Zastosowanie programowania dynamicznego i sieci neuronowych dla sektora badań naukowych i rozwoju

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 Pol-sk i wiodcymi krajami Unii Europejskiej. Wydaje si oczywiste, e sektor Nauko-wo-Badawczy powinien stosowa metodologi i narzdzia, które pozwol efektywnie wykorzysta rodki ponad te, które s dostpne z budetu Pastwa. Dodatkowe dofi-nansowanie 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 kra-ju w długim horyzoncie czasowym.

Słowa kluczowe: foresight, programowanie dynamiczne, sie neuronowa, rozwój sektora Badaw-czo 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 innowa-cyjnej wydaje si celowe zwikszenie rodków w sektorze B+R. Naley zwikszy rodki dla sek-tora 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 sekto-ra 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. Meto-dyczne podejcie do pozyskiwania rodków z Programów Ramowych równie musi zapewni jak najlepsze pozyskanie tych funduszy dla Polski w konkurencji z innymi krajami.

2. Okre
lenie 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 kilkudzie-siciu 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 stra-tegii rozwojowych. (The UK Government Foresight Programme). Mamy równie przykłady prac Foresight w Polsce.

Zakładajc, e podejcie Foresight umoliwi nam okrelenie przewidywanego punktu docelo-wego w roku 2030 moemy zastosowa programowanie dynamiczne do przejcia do stanu aktual-nego, 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 pre-cyzyjnie okreli charakter konsorcjów taktycznych, które bdziemy tworzy do pozyskiwania rodków w ramach Funduszy Strukturalnych UE. Systemem pomocnym tworzenie sojuszy taktycz-nych 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 Fundu-szy 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 innowa-cyjne usługi transferowane do wdroenia w innowacyjnych przedsibiorstwach.

Aktualny stan rozwoju Parków Wiedzy i Technologii mona znale na Portalu Innowacji (http://www.pi.gov.pl/).

4. Dane wej
ciowe 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 po-przez 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 re-gionalnego [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 odzwierciedlo-ne 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. Klu-czowym 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 wiod-cymi krajami UE 27.

Obliczenia bd wykonywane w oparciu o programowanie dynamiczne w modelu [1] odpowiada-jcym Społeczno-Ekonomicznemu Rozwojowi Regionalnemu.

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 wskani-ków jakoci ycia, które zostały okrelone jako jako ekonomiczna, rodowiskowa, mieszka, słuby zdrowia, infrastruktury, moliwoci znalezienia zatrudnienia i moliwoci spdzania wolne-go 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.

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 ocze-kiwanego 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 po-szczególnych 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]:

) , ( 1 1u i At− t− 1 − t C Subjective evaluation Partitioning rule 1 − t u 1 7 − t x t t t u x f 7 1 7 1 7 1 t 7 _{(x , )=} − − − t x7 t x1 t x 1 1 − t u 1 7 − t u t t t u x f 1 1 1 1 1 1 t 1 _{(x , )=} − − − 1 1 − t x t s G t o G

Rys.2 [8]– Backward recursion w programowaniu dynamicznym

Zgodnie z wczeniej podanymi informacjami o okresach obowizywania poszczególnych Pro-gramów 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) reprezentu-jc sie Bellmana (BN). W warstwie przejciowej problem jest standaryzowany do mo-delu 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:

Rys. 3 [7] – Architektura systemu DP2PNSolver

Jzyk gDPS słuy do opisu problemu DP. Parametry, które musz by zdefiniowane do prawidło-wego 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)

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 naj-gorszy 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 ramo-wych 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. Za-kładam, 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.

Dodatkowym elementem, który moe by wykorzystany w SWD budowy konsorcjów na po-trzeby programów badawczych moe by wykorzystanie funkcji uytecznoci przy budowaniu kooperacji [4]. Cel okrelany jest przez dwuczynnikow funkcj uytecznoci:

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 algoryt-mów uczcych SN i rónorodno typów SN, które s dostpne w pakiecie.

7. Podsumowanie:

Prognozowanie rozwoju Sektora Bada Naukowych jest problemem złoonym i wymaga po-dejcia, 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

dyna-micznego układu sterujcego z programowaniem dynamicznym

ƒ Krótkotrwałe strategie tworzenia korporacji na potrzeby tworzenia konsorcjów z wyko-rzystaniem 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 So-lutions – 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

(

Z

Y

)

F

10. K.B. Matusiak – Uwarunkowania Opracowania Regionalnej Strategii Innowacyjnoci w Wo-jewództwie 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 Re-search 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 sec-tor 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 de-velopment strategy.

Keywords: foresight, dynamic programming, neural network, development of Science and Re-search organizations

Jacek Chmielewski IBS PAN