Робастное управление в случайных средах с различными дисперсиями применительно к параллельной обработке данных тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат наук Лазутченко, Алексей Николаевич
- Специальность ВАК РФ05.13.18
- Количество страниц 96
Оглавление диссертации кандидат наук Лазутченко, Алексей Николаевич
Содержание
Введение
Глава 1. Теоретические сведения
1.1. Обзор литературы по теме
1.2. Общая постановка задачи
1.3. О потерях дохода при близких и удаленных математических ожиданиях
1.4. Выводы к первой главе
Глава 2. Пороговые стратегии управления
2.1. Стратегия управления с одним порогом
2.2. Решение задачи о «двуруком бандите» для бинарной случайной среды
2.3. Решение задачи о «двуруком бандите» для среды с нормально распределенными доходами
2.4. Проверка гипотезы об оптимальности пороговой стратегии, найденной для единичной дисперсии, для сред с нормально распределенными доходами с попарно различными дисперсиями
2.5. Оптимизация алгоритма «двурукого бандита»
2.6. Модификация пороговой стратегии. Двухпороговая стратегия управления
2.7. Формулировка цели управления
2.8. Моделирование двухпороговых стратегий
2.9. Моделирование двухпороговой стратегии в бинарной случайной среде
2.10. Двухпороговая стратегия управления в случайной среде с нормально распределенными доходами
2.11. Выводы ко второй главе
Глава 3. Управление в случайной среде, использующее основную
теорему теории игр
3.1. Связь минимаксного и байесовского подходов и основная теорема теории игр
3.2. Вывод уравнений для вычисления байесовских рисков с попарно одинаковыми различными на действиях дисперсиями
3.3. Нахождение байесовских потерь и стратегий, численная оптимизация
3.4. Моделирование методом Монте-Карло
3.5. Проверка гипотезы об оптимальности байесовской стратегии, найденной для единичной дисперсии, для класса сред с различными дисперсиями
3.6. Случай попарно различных дисперсий
3.7. Численная оптимизация байесовских рисков при различных попарно разных дисперсиях
3.8. Выводы к третьей главе
Глава 4. Программный комплекс
4.1. Программа TwoArmed
4.2. Программ Bayes
4.3. Выводы к четвертой главе
Заключение
Литература
Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Нахождение оптимальных планов параллельного управления в случайной среде в приложении к обработке данных2014 год, кандидат наук Олейников, Андрей Олегович
Применение минимаксного подхода к отысканию оптимальной стратегии в моделях целесообразного поведения в случайной среде2001 год, доктор физико-математических наук Колногоров, Александр Валерианович
Статистические критерии с ограничениями на d-риски2020 год, кандидат наук Симушкин Дмитрий Сергеевич
Минимаксные оценивание и оптимизация параметров стохастических систем по вероятностным критериям2005 год, кандидат физико-математических наук Попов, Алексей Сергеевич
Стохастические оптимизационные автоматы с растущей памятью1983 год, кандидат физико-математических наук Колногоров, Александр Валерианович
Введение диссертации (часть автореферата) на тему «Робастное управление в случайных средах с различными дисперсиями применительно к параллельной обработке данных»
Введение
В различных областях человеческой деятельности с каждым годом всё большую актуальность получают задачи управления в условиях неопределенности. Это могут быть задачи целесообразного управления в случайных средах [3, 39, 40], адаптивного управления [29, 37, 61], о двуруком бандите [36, 48].
Управление в случайной среде — сравнительно молодое направление в науке. За рубежом оно возникло в 50-е годы в результате исследований американского статистика Г. Роббинса [59] и получило в дальнейшем название задачи о двуруком бандите [48]. Двурукий бандит — это игральный автомат с двумя ручками. Выбор любой из ручек сопровождается случайным доходом игрока, распределение которого зависит только от выбираемой в текущий момент времени ручки, фиксированы, но неизвестны игроку. Цель управления состоит в максимизации математического ожидания итогового дохода. В нашей стране это направление развивалось независимо в 60-х годах и прежде всего связано с именем советского кибернетика Цетлина, который рассматривал задачу целесообразного поведения биологических систем. Хорошим примером может являться поведение крысы в Т-образном лабиринте. При движении по лабиринту крыса может повернуть налево или направо. В конце лабиринта её в обоих случаях с некоторыми вероятностями ожидает слабый удар током. Эти вероятности фиксированы. Эксперименты показали, что крысы обучаются поворачивать туда, где вероятность удара меньше.
Суть проблемы, таким образом, заключается в следующем. На практике в различных областях человеческой деятельности часто встречаются задачи, требующие принятия некоторого решения на основе неполных данных. При решении таких задач лицо, принимающее решения (условимся называть его ЛПР), пытается в процессе управления достичь требуемых целей, но не располагает информацией о том, какие действия приведут к их достижению. При этом параметры среды, в которой ведется управление, не всегда полностью известны.
