Удосконалення методики параметричного управління об’єкту управління на основі удосконаленого алгоритму світлячків

Автор(и)

  • Юрій Володимирович Журавський Житомирський військовий інститут імені С. П. Корольова, Україна https://orcid.org/0000-0002-4234-9732
  • Олексій Леонідович Налапко Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-3515-2026
  • Роман Миколайович Возняк Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-3789-2837
  • Андрій Олександрович Веретнов Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0003-0160-7325
  • Олег Вікторович Шкнай Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0000-0002-5572-4917
  • Антон Петрович Нікітенко Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0003-0015-4440
  • Олександр Миколайович Печорін Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0003-3130-2952
  • Юрій Іванович Міхєєв Житомирський військовий інститут імені С. П. Корольова, Україна https://orcid.org/0000-0002-6239-2324
  • Віталій Вікторович Шевчук Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-8532-739X
  • Микола Миколайович Зайцев Центр дослідження трофейного та перспективного озброєння та військової техніки, Україна https://orcid.org/0000-0003-0322-5910

DOI:

https://doi.org/10.15587/1729-4061.2022.265713

Ключові слова:

об’єкт управління, алгоритм світлячків, зашумленість даних, оперативність оцінювання, достовірність рішень

Анотація

Проблема, яка вирішується в дослідженні, – підвищення оперативності прийняття рішення щодо стану об’єкту управління при забезпеченні заданої достовірності незалежно від ієрархічності об’єкту. Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес оцінювання та параметричного управління станом об’єкту управління за допомогою алгоритму світлячків. Гіпотезою дослідження є підвищення оперативності оцінювання стану об’єкту управління при заданій достовірності оцінювання. В ході дослідження запропоновано удосконалену методику параметричного управління об’єктом управління на основі удосконаленого алгоритму світлячків. В ході проведеного дослідження використовувалися загальні положення теорії штучного інтелекту – для вирішення задачі аналізу стану об’єктів та послідуючого параметричного управління в інтелектуальних системах підтримки прийняття рішень.

Сутність удосконалення полягає в використанні наступних процедур:

− врахування типу невизначеності про стан об’єкту управління (повна невизначеність, часткова невизначеність та повна обізнаність);

− врахування ступеню зашумленості даних про стан об’єкту управління. Під зашумленістю даних мається на увазі ступінь викривлення інформації, що створюються засобами радіоелектронної боротьби та кіберборотьби противника;

− використання удосконаленого алгоритму світлячків для пошуку метрики шляху при оцінюванні стану об’єкту управління;

− глибокого навчання синтезованих мурах за допомогою штучних нейронних мереж, що еволюціонують.

Проведений приклад використання запропонованої методики на прикладі оцінки стану оперативної обстановки угруповання війсь (сил). Зазначений приклад показав підвищення ефективності оперативності обробки даних на рівні 17–20 % за рахунок використання додаткових удосконалених процедур

Біографії авторів

Юрій Володимирович Журавський, Житомирський військовий інститут імені С. П. Корольова

Доктор технічних наук, старший науковий співробітник, начальник кафедри

Кафедра електротехніки та електроніки

Олексій Леонідович Налапко, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Доктор філософії, старший науковий співробітник

Науково-дослідна лабораторія автоматизації наукових досліджень

Роман Миколайович Возняк, Національний університет оборони України імені Івана Черняховського

Доктор філософії, заступник начальника кафедри

Кафедра застосування інформаційних технологій та інформаційної безпеки

Інститут забезпечення військ (сил) та інформаційних технологій

Андрій Олександрович Веретнов, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, провідний науковий співробітник

Науково-дослідний відділ

Олег Вікторович Шкнай, Науково-дослідний інститут воєнної розвідки

Кандидат технічних наук, провідний науковий співробітник

Науково-дослідний відділ

Антон Петрович Нікітенко, Національний університет оборони України імені Івана Черняховського

