Розробка методики підвищення оперативності прийняття рішень в організаційно-технічних системах

Автор(и)

  • Олександр Ігорович Литвиненко Військовий інститут Київського національного університету імені Тараса Шевченка, Україна https://orcid.org/0009-0000-6541-3621
  • Роберт Олегович Бєляков Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0001-9882-3088
  • Юлія Валентинівна Вакуленко Полтавський державний аграрний університет, Україна https://orcid.org/0000-0002-6315-0116
  • Володимир Олександрович Гріньков Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-9574-3792
  • Борис Олексійович Походенко Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-9995-7077
  • Сергій Анатолійович Бойко Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0009-0001-3016-0422
  • В’ячеслав Ігорович Канішов Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0009-0002-8200-930X
  • Євгеній Володимирович Дроздик Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0009-0001-0036-1194
  • Євгеній Сергійович Ковтун Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-4109-7297
  • Дмитро Михайлович Лейник Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0009-0004-5008-8837

DOI:

https://doi.org/10.15587/1729-4061.2023.293675

Ключові слова:

організаційно-технічні системи, системи підтримки прийняття рішень, складні процеси, оптимізаційні завдання

Анотація

Об’єктом дослідження є процеси прийняття рішень в системах підтримки прийняття рішень. Предметом дослідження є метод прийняття рішення в задачах управління за допомогою алгоритму зграї моржів (АМ), удосконаленого генетичного алгоритму та штучних нейронних мереж, що еволюціонують.

Запропоновано методику пошуку рішень з використанням удосконаленого алгоритму зграї моржів. В основу дослідження покладений алгоритм зграї моржів – для пошуку рішення щодо стану об’єкту. Для навчання агентів моржів – використовуються штучні нейронні мережі, що еволюціонують, а для відбору найкращих агентів моржів використовується удосконалений генетичний алгоритм. Методика має наступну послідовність дій:

– введення вихідних даних;

– нумерація АМ в зграї;

– визначення початкової швидкості АМ;

– виставлення АМ по площині пошуку;

– попереднє оцінювання ділянки пошуку АМ;

– класифікація джерел їжі для АМ;

– сортування найкращих особин АМ;

– оновлення позицій АМ;

− міграція АМ

– перевірка наявності хижака;

– перевірка критерію зупинки;

– втеча та боротьба з хижаками;

– перевірка критерію зупинки;

– навчання баз знань АМ;

– визначення кількості необхідних обчислювальних ресурсів, інтелектуальної системи підтримки прийняття рішень.

Оригінальність запропонованої методики полягає у розставленні АМ урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального опушку з урахуванням ступеню зашумленості даних про стан організаційно-технічних систем. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 13–16 % за рахунок використання додаткових удосконалених процедур. Запропоновану методику доцільно використовувати для вирішення задач оцінки складних та динамічних процесів

Біографії авторів

Олександр Ігорович Литвиненко, Військовий інститут Київського національного університету імені Тараса Шевченка

Кандидат технічних наук, старший науковий співробітник

Науково-дослідний центр

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

Кандидат технічних наук, доцент

Юлія Валентинівна Вакуленко, Полтавський державний аграрний університет

Кандидат сільськогосподарчих наук, доцент

Кафедра інформаційних систем та технологій

Володимир Олександрович Гріньков, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Кандидат технічних наук, доцент кафедри

Кафедра комп’ютерних інформаційних технологій

Борис Олексійович Походенко, Харківський національний автомобільно-дорожній університет

Старший викладач

Кафедра комп’ютерних систем

Сергій Анатолійович Бойко, Науково-дослідний інститут воєнної розвідки

Начальник відділу

Науково-дослідний відділ

В’ячеслав Ігорович Канішов, Харківський національний автомобільно-дорожній університет

Аспірант

Кафедра комп'ютерних систем

Євгеній Володимирович Дроздик, Харківський національний автомобільно-дорожній університет

Аспірант

Кафедра комп’ютерних систем

Євгеній Сергійович Ковтун, Харківський національний автомобільно-дорожній університет

Аспірант

Кафедра комп’ютерних систем

Дмитро Михайлович Лейник, Науково-дослідний інститут воєнної розвідки

Молодший 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. Simankov, V. S., Putyato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Sistemniy analiz, upravlenie i obrabotka informatsii, 13, 31‒35.
  10. 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
  11. 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
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. 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
  18. 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
  19. 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
  20. Han, M., Du, Z., Yuen, K. F., Zhu, H., Li, Y., Yuan, Q. (2024). Walrus optimizer: A novel nature-inspired metaheuristic algorithm. Expert Systems with Applications, 239, 122413. doi: https://doi.org/10.1016/j.eswa.2023.122413
  21. 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
  22. 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
  23. 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
  24. 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
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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
  30. 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
  31. 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
  32. 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
  33. 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
  34. 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 підвищення оперативності прийняття рішень в організаційно-технічних системах

##submission.downloads##

Опубліковано

2023-12-28

Як цитувати

Литвиненко, О. І., Бєляков, Р. О., Вакуленко, Ю. В., Гріньков, В. О., Походенко, Б. О., Бойко, С. А., Канішов, В. І., Дроздик, Є. В., Ковтун, Є. С., & Лейник, Д. М. (2023). Розробка методики підвищення оперативності прийняття рішень в організаційно-технічних системах. Eastern-European Journal of Enterprise Technologies, 6(4 (126), 23–31. https://doi.org/10.15587/1729-4061.2023.293675

Номер

Розділ

Математика та кібернетика - прикладні аспекти