ЛПР может в результате взаимодействия со средой получить точные оценки ее параметров, но в ряде случаев это оказывается нецелесообразным из-за экономических, временных или других соображений. В этих случаях оценка параметров перестает быть самоцелью, а становится вспомогательной задачей для достижения заданной цели управления.
Рассматриваемую в данной работе задачу можно описать следующим образом. Имеются два или более альтернативных действий, каждое применение которых ведет к получению некоторого дохода. Доходы являются случайными, их распределения фиксированы и зависят только от текущих применяемых действий, но неизвестны ЛПР. Цель управления состоит в получении максимальной (в некотором смысле) величины математического ожидания полного дохода. Например, возможны минимаксная и байесовская цели управления.
Задача к настоящему моменту полностью не решена. Причина в том, что решение зависит от рассматриваемой модели управления. Действительно, описание целесообразного поведения живых организмов принципиально отличается от задачи оптимальной игры против двурукого бандита. В качестве других возможных приложений укажем оптимизацию обработки больших объемов данных и управление транзакциями в интернете. В данной работе рассматриваются приложения задачи о двуруком бандите к групповой обработке больших объемов данных. Эта постановка математически описывается как управление в случайной среде с нормально распределенными доходами, имеющими одинаковые или различные дисперсии.
Актуальность темы исследования. Наиболее известным приложением задач управления в условиях неопределенности является задача о лечении пациентов, когда имеются два альтернативных лекарства с фиксированными, но неизвестными эффективностями. Требует организовать лечение таким образом, чтобы математическое ожидание выздоровевших в результате лечения пациентов было максимальным ([55, 62]). Другое известное приложение — оптимизация обработки данных двумя альтернативными методами с фикси-
рованными, но априори неизвестными эффективностями ([60]). Отметим, что при решении этих задач может использоваться параллельная обработка. В задачах лечения пациентов количество этапов параллельной обработки является небольшим, обычно два, редко три-четыре. В задачах же обработки данных допускается большое число этапов, например, 30-50. Так как данные при параллельной обработке суммируются, то в силу центральной предельной теоремы для управления используются нормально распределенные значения доходов. В зависимости от рассматриваемой постановки задачи дисперсии этих доходов могут иметь попарно одинаковые или различные значения.
Наиболее известными постановками цели управления являются минимаксная и байесовская. Достоинством байесовского подхода ([36, 48]) является то, что он позволяет для любого априорного распределения найти байесовские стратегии и риск численными методами. Недостатком подхода является отсутствие ясных критериев выбора априорного распределения. Достоинством минимаксного подхода является его робастность, а недостатком — сложность нахождения робастных алгоритмов, поскольку прямые методы нахождения их отсутствуют. Примерами робастных алгоритмов являются алгоритм на основе метода стохастической аппроксимации ([29]) и алгоритм зеркального спуска ([5, 43]). Отметим, что версии этих алгоритмов, допускающие параллельную обработку, насколько нам известно, не разрабатывались.
Байесовский и минимаксный подход объединяет основная теорема теории игр, согласно которой минимаксные стратегии и риск ищутся как байесовские, соответствующие наихудшему априорному распределению. Эту теорему можно использовать, если такое распределение удается характеризовать.
Таким образом, актуальной является разработка робастных (минимаксных) алгоритмов, с помощью которых осуществляется параллельная многоэтапная обработка данных. Математически эта задача описывается как управление в случайной среде с нормально распределенными доходами, характеризуемыми различными дисперсиями. В качестве основного инструмента для нахождения
минимаксных стратегии и риска используется основная теорема теории игр.
Цели и задачи диссертационной работы. Целью диссертационной работы является нахождение минимаксных стратегий и рисков в средах с бинарными и нормально распределенными доходами, характеризуемыми различными дисперсиями.
Для достижения поставленных целей были решены следующие задачи:
1. Разработка математической модели оптимизации групповой обработки данных, если для обработки используются два альтернативных метода с фиксированными, но неизвестными эффективностями.
2. Исследование методами математического моделирования одно- и двухпо-роговых стратегий, обеспечивающих робастное управление в случайной среде, характеризуемое неулучшаемым по порядку величины максимальным значением функции потерь.
3. Разработка алгоритмов, позволяющих искать минимаксные стратегии и риски численными методами как байесовские, соответствующие наихудшему априорному распределению параметров среды с различными дисперсиями.
4. Разработка комплекса программ, который позволяет численными методами находить минимаксные стратегии и риски.
