Zastosowanie programowania dynamicznego i sieci neuronowych

Zastosowanie programowania dynamicznego i sieci neuronowych

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO I SIECI NEURONOWYCH
DLA SEKTORA BADA NAUKOWYCH I ROZWOJU
JACEK CHMIELEWSKI
Zaoczne Studium Doktoranckie IBS PAN, Warszawa
Streszczenie
Rozwój kraju w czasach gospodarki innowacyjnej wymaga wsparcia ze strony
sektora Naukowo-Badawczego. Obecnie rodki finansowe w Polsce przeznaczane na
rozwój sektora Naukowo-Badawczego s poniej redniej krajów wiodcych Unii
Europejskiej. Taka sytuacja nie pozwala zmniejsza rónicy rozwoju pomidzy Polsk i wiodcymi krajami Unii Europejskiej. Wydaje si oczywiste, e sektor Naukowo-Badawczy powinien stosowa metodologi i narzdzia, które pozwol efektywnie
wykorzysta rodki ponad te, które s dostpne z budetu Pastwa. Dodatkowe dofinansowanie moe pochodzi z Programów Ramowych Unii Europejskiej. Foresight,
programowanie dynamiczne i sieci neuronowe s sugerowanymi narzdziami do
planowania rozwoju sektora Naukowo-Badawczego dostosowanego do rozwoju kraju w długim horyzoncie czasowym.
Słowa kluczowe: foresight, programowanie dynamiczne, sie neuronowa, rozwój sektora Badawczo Naukowego
1. Wstp:
Dynamiczny rozwój kraju w ramach Unii Europejskiej (UE) wymaga systemowego podejcia
do przewidywania rozwoju sektora badawczo-rozwojowego (B+R). Istotnym zagadnieniem jest
takie wykorzystanie dostpnych rodków finansowych, aby w kadym okresie rozwoju prawidłowo
alokowa dostpne rodki. Zakładajc konieczno rozwoju kraju w kierunku gospodarki innowacyjnej wydaje si celowe zwikszenie rodków w sektorze B+R. Naley zwikszy rodki dla sektora B+R powyej redniej 27 krajów, UE aby zmniejszy rónice rozwojowe Polski w stosunku
do krajów wiodcych UE. Wydaje si celowe zwikszenie wydatków na sektor B+R do poziomu
3.5%-4.5% produktu krajowego brutto (PKB). rodki na sektor B+R powinny pochodzi z budetu
pastwa, rodków prywatnych i funduszy ramowych UE. Ze wzgldu na to, e sektor B+R nie ma
do koca wpływu na rodki z budetu pastwa istotne jest właciwe alokowanie rodków z dwóch
pozostałych ródeł. Fakt uzyskania oczekiwanych rodków bez precyzyjnego planu rozwoju sektora osłabi efekt rozwoju, dlatego istotne jest zastosowanie dodatkowych narzdzi pozwalajcych
dobrze wykorzysta zasoby. Mona oczekiwa równie, e sukces implementacji strategii rozwoju
spowoduje zwikszone zainteresowanie sektora prywatnego na inwestycje w sektor B+R. Metodyczne podejcie do pozyskiwania rodków z Programów Ramowych równie musi zapewni jak
najlepsze pozyskanie tych funduszy dla Polski w konkurencji z innymi krajami.
26
Jacek Chmielewski
Zastosowanie programowania dynamicznego i sieci neuronowych
dla sektora bada naukowych i rozwoju
2. Okrelenie kierunków rozwoju sektora B+R:
Jednym z moliwych sposobów okrelajcych kierunki rozwoju sektora B+R jest Foresight,
który jest naukowym podejciem do okrelenia wizji w przyszłoci w skali kilkunastu do kilkudziesiciu lat. Celem Foresight jest identyfikacja potencjalnego ryzyka i pojawiajcych si moliwoci
w połczeniu z nauk i technologi w ten sposób, aby tworzona polityka umoliwiała rozwój strategii rozwojowych. (The UK Government Foresight Programme). Mamy równie przykłady prac
Foresight w Polsce.
Zakładajc, e podejcie Foresight umoliwi nam okrelenie przewidywanego punktu docelowego w roku 2030 moemy zastosowa programowanie dynamiczne do przejcia do stanu aktualnego, aby okreli stany porednie, które musimy osign w poszczególnych latach 2007 do 2030.
Zastosowanie programowania dynamicznego powinno nam pomóc precyzyjnie okreli stany,
które musimy osign w rozwoju sektora B+R w punktach kontrolnych. Ze wzgldu na okresy
Programów Ramowych UE moliwe jest podejcie, e okresy, które s punktami kontrolnymi s
okrelone na lata 2007 do 2013 (+2 lata), 2014 do 2020 (+ 2 lata) i 2020 do 2030 (+ 2 lata).
