Удосконалення методу оптимізації на основі алгоритму кошачої зграї

Автор(и)

  • Володимир Валерійович Коваль Генеральний штаб Збройних Сил України, Україна https://orcid.org/0000-0002-6209-6779
  • Олена Петрівна Нечипорук Національний авіаційний університет, Україна https://orcid.org/0000-0001-8203-7998
  • Андрій Володимирович Шишацький Центр дослідження трофейного та перспективного озброєння та військової техніки, Україна https://orcid.org/0000-0001-6731-6390
  • Олексій Леонідович Налапко Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-3515-2026
  • Олег Вікторович Шкнай Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0000-0002-5572-4917
  • Євген Олександрович Живило Національний університет “Полтавська політехніка імені Юрія Кондратюка”, Україна https://orcid.org/0000-0003-4077-7853
  • Віктор Борисович Єрко Державний науково-дослідний інститут авіації, Україна https://orcid.org/0000-0002-5150-5303
  • Борис Георгійович Кремінський Інститут модернізації змісту освіти, Україна https://orcid.org/0000-0002-1689-6986
  • Олександр Васильович Ковбасюк Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-2481-2877
  • Олексій Леонідович Налапко Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0003-2391-4190

DOI:

https://doi.org/10.15587/1729-4061.2023.273786

Ключові слова:

об’єкт управління, алгоритм котячої зграї, невизначеність даних, оперативність оцінювання, достовірність рішень

Анотація

Проблема, яка вирішується в дослідженні, є підвищення оперативності прийняття рішення в задачах управління при забезпеченні заданої достовірності незалежно від ієрархічності об’єкту. Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою удосконаленого алгоритму кошачої зграї. Гіпотезою дослідження є можливість підвищення оперативності прийняття рішення при заданій достовірності оцінювання. В ході дослідження запропоновано удосконалений метод параметричної оптимізації на основі удосконаленого алгоритму кошачої зграї. 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 методу полягає в використанні наступних процедур, які удосконалюють обидві базові процедури алгоритму кошачої зграї, а саме пошуку та погоні:

– навчання особин котячої зграї за допомогою штучних нейронних мереж, що еволюціонують;

– врахування типу невизначеності вихідних даних при побудові метрики шляху котячої зграї, що зменшує час пошуку оптимального рішення;

– пошуку рішення у декількох напрямках з використанням особин з кошачої зграї що зменшує час пошуку оптимального рішення;

– початкового виставлення особин з кошачої зграї не випадковим чином;

– додатковим врахуванням параметру погоні, який обмежує ділянку погоні, що дозволяє врахувати пріоритетність пошуку;

– можливість визначати потребу в залученні додаткових апаратних ресурсах мережі.

Проведений приклад використання запропонованого методу на прикладі оцінки стану оперативної обстановки угруповання війсь (сил). Зазначений приклад показав підвищення ефективності оперативності обробки даних на рівні 17–23 % за рахунок використання додаткових удосконалених процедур

Біографії авторів

Володимир Валерійович Коваль, Генеральний штаб Збройних Сил України

Кандидат військових наук, старший науковий співробітник

Заступник начальника

Олена Петрівна Нечипорук, Національний авіаційний університет

Доктор технічних наук, доцент

Кафедра комп’ютеризованих систем управління

Андрій Володимирович Шишацький, Центр дослідження трофейного та перспективного озброєння та військової техніки

Кандидат технічних наук, старший дослідник, начальник відділу

Відділ досліджень роботизованих систем

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

Олег Вікторович Шкнай, Науково-дослідний інститут воєнної розвідки

Кандидат технічних наук, провідний науковий співробітник

Науково-дослідний відділ

Євген Олександрович Живило, Національний університет “Полтавська політехніка імені Юрія Кондратюка”

Кандидат наук з державного управління, доцент

Кафедра комп’ютерних та інформаційних технологій і систем

Віктор Борисович Єрко, Державний науково-дослідний інститут авіації

Кандидат технічних наук, начальник науково-дослідного відділу, заступник начальника науково-дослідного управління

Борис Георгійович Кремінський, Інститут модернізації змісту освіти

Доктор педагогічних наук, професор, начальник відділу

Відділ роботи з обдарованою молоддю

Олександр Васильович Ковбасюк, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічний наук

Начальник науково-дослідного відділу, заступник начальника науково-дослідного управління

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

Кандидат технічних наук, начальник

Науково-дослідна лабораторія автоматизації наукових досліджень

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., Zvieriev, O., Salnikova, O., Demchenko, Y., Trotsko, O., Neroznak, Y. (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, 33–47. doi: https://doi.org/10.17308/meps.2017.10/1754
  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). Cognitive approach to simulation of large systems. Izvestiya YuFU. Tekhnicheskie nauki, 3, 239–250. Available at: https://cyberleninka.ru/article/n/kognitivnyy-podhod-k-imitatsionnomu-modelirovaniyu-slozhnyh-sistem
  22. Orouskhani, M., Orouskhani, Y., Mansouri, M., Teshnehlab, M. (2013). A Novel Cat Swarm Optimization Algorithm for Unconstrained Optimization Problems. International Journal of Information Technology and Computer Science, 5 (11), 32–41. doi: https://doi.org/10.5815/ijitcs.2013.11.04
  23. 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
  24. 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
  25. Emel'yanov, V. V., Kureychik, V. V., Kureychik, V. M., Emel'yanov, V. V. (2003). Teoriya i praktika evolyutsionnogo modelirovaniya. Moscow: Fizmatlit, 432.
  26. 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
  27. 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
  28. 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
  29. 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
  30. 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
  31. 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
  32. 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
  33. 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
  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
  37. 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
Удосконалення методу оптимізації на основі алгоритму кошачої зграї

##submission.downloads##

Опубліковано

2023-02-28

Як цитувати

Коваль, В. В., Нечипорук, О. П., Шишацький, А. В., Налапко, О. Л., Шкнай, О. В., Живило, Є. О., Єрко, В. Б., Кремінський, Б. Г., Ковбасюк, О. В., & Налапко, О. Л. (2023). Удосконалення методу оптимізації на основі алгоритму кошачої зграї. Eastern-European Journal of Enterprise Technologies, 1(9 (121), 41–48. https://doi.org/10.15587/1729-4061.2023.273786

Номер

Розділ

Інформаційно-керуючі системи