Розробка методики пошуку рішень з використанням популяційного алгоритму глобальної пошукової оптимізації

Автор(и)

  • Степан Володимирович Яким'як Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-1530-271X
  • Євген Анатолійович Вдовицький Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0003-0930-525X
  • Юрій Зуберович Артабаєв Центр дослідження трофейного та перспективного озброєння та військової техніки, Україна https://orcid.org/0000-0001-9446-3011
  • Лариса Миколаївна Дегтярьова Полтавський державний аграрний університет, Україна https://orcid.org/0000-0001-5927-9550
  • Юлія Валентинівна Вакуленко Полтавський державний аграрний університет, Україна https://orcid.org/0000-0002-6315-0116
  • Сергій Степанович Невгад Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-1557-9831
  • Віталій Віталійович Андронов Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0000-0002-1122-710X
  • Роман Романович Лазута Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0003-3254-9690
  • Петро Ігорович Шаповал Науково-дослідна лабораторія Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-8892-0228
  • Євген Борисович Артамонов Національний авіаційний університет, Україна https://orcid.org/0000-0002-9875-7372

DOI:

https://doi.org/10.15587/1729-4061.2023.281007

Ключові слова:

гібридні дії, штучні нейронні мережі, біоінспіровані алгоритми, застосування сил (військ) Військово-Морських Сил

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 з використанням популяційного алгоритму глобальної пошукової оптимізації. Запропоноване спільне використання алгоритму інвазивних бур’янів, удосконаленого генетичного алгоритму та штучних нейронних мереж, що еволюціонують. Методика має наступну послідовність дій:

‒ введення вихідних даних;

‒ оброблення вихідних даних з урахуванням ступеню невизначеності;

‒ формування вектору оптимізації;

‒ створення векторів-нащадків;

‒ впорядкування векторів по убуванню;

‒ скорочення розмірності простору ознак;

‒ навчання баз знань.

Особливості запропонованої методики полягає у розставленні агентів- бур’янів з урахуванням невизначеності вихідних даних, удосконаленими процедурами зменшення простору ознак про стан об’єкту аналізу.

Здійснюється навчання синаптичних ваг штучної нейронної мережі, типу та параметрів функції належності, а також архітектури окремих елементів і архітектури штучної нейронної мережі в цілому. Проведено моделювання роботи запропонованої методики в програмному середовищі MathСad 14. В якості задачі, що вирішувалася при проведенні моделювання був визначення маршруту руху суден в операційних зонах Чорного та Азовського морів в умовах гібридних дій противника. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 21–27 % 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

Степан Володимирович Яким'як, Національний університет оборони України імені Івана Черняховського

Кандидат військових наук, доцент, начальник

Кафедра військово-морських сил

Євген Анатолійович Вдовицький, Національний університет оборони України імені Івана Черняховського

Ад’юнкт

Науково-методичний центр організації наукової та науково-технічної діяльності

Юрій Зуберович Артабаєв, Центр дослідження трофейного та перспективного озброєння та військової техніки

Кандидат технічних наук, начальник відділу

Відділ досліджень комплексів бойового екіпірування

Лариса Миколаївна Дегтярьова, Полтавський державний аграрний університет

Кандидат технічних наук, доцент

Кафедра інформаційних систем і технологій

Юлія Валентинівна Вакуленко, Полтавський державний аграрний університет

Кандидат сільськогосподарчих наук, доцент

Кафедра інформаційних систем і технологій

Сергій Степанович Невгад, Національний університет оборони України імені Івана Черняховського

Кандидат військових наук, начальник

Науковий центр мовного тестування

Віталій Віталійович Андронов, Науково-дослідний інститут воєнної розвідки

Кандидат технічних наук, начальник відділу

Роман Романович Лазута, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Начальник науково-дослідного відділу

Науковий центр зв’язку та інформатизації

Петро Ігорович Шаповал, Науково-дослідна лабораторія Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук

Начальник

Науково-дослідна лабораторія

Євген Борисович Артамонов, Національний авіаційний університет

Кандидат технічних наук, доцент

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 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, 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. 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
  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., 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
  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. A 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. 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. 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. Rad, H. S., Lucas, C. (2007). A recommender system based on invasive weed optimization algorithm. 2007 IEEE Congress on Evolutionary Computation. doi: https://doi.org/10.1109/cec.2007.4425032
  24. 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
  25. 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
  26. Emel'yanov, V. V., Kureychik, V. V., Kureychik, V. M., Emel'yanov, V. V. (2003). Teoriya i praktika evolyutsionnogo modelirovaniya. Moscow: Fizmatlit, 432.
  27. 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
  28. 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
  29. 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
  30. 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
  31. 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
  32. 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
  33. 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
  34. 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
  35. 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
  36. 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
  37. 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
  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
  39. Syrotenko, A. M. (Red.) (2020). Voienni aspekty protydiyi “hibrydniy ahresiyi”: dosvid Ukrainy. Kyiv: NUOU imeni Ivana Cherniakhovskoho, 176. Available at: https://nuou.org.ua/assets/monography/mono_gibr_viin.pdf
  40. Yakymiak, S. (2021). Hybrid warfare in the Black Sea: lessons learned and training improvement. Current issues of military specialists training in the security and defence sector under conditions of hybrid threats. Warszawa: Wydawnictwo Instytutu Bezpieczeństwa I Rozwoju Międzynarodowego, 396–405. Available at: https://www.academia.edu/47706282/CURRENT_ISSUES_OF_MILITARY_SPECIALISTS_TRAINING_IN_THE_SECURITY_AND_DEFENCE_SECTOR_UNDER_CONDITIONS_OF_HYBRID_THREATS
  41. Yakimyak, S., Vdovitsky, E. (2021). Analysis of factors that may affect on the effectiveness of use the Navy duties during the protection of the economic activities of the state at sea in the context of hybrid enemy actions. Збірник Наукових Prats Tsentru Voienno-Stratehichnykh Doslidzhen NUOU Imeni Ivana Cherniakhovskoho, 1 (71), 75–81.doi: https://doi.org/10.33099/2304-2745/2021-1-71/75-81
  42. Vdovytskyi, Ye. A. (2022). Analiz isnuiuchoho naukovo-metodychnoho aparatu otsiniuvannia efektyvnosti zastosuvannia syl (viysk) VMS pid chas vykonannia zavdan zakhystu ekonomichnoi diyalnosti derzhavy na mori v umovakh hibrydnykh diy protyvnyka. Trudy universytetu, 3 (172), 202–208.
Розробка методики пошуку рішень з використанням популяційного алгоритму глобальної пошукової оптимізації

##submission.downloads##

Опубліковано

2023-06-30

Як цитувати

Яким’як, С. В., Вдовицький, Є. А., Артабаєв, Ю. З., Дегтярьова, Л. М., Вакуленко, Ю. В., Невгад, С. С., Андронов, В. В., Лазута, Р. Р., Шаповал, П. І., & Артамонов, Є. Б. (2023). Розробка методики пошуку рішень з використанням популяційного алгоритму глобальної пошукової оптимізації. Eastern-European Journal of Enterprise Technologies, 3(4 (123), 39–46. https://doi.org/10.15587/1729-4061.2023.281007

Номер

Том 3 № 4 (123) (2023): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2023 Stepan Yakymiak, Yevhenii Vdovytskyi, Yurii Artabaiev, Larisa Degtyareva, Yuliia Vakulenko, Serhii Nevhad, Vitalii Andronov, Roman Lazuta, Petro Shapoval, Yevhen Artamonov

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.