Розробка методики пошуку рішень в сфері національної безпеки з використанням біоінспірованих алгоритмів

Автор(и)

  • Володимир Валерійович Коваль Генеральний штаб Збройних Сил України , Україна https://orcid.org/0000-0002-6209-6779
  • Андрій Володимирович Шишацький Київський національний університет імені Тараса Шевченка, Україна https://orcid.org/0000-0001-6731-6390
  • Руслан Іванович Рансевич ДП “Центральний науково-дослідний інститут навігації і управління”, Україна https://orcid.org/0000-0002-6076-5633
  • Вікторія Леонідівна Гура Київський національний університет імені Тараса Шевченка, Україна https://orcid.org/0000-0002-4870-4037
  • Олексій Леонідович Налапко Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-3515-2026
  • Лариса Миколаївна Шипілова Київський національний університет імені Тараса Шевченка, Україна https://orcid.org/0000-0002-5682-3570
  • Надія Михайлівна Протас Полтавський державний аграрний університет, Україна https://orcid.org/0000-0003-0943-0587
  • Олександр Віталійович Волков Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0009-0003-3777-6195
  • Олександр Леонідович Становський Національний університет «Одеська політехніка», Україна https://orcid.org/0000-0002-0360-1173
  • Олена Євгенівна Чайковська Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-0656-9105

DOI:

https://doi.org/10.15587/1729-4061.2023.280355

Ключові слова:

оперативність прийняття рішень, системи підтримки прийняття рішень, складні процеси, національна безпека

Анотація

Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою біоінспірованих алгоритмів.

Запропоновано методику пошуку рішень в сфері національної безпеки з використанням біоінспірованих алгоритмів. Запропонована методика заснована на поєднанні штучного алгоритму кажанів та штучних нейронних мереж, що еволюціонують. Методика має наступну послідовність дій:

‒ введення вихідних даних;

‒ оброблення вихідних даних з урахуванням ступеню невизначеності;

‒ нумерація агентів-кажанів (АК);

‒ розставлення агентів-кажанів з урахування ступеню невизначеності про стан об’єкту аналізу у просторі пошуку;

‒ задання початкової швидкості АК та частоти ехолокації кожного АК;

‒ запуск локального пошуку;

‒ запуск глобального пошуку;

‒ навчання баз знань агентів-кажанів.

Оригінальність запропонованої методики полягає у розставленні агентів-кажанів з урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального опушку з урахуванням ступеню зашумленості даних про стан об’єкту аналізу.

Також особливістю запропонованої методики полягає в використанні удосконаленої процедури навчання агентів-кажанів. 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. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 13–21 % за рахунок використання додаткових удосконалених процедур. Запропоновану методику доцільно використовувати для вирішення задач оцінки складних та динамічних процесів в інтересах вирішення завдань національної безпеки

Біографії авторів

Володимир Валерійович Коваль, Генеральний штаб Збройних Сил України

Кандидат військових наук, старший науковий співробітник, заступник начальника

Андрій Володимирович Шишацький, Київський національний університет імені Тараса Шевченка

Кандидат технічних наук, старший дослідник

Навчально-науковий інститут публічного управління та державної служби

Руслан Іванович Рансевич, ДП “Центральний науково-дослідний інститут навігації і управління”

Кандидат військових наук, директор

Вікторія Леонідівна Гура, Київський національний університет імені Тараса Шевченка

Кандидат економічних наук, доцент, заступник директора з науково-педагогічної роботи

Навчально-науковий інститут публічного управління та державної служби

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

Лариса Миколаївна Шипілова, Київський національний університет імені Тараса Шевченка

Кандидат політичних наук, доцент

Кафедра глобальної та національної безпеки

Навчально-науковий інститут публічного управління та державної служби

Надія Михайлівна Протас, Полтавський державний аграрний університет

Кандидат сільськогосподарських наук, доцент

Кафедра інформаційних систем та технологій

Олександр Віталійович Волков, Науково-дослідний інститут воєнної розвідки

Кандидат технічних наук, старший науковий співробітник, начальник

Науково-дослідне управління

Олександр Леонідович Становський, Національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра інтегрованих технологій управління

Олена Євгенівна Чайковська, Національний університет оборони України імені Івана Черняховського

Старший викладач

Кафедра керівництва військами (силами) в мирний час

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, 33‒47. doi: doi: https://doi.org/10.17308/meps.2017.10/1754
  11. Simankov, V. S., Putyato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Sistemnyy 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.
  22. Koval, M., Sova, O., Shyshatskyi, A., Artabaiev, Y., Garashchuk, N., Yivzhenko, Y. et al. (2022). Improving the method for increasing the efficiency of decision-making based on bio-inspired algorithms. Eastern-European Journal of Enterprise Technologies, 6 (4 (120)), 6–13. doi: https://doi.org/10.15587/1729-4061.2022.268621
  23. Lagunova, A. D. (2019). Algoritm letuchikh myshey (BA) dlya zadachi global'noy bezuslovnoy optimizatsii. Original Research Journal, 9 (6), 101–116.
  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.
  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
  38. 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
Розробка методики пошуку рішень в сфері національної безпеки з використанням біоінспірованих алгоритмів

##submission.downloads##

Опубліковано

2023-06-30

Як цитувати

Коваль, В. В., Шишацький, А. В., Рансевич, Р. І., Гура, В. Л., Налапко, О. Л., Шипілова, Л. М., Протас, Н. М., Волков, О. В., Становський, О. Л., & Чайковська, О. Є. (2023). Розробка методики пошуку рішень в сфері національної безпеки з використанням біоінспірованих алгоритмів. Eastern-European Journal of Enterprise Technologies, 3(4 (123), 6–13. https://doi.org/10.15587/1729-4061.2023.280355

Номер

Розділ

Математика та кібернетика - прикладні аспекти