Розробка методів планування багатофакторного багаторівневого експерименту високої розмірності

Автор(и)

  • Лев Григорович Раскін Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0002-9015-4016
  • Оксана Володимирівна Сіра Національний технічний університет «Харківський політехнічний інститут» , Україна https://orcid.org/0000-0002-4869-2371

DOI:

https://doi.org/10.15587/1729-4061.2021.242304

Ключові слова:

планування багатофакторного багаторівневого експерименту, задача великої розмірності, декомпозиційний план, точний план

Анотація

Розглянуто проблему планування багатофакторного багаторівневого експерименту в задачах високої розмірності. Планування експерименту – комбінаторна задача. При цьому катастрофічно швидке зростання числа можливих варіантів планів експерименту зі збільшенням розмірності задачі виключає можливість її розв’язання з використанням точних. З іншого боку, наближені методи відшукання оптимального плану мають принципові недоліки. З них головне: відсутність можливості оцінки близькості одержуваного рішення до оптимального. За цих обставин залишається актуальним пошук методів отримання точного рішення задачі.

Розглянуті два різних підходи до отримання оптимального плану багатофакторного багаторівневого експерименту. Перший з них заснований на ідеї декомпозиції. При цьому вихідна проблемна задача високої розмірності зводиться до послідовності задач меншої розмірності, рішення кожної з яких можливо з використанням точних алгоритмів. Процедура декомпозиції, яка зазвичай реалізується емпірично, в розглянутій задачі планування експерименту вирішується із застосуванням строго формально обґрунтованої технології. Точні рішення отриманих при декомпозиції задач об'єднуються в шукане рішення вихідної задачі. Другий підхід безпосередньо призводить до точного розв'язання задачі планування багатофакторного багаторівневого експерименту для важливого окремого випадку, коли витрати на реалізацію плану експерименту пропорційні сумарному числу виконань однорівневих переходів за всіма чинниками. При цьому доведено, що запропонована процедура формування маршруту, що реалізує план експерименту, мінімізує загальне число однорівневих змін значень факторів. Розглянуто метод використання отриманого точного рішення задачі для формування набору альтернативних точних планів. Наведено приклади розв'язання задачі

Біографії авторів

Лев Григорович Раскін, Національний технічний університет «Харківський політехнічний інститут»

Доктор технічних наук, професор, завідуючий кафедри

Кафедра розподілених інформаційних систем і хмарних технологій

Оксана Володимирівна Сіра, Національний технічний університет «Харківський політехнічний інститут»

Доктор технічних наук, професор

Кафедра розподілених інформаційних систем і хмарних технологій

Посилання

  1. Nalimov, V. V., Chernova, N. A. (1965). Statisticheskie metody planirovaniya ekstremal'nyh eksperimentov. Moscow: Nauka, 340.
  2. Adleman, L. (1994). Molecular computation of solutions to combinatorial problems. Science, 266 (5187), 1021–1024. doi: https://doi.org/10.1126/science.7973651
  3. Levitin, A. V. (2006). Algoritmy: vvedenie v razrabotku i analiz. Moscow: Vil'yams, 576.
  4. Kureychik, V. M., Lebedev, B. K., Lebedev, O. K. (2006). Poiskovaya adaptaciya: teoriya i praktika. Moscow: Fizmatlit, 272.
  5. Kormen, T., Leyzerson, Ch., Rivest, R., Shtayn, K. (2006). Algoritmy: postroenie i analiz. Moscow: Vil'yam, 1296.
  6. Smith, K. (1918). On the standard deviations of adjusted and interpolated values of an observed polynomial function and its constants and the guidance they give towards a proper choice of the distribution of observations. Biometrika, 12 (1-2), 1–85. doi: https://doi.org/10.1093/biomet/12.1-2.1
  7. How to Use “Design of Experiments” to Create Robust Designs With High Yield. Available at: https://www.youtube.com/watch?v=hfdZabCVwzc
  8. Simmons, J. P., Nelson, L. D., Simonsohn, U. (2011). False-Positive Psychology: Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as Significant. Psychological Science, 22 (11), 1359–1366. doi: https://doi.org/10.1177/0956797611417632
  9. Physics envy: Do ‘hard’ sciences hold the solution to the replication crisis in psychology? Available at: https://www.theguardian.com/science/head-quarters/2014/jun/10/physics-envy-do-hard-sciences-hold-the-solution-to-the-replication-crisis-in-psychology
  10. Montgomery, D. C. (2012). Design and analysis of experiments. Wiley, 752.
  11. Blum, C. (2005). Ant colony optimization: Introduction and recent trends. Physics of Life Reviews, 2 (4), 353–373. doi: https://doi.org/10.1016/j.plrev.2005.10.001
  12. Saymon, D. (2020). Algoritmy evolyucionnoy optimizacii. Moscow: LVR Press, 940.
  13. Durbin, R., Willshaw, D. (1987). An analogue approach to the travelling salesman problem using an elastic net method. Nature, 326 (6114), 689–691. doi: https://doi.org/10.1038/326689a0
  14. Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8 (3), 338–353. doi: https://doi.org/10.1016/s0019-9958(65)90241-x
  15. Pawlak, Z. (1997). Rough set approach to knowledge-based decision support. European Journal of Operational Research, 99 (1), 48–57. doi: https://doi.org/10.1016/s0377-2217(96)00382-7
  16. Raskin, L., Sira, O. (2016). Fuzzy models of rough mathematics. Eastern-European Journal of Enterprise Technologies, 6 (4 (84)), 53–60. doi: https://doi.org/10.15587/1729-4061.2016.86739
  17. Raskin, L., Sira, O. (2016). Method of solving fuzzy problems of mathematical programming. Eastern-European Journal of Enterprise Technologies, 5 (4 (83)), 23–28. doi: https://doi.org/10.15587/1729-4061.2016.81292

##submission.downloads##

Опубліковано

2021-10-29

Як цитувати

Раскін, Л. Г., & Сіра, О. В. (2021). Розробка методів планування багатофакторного багаторівневого експерименту високої розмірності. Eastern-European Journal of Enterprise Technologies, 5(4 (113), 64–72. https://doi.org/10.15587/1729-4061.2021.242304

Номер

Розділ

Математика та кібернетика - прикладні аспекти