XIV Міжнародна наукова інтернет-конференція ADVANCED TECHNOLOGIES OF SCIENCE AND EDUCATION

Русский English




Научные конференции Наукові конференції

Потьомкіна В.Є. ВИКОРИСТАННЯ ЕВОЛЮЦІЙНИХ МЕТОДІВ ОПТИМІЗАЦІЇ ДЛЯ ФОРМУВАННЯ МІЖПРЕДМЕТНИХ ЗВ’ЯЗКІВ

Потьомкіна Вікторія Євгеніївна

Середня спеціалізована школа №200, м. Київ

ВИКОРИСТАННЯ ЕВОЛЮЦІЙНИХ МЕТОДІВ ОПТИМІЗАЦІЇ

ДЛЯ ФОРМУВАННЯ МІЖПРЕДМЕТНИХ ЗВ'ЯЗКІВ

Відповідно до [1] учні та студенти за роки навчання опановують велику кількість дисциплін, під час вивчення яких формуються різні вміння і навички. В кінцевому підсумку весь вивчений матеріал повинен сприйматися як єдиний взаємопов'язаний комплекс. Однак вони не завжди самостійно спроможні встановити зв'язки між знаннями з різних предметів. Тому, для формування системи знань, умінь та навичок доцільною є реалізація іжпредметних зв'язків в період навчання. Врахування таких зв'язків дозволяє забезпечити міцність і дієвість знань, умінь та навичок студентів та учнів; зосередити їх увагу на вивченні основного, істотного; виявити і усунути прогалини у знаннях; озброїти їх способами систематизації і узагальнення знань, умінь та навичок. Навчальний матеріал, що добирається для використання в процесі реалізації міжпредметних зв'язків, повинен бути науковим, нескладним для розуміння, органічно сполученим із темою, що вивчається. Основою єдності повинні бути загальні для різних дисциплін об'єкти вивчення: основні поняття, процеси, закони, явища, закономірності, інформаційні відомості тощо [1].

На наш погляд, найбільшою мірою зазначеним вимогам відповідає використання сучасних надбань міждисциплінарних наукових напрямків, зокрема, еволюційних методів оптимізації, ефективність яких забезпечується саме застосуванням ідей та понятійного апарату, наприклад, біології, фізики та хімії для розв'язання оптимізаційних задач.

На сьогодні найбільш типовими представниками еволюційних методів є генетичні алгоритми [2], моделювання відпалу [2] та LARES [3].

Генетичні алгоритми (ГА) [2] - це адаптивні методи, які засновані ідеях популяційної генетики, відповідно до якої біологічні популяції розвиваються протягом декількох поколінь, підкорюючись законам природного відбору та принципу "виживає найбільш пристосований" за Ч. Дарвіном.

ГА працюють з сукупністю "особин" (популяцією), кожна з яких у кодованому вигляді (хромосомі) містить можливий розв'язок задачі, що розглядається. Кожна особина оцінюється ступенем її пристосованості, яка аналогічна ступеню ефективності живого організму в конкуренції за ресурси. Найбільш пристосовані особини частіше мають потомство, яке наслідує кращі ознаки батьків. У такий спосіб протягом декількох поколінь буде отримана найбільш пристосована популяція, декодування хромосоми найкращої особини з якої і надасть розв'язок вихідної задачі оптимізації.

Для переходу від вихідної математичної задачі до задачі, що буде розв'язуватись за ГА, використовують відповідне кодування змісту задачі, для чого використовуються такі біологічні поняття як хромосома, ген, алель тощо. Для продукування потомства використовують спеціальні оператори, які є аналогами елітизму, мутації, схрещування тощо.

Ідея переносу механізму відпалу [2] на розв'язання оптимізаційної задачі полягає в тому, що процес оптимізації пов'язують з деякою температурою T, а розв'язок задачі ототожнюють з потенційною енергією гіпотетичної фізичної системи, стан якої описується відповідно до умови вихідної задачі оптимізації. На кожному кроці пошуку розв'язку задачі оптимізації випадково здійснюють зміну стану системи (значень незалежних змінних) та обчислюють відповідну зміну її енергії (DE). Нова конфігурація системи приймається з імовірністю 1, якщо DE < 0, та з імовірністю exp(-DE/T), якщо DE ³ 0. При цьому вважається, що найкращий стан системи має мінімум енергії і відповідає розв'язку задачі мінімізації.

В основу методу LARES [3] покладена гіпотеза про те, що формування розв'язку задачі оптимізації є аналогом синтезу в хімічному реакторі нової речовини на основі змішування у відповідних пропорціях вихідної сировини. При цьому вихідною сировиною є "молекули", в які кодуються незалежні змінні, а продукт реакції характеризується значенням енергії сполуки. Розв'язком задачі є декодована "хімічна формула" складу того продукту реакції, якому відповідає мінімум енергії.

Аналіз наведених ідей, покладених в основу еволюційних методів оптимізації, свідчить, що вони охоплюють досить широкий спектр дисциплін і дозволяють встановити міжпредметні зв'язки між математикою, фізикою, хімією, біологією, програмуванням та інформатикою. Необхідно зазначити також, що основна література з еволюційних методів є англомовною, тому до наведеного переліку дисциплін можна додати і англійську мову.

Важко переоцінити значення еволюційних методів для формування в учнів та студентів цілісної картини сприймання світу, адже вони демонструють можливість плідного застосування концептуальних знань, отриманих в межах одних дисциплін (наприклад, біології), для вирішення проблемних питань в інших галузях знань (наприклад, математики), хоча наявність таких зв'язків не завжди є очевидною.

Зрозуміло, що використання еволюційних методів для формування міжпредметних зв'язків створює додаткове навантаження на викладачів. В той же час воно суттєво стимулює міжкафедральне спілкування та сприяє підвищенню загального кваліфікаційного рівня викладання.

Література:

1. Морозов А.В. Реалізація міжпредметних зв'язків між фундаментальними і спеціальними дисциплінами як один із способів підвищення якості набуття фахових знань / А.В. Морозов, О.В. Морозова // Теорія та методика навчання фундаментальних дисциплін у вищій школі: Зб. наук. пр. - Кривий Ріг: Видавничий відділ НМетАУ, 2004. - C. 140-143.

2. Гладков Л.А. Генетические алгоритмы / Л. А. Гладков, В. В. Курейчик, В. М. Курейчик. - М.: ФИЗМАТЛИТ, 2006. - 320 с.

3. Irizarry R. LARES: An Artificial Chemical Process Approach for Optimization / Evolutionary Computation. - Vol. 12. - №4 (2004). - P. 435-459.

e-mail: favorite_p@mail.ru


Залиште коментар!

Дозволено використання тегів:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <code> <em> <i> <strike> <strong>