Розробка методичного підходу з оцінки стану ієрархічних систем з використанням метаевристичного підходу

Автор(и)

  • Ілля Андрійович Дмитрієв Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0001-8693-3706
  • Ніна Георгіївна Кучук Національний технічний університет “Харківський політехнічний інститут”, Україна https://orcid.org/0000-0002-0784-1465
  • Олександр Леонідович Становський Одеський національний університет «Одеська політехніка», Україна https://orcid.org/0009-0008-5824-3829
  • Олександр Володимирович Єфименко Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0003-0628-7893
  • Ганна Анатоліївна Плєхова Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0002-6912-6520
  • Юлія Валентинівна Вакуленко Полтавський державний аграрний університет, Україна https://orcid.org/0000-0002-6315-0116
  • Надія Михайлівна Протас Полтавський державний аграрний університет, Україна https://orcid.org/0000-0003-0943-0587
  • Лариса Миколаївна Дегтярьова Полтавський державний аграрний університет, Україна https://orcid.org/0000-0001-5927-9550
  • Наталія Вікторівна Апенько Національний авіаційний університет, Україна https://orcid.org/0000-0001-6891-0869
  • Максим Борисович Сайног Державне підприємство Київське конструкторське бюро “ЛУЧ”, Україна https://orcid.org/0009-0001-0611-3116

DOI:

https://doi.org/10.15587/1729-4061.2024.309030

Ключові слова:

ієрархічні системи, штучні нейронні мережі, ройові алгоритми, оптимізація, мультимодальні функції

Анотація

Оптимізація є складним процесом визначення множини рішень для широкого кола завдань, в тому числі і для прийняття управлінських рішень.

Одним з підходів до підвищення ефективності вирішення оптимізаційних завдань є метаевристичні алгоритми. Проблема, яка вирішується в дослідженні, є підвищення оперативності прийняття рішення в завданнях оцінки стану ієрархічних систем при забезпеченні заданої достовірності незалежно від її ієрархічності. Об’єктом дослідження є ієрархічні системи. Предметом дослідження є процес прийняття рішення в завданнях управління за допомогою удосконаленого алгоритму тасманських дияволів (АТД) та штучних нейронних мереж, що еволюціонують. Запропоновано методичний підхід з використанням метаевристичного алгоритму. Для навчання А ТД – використовуються штучні нейронні мережі, що еволюціонують.

Оригінальність запропонованої методу полягає у розставленні АТД урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального пошуку. Також оригінальність дослідження полягає у визначенні місць харчування АТД, що дозволяє обрати пріоритетність пошуку в заданому напрямку. Наступним елементом оригінальності дослідження є можливість вибору стратегії полювання АТД – що дозволяє раціонально використовувати наявні обчислювальні ресурси системи. Наступим елементом оригінальності дослідження є визначення початкової швидкості кожного АТД. Це дозволяє оптимізувати швидкість проведення досліджень кожним АТД у визначеному напрямку досліджень. Використання методичного підходу дозволяє досягти підвищення оперативності обробки даних на рівні 14–17 % за рахунок використання додаткових удосконалених процедур. Запропонований методичний підхід доцільно використовувати для вирішення задач оцінки ієрархічних систем

Біографії авторів

Ілля Андрійович Дмитрієв, Харківський національний автомобільно-дорожній університет

Доктор економічних наук, професор

Кафедра менеджменту

Ніна Георгіївна Кучук, Національний технічний університет “Харківський політехнічний інститут”

Доктор технічних наук, професор

Кафедра комп’ютерна інженерія та програмування

Олександр Леонідович Становський, Одеський національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра інтегрованих технологій управління

Олександр Володимирович Єфименко, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, професор, доцент

Кафедра будівельних та дорожніх машин

Ганна Анатоліївна Плєхова, Харківський національний автомобільно-дорожній університет

Кандидат технічних наук, доцент

Кафедра інформатики та прикладної математики

Юлія Валентинівна Вакуленко, Полтавський державний аграрний університет

Кандидат сільськогосподарські наук, доцент

Кафедра інформаційних систем та технологій

Надія Михайлівна Протас, Полтавський державний аграрний університет

Кандидат сільськогосподарських наук, доцент

Кафедра інформаційних систем та технологій

Лариса Миколаївна Дегтярьова, Полтавський державний аграрний університет

Кандидат технічних наук, доцент

Кафедра інформаційних систем та технологій

Наталія Вікторівна Апенько, Національний авіаційний університет

Кандидат технічних наук, доцент

Кафедри комп’ютеризованих систем управління

Максим Борисович Сайног, Державне підприємство Київське конструкторське бюро “ЛУЧ”

Кандидат технічних наук

Головний конструктор – начальник відділу

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 методичного підходу з оцінки стану ієрархічних систем з використанням метаевристичного підходу

##submission.downloads##

Опубліковано

2024-08-30

Як цитувати

Дмитрієв, І. А., Кучук, Н. Г., Становський, О. Л., Єфименко, О. В., Плєхова, Г. А., Вакуленко, Ю. В., Протас, Н. М., Дегтярьова, Л. М., Апенько, Н. В., & Сайног, М. Б. (2024). Розробка методичного підходу з оцінки стану ієрархічних систем з використанням метаевристичного підходу. Eastern-European Journal of Enterprise Technologies, 4(4 (130), 6–14. https://doi.org/10.15587/1729-4061.2024.309030

Номер

Том 4 № 4 (130) (2024): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2024 Illia Dmytriiev, Nina Kuchuk, Oleksandr Stanovskyi, Oleksandr Yefymenko, Ganna Plekhova, Yuliia Vakulenko, Nadiia Protas, Larisa Degtyareva, Nataliia Apenko, Maksym Sainog

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.