Розробка методики пошуку рішень з використанням удосконаленого алгоритму стрибаючих жаб

Автор(и)

  • Ghadeer Al Mamoori Imam Ja'afar Al-Sadiq University, Ірак https://orcid.org/0009-0001-4070-7364
  • Олег Ярославович Сова Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-7200-8955
  • Олександр Володимирович Жук Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-3546-1507
  • Юрій Євгенович Репіло Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-1393-2371
  • Борис Олександрович Мельник Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-5635-0099
  • Святослав Володимирович Сус Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0001-5909-0328
  • Марія Вікторівна Бондарчук Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-4032-817X
  • Світлана Олександрівна Кашкевич Національний авіаційний університет, Україна https://orcid.org/0000-0002-4448-3839
  • Микола Вікторович Мороз Науково-дослідний інститут Воєнної розвідки, Україна https://orcid.org/0009-0007-9455-3886
  • Оксана Миколаївна Ключак Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0003-3422-3379

DOI:

https://doi.org/10.15587/1729-4061.2023.285292

Ключові слова:

оперативність прийняття рішень, системи підтримки прийняття рішень, алгоритм стрибаючих жаб

Анотація

Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою удосконаленого алгоритму стрибаючих жаб (АСЖ), удосконаленого генетичного алгоритму та штучних нейронних мереж, що еволюціонують. Запропоновано методику пошуку рішень з використанням удосконаленого АСЖ. В основу дослідження покладений АСЖ – для пошуку рішення щодо стану об’єкту. Для навчання агентів-жаб (АЖ) – використовуються штучні нейронні мережі, що еволюціонують. Методика має наступну послідовність дій:

– введення вихідних даних;

– оброблення вихідних даних з урахуванням ступеню невизначеності;

– обчислення значення критерію оптимальності кожної перестановки із початкової популяції АЖ

– глобальний пошук АЖ;

– покращення положення АЖ у просторі пошуку;

– регулювання швидкості руху АЖ.

– поліпшення умов роботи АСЖ;

– перестановка АЖ;

– об’єднання АЖ всіх мемплексів в одну групу;

– перевірка виконання умови роботи АСЖ;

– пошук найкращого АЖ;

– навчання баз знань АЖ.

Оригінальність запропонованої методики полягає у розставленні АЖ з урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального опушку з урахуванням ступеню зашумленості даних про стан об’єкту аналізу, регулюванням ступеню зашумленості даних під час руху АЖ, регулюванням швидкості руху АЖ.

Також особливість запропонованої методики полягає у використанні удосконаленої процедури навчання АЖ. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 14–18 % 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

Ghadeer Al Mamoori, Imam Ja'afar Al-Sadiq University

Assistant Lecturer

Department of Computer Technologies Engineering

Олег Ярославович Сова, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Доктор технічних наук, професор, начальник кафедри

Кафедра автоматизованих систем управління

Олександр Володимирович Жук, Національний університет оборони України імені Івана Черняховського

Доктор технічних наук, доцент, начальник кафедри

Кафедра комунікаційних технологій та кіберзахисту

Юрій Євгенович Репіло, Національний університет оборони України імені Івана Черняховського

Доктор військових наук, професор

Кафедра ракетних військ і артилерії

Борис Олександрович Мельник, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, начальник

Науково-дослідний відділ

Святослав Володимирович Сус, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, науковий співробітник

Науково-дослідний відділ

Марія Вікторівна Бондарчук, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, начальник

Науково-дослідний відділ

Світлана Олександрівна Кашкевич, Національний авіаційний університет

Старший викладач

Кафедра комп’ютеризованих систем управління

Микола Вікторович Мороз, Науково-дослідний інститут Воєнної розвідки

Науковий співробітник

Оксана Миколаївна Ключак, Національний університет оборони України імені Івана Черняховського

Старший науковий співробітник

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. 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. Barbrook-Johnson, P., Penn, A. S. (2022). Fuzzy Cognitive Mapping. Systems Mapping, 79–95. doi: https://doi.org/10.1007/978-3-031-01919-7_6
  21. 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
  22. Koshevoy, N. D., Gordienko, V. A., Sukhobrus, Ye. A. (2014). Optimization for the design matrix realization value with the aim to investigate technological processes. Telecommunications and Radio Engineering, 73 (15), 1383–1386. doi: https://doi.org/10.1615/telecomradeng.v73.i15.60
  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. 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
Розробка методики пошуку рішень з використанням удосконаленого алгоритму стрибаючих жаб

##submission.downloads##

Опубліковано

2023-08-31

Як цитувати

Mamoori, G. A., Сова, О. Я., Жук, О. В., Репіло, Ю. Є., Мельник, Б. О., Сус, С. В., Бондарчук, М. В., Кашкевич, С. О., Мороз, М. В., & Ключак, О. М. (2023). Розробка методики пошуку рішень з використанням удосконаленого алгоритму стрибаючих жаб. Eastern-European Journal of Enterprise Technologies, 4(3 (124), 45–53. https://doi.org/10.15587/1729-4061.2023.285292

Номер

Розділ

Процеси управління