Исследование сходимости генетического алгоритма при решении задачи устранения температурного дисбаланса отапливаемых помещений
DOI:
https://doi.org/10.22213/2410-9304-2022-1-106-114Ключевые слова:
искусственный интеллект, методы оптимизации, нейронные сети, генетический алгоритмАннотация
В статье обосновывается актуальность применения искусственного интеллекта в энергосбережении и исследований генетических алгоритмов, применяемых для решения задач устранения температурного дисбаланса отапливаемых помещений. Задачей представленного в настоящей статье исследования является определение зависимости скорости сходимости генетического алгоритма, применяемого для оптимизации температуры отапливаемых помещений от количества регулируемых параметров. В статье также приводится краткий обзор работ в области автоматизации и оптимизации энергосбережения и обзор работ в области исследования генетических алгоритмов, включая исследования зависимости сходимости генетических алгоритмов от различных параметров и применение генетических алгоритмов для решения узкоспециализированных задач. В данной работе приведена математическая постановка задачи оптимизации, вытекающая из задачи устранения температурного дисбаланса отапливаемых помещений, включая формулу вычисления целевой функции. Согласно данной формуле, целевая функция является среднеквадратическим отклонением температур в отапливаемых помещениях от нормативной. В статье также кратко приводится методика расчета равновесной температуры в отапливаемых помещениях, в частности, приводятся: уравнение теплового баланса, система гидравлических уравнений системы отопления здания, формула расчета теплопотока от радиатора отопления. В работе описан генетический алгоритм, включая блок-схему с объяснениями. Приведены результаты вычислительного эксперимента, включая графики и таблицу. В заключении приводятся выводы из результатов экспериментов: при увеличении количества параметров, подлежащих регулированию в ходе оптимизации, сходимость генетического алгоритма уменьшается - увеличивается количество итераций, за которые достигается условие останова, и эта зависимость нелинейная.Библиографические ссылки
Cass R., Radl B. A neural network modeling and optimization system for online heat rate Improvement and NOx reduction of coal fired furnaces // Proc. World Congress on Neural Networks, 2. Washington, DC, July 1993. P. 656-659.
Применение искусственного интеллекта в энергетике / И. Р. Халитов, А. М. Рахимов, М. М. Фанилевич, Р. Г. Филькин // Высокие технологии, наука и образование: актуальные вопросы, достижения и инновации : сборник статей XII Всероссийской научно-практической конференции. Пенза, 2021. С. 12-14.
Лосев А. Н. Применение искусственного интеллекта в российской энергетике для повышения энергоэффективности сельского хозяйства // Материалы международной научной конференции, посвященной 125-летию со дня рождения В. С. Немчинова. М., 2019. С. 399-403.
Селютин В. Е., Бодрилов П. А., Савиных В. А. Применение искусственного интеллекта в сфере энергетики // Моя профессиональная карьера. Кемерово, 2021. С. 100-103.
Чипига А. Ф., Колков Д. А., Конюшков В. А. Исследование влияния вероятности возникновения оператора мутации на сходимость генетического алгоритма // Современные наукоемкие технологии. 2007. № 10. С. 78.
Долженко А. М., Рыбалко К. К., Робченко М. Н. Сравнение скорости сходимости различных видов генетических алгоритмов // Материалы III Международной научно-практической конференции. Азов, 2016. С. 176-178.
Применение искусственных нейронных сетей в задачах управления генетическим алгоритмом / Д. А. Петросов, Р. А. Ващенко, А. А. Степовой, Н. В. Петросова, А. Н. Зеленина // Моделирование, оптимизация и информационные технологии. 2019. № 4 (27). С. 10-11. DOI: 10.26102/2310-6018/ 2019.27.4.016.
Асанов Ю. А., Белецкая С. Ю., Аль-Саеди Моханад Ридха Ганим. Модификация генетического алгоритма с адаптивным переключением кроссовера // Моделирование, оптимизация и информационные технологии. 2020. № 8 (2). С. 1-2. DOI: 10.26102/2310-6018/2020.29.2.00.
Матюхина Я. С. Нечеткая система управления параметрами генетического алгоритма, настраиваемая генетическим алгоритмом // Математические методы моделирования, управления и анализа данных. Красноярск, 2017. С. 219-220.
Tausnev D. A. Modification of selective pressure in genetic algorithms for solving the problems of unconditional monocriterial optmization // Youth. Society. Modern Science, Technologies & Innovations. Krasnoyarsk. 2020. Num 19, pp. 70-72.
Федоров Е. А. Исследование скорости работы генетического алгоритма и алгоритма полного перебора // Сборник избранных статей научной сессии ТУСУР. Томск, 2019. С. 107-109.
Гулакова Т. К. Исследование зависимости эффективности работы генетического алгоритма от выбора параметров операторов алгоритма на многоэкстремальных тестовых функциях // Актуальные проблемы авиации и космонавтики. Красноярск, 2010. С. 315-317.
Басалаев А. А., Шнайдер Д. А. Метод оптимизации температуры подаваемого теплоносителя в системе централизованного теплоснабжения зданий на основе имитационного моделирования // Вестник Южно-уральского государственного университета. Серия: компьютерные технологии, управление, радиоэлектроника. 2017. Т. 17, № 1. С. 15-22.
Стенников В. А., Чемерзов А. А. Применение алгоритма перебора деревьев и метода имитации отжига для схемно-структурной оптимизации тепловых сетей // Программные продукты и системы. 2018. Т. 31, № 2. С. 387-395.
Shuravin A. P., Vologdin S. V.Comparison of the characteristics of the genetic algorithm and the method of coordinates search for optimization of temperature modes indoor areas // V International Conference on "Information Technology and Nanotechnology" (ITNT-2019). Samara. 2019. Pp. 260-270.
Биоинспирированные методы в оптимизации : монография / Л. А. Гладков, В. В. Курейчик, В. М. Курейчик и др. М. : Физматлит, 2009. 384 с. ISBN 978-5-9221-1101-0.
