10.31483/a-10639
© ИД «Среда», оформление, 2024
 

 
ОБ АВТОРАХ 
Гладков Леонид Анатольевич  к.т.н., доцент, профессор ФГАОУ 
ВО «Южный федеральный университет» (ЮФУ), г. Таганрог. 
 
Кравченко Юрий Алексеевич  д.т.н., доцент, профессор ФГАОУ 
ВО «Южный федеральный университет» (ЮФУ), г. Таганрог. 
 
Курейчик Владимир Викторович  д.т.н., профессор, зав. кафедрой Систем автоматизированного проектирования (САПР) ФГАОУ 
ВО «Южный федеральный университет» (ЮФУ), г. Таганрог. 
 
Родзин Сергей Иванович  к.т.н., доцент, профессор ФГАОУ 
ВО «Южный федеральный университет» (ЮФУ), г. Таганрог. 
 
 
 
3 

ОГЛАВЛЕНИЕ 
Предисловие ............................................................................................. 5 
ВВЕДЕНИЕ 
....................................................................................................... 
7 
ГЛАВА 1. МЕТОДЫ ЭВОЛЮЦИОННОГО МОДЕЛИРОВАНИЯ ....... 
10 
1.1. Эволюция естественных систем ................................................... 
10 
1.2. Концепции и модели эволюции .................................................... 
14 
1.3. Алгоритмы и методы эволюционного моделирования 
.............. 
26 
1.4. Генетические операторы и их модификации .............................. 
34 
ГЛАВА 2. БИОИНСПИРИРОВАННЫЕ МОДЕЛИ И МЕТОДЫ 
...... 41 
2.1. Общие положения теории биоинспирированного поиска 
......... 
41 
2.2. Классификация методов биоинспирированного поиска ........... 
43 
2.3 Области применения методов биоинспирированного поиска ... 
54 
ГЛАВА 3. МОДЕЛИ И МЕТОДЫ РОЕВОГО ИНТЕЛЛЕКТА .......... 60 
3.1. Понятие роевого интеллекта ......................................................... 
60 
3.2. Модели и метод муравьиной оптимизации ................................. 
60 
3.3. Модели и метод пчелиной оптимизации ..................................... 
76 
3.4. Модели и метод светлячковой оптимизации .............................. 
82 
3.5. Модели и метод бактериальной оптимизации ............................ 
87 
3.6. Модели и метод роя саранчи ......................................................... 
94 
3.7. Модели и метод колонии пауков ................................................ 
100 
ГЛАВА 4. МОДЕЛИ И МЕТОДЫ, ИНСПИРИРОВАННЫЕ ФАУНОЙ 
...... 104 
4.1. Модели и метод обезьяньей оптимизации 
................................. 
104 
4.2. Модели и метод поиска кукушки ............................................... 
110 
4.3. Модели и метод летучих мышей ................................................ 
116 
4.4. Модели и метод бабочек-монархов ............................................ 
124 
4.5. Модели и метод червей ................................................................ 
128 
4.6. Модели и метод серых волков .................................................... 
130 
4.7. Модели и метод колонии белых кротов 
..................................... 
137 
4.8. Модели и методы искусственного косяка рыб ......................... 
145 
4.9. Модель и алгоритм прыжков лягушки с перемешиванием 
..... 
157 
4.10. Модель и алгоритм оптимизации горбатых китов ................. 
172 
4.11. Модель и алгоритм оптимизации кузнечиков ........................ 
182 
4.12. Модель и алгоритм оптимизации «мотылек – пламя» 
........... 
196 
ЗАКЛЮЧЕНИЕ 
........................................................................................... 210 
СПИСОК ЛИТЕРАТУРЫ 
......................................................................... 212 
4 