Доктор філософії, доцент

Кафедра оперативного мистецтва

Інститут державного військового управління

Олександр Миколайович Печорін, Національний університет оборони України імені Івана Черняховського

Кандидат військових наук, доцент

Кафедра десантно-штурмових військ і сил спеціальних операцій

Командно-штабний інститут застосування військ (сил)

Юрій Іванович Міхєєв, Житомирський військовий інститут імені С. П. Корольова

Кандидат технічних наук, начальник

Науково-дослідний відділ інформаційної та кібернетичної безпеки

Науковий центр

Віталій Вікторович Шевчук, Національний університет оборони України імені Івана Черняховського

Кандидат військових наук, доцент

Кафедра стратегії національної безпеки та оборони

Інститут державного військового управління

Микола Миколайович Зайцев, Центр дослідження трофейного та перспективного озброєння та військової техніки

Кандидат юридичних наук, начальник відділу

Юридичний відділ

Посилання

  1. Bashkyrov, O. M., Kostyna, O. M., Shyshatskyi, A. V. (2015). Rozvytok intehrovanykh system zviazku ta peredachi danykh dlia potreb Zbroinykh Syl. Ozbroiennia ta viyskova tekhnika, 1, 35–39. Available at: http://nbuv.gov.ua/UJRN/ovt_2015_1_7
  2. Dudnyk, V., Sinenko, Y., Matsyk, M., Demchenko, Y., Zhyvotovskyi, R., Repilo, I. et al. (2020). Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (2 (105)), 37–47. doi: https://doi.org/10.15587/1729-4061.2020.203301
  3. Sova, O., Shyshatskyi, A., Salnikova, O., Zhuk, O., Trotsko, O., Hrokholskyi, Y. (2021). Development of a method for assessment and forecasting of the radio electronic environment. EUREKA: Physics and Engineering, 4, 30–40. doi: https://doi.org/10.21303/2461-4262.2021.001940
  4. Pievtsov, H., Turinskyi, O., Zhyvotovskyi, R., Sova, O., Zvieriev, O., Lanetskii, B., Shyshatskyi, A. (2020). Development of an advanced method of finding solutions for neuro-fuzzy expert systems of analysis of the radioelectronic situation. EUREKA: Physics and Engineering, 4, 78–89. doi: https://doi.org/10.21303/2461-4262.2020.001353
  5. Zuiev, P., Zhyvotovskyi, R., Zvieriev, O., Hatsenko, S., Kuprii, V., Nakonechnyi, O. et al. (2020). Development of complex methodology of processing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 4 (9 (106)), 14–23. doi: https://doi.org/10.15587/1729-4061.2020.208554
  6. Shyshatskyi, A. (2020). Complex Methods of Processing Different Data in Intellectual Systems for Decision Support System. International Journal of Advanced Trends in Computer Science and Engineering, 9 (4), 5583–5590. doi: https://doi.org/10.30534/ijatcse/2020/206942020
  7. Yeromina, N., Kurban, V., Mykus, S., Peredrii, O., Voloshchenko, O., Kosenko, V. et al. (2021). The Creation of the Database for Mobile Robots Navigation under the Conditions of Flexible Change of Flight Assignment. International Journal of Emerging Technology and Advanced Engineering, 11 (5), 37–44. doi: https://doi.org/10.46338/ijetae0521_05
  8. Rotshteyn, A. P. (1999). Intellektual'nye tekhnologii identifikatsii: nechetkie mnozhestva, geneticheskie algoritmy, neyronnye seti. Vinnitsa: “UNIVERSUM”, 320.
  9. Alpeeva, E. A., Volkova, I. I. (2019). The use of fuzzy cognitive maps in the development of an experimental model of automation of production accounting of material flows. Russian Journal of Industrial Economics, 12 (1), 97–106. doi: https://doi.org/10.17073/2072-1633-2019-1-97-106
