Розробка методики пошуку рішень з використанням удосконаленого алгоритму білок летяг

Автор(и)

  • Олег Ярославович Сова Національний університет оборони України, Україна https://orcid.org/0000-0002-7200-8955
  • Олександр Володимирович Жук Національний університет оборони України, Україна https://orcid.org/0000-0002-3546-1507
  • Оксана Степанівна Петрученко Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0000-0003-2304-8149
  • Юрій Зуберович Артабаєв Центр дослідження трофейного та перспективного озброєння та військової техніки, Україна https://orcid.org/0000-0001-9446-3011
  • Олександр Олександрович Троцько Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0001-7535-5023
  • Олена Павлівна Шапошнікова Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-0405-8205
  • Руслан Васильович Бойко Національний університет оборони України, Україна https://orcid.org/0000-0001-7240-4299
  • Євгеній Володимирович Редзюк Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0001-5592-5121
  • Вячеслав Сергійович Шмиголь Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-7473-1506
  • Віра Петрівна Величко Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0001-9654-4560

DOI:

https://doi.org/10.15587/1729-4061.2023.292574

Ключові слова:

системи підтримки прийняття рішень, глобальна оптимізація, складні процеси, біоінспіровані алгоритми

Анотація

Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою алгоритму білок летяг (АБЛ), удосконаленого генетичного алгоритму та штучних нейронних мереж, що еволюціонують.

Запропоновано методику пошуку рішень з використанням удосконаленого АБЛ. В основу дослідження покладений алгоритм АБЛ – для пошуку рішення щодо стану об’єкту. Для навчання АБЛ – використовуються штучні нейронні мережі, що еволюціонують, а для відбору найкращих АБЛ використовується удосконалений генетичний алгоритм. Методика має наступну послідовність дій. Відбувається введення вихідних даних та виставлення агентів по площині пошуку. Після чого здійснюється нумерація АБЛ в зграї та виставлення початкової фітнес-функції. Далі визначається якість їжі в районі пошуку АБЛ та здійснюється класифікація дерев (джерел їжі) для АБЛ. Наступним кроком є створення нових місць за допомогою ковзання АБЛ, формування алгоритму дій АБЛ при наявності хижака. Після чого перевіряються умови сезонного моніторингу АБЛ, перевіряється критерій зупинки, та генеруються нові позиції АБЛ з урахуванням ступеню зашумленості даних.

Оригінальність запропонованої методики полягає у розставленні АБЛ урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального опушку з урахуванням ступеню зашумленості даних про стан об’єкту аналізу. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 21–25 % 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

Олег Ярославович Сова, Національний університет оборони України

Доктор технічних наук, професор, заступник начальника наукового центру

Науковий центр проблем виховання доброчесності та запобігання корупції у секторі безпеки та оборони

Олександр Володимирович Жук, Національний університет оборони України

Доктор технічних наук, доцент, начальник кафедри

Кафедра комунікаційних технологій та кіберзахисту

Оксана Степанівна Петрученко, Науково-дослідний інститут воєнної розвідки

Кандидат технічних наук, доцент, старший науковий співробітник

Науково-дослідний відділ

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

Кандидат технічних наук, начальник відділу

Відділ досліджень комплексів бойового екіпірування

Олександр Олександрович Троцько, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Кандидат технічних наук, доцент, начальник кафедри

Кафедра автоматизованих систем управління

Олена Павлівна Шапошнікова, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра комп’ютерних систем

Руслан Васильович Бойко, Національний університет оборони України

Кандидат технічних наук, старший науковий співробітник, начальник відділу

Центр військово-стратегічних досліджень

Євгеній Володимирович Редзюк, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Кандидат технічних наук, доцент

Кафедра комп'ютерних інформаційних технологій

Вячеслав Сергійович Шмиголь, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Старший викладач

Кафедра загальновійськових дисциплін

Віра Петрівна Величко, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Викладач

Кафедра автоматизованих 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. (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. 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
  10. 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
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. 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
  18. 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
  19. Jain, M., Singh, V., Rani, A. (2019). A novel nature-inspired algorithm for optimization: Squirrel search algorithm. Swarm and Evolutionary Computation, 44, 148–175. doi: https://doi.org/10.1016/j.swevo.2018.02.013
  20. 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
  21. 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
  22. 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
  23. 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
  24. 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
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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
  30. 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
  31. 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
  32. Wang, L., Shi, Y., Liu, S. (2015). An improved fruit fly optimization algorithm and its application to joint replenishment problems. Expert Systems with Applications, 42 (9), 4310–4323. doi: https://doi.org/10.1016/j.eswa.2015.01.048
  33. Yuan, X., Dai, X., Zhao, J., He, Q. (2014). On a novel multi-swarm fruit fly optimization algorithm and its application. Applied Mathematics and Computation, 233, 260–271. doi: https://doi.org/10.1016/j.amc.2014.02.005
Розробка методики пошуку рішень з використанням удосконаленого алгоритму білок летяг

##submission.downloads##

Опубліковано

2023-12-28

Як цитувати

Сова, О. Я., Жук, О. В., Петрученко, О. С., Артабаєв, Ю. З., Троцько, О. О., Шапошнікова, О. П., Бойко, Р. В., Редзюк, Є. В., Шмиголь, В. С., & Величко, В. П. (2023). Розробка методики пошуку рішень з використанням удосконаленого алгоритму білок летяг. Eastern-European Journal of Enterprise Technologies, 6(4 (126), 14–22. https://doi.org/10.15587/1729-4061.2023.292574

Номер

Том 6 № 4 (126) (2023): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2023 Oleg Sova, Oleksandr Zhuk, Oksana Petruchenko, Yurii Artabaiev, Oleksandr Trotsko, Olena Shaposhnikova, Ruslan Boikо, Yevhenii Redziuk, Viacheslav Shmyhol, Vira Velychko

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.