Розробка методики пошуку рішень з використанням комбінованого біоінспірованого алгоритму

Автор(и)

  • Khudhair Abed Thamer Al-Maarif University College, Ірак https://orcid.org/0000-0002-1575-2294
  • Олег Ярославович Сова Національний університет оборони України, Україна https://orcid.org/0000-0002-7200-8955
  • Олена Павлівна Шапошнікова Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-0405-8205
  • Володимир Жоржевич Ященок Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-7806-8078
  • Іраіда Іванівна Становська Національний університет «Одеська політехніка», Україна https://orcid.org/0000-0002-5884-4228
  • Сергій Володимирович Шостак Національний університет біоресурсів і природокористування України, Україна https://orcid.org/0000-0003-1234-1024
  • Олександр Антонович Руденко Національний університет “Полтавська політехніка імені Юрія Кондратюка”, Україна https://orcid.org/0000-0002-7110-0653
  • Сергій Миколайович Петрук Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України , Україна https://orcid.org/0000-0002-0709-0032
  • Ольга Борисівна Маций Харківській національний університет ім. В. Н. Каразіна, Україна https://orcid.org/0000-0002-1350-9418
  • Світлана Олександрівна Кашкевич Національний авіаційний університет, Україна https://orcid.org/0000-0002-4448-3839

DOI:

https://doi.org/10.15587/1729-4061.2024.298205

Ключові слова:

оптимізація, складні технічні сисети, алгоритм зграї горобців, алгоритм зграї вовків

Анотація

Об’єктом дослідження є системи підтримки прийняття рішень. Предметом дослідження є процес прийняття рішення в задачах управління за допомогою комбінованого біоінспірованого алгоритму, що складається з:

– удосконаленого алгоритму зграї вовків та удосконаленого алгоритму зграї горобців – для вирішення оптимізаційних завдань щодо стану об’єкту;

– удосконаленого генетичного алгоритму – для відбору найкращих агентів у зграях;

– удосконаленого методу навчання – для глибокого навчання агентів з метою покращення оптимізаційних характеристик агентів.

Запропоновано методику пошуку рішень з використанням удосконаленого біоінспірованого алгоритму. Методика має наступну послідовність дій:

– введення вихідних даних;

– ініціалізація пошуку зграї горобців та її параметрів;

– ранжування та відбір агентів горобців за допомогою удосконаленого генетичного алгоритму;

– оновлення розташування горобця для першовідкривача;

– перевірка умови оновлення позиції горобців;

– ініціалізація додаткових параметрів пошуку;

− запуск алгоритму зграї сірих вовків;

– навчання баз знань агентів;

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

Оригінальність запропонованої методики полягає у комбінованому використанні біоінспірованих алгоритмів, розставленні агентів з урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального пошуку. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 19 % 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

Khudhair Abed Thamer, Al-Maarif University College

PhD, Assosiate Professor, Head of Department

Department of Computer Engineering

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

Олена Павлівна Шапошнікова, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра комп’ютерних систем

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

Іраіда Іванівна Становська, Національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра вищої математики та моделювання систем

Сергій Володимирович Шостак, Національний університет біоресурсів і природокористування України

Кандидат фізико-математичних наук, доцент

Кафедра вищої та прикладної математики

Олександр Антонович Руденко, Національний університет “Полтавська політехніка імені Юрія Кондратюка”

Кандидат технічних наук, доцент

Кафедра комп’ютерних та інформаційних технологій і систем

Сергій Миколайович Петрук, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, старший дослідник, заступник начальника науково-дослідного управління

Ольга Борисівна Маций, Харківській національний університет ім. В. Н. Каразіна

Кандидат технічних наук

Кафедра штучного інтелекту та програмного забезпечення

Світлана Олександрівна Кашкевич, Національний авіаційний університет

Старший викладач

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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. https://doi.org/10.15587/1729-4061.2022.268621
  19. Maccarone, A. D., Brzorad, J. N., Stone, H. M. (2008). Characteristics and Energetics of Great Egret and Snowy Egret Foraging Flights. Waterbirds, 31 (4), 541–549. https://doi.org/10.1675/1524-4695-31.4.541
  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. 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. 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. https://doi.org/10.20998/2522-9052.2021.3.01
  23. Trotsko, O., Protas, N., Odarushchenko, E., Vakulenko, Y., Degtyareva, L., Parzhnytskyi, V. et al. (2023). Improvement of the optimization method based on the wolf flock algorithm. Eastern-European Journal of Enterprise Technologies, 1 (4 (121)), 26–33. https://doi.org/10.15587/1729-4061.2023.273784
  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. https://doi.org/10.20998/2522-9052.2020.2.05
  25. 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. https://doi.org/10.15587/1729-4061.2022.266009
  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. 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. 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. 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. 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. 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. https://doi.org/10.15587/1729-4061.2017.96321
Розробка методики пошуку рішень з використанням комбінованого біоінспірованого алгоритму

##submission.downloads##

Опубліковано

2024-02-28

Як цитувати

Thamer, K. A., Сова, О. Я., Шапошнікова, О. П., Ященок, В. Ж., Становська, І. І., Шостак, С. В., Руденко, О. А., Петрук, С. М., Маций, О. Б., & Кашкевич, С. О. (2024). Розробка методики пошуку рішень з використанням комбінованого біоінспірованого алгоритму. Eastern-European Journal of Enterprise Technologies, 1(4 (127), 6–13. https://doi.org/10.15587/1729-4061.2024.298205

Номер

Розділ

Математика та кібернетика - прикладні аспекти