Okrelenie stanów kontrolnych na mapie rozwoju sektora B+R do roku 2030 pozwoli nam precyzyjnie okreli charakter konsorcjów taktycznych, które bdziemy tworzy do pozyskiwania
rodków w ramach Funduszy Strukturalnych UE. Systemem pomocnym tworzenie sojuszy taktycznych bdzie system wspomagajcy decyzj w oparciu o sie neuronow. Sie neuronowa zostanie
nauczona na podstawie danych zgromadzonych w bazie Community Research & Development
Information Service(CORDIS), w której s przechowywane dane wykorzystania rodków Funduszy Strukturalnych. Wiedza tworzenia konsorcjów jest potrzebna do pozyskiwania udziałów w
Funduszach Strukturalnych UE powyej redniej.
3. rodowisko sektora badawczo-rozwojowego:
Strategia rozwoju sektora B+R oparta jest o koncepcj 10 Centrów Rozwojowych (CR), które
tworz Północn, Centraln i Południow Wspólnot Wiedzy (WW). W skład WW wchodz:
ƒ Jednostki Badawczo-Rozwojowe,
ƒ Parki Wiedzy i Technologii
ƒ Innowacyjne Przedsibiorstwa.
Proponowany skład WW jest nastpujcy:
ƒ Północna WW: Szczecin, Gdask, Bydgoszcz
ƒ Centralna WW: Pozna, Łód, Warszawa
ƒ Południowa WW: Wrocław, Opole, Katowice, Kraków
Wan cech WW jest tworzenie wspólnych struktur, które umoliwiaj współprac pomidzy
centrami rozwojowymi w szczególnoci WW musz posiada:
ƒ Zasoby ludzkie, które stanowi Pracowników Wiedzy (PW)
ƒ Infrastruktur i fundusze
ƒ Moliwo kształcenia kadr na Studiach Doktoranckich
ƒ Patenty jako zasoby
Celem działalnoci WW powinno stanowi osignicie poziomu innowacyjnoci powyej redniej
UE 27. Produktem wyjciowym działalnoci WW powinny stanowi innowacyjne dobra i innowacyjne usługi transferowane do wdroenia w innowacyjnych przedsibiorstwach.
POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ
Seria: Studia i Materiały, nr 13, 2008
27
Aktualny stan rozwoju Parków Wiedzy i Technologii mona znale na Portalu Innowacji
(http://www.pi.gov.pl/).
4. Dane wejciowe pozyskane z programów Foresight:
Program Foresight w Polsce był realizowany w latach 2003 do 2005 z udziałem nastpujcych
podmiotów:
ƒ Ministra Nauki, który koordynuje program
ƒ Ministerstwo Nauki i Informatyzacji we współpracy z Ministerstwem Gospodarki, Pracy
i Polityki Społecznej
Definicja celów programu jest zgodna z dotychczasowym podejciem do potencjalnych korzyci,
jakie daje uruchomienie takiego programu:
ƒ
Wskazanie priorytetów inwestycyjnych w sferze bada i rozwoju technologicznego poprzez odkrywanie potencjalnych moliwoci
ƒ Zmiana orientacji nauki i systemu innowacji
ƒ Przedstawienie ywotnoci nauki i bada naukowych
ƒ Wprowadzanie nowych składników do debaty na temat Foresight
Dodatkowe informacje na temat programu s dostpne na stronie Internetowej
(http://kbn.icm.edu.pl/foresight/index.html)
Moim zdaniem obiecujce mog by regionalne inicjatywy Foresight, które dotycz rozwoju regionalnego [9],[10] i [11]:
ƒ
Foresight technologiczny na rzecz zrównowaonego rozwoju Małopolski
(http://www.foresight.msap.pl/)
ƒ Project Foresight for Mazovia (www.formazovia.pl)
Kolejnym ródłem pozyskiwania danych typu Foresight s wyniki bada realizowanych w krajach
wiodcych UE:
ƒ
Rzdowy program w Wielkiej Brytanii Foresight Programme and Horizon Scanning
Centre (www.foresight.gov.uk).
