Розробка методу підвищення ефективності прийняття рішень в організаційно-технічних системах

Автор(и)

  • Salman Rasheed Owaid Al-Taff University College, Ірак https://orcid.org/0000-0002-1189-9707
  • Юрій Володимирович Журавський Житомирський військовий інститут імені С. П. Корольова, Україна https://orcid.org/0000-0002-4234-9732
  • Олександр Ігорович Литвиненко Військовий інститут Київського національного університету імені Тараса Шевченка, Україна https://orcid.org/0009-0000-6541-3621
  • Андрій Олександрович Веретнов Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0003-0160-7325
  • Дмитро Борисович Соколовський Хмельницький національний університет, Україна https://orcid.org/0000-0002-4339-4201
  • Ганна Анатоліївна Плєхова Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-6912-6520
  • Володимир Олександрович Гріньков Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-9574-3792
  • Тетяна Вікторівна Плугіна Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0001-6724-6708
  • Сергій Миколайович Неронов Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0003-2381-1271
  • Олексій Володимирович Довбенко Науково-дослідний інститут воєнної розвідки, Україна https://orcid.org/0009-0003-5024-0563

DOI:

https://doi.org/10.15587/1729-4061.2024.298568

Ключові слова:

оперативність управління, складні процеси, алгоритм зграї гігантських броненосців, ієрархічні системи

Анотація

Об’єктом дослідження є організаційно-технічні системи. Предметом дослідження є процес прийняття рішення в завданнях управління організаційно-технічних систем. Запропоновано метод підвищення оперативності прийняття рішень в організаційно-технічних системах з використанням штучного інтелекту. В основу дослідження покладений алгоритм зграї гігантських броненосців – для пошуку рішення щодо стану організаційно-технічних систем. Для навчання агентів гігантських броненосців (АГБ) – використовуються штучні нейронні мережі, що еволюціонують, а для відбору найкращих АГБ використовується удосконалений генетичний алгоритм. Методика має наступну послідовність дій:

– введення вихідних даних;

– виставлення АГБ на площині пошуку;

– нумерація АГБ в зграї;

– визначення початкової швидкості АГБ;

– попереднє оцінювання ділянки пошуку АГБ;

– класифікація джерел їжі для АГБ;

– сортування найкращих особин АГБ;

– атака на термітники АГБ;

– копання термітників АГБ;

– оновлення позицій АГБ;

– перевірка наявності хижака АГБ;

– втеча та боротьба з хижаками АГБ;

– перевірка критерію зупинки;

– навчання баз знань АГБ;

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

Оригінальність запропонованої методу полягає у розставленні АГБ урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального опушку з урахуванням ступеню зашумленості даних про стан організаційно-технічних систем. Використання методу дозволяє досягти підвищення оперативності обробки даних на рівні 14–19 % за рахунок використання додаткових удосконалених процедур. Запропонований метод доцільно використовувати для вирішення задач оцінки складних та динамічних процесів

Біографії авторів

Salman Rasheed Owaid, Al-Taff University College

PhD, Assosiate Professor, Lecturer

Department of Computer Engineering

Юрій Володимирович Журавський, Житомирський військовий інститут імені С. П. Корольова

Доктор технічних наук, старший науковий співробітник, заступник начальника наукового центру

Науковий центр

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

Кандидат технічних наук, старший науковий співробітник

Науково-дослідний центр

Андрій Олександрович Веретнов, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, провідний науковий співробітник

Науково-дослідний відділ

Дмитро Борисович Соколовський, Хмельницький національний університет

Кандидат економічних наук, старший науковий співробітник

Кафедра економічної теорії, підприємництва та торгівлі

Ганна Анатоліївна Плєхова, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра інформатики та прикладної математики

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

Кандидат технічних наук, доцент

Кафедра комп’ютерних інформаційних технологій

Тетяна Вікторівна Плугіна, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра автоматизації та комп’ютерно-інтегрованих технологій

Сергій Миколайович Неронов, Харківський національний автомобільно-дорожній університет

Старший викладач

Кафедра комп’ютерних систем

Олексій Володимирович Довбенко, 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. 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. 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
  24. 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
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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
  30. 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
  31. Braik, M., Ryalat, M. H., Al-Zoubi, H. (2022). A novel meta-heuristic algorithm for solving numerical optimization problems: Ali Baba and the forty thieves. Neural Computing and Applications, 34, 409–455. https://doi.org/10.1007/s00521-021-06392-x
Розробка методу підвищення ефективності прийняття рішень в організаційно-технічних системах

##submission.downloads##

Опубліковано

2024-02-28

Як цитувати

Owaid, S. R., Журавський, Ю. В., Литвиненко, О. І., Веретнов, А. О., Соколовський, Д. Б., Плєхова, Г. А., Гріньков, В. О., Плугіна, Т. В., Неронов, С. М., & Довбенко, О. В. (2024). Розробка методу підвищення ефективності прийняття рішень в організаційно-технічних системах . Eastern-European Journal of Enterprise Technologies, 1(4 (127), 14–22. https://doi.org/10.15587/1729-4061.2024.298568

Номер

Розділ

Математика та кібернетика - прикладні аспекти