Uplatnění metod umělé inteligence v zemědělsko-ekonomických predikčních úlohách

Using artificial intelligence methods for agricultural and economic data prediction

kniha odborná

čeština

Práce popisuje novou metodu navrženou pro řešení predikčních zemědělsko-ekonomických úloh. Jedná se o dvoufázovou gramatickou evoluci (TLGE), která patří mezi metody umělé inteligence spolu s neuronovými sítěmi, expertními systémy a jinými přístupy. Tato metoda je založena na kombinaci dvou existujících evolučních metod -- gramatické evoluce a diferenciální evoluce. Obě metody jsou modifikací genetického algoritmu. Úvodní kapitoly práce jsou věnovány popisu obecných vlastností genetických algoritmů. Klíčovou částí práce je vedle popisu upraveného algoritmu gramatické evoluce zejména popis vlastní dvoufázové gramatické evoluce. Přestože se jedná o metodu aplikovatelnou na různé typy úloh, zaměřuje se práce na popis metod pro řešení nelineární regresní úlohy. Této úloze je věnována kapitola Aplikace a metody vyhodnocení, která popisuje výsledky aplikace dvoufázové gramatické evoluce na reálných zemědělsko-ekonomických datech. Dvoufázová gramatická evoluce je stochastická výpočetní metoda založená na počítačové simulaci evolučního procesu. Tato metoda nemá exaktní matematický základ, což mimo jiné znamená, že nezaručuje nalezení určitého řešení. Současně však nevyžaduje dodržení různých omezení úlohy (např. linearita, normální rozdělení, ...) a umožňuje tak řešení složitých úloh. Gramatická evoluce představuje genetický algoritmus rozšířený o překladač bezkontextové gramatiky. Hlavní výhodou tohoto rozšíření je schopnost generovat symbolické řešení v dále použitelném formátu v libovolném formálním jazyce. Gramatickou evoluci je možné použít i k optimalizaci parametrů symbolického řešení. Problémem je zejména to, že pokud mají mít parametry více než jednu cifru, stává se gramatika pro jejich generování významně složitější a zpravidla přesáhne složitost gramatiky pro generování struktury řešení. Tento problém je možné řešit metodou popsanou v této práci. Dvoufázová gramatická evoluce je automatizovaná metoda, která pro řešení jednoho typu úlohy vyžaduje pouze zadání vstupních dat, což představuje významný přínos při řešení nelineárních regresních zemědělsko-ekonomických úloh.

In this paper we describe two-level grammatical evolution (TLGE), which is a new method, designed to solve prediction tasks on agricultural and economical data. This method belongs to the group of artificial intelligence algorithms together with many other algorithms -- such as artificial neural networks, expert systems, etc. This method is based on the combination of two existing evolutionary algorithms -- grammatical evolution and differential evolution. Both methods are based on genetic algorithms. The paper describes general properties of genetic algorithms, which form the base of the methods used. The core part of the paper is the description of modified grammatical evolution algorithm (grammatical evolution with backward processing) together with the description of two-level grammatical evolution. Although this method is applicable to different types of problems, this paper focuses solely on applications to non-linear regression problems. The section Applications and methods of evaluation describes non-linear least square method and also the application of two-level grammatical evolution on agricultural and economic data. Two-level grammatical evolution is stochastic computational method based on computer simulation of evolutionary process. This method has no complex mathematical foundation. It means that generally it cannot be proven that a solution will be found. On the other hand this allows us to solve problems without the necessity to adhere to certain limitations of mathematical analysis methods or statistical methods (such as linearity, normal distribution, etc.). The described method can be used to solve problems which do not follow these limitations and where enforcing such limitations is hardly acceptable. Grammatical evolution is based on a genetic algorithm which is extended with a context-free grammar processor. The main advantage of this approach is the ability to generate symbolic solutions in an arbitrary formal language. Solutions in this form can be further reused without limitations since they are independent on the computational system. Grammatical evolution alone can also be used to optimize parameters of a symbolic solution. The grammar to generate such numbers is however more complex than the grammar to generate the whole structure. Using the method described in this paper this problem can be solved more efficiently. Two-level grammatical evolution is an automated method, which requires only the input of training data to solve a single type of problem (e.g. regression task). This creates a major advantage in solving non-linear regression problems with economic or agricultural data.

differential evolution, genetic algorithms,

POPELKA, O.; ŠŤASTNÝ, J.

2009

1. 12. 2009

FOLIA II

MZLU v Brně

978-80-7375-340-5

Folia Univ. Agric. et Silvic. Mendel. Brun.

7

51