Иммунные интеллектуальные системы в логистических системах

УДК 681.518.5

Иммунные интеллектуальные системы в логистических системах

Лыкова Мария Павловна

студент 2 курса,

Сибирский государственный университет путей сообщения,

г. Новосибирск, Россия

E-mail: mrl0904@yandex.ru

Научный руководитель – Зайцева Татьяна Сергеевна

ст. преподаватель

Сибирский государственный университет путей сообщения,

г. Новосибирск, Россия

E-mail: ssa@stu.ru

Immune intelligent systems in logistics systems

Lykova Maria Pavlovna

2nd year student,

Siberian transport University,  Novosibirsk, Russia

Scientific Supervisor – Zaitseva Tatyana Sergeevna

Sen. Lecturer,

Siberian transport University,  Novosibirsk, Russia

В статье рассмотрены понятия «Логистическая система», «Иммунные алгоритмы», виды и различия иммунных алгоритмов. Исследованы интеллектуальные системы, области их применения и то, как возможно использовать готовые интеллектуальные системы в логистике. В качестве примера рассмотрен пример использования иммунных интеллектуальных систем в деятельности РЖД.

Ключевые слова: иммунные алгоритмы, иммунные интеллектуальные системы, защита данных, экономика, обнаружение вторжений.

The article discusses the concepts of "Logistics system", "Immune algorithms", types and differences of immune algorithms. Intelligent systems, their application areas and how it is possible to use ready- made intelligent systems in logistics are studied. As an example, an example of the use of immune intelligent systems in the activities of Russian Railways is considered

Keywords: immune algorithms, immune intelligent systems, data protection, Economics, intrusion detection.

Логистическая система - это сложная организационно завершенная (структурированная) экономическая система, состоящая из элементов (звеньев), взаимосвязанных в едином процессе управления материальными и сопутствующими им потоками

Иммунная интеллектуальная система является адаптивной вычислительной системой. Она использует механизмы, модели, функции и принципы из теоретической иммунологии, ее применяют для решения прикладных задач. Также она оптимизирует имеющие алгоритмы защиты информации, делает их проще и дешевле в обслуживании, что хорошо для экономики. В этой системе для описания взаимодействия компонентов системы (антител) используются меры аффинности, а в качестве механизмов адаптации – иммунные алгоритмы. [1]

Иммунная система представляет собой пример децентрализованной обработки информации и интересна специалистам программирования, экономики, логистики и информатики. С ее помощью можно параллельно выполнять большое количество действий (вычислений). Еще она является примером биологической системы с прекрасными адаптивными механизмами на локальном уровне и эмерджентных механизмов поведения на глобальном уровне. Иммунные алгоритмы можно внедрять в готовые логистические системы для оптимизации их работы.

На данный момент есть 3 алгоритма для работы интеллектуальных иммунных систем. В их основе лежат теории о природных иммунных системах, в которых описывается функционирование всей системы и взаимодействие ее отдельных элементов [1]:

1)      Клональный алгоритм отбора -  алгоритмы этого класса основаны на теории клоновой селекции. Также они универсальны для решения разных задач и позволяют полностью автоматизировать весь процесс. В этой теории описано, как происходит итеративный процесс появления новых популяций из лучших представителей прошлого поколения. Каждое новое поколение содержит лучшее характеристики из тех, которыми обладали члены предыдущих поколений. 

2)      Негативный алгоритм отбора – при этом алгоритме негативно реагирующие клетки находят и удаляют. В каждом вычислительном узле распределенной сети есть база данных, которая хранит «шаблоны» вредоносных объектов и «шаблоны» вероятных чужеродных объектов. Каждый узел хранит часть «шаблонов» вероятных чужеродных объектов, но при этом часто происходит обмен этими данными между разными узлами. Если было обнаружено вредоносное программное обеспечение, то сработавший «шаблон» скопируется в базы данных всех узлов.

3)      Иммунный сетевой алгоритм – в нем используется структура сетевого графа. Узлами такого графа являются продуцируемые антитела, в течении алгоритма обучения расстояние между узлами сокращается или растет (зависит, условно, от степени их «близости»). Такая структура метода позволяет использовать его для решения задач кластеризации, визуализации данных и для разработки искусственных нейронных сетей.

Есть такая система, как IDS, она используется для обнаружения вторжений в компьютеры, сеть и т.д. Она выявляет факт неавторизованного доступа в систему или несанкционированного управления сетью или компьютером и обеспечивает дополнительную защиту компьютерных систем.  В этой области использование искусственных иммунных систем будет очень выгодно для улучшения функционирования логистических систем потому, что иммунная система может запоминать разные виды вирусов, является самообучающейся и не требует дополнительных настроек. Это будет очень хорошим и выгодным способом для обнаружения вторжений. [2]

Рассмотрим применение иммунных систем в деятельности ОАО РЖД. На данный момент осуществляется проект "Умный вокзал" – это вокзальный комплекс, эффективность функционирования которого обеспечивается за счет максимального использования интеллектуальных технологий во всех элементах его технологического процесса.

"Умный вокзал" объединяет различные инновационные системы, технические средства и технологии, одна их них это автоматизированная система обеспечения транспортной безопасности и снижения рисков чрезвычайных ситуаций. Иммунные алгоритмы прекрасно подошли бы для этой цели. Система является самообучающейся и несложна в настройке, что позволит адаптировать данные системы к местным условиям, к географическому положению вокзала, климатическим особенностям района, возможности использования различных видов альтернативных возобновляемых источников энергии.

В настоящий момент уже существует модель оптической локализации железнодорожных подвижных единиц на основе искусственной иммунной системы отрицательного отбора. Это новый подход к локализации подвижных единиц основанный на распознавании автосцепки вагона на графических изображениях, получаемых с помощью видеокамер универсальной системы автоматического распознавания номеров вагонов. Была разработана модель распознавания автосцепки, основанная на алгоритме отрицательного отбора с детекторами переменного размера, показавшая хорошие результаты при испытаниях.

Сейчас многие специалисты хотят разработать новые алгоритмы, которые можно было бы использовать в иммунных интеллектуальных системах, развить эти системы и довести их до того, чтобы они могли приносить максимальную прибыль. Эти системы уже применяют в логистике - для решения задач по классификации и оптимизации данных, в сети - для поиска аномалий, вирусов и угроз. Также они используются для обработки большого количества неструктурированных данных и извлечения информации, для сжатия информации, машинного обучения, в области компьютерной безопасности и адаптивного контроля. Все это приносит определенную прибыль и экономию ресурсов, но при этом они еще не являются полностью самообучающимися и универсальными.

Библиографический список:

1. Искусственная иммунная система [Электронный ресурс] // Info-Farm.ru, 2018. URL: https://info-farm.ru/alphabet_index/i/iskusstvennaya-immunnaya-sistema.html (дата обращения 12.02.2020)
2. AITSO: A Tool for Spatial Optimization Based on Artificial Immune Systems [Электронный ресурс] // журнал Comput Intell Neurosci, 2015. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4307625/ (дата обращения 24.02.2020)

Материал размещен кафедрой «Логистика и маркетинг в АПК» Красноярского государственного аграрного университета