 
Монография 
 
Предисловие 
Из древних трактатов известно, что ученые при создании искусственных систем пытались копировать идеи, заимствованные из 
живой природы. При этом у них все время возникали вопросы, связанные с ее развитием. Как природа выбирает оптимальные пути 
своего развития? Почему она экономна? Какие механизмы использует при построении порядка из хаоса? Какие пути эволюции для 
этого она выбирает? Известный философ-просветитель Дени Дидро в своей работе «Энциклопедия, или Толковый словарь наук, 
искусств и ремёсел» привел следующее: «Похоже природе в процессе эволюции доставляет удовольствие варьировать один и тот 
же механизм бесконечным числом различных способов». 
Моделирование процессов, протекающих в живой природе, по 
мнению авторов, позволит применить данный аппарат при проектировании новых интеллектуальных систем. При этом основными 
подходами при построении искусственных интеллектуальных систем (ИИС) являются модели и методы метаэвристической оптимизации, основанные на природных вычислениях. Данный подход 
является фундаментом, который совершенствуется, достраивается, 
создавая сложные иерархические структуры.  
Природа имеет предпочтение к определенным устойчивым структурам – формам за счет самоорганизации. Данные процессы являются 
ключевыми понятиями, развивающейся области исследований метаэвристической оптимизации. Суть данной стратегии заключается в реализации целенаправленного процесса воспроизведения, т. е. появления 
новых элементов и устранения «плохих» в соответствии с критериями 
отбора, т. е. реализации принципа – «выживают сильнейшие». 
Это медленный путь эволюции природы, реализующий переход 
от простых самоорганизующихся систем к более сложным. Таким 
образом она должна представляться не одной, а комплексом моделей, отражающий различные стороны ее поведения. Построение 
сложных эволюционирующих систем приводит к рассмотрению и 
использованию комбинированных, многоуровневых, интегрированных и гибридных подходов.  
5 

Интеллектуальные системы: модели и методы 
метаэвристической оптимизации 
 
Таким образом, использование моделей, методов и алгоритмов, 
инспирированных природными вычислениями, является эффективным, перспективным подходом при создании и применению 
сложных интеллектуальных искусственных систем.  
Данные исследования основаны на работах Н. Винера, И. Пригожина, Г. Хакена, Д. Холланда, Д. Гольдберга, Л. Дэвиса, Н. Моисеева, И. Шмальгаузена, А. Северцева, А. Шалыто, Е. Семенкина, 
И.Ходашинского, М. Дориго, А.Карпенко, Д. Карабога, Синь-Шэ 
Янга и других российских и зарубежных ученых.  
Хочется выразить искреннюю благодарность членам коллектива, 
аспирантам и студентам кафедры САПР Л. Балюк, А.Кажарову, Д. Запорожцу, Д. Зарубе, Э. Кулиеву, В. Данильченко, В. Курейчику 
(младшему) за помощь в апробации алгоритмов и программ, директору ИКТИБ Г.Е. Веселову за поддержку исследований.  
Мы понимаем, что монография не свободна от недостатков. Все 
замечания и предложения будут с благодарностью приняты. 
Авторы 
 
 
 
 
 