  10. Zagranovskaya, A. V., Eissner, Y. N. (2017). Simulation scenarios of the economic situation based on fuzzy cognitive maps. Modern Economics: Problems and Solutions, 10 (94), 33–47. Available at: https://journals.vsu.ru/meps/article/view/6322/6385
  11. Simankov, V. S., Putyato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Sistemniy analiz, upravlenie i obrabotka informatsii, 13, 31‒35.
  12. Ko, Y.-C., Fujita, H. (2019). An evidential analytics for buried information in big data samples: Case study of semiconductor manufacturing. Information Sciences, 486, 190–203. doi: https://doi.org/10.1016/j.ins.2019.01.079
  13. Ramaji, I. J., Memari, A. M. (2018). Interpretation of structural analytical models from the coordination view in building information models. Automation in Construction, 90, 117–133. doi: https://doi.org/10.1016/j.autcon.2018.02.025
  14. Pérez-González, C. J., Colebrook, M., Roda-García, J. L., Rosa-Remedios, C. B. (2019). Developing a data analytics platform to support decision making in emergency and security management. Expert Systems with Applications, 120, 167–184. doi: https://doi.org/10.1016/j.eswa.2018.11.023
  15. Chen, H. (2018). Evaluation of Personalized Service Level for Library Information Management Based on Fuzzy Analytic Hierarchy Process. Procedia Computer Science, 131, 952–958. doi: https://doi.org/10.1016/j.procs.2018.04.233
  16. Chan, H. K., Sun, X., Chung, S.-H. (2019). When should fuzzy analytic hierarchy process be used instead of analytic hierarchy process? Decision Support Systems, 125, 113114. doi: https://doi.org/10.1016/j.dss.2019.113114
  17. Osman, A. M. S. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633. doi: https://doi.org/10.1016/j.future.2018.06.046
  18. Gödri, I., Kardos, C., Pfeiffer, A., Váncza, J. (2019). Data analytics-based decision support workflow for high-mix low-volume production systems. CIRP Annals, 68 (1), 471–474. doi: https://doi.org/10.1016/j.cirp.2019.04.001
  19. Harding, J. L. (2013). Data quality in the integration and analysis of data from multiple sources: some research challenges. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-2/W1, 59–63. doi: https://doi.org/10.5194/isprsarchives-xl-2-w1-59-2013
  20. Kosko, B. (1986). Fuzzy cognitive maps. International Journal of Man-Machine Studies, 24 (1), 65–75. doi: https://doi.org/10.1016/s0020-7373(86)80040-2
  21. Gorelova, G. V. (2013). Kognitivnyy podkhod k imitatsionnomu modelirovaniyu slozhnykh sistem. Izvestiya YuFU. Tekhnicheskie nauki, 3, 239–250.
  22. Koshlan, A., Salnikova, O., Chekhovska, M., Zhyvotovskyi, R., Prokopenko, Y., Hurskyi, T. et al. (2019). Development of an algorithm for complex processing of geospatial data in the special-purpose geoinformation system in conditions of diversity and uncertainty of data. Eastern-European Journal of Enterprise Technologies, 5 (9 (101)), 35–45. doi: https://doi.org/10.15587/1729-4061.2019.180197
  23. Mahdi, Q. A., Shyshatskyi, A., Prokopenko, Y., Ivakhnenko, T., Kupriyenko, D., Golian, V. et al. (2021). Development of estimation and forecasting method in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (9 (111)), 51–62. doi: https://doi.org/10.15587/1729-4061.2021.232718
  24. Emel'yanov, V. V., Kureychik, V. V., Kureychik, V. M., Emel'yanov, V. V. (2003). Teoriya i praktika evolyutsionnogo modelirovaniya. Moscow: Fizmatlit, 432.
  25. Gorokhovatsky, V., Stiahlyk, N., Tsarevska, V. (2021). Combination method of accelerated metric data search in image classification problems. Advanced Information Systems, 5 (3), 5–12. doi: https://doi.org/10.20998/2522-9052.2021.3.01