Z mojego punktu widzenia wyniki prac Foresight stanowi dane wejciowe okrelajce cele dla
Sektora Bada Naukowych i Rozwoju w roku 2030. Moemy załoy, e cele bd odzwierciedlone w trzech obszarach: ECO, INFO i R&D [3]. Ze wzgldu na powizania pomidzy obszarami
dodatkowo naley uwzgldni ECO+INFO, ECO+R&D, INFO+R&D i ECO+INFO+R&D. Kluczowym punktem jest alokacja posiadanych rodków w ten sposób, aby korzyci z inwestycji w
poszczególne obszary przyniosły jak najlepsze rezultaty rozumiane jako zmniejszenie rónicy
poziomu innowacyjnoci Sektora Bada Naukowych i Rozwoju w Polsce w porównaniu z wiodcymi krajami UE 27.
Obliczenia bd wykonywane w oparciu o programowanie dynamiczne w modelu [1] odpowiadajcym Społeczno-Ekonomicznemu Rozwojowi Regionalnemu.
28
Jacek Chmielewski
Zastosowanie programowania dynamicznego i sieci neuronowych
dla sektora bada naukowych i rozwoju
5. Programowanie dynamiczne:
Alokacj rodków mona przeprowadzi w oparciu o model zaproponowany w opracowaniu
[1]. System społeczno-ekonomiczny jest przedstawiony jako dynamiczny układ sterowany gdzie
stany wyjciowy Xt obrazuje całkowity wskanik jakoci ycia składajcy si z siedmiu wskaników jakoci ycia, które zostały okrelone jako jako ekonomiczna, rodowiskowa, mieszka,
słuby zdrowia, infrastruktury, moliwoci znalezienia zatrudnienia i moliwoci spdzania wolnego czasu.
Powysze podejcie jako układu sterowanego zostanie zaadoptowane do modelowania rozwoju
Sektora Bada Naukowych. Wskaniki zostan zamienione przez parametry odpowiadajce wyej
wymienionym obszarom ECO, INFO i R&D. Zadanie zostanie okrelone jako poszukiwanie cigu
inwestycji (sterowa), które pozwol osign najbardziej pozytywn ocen rozwoju.
C t −1
u1t − 1
f 1 t − 1(x1 t − 1, u1t − 1) = x1t
Partitioning rule
ut − 1
At − 1(ut − 1, i)
u 7t − 1
f 7 t − 1(x 7 t − 1, u 7t − 1) = x 7t
x1t − 1
x7t
x1t
x
7
t −1
xt
Subjective
evaluation
Gst
Got
Rys. 1.[1] Społeczno-ekonomiczny układ sterowany
Obliczenia bd wykonywane w oparciu o programowanie dynamiczne [5]. Programowanie
dynamiczne pozwoli nam zweryfikowa jako oblicze gdy, umoliwia przejcie od stanu oczekiwanego w roku 2030 (na podstawie Foresight) do stanu pocztkowego, który jest znany jako stan
aktualny roku 2007. Takie podejcie pozwoli nam lepiej zrozumie potrzeby inwestycyjne w poszczególnych okresach inwestycyjnych w porównaniu z podejciem, analizowania inwestycji od
stanu aktualnego do osignicia oczekiwanego stanu rozwoju w roku 2030.
Programowanie dynamiczne zostało wybrane ze wzgldu na specyfik zagadnienia, którego
rozwizanie wymaga podjcia szeregu decyzji inwestycyjnych, w których wyniki inwestycji w
poszczególnych okresach wpływaj znaczco na wyniki w innych okresach.
Poniszy rysunek prezentuje zasad backward recursion [8]:
POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ
Seria: Studia i Materiały, nr 13, 2008
29
Rys.2 [8]– Backward recursion w programowaniu dynamicznym
Zgodnie z wczeniej podanymi informacjami o okresach obowizywania poszczególnych Programów Ramowych UE Stage1, Stage 2 i Stage 3 z rysunku 2 odpowiadaj kolejnym programom
ramowym 2007 do 2013 (+2 lata), 2014 do 2020 (+ 2 lata) i 2020 do 2030 (+ 2 lata).
Do oblicze zostan wykorzystane dostpne narzdzia programowania dynamicznego [6][7].
DP2PNSolver jest narzdziem klasy dynamic programming (DP) umoliwiajcy rozwizywanie
zagadnie problemów typu DP. Narzdzie zawiera moduły na dwóch poziomach:
ƒ Poziom pierwszy zawiera wejcie do wprowadzenia specyfikacji dyskretnego problemu
DP. Specyfikacja problemy przetwarzana jest na przejciow sie Petri (PN) reprezentujc sie Bellmana (BN). W warstwie przejciowej problem jest standaryzowany do modelu matematycznego problemu.
ƒ Optymalne rozwizanie problemu dostarczane jest przez warstw drug zwan wyjciow
w postaci kodu do wykonania (Java lub arkusz Excel).