6 

 
Монография 
 
ВВЕДЕНИЕ 
Одной из основных проблем в науке и технике сегодня является 
разработка теоретических основ, концепций, принципов, математических методов и моделей для эффективного принятия решений 
в сложных системах. В связи с отсутствием формального математического аппарата для построения адекватных моделей возникает 
необходимость в поиске, разработке и применении новых перспективных интеллектуальных технологий моделирования и синтеза. 
При этом важнейшими задачами здесь становятся моделирование 
процессов, протекающих в живой природе, оптимизация, принятия 
решений и построение искусственных интеллектуальных систем. 
При построении ИИС в настоящее время активно применяются 
математический аппарат системного анализа, теории сложных систем, графов и гиперграфов, множеств, математического моделирования, а также метаэвристической оптимизации.  
Способность строить сложные иерархические системы и оперировать с математическими структурами есть краеугольный камень 
человеческого интеллекта, а знания и способы работы с ними описываются теорией искусственного интеллекта в виде математических моделей, методов и алгоритмов [1–3]. 
Интеллектуальные системы сегодня являются самым быстро 
развивающимся направлением. Его неотъемлемой частью являются компьютерные методы моделирования процессов, протекающих в живой природе. Здесь главной трудностью при построении 
ИС, является то, что природные системы весьма хаотичны. Однако 
они обладают другими важными свойствами, такими как: адаптация, самоорганизация, воспроизводство, устойчивостью и гибкостью. Заметим, что в искусственных системах эти свойства могут 
присутствовать лишь частично.  
Новая интеллектуальная ИС проходит процесс самоорганизации на основе путей эволюции, т. е. ее построение сводится к воспроизводству себе подобных систем при благоприятных условиях 
внешней среды и обладающих нужными свойствами которых не 
было изначально. Она характеризуется многоуровневостью, единством и непротиворечивостью [3, 4].  
Основным отличием эволюции искусственных и естественных систем заключается в том, что искусственная система имеет цель для 
оптимального или эффективного решения определенного класса за7 

Интеллектуальные системы: модели и методы 
метаэвристической оптимизации 
 
дач. Тогда для искусственной системы необходимо использования таких механизмов отбора и воспроизведения, при которых генерируются только эффективные решения поставленной задачи. 
При моделировании процессов, протекающих в природных системах выполнение преобразований, происходит аналогично реализации решения оптимизационных задач. Отличие заключается в 
виде используемых агентов, механизмов их воспроизводства, выживания и отбора. При математической формализации основная 
идея при решении оптимизационных задач методами, инспирированными природными системами заключается в следующем.  С использованием известных принципов генерируется начальная популяция агентов, таким образом, чтобы по возможности использовать 
всю область поиска. Затем строится целевая функция решаемой оптимизационной задачи. Далее выполняются специфические для 
каждого из применяемых методов, инспирированных природными 
системами операторы поиска. При этом поиск проводится не 
только в рассматриваемой области решений, но и в ее в окрестностях. Данный подход позволяет исследовать полный спектр альтернативных решений для получения эффективных результатов поиска. Затем на основе значений целевой функции производится 
оценка результатов проведенного поиска. Процесс повторяется 
итерационно до достижения критерия остановки поиска.  
Заметим, что основным преимуществом данных методов является 
их модульная структура, что позволяет использовать их достоинства и 
недостатки для проектирования новых вариаций алгоритмов, а также 
проводить их комбинирование, интеграцию и гибридизацию. Также 
данные методы, на основе проведенных исследований, демонстрируют 
эффективную работу при обработке больших массивов данных. 
За многие тысячелетия природа в своих структурах научилась 
сохранять информацию о предыдущих состояниях и процессах, а 
также выработала специальные механизмы воздействия на процессы экономии и ускорения эволюции. Ученым необходимо правильно моделировать и распределять эти воздействия для учета самоорганизации и смены одной устойчивой структуры другой на 
различных иерархических уровнях [3, 5].  
При этом экспоненциально возрастает сложность оптимизационных задач за счет обработки больших объемов информации, что 
приводит необходимости модернизации структуры ИИС, а также 
подходов и методов при решении оптимизационных задач. В качестве одного из таких подходов может рассматриваться использование методов, инспирированных природными системами.  
8 