  26. Levashenko, V., Liashenko, O., Kuchuk, H. (2020). Building Decision Support Systems based on Fuzzy Data. Advanced Information Systems, 4 (4), 48–56. doi: https://doi.org/10.20998/2522-9052.2020.4.07
  27. Meleshko, Y., Drieiev, O., Drieieva, H. (2020). Method of identification bot profiles based on neural networks in recommendation systems. Advanced Information Systems, 4 (2), 24–28. doi: https://doi.org/10.20998/2522-9052.2020.2.05
  28. Kuchuk, N., Merlak, V., Skorodelov, V. (2020). A method of reducing access time to poorly structured data. Advanced Information Systems, 4 (1), 97–102. doi: https://doi.org/10.20998/2522-9052.2020.1.14
  29. Shyshatskyi, A., Tiurnikov, M., Suhak, S., Bondar, O., Melnyk, A., Bokhno, T., Lyashenko, A. (2020). Method of assessment of the efficiency of the communication of operational troop grouping system. Advanced Information Systems, 4 (1), 107–112. doi: https://doi.org/10.20998/2522-9052.2020.1.16
  30. 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
  31. Lytvyn, V., Vysotska, V., Pukach, P., Brodyak, O., Ugryn, D. (2017). Development of a method for determining the keywords in the slavic language texts based on the technology of web mining. Eastern-European Journal of Enterprise Technologies, 2 (2 (86)), 14–23. doi: https://doi.org/10.15587/1729-4061.2017.98750
  32. Stepanenko, A., Oliinyk, A., Deineha, L., Zaiko, T. (2018). Development of the method for decomposition of superpositions of unknown pulsed signals using the second­order adaptive spectral analysis. Eastern-European Journal of Enterprise Technologies, 2 (9 (92)), 48–54. doi: https://doi.org/10.15587/1729-4061.2018.126578
  33. Koval, M., Sova, O., Orlov, O., Shyshatskyi, A., Artabaiev, Y., Shknai, O. et al. (2022). Improvement of complex resource management of special-purpose communication systems. Eastern-European Journal of Enterprise Technologies, 5 (9 (119)), 34–44. doi: https://doi.org/10.15587/1729-4061.2022.266009
  34. Gorbenko, I., Ponomar, V. (2017). Examining a possibility to use and the benefits of post-quantum algorithms dependent on the conditions of their application. Eastern-European Journal of Enterprise Technologies, 2 (9 (86)), 21–32. doi: https://doi.org/10.15587/1729-4061.2017.96321
  35. Lovska, A. (2015). Peculiarities of computer modeling of strength of body bearing construction of gondola car during transportation by ferry-bridge. Metallurgical and Mining Industry, 1, 49–54. Available at: https://www.metaljournal.com.ua/assets/Journal/english-edition/MMI_2015_1/10%20Lovska.pdf
  36. Lovska, A., Fomin, O. (2020). A new fastener to ensure the reliability of a passenger car body on a train ferry. Acta Polytechnica, 60 (6). doi: https://doi.org/10.14311/ap.2020.60.0478
Удосконалення методики параметричного управління об’єкту управління на основі удосконаленого алгоритму світлячків

##submission.downloads##

Опубліковано

2022-12-30

Як цитувати

Журавський, Ю. В., Налапко, О. Л., Возняк, Р. М., Веретнов, А. О., Шкнай, О. В., Нікітенко, А. П., Печорін, О. М., Міхєєв, Ю. І., Шевчук, В. В., & Зайцев, М. М. (2022). Удосконалення методики параметричного управління об’єкту управління на основі удосконаленого алгоритму світлячків. Eastern-European Journal of Enterprise Technologies, 6(3 (120), 6–13. https://doi.org/10.15587/1729-4061.2022.265713

Номер

Розділ

Процеси управління