Научная новизна. Научная новизна работы заключается в разработке модели групповой обработки данных, которая математически описывается как задача об управлении в случайной среде с доходами, имеющими нормальное распределение с произвольными дисперсиями. Известные стратегии групповой обработки допускали малое число этапов обработки: обычно два, редко три-четыре. Предложенные в работе стратегии допускают большее число этапов, например 30-50. Такое число этапов позволяет вести обработку практически
без потери качества, то есть без увеличения минимаксного риска. Нахождение минимаксных стратегий и рисков выполнено численными методами с использованием свойства инвариантности и основной теоремы теории игр, то есть минимаксные стратегии и риск ищутся как байесовские, соответствующие наихудшему априорному распределению.
Практическая значимость. Практические результаты, полученные в диссертации, могут быть использованы в различных задачах о лечении пациентов, для параллельной обработки данных и нахождения оптимальных стратегий управления. Полученные результаты могут применяться в системах, предварительное тестирование которых либо невозможно, либо нецелесообразно в силу различных причин.
Связь работы с научными программами, темами. Основные результаты диссертации были получены в рамках выполнения исследований при финансовой поддержке Программы стратегического развития Новгородского государственного университета им. Ярослава Мудрого и Проектной части государственного задания в сфере научной активности Министерства образования и науки Российской Федерации, проект № 1.949.2014/К.
Положения, выносимые на защиту: на защиту выносятся следующие положения:
1. Модель параллельной обработки данных, которая описывается управлением в случайных средах с нормально распределенными доходами с произвольными дисперсиями.
2. Численный метод определения оптимальных параметров одно- и двухпо-роговых стратегий управления.
3. Численный метод нахождения минимаксных рисков и стратегий как байесовских, соответствующих наихудшему априорному распределению, для случайных сред с различными дисперсиями.
4. Комплекс программ для моделирования двухальтернативных случайных сред с бинарными и нормально распределенными доходами с различными дисперсиями, разработанный для обработки численными методами данных, получения и применения стратегий управлений и решения вспомогательных задач, возникших при исследований.
Степень достоверности и апробация результатов. Данные расчетов, полученных в работе, соответствуют результатам проведенных численных моделирований. Кроме того, для ряда полученных результатов установлена согласованность с уже известными, полученными другими авторами.
Основные результаты диссертации докладывались на следующих конференциях:
1. XVI, XVII, XVIII, XIX, XXIII научные конференции преподавателей, аспирантов и студентов НовГУ, 2009-2016 гг., Великий Новгород.
2. XIV Всероссийский симпозиум по прикладной и промышленной математике, 29 сентября — 5 октября 2013 г., Великий Новгород.
3. 57-я международная научная конференция МФТИ «Актуальные проблемы фундаментальных и прикладных наук в современном информационном обществе», 24 — 29 ноября 2014 г., Долгопрудный, Московская обл.
4. 58-я научная конференция МФТИ с международным участием, 23 — 28 ноября 2015 г., Долгопрудный, Московская обл.
5. IX Международная Петрозаводская конференция «Вероятностные методы в дискретной математике», 30 мая — 3 июня 2016 г., Петрозаводск, Россия.
А также на семинарах кафедры прикладной математики и информатики Новгородского государственного университета имени Ярослава Мудрого.
Результаты исследований внедрены в учебный процесс Новгородского государственного университета имени Ярослава Мудрого в рамках дисциплины «Модели искусственного интеллекта».
Публикации. Материалы диссертации опубликованы в 11 печатных работах, из них 4 статьи в рецензируемых журналах, рекомендованных ВАК [17-20], 3 статьи в сборниках трудов конференций [21-23] и 4 тезиса докладов [24-27].
Комплексы программ:
Свидетельство о государственной регистрации программы для ЭВМ «Оптимизация параметров пороговой стратегии управления в случайной среде» № 2012614942, зарегистрирована в Реестре программ для ЭВМ 1 июня 2012 г.
Свидетельство о государственной регистрации программы для ЭВМ «Моделирование случайных сред с одно- и двухпороговой стратегиями управления в случайной среде» № 2013617255, зарегистрирована в Реестре программ для ЭВМ 06 августа 2013 г.
Свидетельство о государственной регистрации программ для ЭВМ «Расчет байесовских рисков, потерь и стратегий управления для случайных сред с нормально распределенными доходами с произвольными дисперсиями» № 2016619416, зарегистрирована в Реестре программ для ЭВМ 18 августа 2016 г.
Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения и списка литературы.
Во введении приведены общие сведения по исследуемой проблеме, обоснована актуальность диссертационной работы, сформулирована цель и задачи работы, аргументирована научная новизна исследований, показана практическая значимость полученных результатов, представлены выносимые на защиту положения и описана структура диссертации.
В первой главе приводится краткий обзор литературы по теме исследования. Рассматриваются различные методы решения задач в условиях неопределенности и показываются их достоинства и недостатки. Также вводится общая
постановка рассматриваемой в диссертации проблемы. А именно, модификация задачи об оптимальном управлении в случайной среде, заключающаяся в том, что доходы в случайной среде имеют нормальные распределения. В силу этого появляется возможность параллельной обработки данных. Показано, что рассмотренная в работе проблема будет решаться с помощью минимаксного и байесовских подходов. Особое внимание уделено проблеме потерь дохода при близких и удаленных математических ожиданиях.
