Розробка методики пошуку рішень з використанням удосконаленого алгоритму рою сарани

Автор(и)

  • Віталій Вікторович Тюрін Національного університету оборони України, Україна https://orcid.org/0000-0003-0476-7471
  • Роберт Олегович Бєляков Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0001-9882-3088
  • Олена Борисівна Одарущенко Полтавський державний аграрний університет, Україна https://orcid.org/0000-0002-2293-2576
  • Володимир Жоржевич Ященок Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-7806-8078
  • Олена Павлівна Шапошнікова Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-0405-8205
  • Ганна Тарасівна Ляшенко Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-5318-8663
  • Олександр Леонідович Становський Одеський національний університет «Одеська політехніка» , Україна https://orcid.org/0000-0002-0360-1173
  • 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
  • Микола Віталійович Дворський Науково-дослідний інститут Воєнної розвідки, Україна https://orcid.org/0009-0000-7638-5611

DOI:

https://doi.org/10.15587/1729-4061.2023.287316

Ключові слова:

ройовий інтелект, системи підтримки прийняття рішень, ієрархічні системи, алгоритм зграї сарани

Анотація

Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою алгоритму зграї сарани та штучних нейронних мереж, що еволюціонують.

Запропоновано методику пошуку рішень з використанням удосконаленого алгоритму зграї сарани. В основу дослідження покладений алгоритм зграї сарани – для пошуку рішення щодо стану об’єкту. Для навчання агентів сарани (АС) використовуються штучні нейронні мережі, що еволюціонують. Методика має наступну послідовність дій:

– введення вихідних даних;

– оброблення вихідних даних з урахуванням ступеню невизначеності;

– початкове виставлення АС на ділянці пошуку;

– визначення початкової швидкості руху АС;

– генерується вектор пошуку з урахуванням ступеню невизначеності;

– обчислення зміни значення функції придатності АС;

– навчання баз знань АС.

Оригінальність запропонованої методики полягає у розставленні АС з урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального пошуку з урахуванням ступеню зашумленості даних про стан об’єкту аналізу. Також оригінальністю дослідження є уникнення концентрації АС на поточних найкращих позиціях, зниження ймовірності передчасної збіжності роботи алгоритму та підтримання балансу між швидкістю збіжності алгоритму та диверсифікацією. Особливість запропонованої методики полягає у використанні удосконаленої процедури навчання АС. Процедура навчання полягає в тому, що відбувається навчання параметрів та архітектури окремих елементів і архітектури штучної нейронної мережі в цілому. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 25–28 % за рахунок використання додаткових удосконалених процедур

Біографії авторів

Віталій Вікторович Тюрін, Національного університету оборони України

Кандидат військових наук, доцент, головний науковий співробітник

Науково-методичний центр організації наукової та науково-технічної діяльності

Роберт Олегович Бєляков, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Кандидат технічних наук, доцент

Олена Борисівна Одарущенко, Полтавський державний аграрний університет

Кандидат технічних наук, доцент

Кафедра інформаційних систем та технологій

Володимир Жоржевич Ященок, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Кандидат технічних наук, доцент, начальник кафедри

Кафедра конструкції та міцності літальних апаратів та двигунів

Олена Павлівна Шапошнікова, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра комп’ютерних систем

Ганна Тарасівна Ляшенко, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Науковий співробітник

Науковий центр

Олександр Леонідович Становський, Одеський національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра інтегрованих технологій управління

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

Микола Віталійович Дворський, Науково-дослідний інститут Воєнної розвідки

Науковий співробітник

Науково-дослідний відділ

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: 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). Kognitivniy 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. Cuevas, E., González, A., Zaldívar, D., Cisneros, M. P. (2015). An optimisation algorithm based on the behaviour of locust swarms. International Journal of Bio-Inspired Computation, 7 (6), 402. doi: https://doi.org/10.1504/ijbic.2015.073178
  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. 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 рою сарани

##submission.downloads##

Опубліковано

2023-10-31

Як цитувати

Тюрін, В. В., Бєляков, Р. О., Одарущенко, О. Б., Ященок, В. Ж., Шапошнікова, О. П., Ляшенко, Г. Т., Становський, О. Л., Мельник, Б. О., Сус, С. В., & Дворський, М. В. (2023). Розробка методики пошуку рішень з використанням удосконаленого алгоритму рою сарани. Eastern-European Journal of Enterprise Technologies, 5(4 (125), 25–33. https://doi.org/10.15587/1729-4061.2023.287316

Номер

Том 5 № 4 (125) (2023): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2023 Vitalii Tyurin, Robert Bieliakov, Elena Odarushchenko, Volodymyr Yashchenok, Olena Shaposhnikova, Anna Lyashenko, Oleksandr Stanovskyi, Borys Melnyk, Sviatoslav Sus, Mykola Dvorskyi

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.