 
Монография 
 
Данный подход, на сегодняшний день, служит известной и эффективной методологией для решения различных оптимизационных задач. Она основана на моделировании естественных процессов, протекающих в природе, которые могут осуществляться как 
последовательными, так параллельными преобразованиями.  
Исследования в этой области интенсивно ведутся многими учеными 
из РФ и зарубежом. В данной монографии описываются результаты, 
полученные коллективом научной школы ЮФУ «Когнитивные биоинспирированные технологии в системах проектирования и поддержки 
принятия оптимальных решений» и посвящается памяти ее основателя 
заслуженного деятеля науки РФ Виктора Михайловича Курейчика. 
Монография состоит из предисловия, введения, четырех глав, 
заключения и списка литературы. 
В первой главе монографии авторы описывают различные подходы к эволюционному развитию природы, рассматривают модели 
эволюций как методы, применяемые в эволюционном моделировании 
для решения оптимизационных задач. Также рассмотрены основные 
положения эволюционного и генетического поиска приведено их 
формальное описание. Предложены различные типы генетических алгоритмов. Описаны основные операторы генетического поиска.  
Во второй главе описываются общие положения теории биоинспирированного поиска, приводится классификация методов биоинспирированной оптимизации, а также рассматриваются области 
их применения.  
В третьей главе монографии рассмотрено понятие роевого интеллекта. Описаны основные модели и методы, основанные на роевом интеллекте. Приведены и рассмотрены алгоритмы муравьиных колоний (ACO), пчелиного роя (ABC), светлячковой (FA), бактериальной (BFO) оптимизации, а также алгоритмы роя саранчи и 
колонии пауков (SSO).  
В четвертой главе рассмотрены другие модели и методы метаэвристической оптимизации, инспирированные фауной. Приведены и 
описаны алгоритмы обезьяньего поиска (MSA) кукушки (CS), летучих мышей, бабочек монархов, червей, серых волков (GWO), белых 
кротов, косяка рыб (AFSA), прыжков лягушки (SFLA), горбатых китов (WOA), кузнечиков (GOA) и «мотылек – пламя» (MFOA). 
Можно считать, что целью данной монографии является развитие научного направления ЮФУ, направленного на эффективное 
решение оптимизационных задач. 
 
9 

Интеллектуальные системы: модели и методы 
метаэвристической оптимизации 
 
ГЛАВА 1. МЕТОДЫ  
ЭВОЛЮЦИОННОГО МОДЕЛИРОВАНИЯ 
1.1. Эволюция естественных систем 
Термин эволюция произошёл от латинского evolutio- развертывание, развитие (медленные, постепенные, количественные и качественные изменения, приводящие к более высокому уровню развития и организации) впервые был упомянут в биологии европейским ученым 
Ш. Бонне в 1782 году [6]. Эволюционный процесс приводит к развитию естественных систем за счет целеполагания преемственности поколений, усложнения и совершенствования своих структур.  
В настоящее время ученые рассматривают достаточно большое 
число различных парадигм и моделей эволюции, отличающихся изменчивостью и механизмами выживания. Как известно эволюция 
естественных систем, согласно Ч. Дарвину, определяется наследственной изменчивостью, борьбой за существование, естественным 
и искусственным отбором, формируя адаптации, не являющейся 
внутренней сущностью, а возникающей и развивающейся под воздействием внешней среды [3, 7, 8]. Адаптация в современной науке – 
это процесс накопления и обработки информации, заключающийся 
в достижении системой оптимального состояния под воздействием 
изменяющихся факторов внешней среды [9]. 
В связи с развитием теории эволюции, данные парадигмы и модели в настоящее время широко используются при создании искусственных интеллектуальных систем. А это приводит в свою очередь к 
развитию новых междисциплинарных отраслей знаний и науки. 
Например, Биоинформатика – объединяет в себе биологию, кибернетику, генетику, химию, компьютерные науки, математику и статистику, направлена на изучение и разработку компьютерных методов 
получения, обработки и анализа больших объемов биологических 
данных. Бионика – объединяет в себе общую биологию, физику, химию, кибернетику и инженерные науки, направлена на изучение особенностей структуры и функционирования организмов для создания 
и совершенствования новых приборов, механизмов и систем.   
Понятие естественного отбора, как общего принципа существования в живой природе, т. е. реализации направленного процесса «размножения-гибели» впервые было определено известным ученым-исследователем Ч. Дарвиным. Заметим, что именно отбор позволяет закрепляться в процессе эволюции объектам с «лучшими» признаками 
и удалять объекты с «худшими» в соответствии с определенным критерием, выработанным под воздействием внешней среды [7]. 
10