Во второй главе рассматриваются пороговая и двухпороговая стратегии управления в случайных средах с бинарными и нормально распределенными доходами. Пороговая стратегия была предложена и исследована Фогелем [63]. В данной работе известная теоретическая верхняя оценка минимаксного риска улучшена численными методами для бинарной среды. Такая же оценка получена для сред с нормально распределенными доходами. Показано, что такие среды возникают при использовании параллельной обработки данных. Далее была предложена и исследована двухпороговая стратегия управления, которая минимизируют средние потери на заданном априорном множестве параметров сред с бинарными и нормально распределенными доходами. Обоснована целесообразность такой стратегии. Приводятся результаты численного моделирования. С помощью метода Монте-Карло установлено, что минимаксная пороговая стратегия, полученная для сред с единичными дисперсиями, остается таковой и для сред с дисперсиями, не превосходящих единичную. Кроме того, рассмотрены два метода оптимизации алгоритма, направленные на снижение времени расчетов без уменьшения точности результатов.
В третьей главе предлагается подход к нахождению минимаксных стратегий и риска, базирующийся на основной теореме теории игр. Согласно такому подходу, минимаксные стратегии ищутся как байесовские, соответствующие наихудшему априорному распределению. Получены уравнения для вычисления байесовских рисков и потерь для случайных сред с нормально распределенными доходами, имеющие произвольные дисперсии. Численными
методами установлено, что минимаксная стратегия, полученная для сред с единичными дисперсиями, является минимаксной и для сред с дисперсиями, не превосходящих единичной.
В четвертой главе описывается программный комплекс, состоящий из программ TwoArmed и Bayes. Программа TwoArmed предназначена для моделирования случайных сред с бинарными и нормально распределенными доходами, риски и потери в которых ищутся с помощью пороговой и двухпороговой стратегий управления. Приводятся основные алгоритмы, лежащие в работе программы, а также рассматриваются основные возможности. Программа Bayes рассчитывает риски, потери и стратегии оптимального управления, основываясь на рекуррентных уравнениях, позволяющих вести вычисления методами динамического программирования. Рассмотрены возможности программы, а также приведены основные алгоритмы вычислений.
В заключении представлен общий обзор результатов работы и некоторые обобщения.
Общий объем диссертации 96 страниц, включая 24 рисунка и 3 таблицы. Список литературы включает 64 наименования.
13
Глава 1 Теоретические сведения
В данной главе приводится краткий обзор литературы, который приводит к постановке задачи о робастных параллельном управлении в случайной среде. После этого вводится общая постановка задачи по исследуемой в диссертации проблеме. Рассматриваются два подхода к решению этой задачи, минимаксный и байесовский. Также в этой главе рассмотрен важный вопрос, для каких сред достигаются наибольшие потери дохода. Показано, что для случайных сред с нормально распределенными доходами, математические ожидания которых значительно различаются, максимальные потери имеют порядок 1п Т, где Т — горизонт управления. Если же они различаются мало, то потери имеют порядок Т !/2.
1.1. Обзор литературы по теме
1.1.1. Автоматный подход
Инициатором автоматного подхода, прежде всего, был советский кибернетик М. Л. Целина, который опубликовал ряд работ о целесообразном поведении в случайных средах, например [39, 40], позднее была издана книга [41]. Этот подход позднее развивался, например, в работах [3, 4, 15, 16, 34].
Задача о целесообразном поведении возникла из попыток объяснить поведение некоторых живых организмов, например, крыс. Исследовалось поведение животного в Т-образном лабиринте. При движении по лабиринту крыса может свернуть налево или направо. В обоих направлениях её ожидает слабый удар током с некоторыми различными фиксированными вероятностями. Эксперименты показали, что крысы обучаются сворачивать в том направлении, где вероятность удара током меньше. Для описания такого поведения были
использованы автоматы.
В работах Цетлина под случайной средой подразумевалась модель внешнего мира, в которой находилось тестируемое животное, реагирующий на один из двух типов реакции среды — благоприятный («не штраф») и неблагоприятный («штраф»). Целесообразность поведения автомата — это увеличение числа благоприятных реакций и уменьшение числа неблагоприятных. Таким образом, рассматривался конечный автомат А, описываемый каноническими уравнениями
(1.1)
/ (() = F (фЦ)),
где £ — дискретное время, й — входная переменная, принимающая значения 0 и 1, интерпретируемые как проигрыш и выигрыш, /(¿) — выходная переменная — действия автомата, ф(Ъ) — состояние автомата в момент времени
Математическое ожидание выигрыша W для автомата А, совершающего действия равновероятно, независимо от реакции двухваринатной среды, можно выразить как W(А) = (рх + р2)/2, где рх, р2 — вероятности благоприятного исхода при выборе действия с номерами 1, 2. Автомат обладает целесообразным поведением, если его величина математического ожидания выше, чем W(Л). В дальнейших работах предлагались различные модификации автомата с целесообразным поведением в случайной среде: автомат с линейной тактикой [41], автомат Роббинса-Кринского [15] (стоит отметить, что постановка была получена авторами независимо друг от друга), автомат Крылова [16], автомат Пономарева [34], «автомат с переменной структурой» Варшавского и Воронцовой [3].