DP2PNSolver działa w rodowisku komputera personalnego, na którym trzeba zainstalowa
oprogramowanie Java SDK 1.4.2 z kompilatorem „javac”. Elementy oprogramowania Java SDK
1.4.2 s dostpne jako bezpłatna aplikacja na stronie Internetowej (http://www.java.sun.com).
Poniszy rysunek prezentuje architektur systemu programowania dynamicznego DP2PNSolver:
30
Jacek Chmielewski
Zastosowanie programowania dynamicznego i sieci neuronowych
dla sektora bada naukowych i rozwoju
Rys. 3 [7] – Architektura systemu DP2PNSolver
Jzyk gDPS słuy do opisu problemu DP. Parametry, które musz by zdefiniowane do prawidłowego okrelenia problemu DP s dostpne w []. Poniej przedstawiony jest zapis problemu Matrix
Chain Multiplication (MCM):
BEGIN
NAME MatrixMultiplication;
GENERAL_VARIABLES_BEGIN
//dimension in MatMul problem
private static int [] dimension
={3,4,5,2,2};
GENERAL_VARIABLES_END
//a state is vector /list of primitive or Set types
STATE_TYPE: (int firstIndex, int secondIndex);
DECISION VARIABLE: int k;
DECISION SPACE:
decisionSet (firstIndex, secondIndex)
={ firstIndex, …,secondIndex-1 };
GOAL: f(1,4)
DPFE_BASE:
POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ
Seria: Studia i Materiały, nr 13, 2008
31
FOR (i=1;i<=4;i++){f(i,i)=0.0;}
DPFE:
f(firstIndex, secondIndex)=MIN_{k IN decisionSet}
{f(t1(firstIndex, secondIndex,k))
+f (t2(firstIndex, secondIndex,k))
+ f (r(firstIndex, secondIndex,k))};
REWARD_FUNCTION:
r(firstIndex, secondIndex,k) = dimension [firstIndex-1]
*dimension [k]
*dimension [secondIndex];
TRANSFORMATION_FUNCTION:
t1(firstIndex, secondIndex,k)= (firstIndex,k);
t2(firstIndex, secondIndex,k)= (k+1,secondIndex);
END
6. Sie
neuronowa dla tworzenia Konsorcjów:
Programy Ramowe UE stanowi bardzo istotne ródło pozyskiwania funduszy dla rozwoju
Sektora Bada Naukowych. Jak podano wyej istnieje potrzeba pozyskiwania rodków z Funduszy
Strukturalnych powyej redniej, obliczanej jako 1/27 dostpnych rodków (rozumianej jako najgorszy przypadek).
W opracowaniu [14] przedstawiłem podejcie, którego celem jest zwikszenie skutecznoci
pozyskiwania rodków, które otrzymujemy na realizacj projektów badawczych. Podejcie opiera
si na nastpujcych załoeniach:
ƒ Dane o historycznych projektach realizowanych w ramach kolejnych programach ramowych s dostpne w bazie CORDIS
ƒ Moemy zbudowa sie neuronow (SN), która jest uczona danymi historycznymi
ƒ Nauczona sie neuronowa stanowi podstaw budowy Systemu Wspomagania Decyzji
(SWD), który podpowiada nam, jakie organizacje powinny uczestniczy w projekcie. Zakładam, e pozwala to nam na zwikszenie prawdopodobiestwa pozyskania rodków.
Kluczowym elementem systemu jest umiejtno pozyskania danych z bazy CORDIS, które s
dostpne poprzez stron Internetow [12]. Istnieje potrzeba zbudowania narzdzia, które pozwoli
wykona lokaln baz danych, która nastpnie bdzie wykorzystana do nauczania SN.
Kolejnym zagadnieniem wymagajcym rozwizania jest aktualizacja lokalnej bazy danych
i okresowe uczenie SN, aby zachowa system jak najdokładniej wykorzystujcy wszystkie dane
o projektach, równie o tych, które pojawiaj si ju po nauczeniu SN.
32
Jacek Chmielewski
Zastosowanie programowania dynamicznego i sieci neuronowych
dla sektora bada naukowych i rozwoju
Dodatkowym elementem, który moe by wykorzystany w SWD budowy konsorcjów na potrzeby programów badawczych moe by wykorzystanie funkcji uytecznoci przy budowaniu
kooperacji [4]. Cel okrelany jest przez dwuczynnikow funkcj uytecznoci:
U = F (Z , Y )
Z- Oczekiwana stopa zwrotu
Y-Miara zagroenia porak
Na rynku istnieje wiele gotowych aplikacji komputerowych, które symuluj działanie SN. Do
eksperymentu zostanie wykorzystany pakiet Neuro Solution firmy Neuro Dimmension z modułem
SN [13]. Zalet tego pakietu jest jego wszechstronno w zakresie zaimplementowanych algorytmów uczcych SN i rónorodno typów SN, które s dostpne w pakiecie.
