Удосконалення методики пошуку рішень на основі алгоритму зозулі

Автор(и)

  • Basem Abdullah Mohammed Bilad Alrafidain University College, Ірак https://orcid.org/0000-0002-5745-0964
  • Олександр Володимирович Жук Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-3546-1507
  • Роман Миколайович Возняк Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-3789-2837
  • Ігор Володимирович Борисов Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0000-0003-2276-9913
  • Володимир Володимирович Петрожалко Центральний науково-дослідний інститут Збройних Сил України, Україна https://orcid.org/0000-0003-3240-6948
  • Ігор Георгійович Давидов Центральний науково-дослідний інститут Збройних Сил України, Україна https://orcid.org/0000-0001-9263-3267
  • Олег Володимирович Борисов Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-9460-2605
  • Олександр Володимирович Єфименко Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0003-0628-7893
  • Надія Михайлівна Протас Полтавський державний аграрний університет, Україна https://orcid.org/0000-0003-0943-0587
  • Світлана Олександрівна Кашкевич Національний авіаційний університет, Україна https://orcid.org/0000-0002-4448-3839

DOI:

https://doi.org/10.15587/1729-4061.2023.277608

Ключові слова:

алгоритм зозулі, штучні нейронні мережі, біоінспіровані алгоритми, неоднорідні об’єкти управління

Анотація

Запропоновано удосконалену методику пошуку рішень на основі алгоритму зозулі. Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою методів штучного інтелекту. Гіпотезою дослідження є підвищення оперативності прийняття рішення при заданій достовірності оцінювання. Запропонована методика заснована на поєднанні алгоритму зозулі та штучних нейронних мереж, що еволюціонують. Методика має наступні відмінності:

‒ додатково відбувається оброблення вихідних даних з урахуванням невизначеності про стан об’єктів управління та додатково враховується тип зашумленості даних про стан об’єкту управління;

‒ здійснюється коригування моделі стану об’єкту управління з урахуванням наявних обчислювальних ресурсів системи;

‒ додані процедури зменшення ймовірності виявлення гнізд та зменшення довжини кроку зозулі;

‒ додатково відбувається навчання баз знань про об’єкти управління. Процедура навчання полягає в тому, що відбувається навчання синаптичних ваг штучної нейронної мережі, типу та параметрів функції належності, а також архітектури окремих елементів і архітектури штучної нейронної мережі в цілому. Проведено оцінку ефективності запропонованої методики і встановлено, що запропонована модифікація забезпечують краще значення цільової функції порівняно з результатами, отриманими іншими авторами та забезпечує виконання всіх обмежень. Зазначений приклад показав підвищення ефективності оперативності обробки даних на рівні 21–28 % за рахунок використання додаткових удосконалених процедур. Запропоновану методику доцільно використовувати в системах підтримки прийняття рішень автоматизованих системах управління

Біографії авторів

Basem Abdullah Mohammed, Bilad Alrafidain University College

PhD, Lecturer

Department of Aeronautical Techniques Engineering

Олександр Володимирович Жук, Національний університет оборони України імені Івана Черняховського

Доктор технічних наук, доцент, начальник кафедри

Кафедра комунікаційних технологій та кіберзахисту

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

Ігор Володимирович Борисов, Науково-дослідний інститут воєнної розвідки

Кандидат технічних наук, доцент

Заступник начальника інституту з наукової роботи

Володимир Володимирович Петрожалко, Центральний науково-дослідний інститут Збройних Сил України

Кандидат технічних наук, провідний науковий співробітник

Науково-дослідний відділ

Ігор Георгійович Давидов, Центральний науково-дослідний інститут Збройних Сил України

Кандидат військових наук, начальник науково-дослідного відділу

Науково-дослідний відділ

Олег Володимирович Борисов, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Кандидат технічних наук, старший викладач

Кафедра побудови телекомунікаційних систем

Олександр Володимирович Єфименко, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра будівельних і дорожніх машин

Надія Михайлівна Протас, Полтавський державний аграрний університет

Кандидат сільськогосподарських наук, доцент

Кафедра інформаційних систем і технологій

Світлана Олександрівна Кашкевич, Національний авіаційний університет

Старший викладач

Кафедра комп’ютеризованих систем управління

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 viiskova 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, Ye., Trotsko, O., Neroznak, Ye. (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. 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: http://doi.org/10.17073/2072-1633-2019-1-97-106
  8. Zagranovskaya, A. V., Eyssner, Yu. N. (2017). Modelirovanie stsenariev razvitiya ekonomicheskoy situatsii na osnove nechetkikh kognitivnykh kart. Sovremennaya Ekonomika: Problemy i Resheniya, 10, 33–47. doi: https://doi.org/10.17308/meps.2017.10/1754
  9. Simankov, V. S., Putyato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Sistemniy analiz, upravlenie i obrabotka informatsii, 13, 31‒35.
  10. 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
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. Harding, J. L. (2013). Data quality in the integration and analysis of data from multiple sources: some research challenges. 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
  18. 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
  19. Gorelova, G. V. (2013). Kognitivnyy podkhod k imitatsionnomu modelirovaniyu slozhnykh sistem. Izvestiya YuFU. Tekhnicheskie nauki, 3, 239–250.
  20. 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
  21. Gurko, A., Hurko, V. (2022). Bio-inspired methods for planning the path of mobile robots. Bulletin of Kharkov National Automobile and Highway University, 98, 37–50. doi: https://doi.org/10.30977/bul.2219-5548.2022.98.0.37
  22. 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
  23. Rotshteyn, A. P. (1999). Intellektual'nye tekhnologii identifikatsii: nechetkie mnozhestva, geneticheskie algoritmy, neyronnye seti. Vinnitsa: “UNIVERSUM”, 320.
  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. 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
  32. 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
  33. Lovska, A. 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
  34. 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
  35. 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
  36. 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 (05), 37‒44. doi: https://doi.org/10.46338/ijetae0521_05
  37. 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
  38. 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 методики пошуку рішень на основі алгоритму зозулі

##submission.downloads##

Опубліковано

2023-04-29

Як цитувати

Mohammed, B. A., Жук, О. В., Возняк, Р. М., Борисов, І. В., Петрожалко, В. В., Давидов, І. Г., Борисов, О. В., Єфименко, О. В., Протас, Н. М., & Кашкевич, С. О. (2023). Удосконалення методики пошуку рішень на основі алгоритму зозулі. Eastern-European Journal of Enterprise Technologies, 2(4 (122), 23–30. https://doi.org/10.15587/1729-4061.2023.277608

Номер

Том 2 № 4 (122) (2023): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2023 Basem Abdullah Mohammed, Oleksandr Zhuk, Roman Vozniak, Ihor Borysov, Volodymyr Petrozhalko, Igor Davydov, Oleh Borysov, Oleksandr Yefymenko, Nadiia Protas, Svitlana Kashkevich

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.