Несмотря на большой интерес к автоматной постановке и степень проработанности тематики, автоматный подход не получил широкого распространения, так как скорости сходимости автоматных алгоритмов оказались очень невысокими. Кроме того, автору неизвестны работы, адаптированные для параллельной обработки.
фи + 1) = ФШ),«(* + 1))
1.1.2. Идентификационный подход
Идентификационный подход к управления в адаптивных системах был предложен в книгах В. Г. Сраговича [37, 38, 61], в которых обобщены его результаты и результаты его учеников.
Идея идентификационного подхода состоит в том, что вероятности выигрыша на действиях среды рх и р2 в каждый момент времени оцениваются по формулам
Л / \ Л Х2
Pi[t) = —, <p2{t) = —, £1 12
где ti, t2 — количество применений действий к моменту времени t = tx + t2 (t1 +12 = t), Xi, X2 — текущие доходы за применение действий.
Стратегией управления может являться следующая. Для получения начальной статистики каждое из действий применяется одинаковое количество п раз. При всех t > 2п с вероятностью 1 — Ö применяется то действие, которому соответствует большая из текущих оценок вероятностей f>1(t), p2(t), а с вероятностью Ö — меньшая из оценок. Здесь Ö > 0 — некоторое малое число.
Чем меньше Ö > 0, тем предельный средний доход выше. Если вместо постоянного Ö > 0 рассмотреть последовательность öt, такую что lim öt = 0,
то
а öt = то, то такая стратегия обеспечит максимально возможное значение t=1
предельного среднего дохода.
В работе [13] рассмотрены адаптивные стратегии, позволяющие достигать цели в условиях информационной неопределенности, основываясь на «обучении» в процессе взаимодействия с некоторым объектом. Работа посвящена теоретическим аспектам адаптивного подхода.
В более поздней статье [14] рассматривается пример практического применения теории адаптивного управления. А именно, приводится пример работы сервера, который на конечном числе процессоров выполняет задания, поступающие из случайного потока. Прием задания на обслуживание приносит доход, но сопряжен с возможным штрафом в случае невыполнения задания в
срок. Сформулирована задача оптимизации доступа заданий в систему с точки зрения увеличения предельного среднего дохода.
Из недостатков идентификационного подхода можно отметить отсутствие методов для применения в параллельном управлении.
1.1.3. Алгоритм зеркального спуска
Алгоритм зеркального спуска представляет собой обобщение стандартного метода градиента для задач выпуклой оптимизации в условиях априорной неопределенности. В ряде случаев он имеет преимущество перед другими алгоритмами поиска экстремума при высокой размерности: его гарантируемая скорость сходимости значительно выше. Алгоритм находит применение в прикладных задачах, например: томография [47], классификация [43] и ранжирование [31].
Алгоритм зеркального спуска применяется для решения задач о двуруком бандите для неизвестного горизонта управления. Цели управления в целом те же, что и в других подходах, — уменьшение средних потерь полного дохода.
В работе [53] получена оценка верхней границы потерь, равная:
где Ф(Т) — средние потери доход, Е(Фу) — математическое ожидание средних потерь, ат[п — математическое ожидание потерь за применение лучшего возможного действия, К — количество действий случайной среды, Т — горизонт управления.
Метод, описанный в [53], может быть применен для решения широкого круга задач, например, в [58] описано его применение к Марковскому процессу принятия решений. В [58] получена следующая оценка сверху для средних потерь:
В работе [30] представлен алгоритм зеркального спуска, направленный на минимизацию средних потерь стохастической системы, функционирующей в непрерывном времени, c потерями, возникающими в случайные моменты скачков пуассоновского процесса с известной интенсивностью. Для алгоритма доказана явная верхняя граница превышения средних интегральных потерь над минимумом. Граница имеет вид С\[Т, где Т — горизонт управления, С — конкретная константа.
В статье [5] предложена рандомизированная онлайн версия метода зеркального спуска. Отличие от имеющихся версий заключается в том, что рандомизация вводится на этапе проектирования субградиента на единичный симплекс. В результате получается покомпонентный субградиентный спуск со случайным выбором компоненты, допускающий онлайн интерпретацию. Показано, что алгоритм может быть применен к решению задач о многоруких бандитах, взвешиванию экспертных решений и поиска равновесия в антагонистической матричной игре с разреженной матрицей.
