Розробка методу оцінки з використанням комбінованого алгоритму котячої зграї

Автор(и)

  • Aqeel Bahr Tarkhan Al-Taff University College, Ірак https://orcid.org/0000-0002-7478-6662
  • Георгій Анатолійович Кучук Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0002-2862-438X
  • Іраіда Іванівна Становська Одеський національний університет «Одеська політехніка», Україна https://orcid.org/0000-0002-5884-4228
  • Віра Володимирівна Голян Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-5981-4760
  • Наталія Вікторівна Голян Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-1390-3116
  • Оксана Віталіївна Жарова Одеський національний університет «Одеська політехніка» , Україна https://orcid.org/0009-0001-0106-1716
  • Євген Сергійович Крижанівський Державне підприємство Київське конструкторське бюро “ЛУЧ”, Україна https://orcid.org/0000-0001-5868-3471
  • Андрій Анатолійович Любарець Державне підприємство Київське конструкторське бюро “ЛУЧ”, Україна https://orcid.org/0000-0001-5647-3745
  • Ігор Всеволодович Звершховський Державне підприємство Київське конструкторське бюро “ЛУЧ”, Україна https://orcid.org/0000-0002-5262-5382
  • Артем Олександрович Фисюк Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0009-0001-8998-9956

DOI:

https://doi.org/10.15587/1729-4061.2024.305363

Ключові слова:

коти наставники, комбінований підхід, генетичний алгоритм, глобальна та локальна оптимізація

Анотація

Об’єктом дослідження є складні динамічні об’єкти з ієрархічною структурою побудови. Проблема, що вирішувалася в дослідженні, – підвищення оперативності прийняття рішень при забезпеченні заданої достовірності. Предметом дослідження є процес прийняття рішення в завданнях управління за допомогою удосконаленого алгоритму котячої зграї (АКЗ), удосконаленого генетичного алгоритму та штучних нейронних мереж, що еволюціонують.

Запропонований метод завдяки додатковим та удосконаленим процедурам дозволяє:

– врахувати тип невизначеності початкових даних для виставлення АК для процедури локального пошуку;

– реалізувати адаптивні стратегії пошуку джерел АК;

– врахувати досвід найбільш авторитетних АК при проведенні локального та глобального пошуку;

– врахувати наявні обчислювальні ресурси системи аналізу стану складних динамічних об’єктів, та визначати їх необхідну до залучення кількість;

– врахувати пріоритетність пошуку АК;

– провести визначення найкращих АК за допомогою удосконаленого генетичного алгоритму;

– провести навчання баз знань, що здійснюється шляхом навчання синаптичних ваг штучної нейронної мережі, типу та параметрів функції належності, а також архітектури окремих елементів і архітектури штучної нейронної мережі в цілому;

– уникнути проблеми локального екстремуму за рахунок використання процедури стрибка.

Проведена апробація запропонованого методу на прикладі вирішення завдання визначення складу оперативного угруповання військ (сил) та елементів його оперативної побудови. Приклад використання методу показав підвищення ефективності оперативності обробки даних на рівні 14–19 % за рахунок використання додаткових удосконалених процедур.

Запропонований підхід доцільно використовувати для вирішення завдань оцінки складних та динамічних процесів, що характеризуються високим ступенем складності

Біографії авторів

Aqeel Bahr Tarkhan, Al-Taff University College

PhD, Lecturer

Department of Computer Technologies Engineering

Георгій Анатолійович Кучук, Національний технічний університет «Харківський політехнічний інститут»

Доктор технічних наук, професор

Кафедра комп’ютерна інженерія та програмування

Іраіда Іванівна Становська, Одеський національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра вищої математики та моделювання систем

Віра Володимирівна Голян, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра програмної інженерії

Наталія Вікторівна Голян, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра програмної інженерії

Оксана Віталіївна Жарова, Одеський національний університет «Одеська політехніка»

Кандидат фізико-математичних наук, доцент

Кафедра вищої математики та моделювання систем

Євген Сергійович Крижанівський, Державне підприємство Київське конструкторське бюро “ЛУЧ”

Кандидат технічних наук, начальник сектору

Андрій Анатолійович Любарець, Державне підприємство Київське конструкторське бюро “ЛУЧ”

Кандидат технічних наук, начальник відділу

Ігор Всеволодович Звершховський, Державне підприємство Київське конструкторське бюро “ЛУЧ”

Кандидат технічних наук, головний конструктор - начальник відділу

Артем Олександрович Фисюк, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Старший викладач

Кафедра бойового застосування підрозділів зв’язку

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. Shyshatskyi, A., Stasiuk, T., Odarushchenko, E., Berezanska, K., Demianenko, H. (2023). Method of assessing the state of hierarchical objects based on bio-inspired algorithms. Advanced Information Systems, 7 (3), 44–48. https://doi.org/10.20998/2522-9052.2023.3.06
  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. Petrovska, I., Kuchuk, H. (2023). Adaptive resource allocation method for data processing and security in cloud environment. Advanced Information Systems, 7 (3), 67–73. https://doi.org/10.20998/2522-9052.2023.3.10
  23. Braik, M., Ryalat, M. H., Al-Zoubi, H. (2021). A novel meta-heuristic algorithm for solving numerical optimization problems: Ali Baba and the forty thieves. Neural Computing and Applications, 34 (1), 409–455. https://doi.org/10.1007/s00521-021-06392-x
  24. Khudov, H., Khizhnyak, I., Glukhov, S., Shamrai, N., Pavlii, V. (2024). The method for objects detection on satellite imagery based on the firefly algorithm. Advanced Information Systems, 8 (1), 5–11. https://doi.org/10.20998/2522-9052.2024.1.01
  25. Poliarush, O., Krepych, S., Spivak, I. (2023). Hybrid approach for data filtering and machine learning inside content management system. Advanced Information Systems, 7 (4), 70–74. https://doi.org/10.20998/2522-9052.2023.4.09
  26. Chalyi, S., Leshchynskyi, V. (2023). Possible evaluation of the correctness of explanations to the end user in an artificial intelligence system. Advanced Information Systems, 7 (4), 75–79. https://doi.org/10.20998/2522-9052.2023.4.10
  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. 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. 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. 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. 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. https://doi.org/10.15587/1729-4061.2022.266009
Розробка методу оцінки з використанням комбінованого алгоритму котячої зграї

##submission.downloads##

Опубліковано

2024-06-28

Як цитувати

Tarkhan, A. B., Кучук, Г. А., Становська, І. І., Голян, В. В., Голян, Н. В., Жарова, О. В., Крижанівський, Є. С., Любарець, А. А., Звершховський, І. В., & Фисюк, А. О. (2024). Розробка методу оцінки з використанням комбінованого алгоритму котячої зграї. Eastern-European Journal of Enterprise Technologies, 3(4 (129), 55–63. https://doi.org/10.15587/1729-4061.2024.305363

Номер

Розділ

Математика та кібернетика - прикладні аспекти