Розробка методу оцінки стану динамічних об’єктів з використанням популяційного алгоритму

Автор(и)

  • Світлана Олександрівна Кашкевич Національний авіаційний університет, Україна https://orcid.org/0000-0002-4448-3839
  • Іван-Фарход Фуркатович Кашкевич Фаховий коледж інженерії, управління та землевпорядкування Національного авіаційного університету, Україна https://orcid.org/0000-0003-3135-0751
  • Олексій Вікторович Кувшинов Національний університет оборони України, Україна https://orcid.org/0000-0003-2183-7224
  • Василь Вікторович Кузавков Військовий інститут телекомунікацій та інформатизації імені Героїв Крут, Україна https://orcid.org/0000-0002-0655-9759
  • Євген Олександрович Живило Національний університет “Полтавська політехніка імені Юрія Кондратюка”, Україна https://orcid.org/0000-0003-4077-7853
  • Оксана Іллівна Дмитрієва Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0001-9314-350X
  • Андрій Володимирович Лебединський Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-5086-8209
  • Андрій Олександрович Писаренко Науково-дослідний інститут Воєнної розвідки, Україна https://orcid.org/0009-0002-6449-2350
  • Yehor Zudikhin University of Applied Sciences Technikum Wien, Австрія https://orcid.org/0000-0002-3984-8813
  • Андрій Володимирович Шишацький Національний авіаційний університет, Україна https://orcid.org/0000-0001-6731-6390

DOI:

https://doi.org/10.15587/1729-4061.2024.308389

Ключові слова:

складні процеси, унімодальні функції, мультимодальні функції, складні та динамічні об’єкти

Анотація

Об’єктом дослідження є складні динамічні об’єкти з ієрархічною структурою побудови. Запропоновано метод оцінки стану динамічних об’єктів з використанням популяційного алгоритму. В основу дослідження покладений алгоритм зграї змій – для пошуку рішення щодо стану динамічних об’єктів з ієрархічною структурою. Для навчання агентів змій (АЗ) – використовуються штучні нейронні мережі, що еволюціонують. Оригінальність методу полягає у використанні додаткових удосконалених процедур, які дозволяють:

– визначити початкове положення АЗ з урахуванням типу невизначеності за рахунок використання корегувального коефіцієнту на ступінь обізнаності про стан вихідної обстановки щодо об’єкту аналізу;

– врахувати початкову швидкість кожного АЗ, що дозволяє досліджувати складні за об’ємом функції;

– забезпечити універсальність стратегій пошуку місць харчування АЗ, чим дозволяється класифікувати тип даних, які підлягають обробці;

– регулювати швидкість руху АЗ шляхом регулювання температури оточуючого середовища, чим досягається визначення пріоритетності пошуку рішення у визначеній площині;

– досліджувати простори рішення функцій, що описуються нетиповими функціями, за рахунок використання процедур режиму експлуатації;

– гнучко регулювати перехід від режиму боротьби до режиму спарювання АЗ за рахунок використання коефіцієнту насичення їжею;

– проводити заміну непридатних для пошуку осіб за рахунок використання коефіцієнту народжуваємості АЗ;

– проводити одночасний пошук рішення в різних напрямках, за рахунок зміни температури оточуючого середовища та регулюванням коефіцієнту насичення їжею;

Моделювання показало підвищення ефективності оперативності обробки даних на рівні 13–19 % за рахунок використання додаткових удосконалених процедур

Біографії авторів

Світлана Олександрівна Кашкевич, Національний авіаційний університет

Старший викладач

Кафедра комп’ютеризованих систем управління

Іван-Фарход Фуркатович Кашкевич, Фаховий коледж інженерії, управління та землевпорядкування Національного авіаційного університету

Викладач

Олексій Вікторович Кувшинов, Національний університет оборони України

Доктор технічних наук, професор, заступник начальника центру

Центр воєнно-стратегічних досліджень з наукової роботи

Василь Вікторович Кузавков, Військовий інститут телекомунікацій та інформатизації імені Героїв Крут

Доктор технічних наук, професор, начальник кафедри

Кафедра побудови телекомунікаційних систем

Євген Олександрович Живило, Національний університет “Полтавська політехніка імені Юрія Кондратюка”

Кандидат наук з державного управління, доцент

Кафедра комп’ютерних та інформаційних технологій і систем

Оксана Іллівна Дмитрієва, Харківський національний автомобільно-дорожній університет

Доктор економічних наук, професор, завідуюча кафедри

Кафедра економіки і підприємництва

Андрій Володимирович Лебединський, Харківський національний автомобільно-дорожній університет

Доктор філософії, доцент

Кафедра комп’ютерних систем

Андрій Олександрович Писаренко, Науково-дослідний інститут Воєнної розвідки

Провідний науковий співробітник

Yehor Zudikhin, University of Applied Sciences Technikum Wien

Bachelor of Computer Science Student

Faculty Computer Science & Applied Mathematics

Андрій Володимирович Шишацький, Національний авіаційний університет

Доктор технічних наук, старший дослідник, доцент

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. 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 стану динамічних об’єктів з використанням популяційного алгоритму

##submission.downloads##

Опубліковано

2024-08-30

Як цитувати

Кашкевич, С. О., Кашкевич, І.-Ф. Ф., Кувшинов, О. В., Кузавков, В. В., Живило, Є. О., Дмитрієва, О. І., Лебединський, А. В., Писаренко, А. О., Zudikhin, Y., & Шишацький, А. В. (2024). Розробка методу оцінки стану динамічних об’єктів з використанням популяційного алгоритму. Eastern-European Journal of Enterprise Technologies, 4(3 (130), 29–36. https://doi.org/10.15587/1729-4061.2024.308389

Номер

Том 4 № 3 (130) (2024): Процеси управління

Розділ

Процеси управління

Ліцензія

Авторське право (c) 2024 Svitlana Kashkevich, Ivan Kashkevych, Oleksii Kuvshynov, Vasyl Kuzavkov, Yevhen Zhyvylo, Oksana Dmytriieva, Andrii Lebedynskyi, Andrii Pysarenko, Yehor Zudikhin, Andrii Shyshatskyi

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.