1.1.4. Алгоритм UCB1
С развитием интернет-технологий появилась необходимость в новых эффективных методах управления в случайной среде. Например, популярные порталы Mail.ru и Yahoo! содержат на своих домашних страницах множество ссылок. Цель состоит в определении ссылок, дающих максимальный CTR (click-through ratio, отношение кликов). Здесь каждый показ ссылки пользователю соответствует применению ручки; каждый клик — успех, положительная реакция среды; не-клик — неудача. Задача алгоритма в том, чтобы как можно быстрее понять, что та или иная ссылка является наиболее посещаемой, и выводить её в заголовок страницы.
Одним из современных методов решения подобных задач является достаточно простой в реализации UCB1 [44, 45] (акроним Upper Confidence Bound, верхний доверительный предел).
Алгоритм следующий:
• Применить каждую ручку один раз;
• Пока продолжается работа, применить ручку ], для которой максимальна
где х^ — средний доход за применение ручки ], п^ — количество применений ручки ], п — общее количество применений всех ручек.
Данный подход используется, например, в [33], где разработан поисковой робот (краулер), предназначенный для сбора исходящих гиперссылок с заданного целевого множества веб-сайтов. Адаптивное поведение краулера, заключающееся в том, что за ограниченное время он должен находить максимально возможное суммарное количество гиперссылок, моделируется как задача о многоруком бандите. Такая постановка задачи позволила применить для её решения известные алгоритмы, эксперименты с которыми показали их зависимость от тематики целевого множества. В работе показано, что для научных сайтов алгоритм ИСБ1 показывает лучшие результаты по сравнению с «тривиальным правилом» и правилом, построенном с использованием индексов Гиттинса.
Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Выбор оптимальной сложности класса логических решающих функций в задачах анализа разнотипных данных2006 год, доктор технических наук Бериков, Владимир Борисович
Статистический синтез, анализ и моделирование алгоритмов оценки параметров случайных импульсных сигналов2000 год, кандидат физико-математических наук Чернояров, Олег Вячеславович
Развитие методов детерминированного эквивалента и бутстрепа для решения задач стохастического программирования с функциями вероятности и квантили2009 год, кандидат физико-математических наук Вишняков, Борис Ваисович
Планирование экспериментов для дискриминации регрессионных моделей2018 год, кандидат наук Гученко Роман Александрович
Дискретная оптимизация на основе управления ансамблем алгоритмов2023 год, кандидат наук Шаламов Вячеслав Владимирович
Список литературы диссертационного исследования кандидат наук Лазутченко, Алексей Николаевич, 2016 год
Литература
1. Афанасьев В. Н. Динамические системы управления с неполной информацией. Алгоритмическое конструирование: // М.: КомКнига. 2006. 170 с.
2. Бусленко Н. П., Шрейдер Ю. А. Метод статистических испытаний и его реализация на цифровых вычислительных машинах // М.: ИФМЛ. 1961. 226 с.
3. Варшавский В. И., Воронцова И. П. Поведение стохастических автоматовс переменной структурой // Автоматика и телемеханика. 1963. Т. 24. № 3. С. 353-360.
4. Варшавский В. И. Коллективное поведение автоматов // Москва: Наука. 1973. С. 408.
5. Гасников А. В., Нестеров Ю. Е., Спокойный В. Г. Об эффективности одного метода рандомизации зеркального спуска в задачах online оптимизации // Журнал вычислительной математики и математической физики. 2015. 55:4. С. 582-598.
6. Де Гроот М. Оптимальные статистические решения // М.: Мир. 1974. 491 с.
7. Дынкин Е. Б., Юшкевич А. А. Управляемые марковские процессы и их приложения. М.: Наука. 1975. 338 с.
8. Колногоров А. В. Нахождение минимаксных стратегии и риска в случайной среде (задача о двуруком бандите) // АиТ. 2011. № 5. С. 127-138.
9. Колногоров А. В., Шелонина Т. Н. Об инвариантности функции потерь для пороговой стратегии поведения в случайной среде // Вестн. Новг. гос. ун-та. 2006. № 39. С. 18-21.
10. Колногоров А. В., Олейников А. О. Оптимизация параллельной многоэтапной обработки в случайной среде // Вестник НовГУ. 2012. № 68. С. 67-69.
11. Колногоров А. В. О стратегии поведения в стационарной среде с неулучша-емой гарантированной оценкой сходимости среднего дохода // АиТ. 1991. выпуск 5. С. 183-186.
12. Колногоров А. В. Робастное параллельное управление в случайной среде (задаче о двуруком бандите) // АиТ. 2012. № 4. C. 114-130.