7. Podsumowanie:
Prognozowanie rozwoju Sektora Bada Naukowych jest problemem złoonym i wymaga podejcia, które opiera si na trzech filarach:
ƒ Foresight jako metoda pozyskania danych okrelajcych wymagany stan rozwoju sektora.
ƒ Długoterminowe planowanie inwestycji w sektorze z wykorzystaniem metodologii dynamicznego układu sterujcego z programowaniem dynamicznym
ƒ Krótkotrwałe strategie tworzenia korporacji na potrzeby tworzenia konsorcjów z wykorzystaniem sieci neuronowych.
Bibliografia
1. J. Kasprzyk – Towards Perception-Based Fuzzy Modeling: An Extrended Multistage Fuzzy
Control Model and Its Use in Sustainable Regional Development Planning – System Research
Institute, Polish Academy of Sciences
2. J. Kacprzyk - Studies in Computational Intelligence - Springer Berlin/Heidelberg, 1860-949X,
Volume 38/2007, ISBN 978-3-540-37013-0, http://www.springerlink.com/content/
k43371718l880301/
3. L. Bogdan, A. Straszak, J. Studziski – Poland 21st Century Infrastructure for „Global Great
Transition” (Eco – Info – Communalism) Scenarios Looking for Future System Research Solutions – System Research Institute of Polish Academy of Sciences, Warsaw, Poland
4. Roman Kulikowski – Wspomaganie Zarzdzania Wiedz i Kapitałem Intelektualnym - wykład
Instytutu Bada Systemowych, Stycze 2004-02-14
5. Lew, H. Mauch – Dynamic Programming, a Computational Tool – ISBN-10 3-540-37013-7,
Springer Berlin Heidelberg New Your
6. H. Mauch - DP2PN2Solver: a flexible dynamic programming solver software tool -Control
and Cybernetics, 2006, Vol.: 35, Part 3, pages 687-702, ISSN 0324-8569, Polish Academy of
Science,
http://direct.bl.uk/bld/PlaceOrder.do?UIN=204546811&ETOC=RN&from=searchengine
7. DP2PN2Solver: http://natsci.eckerd.edu/~mauchh/Research/DP2PN2Solver/
8. M.A. Trick – Dynamic programming example – http://mat.gsia.cmu.edu/classes/dynamic/
node2.html
9. M. Andrzejczak, A. Dbrowska - Projekt Foresight Mazovia - PIAP, Konferencja w Radomiu
8 listopada 2007
POLSKIE STOWARZYSZENIE ZARZDZANIA WIEDZ
Seria: Studia i Materiały, nr 13, 2008
33
10. K.B. Matusiak – Uwarunkowania Opracowania Regionalnej Strategii Innowacyjnoci w Województwie Zachodnio-Pomorskim - Szczecin, czerwiec – lipiec 2004
11. M. Klepka – Efekty Regionalnych Strategii Innowacji w Polsce. Rekomendacje do Analizy
Szczegółowej – Krajowy Punkt Kontaktowy Programów Badawczych UE, Warszawa, maj
2005
12. Strona Internetowa Community Research & Development Information Service,
www.cordis.europa.eu
13. Neuro Dimension, Intelligent Software Solutions - http://www.nd.com/
14. J. Chmielewski – Wirtualne Organizacje Wiedzy, Sieci Neuronowe w Zastosowaniu do
Wspomagania Tworzenia Konsorcjum, 2007, Analiza Systemowa w Finansach i Zarzdzaniu,
ISBN 978838947521, strony 22-31
APLICATIOON OF DYNAMIC PROGRAMMING AND NEURAL NETWORKS
FOR SCIENCE AND RESEARCH SEKTOR NEEDS
Summary
State development is depending on sustainable support by Science and Research
in time when innovative economy is the key measure. Nowadays Science and Research in Poland is supplied by state below average of leading European Union
states. It does not allow eliminate existing gap in Poland development versus leading
states of European Union. It is quite obvious that Poland Science and Research sector should use tools and methodology in order to gather resources on top of state
funding. These resources might be available under European Union Framework
Programms. Foresight, dynamic programming and neural network are suggested
tools for planning and adjusting Science and Research sector to long term state development strategy.
Keywords: foresight, dynamic programming, neural network, development of Science and Research organizations
Jacek Chmielewski
IBS PAN
ul. Newelska 6, 01-447 Warszawa