Розробка методики пошуку рішень з використанням штучного інтелекту

Автор(и)

  • Qasim Abbood Mahdi Al-Taff University College, Ірак https://orcid.org/0000-0001-6612-3511
  • Андрій Володимирович Шишацький Національний авіаційний університет, Україна https://orcid.org/0000-0001-6731-6390
  • Віталіна Олексіївна Бабенко Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-4816-4579
  • 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
  • Надія Михайлівна Протас Полтавський державний аграрний університет, Україна https://orcid.org/0000-0003-0943-0587
  • Тетяна Олександрівна Стасюк Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0009-0004-8434-1853
  • Юрій Васильович Рукавишніков Кандидат технічних наук, доцент Кафедра будівельних і дорожніх машин, Україна https://orcid.org/0000-0002-1079-4030
  • Іван Олександрович Мізяк Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0009-0003-2578-4251
  • Олег Володимирович Лантрат Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0009-0007-5910-5287

DOI:

https://doi.org/10.15587/1729-4061.2024.300261

Ключові слова:

унімодальні функції, оперативність прийняття рішень, оптимізаційні завдання, ієрархічні об’єкти

Анотація

Об’єктом дослідження є системи підтримки прийняття рішень.

Вирішувалась проблема підвищення оперативності прийняття рішень в умовах невизначеності та множини різнотипних параметрів з використанням біоінспірованого алгоритму.

Предметом дослідження є процес прийняття рішення в задачах управління за допомогою алгоритму зграї чаплі, удосконаленого генетичного алгоритму та штучних нейронних мереж, що еволюціонують.

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

– введення вихідних даних;

– виставлення агентів по площині пошуку;

– нумерація агентів чаплі в зграї;

– задання початкової швидкості агентів чаплі;

– стратегія очікування агентів чаплі;

– агресивна стратегія;

– перевірка дискримінаційної умови;

– відбір кращих особин зі зграї чаплі;

– ранжування отриманих рішень та їх сортування;

– навчання баз знань чаплі;

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

Оригінальність запропонованої методики полягає у розставленні агентів чаплі з урахуванням невизначеності вихідних даних, урахуванням ступеню зашумленості даних про стан об’єкту аналізу. Використання методики дозволяє досягти зменшення часу на прийняття рішення на рівні 22–26 % 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

Qasim Abbood Mahdi, Al-Taff University College

PhD, Head of Department

Department of Computer Technologies Engineering

Андрій Володимирович Шишацький, Національний авіаційний університет

Кандидат технічних наук, старший дослідник, доцент

Кафедра комп’ютеризованих систем управління

Віталіна Олексіївна Бабенко, Харківський національний автомобільно-дорожній університет

Доктор економічних наук, професор, завідувачка кафедри

Кафедра комп’ютерних систем

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

Кандидат технічних наук, доцент

Науково-організаційний відділ

Олена Борисівна Одарущенко, Полтавський державний аграрний університет

Кандидат технічних наук, доцент

Кафедра інформаційних систем та технологій

Надія Михайлівна Протас, Полтавський державний аграрний університет

Кандидат сільськогосподарських наук, доцент

Кафедра інформаційних систем і технологій

Тетяна Олександрівна Стасюк, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Викладач

Циклова комісія загальноосвітніх дисциплін

Військовий коледж сержантського складу

Юрій Васильович Рукавишніков, Кандидат технічних наук, доцент Кафедра будівельних і дорожніх машин

Кандидат технічних наук, доцент

Кафедра будівельних і дорожніх машин

Іван Олександрович Мізяк, Харківський національний автомобільно-дорожній університет

Postgraduate Student

Department of Computer Systems

Олег Володимирович Лантрат, Харківський національний автомобільно-дорожній університет

Аспірант

Кафедра комп’ютерних систем

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. Bezuhlyi, V., Oliynyk, V., Romanenko, І., Zhuk, O., Kuzavkov, V., Borysov, O. et al. (2021). Development of object state estimation method in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 5 (3 (113)), 54–64. https://doi.org/10.15587/1729-4061.2021.239854
  24. 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
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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
  30. Levashenko, V., Liashenko, O., Kuchuk, H. (2020). Building Decision Support Systems based on Fuzzy Data. Advanced Information Systems, 4 (4), 48–56. https://doi.org/10.20998/2522-9052.2020.4.07
  31. 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
Розробка методики пошуку рішень з використанням штучного інтелекту

##submission.downloads##

Опубліковано

2024-04-30

Як цитувати

Mahdi, Q. A., Шишацький, А. В., Бабенко, В. О., Бєляков, Р. О., Одарущенко, О. Б., Протас, Н. М., Стасюк, Т. О., Рукавишніков, Ю. В., Мізяк, І. О., & Лантрат, О. В. (2024). Розробка методики пошуку рішень з використанням штучного інтелекту. Eastern-European Journal of Enterprise Technologies, 2(4 (128), 38–47. https://doi.org/10.15587/1729-4061.2024.300261

Номер

Розділ

Математика та кібернетика - прикладні аспекти