13. Коновалов М. Г. Об адаптивных стратегиях и условиях их существования // Информ. и ее примен., 2012, том 6, выпуск 4, 18-26
14. Коновалов М. Г. Об одной задаче оптимального управления нагрузкой на сервер // Информ. и ее примен., 2013, том 7, выпуск 4, 34-43
15. Кринский В. И. Асимптотичеси оптимальный автомат с экспоненциальной скоростью сходимости // Биофизика. 1964. Т. 9. вып. 4. С. 484-487.
16. Крылов В. Ю. Об одном стохастическом автомате, асимптотически-оптимальном в случайной среде // Автоматика и телемеханика 24. 1963. № 9.
17. Лазутченко А. Н. Использование двухпороговой стратегии управления в бинарной случайной среде // Современные проблемы науки и образования. 2013. № 3; URL: www.science-education.ru/109-9552 (дата обращения: 15.09.2015).
18. Лазутченко А. Н. Использование двухпороговой стратегии управления в случайной среде с нормально распределенными доходами // Современные проблемы науки и образования. 2014. № 2; URL: www.science-education.ru/116-12590 (дата обращения: 15.09.2015).
19. Лазутченко А. Н. Минимаксная стратегия управления для класса гауссов-
ских случайных сред с различными дисперсиями // Вестн. Новг. гос. ун-та. Сер.: Физико-математические науки. 2015. № 3(86). часть 2. С. 25-28.
20. Лазутченко А. Н. О робастном управлении в случайной среде, характеризуемой доходами с различными дисперсиями // КарНЦ. Сер.: Математическое моделирование и информационные технологии. 2015. № 10. С. 107-113.
21. Лазутченко А. Н., Колногоров А. В. О робастном управлении в случайной среде, характеризуемой нормальным распределением доходов с различными дисперсиями // Труды 57-й научной конференции МФТИ. Управление и прикладная математика. Т. 1. С. 114-116.
22. Лазутченко А. Н., Колногоров А. В. Минимаксный подход к решению одной из задач о двуруком бандите в случайной среде с нормально распределенными доходами // Труды 58-й научной конференции МФТИ; URL: http://conf58.mipt.ru/static/reports_pdf/214.pdf (дата обращения: 14.12.2015.
23. Лазутченко А. Н. Использование двухпороговой стратегии управления в бинарной случайной среде // Обозрение прикладной и промышленной математики. 2013. Т. 20. вып. 4. с. 557.
24. Лазутченко А. Н. Задача о целесообразном управлении в случайной среде // Тезисы докладов аспирантов, соискателей, студентов. Часть 3. Великий Новгород. 2009. с. 38.
25. Лазутченко А. Н. Задача о целесообразном управлении в случайной среде // Тезисы докладов аспирантов, соискателей, студентов. Часть 3. Великий Новгород. 2010. С. 39-40.
26. Лазутченко А. Н. Задача о целесообразном поведении в случайной среде // Материалы докладов аспирантов, соискателей, студентов. Часть 3. Великий Новгород. 2011. С. 59-62.
27. Лазутченко А. Н. Оптимизация параллельного управления в случайной среде с нормально распределенными доходами и различными дисперсиями // IX Международная Петрозаводская конференция «Вероятностные методы в дискретной математике», 30 мая — 3 июня 2016 г., Петрозаводск, Россия
28. Мазалов В. В. Математическая теория игр и приложения // СПб.: «Лань». 2010. 448 с.
29. Назин А. В., Позняк А. С. Адаптивный выбор вариантов // Москва: Наука. 1986. С. 288.
30. Назин А. В., Анулова С. В., Тремба А. А. Алгоритм зеркального спуска для минимизации средних потерь, поступающих пуассоновским потоком // Автоматика и телемеханика. 2014. № 6. С. 30-38.
31. Назин А. В., Поляк Б. Т. Рандомизированный алгоритм нахождения собственного вектора стохастической матрицы с применением к задаче Ра§еИ,апк // АиТ. 2011. № 2. С. 131-141.
32. Олейников А. О. Нахождение оптимальных планов параллельного управления в случайной среде в приложении к обработке данных: Дис. ... канд. технич. наук. Петрозаводск. 2014. - 111 с.
33. Печников А. А., Чернобровкин Д. И. Адаптивный краулер для поиска и сбора внешних гиперссылок // Управление большими системами: сборник трудов. 2012. № 36. С. 301-315.
34. Пономарев В. А. Об одной конструкции конечного автомата, асимптотически-оптимального в стационарной случайной среде // Биофизика 6. 1963. № 6.
35. Прохоров Ю. В., Розанов Ю. А. Теория вероятностей. Основные понятия. Предельные теоремы. Случайные процессы // М.: Наука. 1967. 496 с.
36. Пресман Э. Л., Сонин И. М. Последовательное управление по неполным данным. М.: Наука. 1982. 256 с.
37. Срагович В. Г. Адаптивное управление // М.: Наука. 1981. 384 с.
38. Срагович В. Г. Теория адаптивных систем // М.: Наука. 1976. 320 с.
39. Цетлин М. Л. Конечные автоматы и моделирование простейших форм поведения // Успехи математических наук. 1963. Т. 18. № 4(112). С. 3-28.
40. Цетлин М. Л. О поведении конечных автоматов в случайных средах // Автоматика и телемеханика. 1961. Т. 22. № 10. С. 1345-1354.
41. Цетлин М. Л. Исследования по теории автоматов и моделированию биологических систем // Москва: Наука. 1969. С. 316.
42. Тихомиров А. С. Введение в Maple: учеб. пособие // сост. А. С. Тихомиров, И. С. Пашков; НовГУ им. Ярослава Мудрого. Великий Новгород. 2007. 121 с.
43. Юдицкий А. Б., Назин А. В., Цыбаков А. Б. и др. Рекуррентное агрегирование оценок методом зеркального спуска с усреднением // Проблемы передачи информации. 2005. Т. 41. № 4. С. 78-96.
44. Auer P. Using Confidence Bounds for Exploitation-Exploration Trade-off's // The Journal of Machine Learning Research. 2003. Vol. 3. P. 397-422.
45. Auer P., Cesa-Bianchi N., Fischer P. Finite-time Analysis of the Multiarmed andit Problem // Machine Learning. 2002. Vol. 47. P. 235-256.
46. Bather J. A. The Minimax Risk for the Two-Armed Bandit Problem // Mathematical Learning Models — Theory and Algorithms. 1983. Vol. 20. P. 1-11.
47. Ben-Tal A., Margalit T., Nemirovski A. The Ordered Subsets Mirror Descent Optimization Method with Applications to Tomography // SIAM J. Optim. 2001. V. 12. No. 1. P. 79-108.
48. Berry D. A., Fristedt B. Bandit problems. Sequential Allocation of Experiments // London, New York: Chapman and Hall. 1985. P. 275.
49. G. E. P. Box, M. E. Muller. A Note on the Generation of Random Normal Deviates // Ann. Math. Stat. 1958. Vol. 29. № 2. P. 610-611.
50. Brochu E., Hoffman M., Freitas N. Portfolio Allocation for Bayesian Optimization // Uncertainty in Artificial Intelligence. 2011. P. 327-336.
51. Cesa-Bianchi N., Lugosi G. Prediction, Learning, and Games. New York: Cambridge University Press. 2006. P. 394.
52. Fabius J., van Zwet W. R. Some remarks on the two-armed bandit // The Annals of Mathematical Statistics. 1970. Vol. 41. № 6. P. 1906-1916.
53. Juditsky A. B., Nazin A. V., Tsybakov A. B., Vayatis N. Gap-free Bounds for Stochastic Multi-Armed Bandit // Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul. Korea. July 6-11. 2008. P. 11560-11563.
54. Kuleshov V., Precup D. Algorithms for multi-armed bandit problems // CoRR, arXiv:1402.6028, 2014.
55. Lai T. L., Robbins H. Asymptotically Efficient Adaptive Allocation Rules // Advances in Applied Mathematics. 1985. Vol. 6. P. 4-22.
56. Lai T. L., Levin B., Robbins H., Siegmund D. Sequential medical trails (stopping rules/asymptotic optimality) // Proceedings of the National Academy of Sciences of the USA. 1980. Vol. 77. № 6. P. 3135-3138.
57. Li L., Chu W., Langford J., Schapire R. E. A contextual-bandit approach to personalized news article recommendation // Proceedings of the 19th international conference on World wide web. WWW '10. New York. NY. USA: ACM. 2010. P. 661-670. URL: http://doi.acm.org/10.1145/1772690.1772758.
58. Nazin A. V., Miller B. The Mirror Descent Control Algorithm for Weakly Regular Homogeneous Finite Markov Chains with Unknown Mean Losses // Proceedings of 50th IEEE CDC ECC, Orlando, Florida, USA, 2011. December 12-15. 2011. P. 5.
59. Robbins H. Some aspects of the sequential design of experiments // Bulletin AMS. 1952. Vol. 58(5). P. 527-535.
60. Scott S. L. A modern Bayesian look at the multi-armed bandit // Applied Stochastic Models in Business and Industry. 2010. Vol. 26. № 6. P. 639-658.
61. Sragovich V. G. Mathematical Theory of Adaptive Control // World Scientific. Interdisciplinary Mathematical Sciences. New Jersey. London. v. 4. P. 473
62. Villar S. S. et al. Multi-armed bandit models for the optimal design of clinical trials: benefits and challenges // Statistical Science. 2015. V. 30. №. 2. C. 199-215.
63. Vogel W. An asymptotic minimax theorem for the two-armed bandit problem. // Ann. Math. Stat. 1960. V. 31. P. 444-451.
64. Vogel W. A sequential design for the two armed bandit. // Ann. Math. Stat. 1960. V.31. P. 430-443.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.