Розроблення інформаційних технологій розв’язування задач дискретної оптимізації на основі ройового інтелекту
DOI:
https://doi.org/10.15587/2312-8372.2018.150512Ключові слова:
дискретна оптимізація, ройовий інтелект, інформаційні технології, системи підтримки прийняття рішеньАнотація
Об'єктом даного дослідження є процедура побудови інформаційних технологій, функціонування яких базується на методах ройового інтелекту, для розв’язування задач дискретної оптимізації.
Для розв’язування будь-якої задачі оптимізації в множині ройових алгоритмів, напевно знайдеться хоча б один алгоритм, який дасть, як мінімум, задовільні результати. Однак, немає і не може бути алгоритму, який міг би забезпечити високу ефективність при вирішенні всіх задач оптимізації. Тому для кожного з ройових алгоритмів можуть бути виділені класи завдань, які він вирішує: краще за інші алгоритми; приблизно як інші алгоритми; гірше інших алгоритмів.
В ході дослідження використовувалися інформаційні технології розв’язування задач дискретної оптимізації на основі ройових алгоритмів. Отримано методи застосування різного класу алгоритмів ройового інтелекту для розв’язування задач дискретної оптимізації. Поєднано методи ройового інтелекту для розв’язування певного класу задач. Визначено оптимальні значення параметрів певних методів ройового інтелекту.
Розроблено інформаційну технологію використання ройових алгоритмів у залежності від класу задачі дискретної оптимізації, який ґрунтується на характеристиках ройових алгоритмів (вид вхідних параметрів, окіл популяцій, тип формування популяцій, тип ітераційних процесів). Це дало змогу обирати релевантний ройовий алгоритм для розв’язування прикладних задач та класифікувати ці задачі в залежності від характеристик ройових алгоритмів, який використовується для її розв’язання.
Розроблено інформаційну технологію використання сукупності різних методів ройових алгоритмів для розв’язування певного класу задач, що, на відміну від інших підходів, базується на гібридному підході використання ройових алгоритмів в залежності від їх характеристик. Це дає змогу використати перевагу певного ройового алгоритму й тим самим підвищити ефективність розв’язування певних класів прикладних задач дискретної оптимізації.
Посилання
- Dorigo, M., Stützle, T. (2003). The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances. International Series in Operations Research & Management Science. Boston: Springer, 250–285. doi: http://doi.org/10.1007/0-306-48056-5_9
- Adubi, S. A., Misra, S. (2014). A comparative study on the ant colony optimization algorithms. 2014 11th International Conference on Electronics, Computer and Computation (ICECCO). doi: http://doi.org/10.1109/icecco.2014.6997567
- SinghJadon, R., Dutta, U. (2013). Modified Ant Colony Optimization Algorithm with Uniform Mutation using Self-Adaptive Approach. International Journal of Computer Applications, 74 (13), 5–8. doi: http://doi.org/10.5120/12943-9931
- Pham, D. T., Ghanbarzadeh, A., Koc, E., Otri, S., Rahim, S., Zaidi, M. (2005). The Bees Algorithm. Technical Note, Manufacturing Engineering Centre, Cardiff University.
- Basturk, B., Karaboga, D. (2006). An artificial bee colony (abc) algorithm for numeric function optimization. IEEE Swarm Intelligence Symposium 2006. Indianapolis, Indiana.
- Galchenko, V. Ya., Yakimov, A. N. (2015). Populiatsionnye metaevristichskie algoritmy optimizatsii roem chastits. Cherkassy: FLP Tretiakov A. N., 160.
- Del Valle, Y., Venayagamoorthy, G. K., Mohagheghi, S., Hernandez, J.-C., Harley, R. G. (2008). Particle Swarm Optimization: Basic Concepts, Variants and Applications in Power Systems. IEEE Transactions on Evolutionary Computation, 12 (2), 171–195. doi: http://doi.org/10.1109/tevc.2007.896686
- Coello, C. A. C. (2011). An Introduction to Multi-Objective Particle Swarm Optimizers. Soft Computing in Industrial Applications, 3–12. doi: http://doi.org/10.1007/978-3-642-20505-7_1
- Karpenko, A. P. (2012). Populyatsionnye algoritmy global'noy optimizatsii. Obzor novykh i maloizvestnykh algoritmov. Prilozhenie k zhurnalu «Informatsionnye tekhnologii», 7, 1–32.
- Mirjalili, S., Mirjalili, S. M., Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software, 69, 46–61. doi: http://doi.org/10.1016/j.advengsoft.2013.12.007
- Madadi, A., Motlagh, M. (2014). Optimal Control of DC Motor Using Grey Wolf Optimizer Algorithm. Technical Journal of Engineering and Applied Science, 4 (4), 373–379.
- Gandomi, A. H., Yang, X.-S., Alavi, A. H., Talatahari, S. (2012). Bat algorithm for constrained optimization tasks. Neural Computing and Applications, 22 (6), 1239–1255. doi: http://doi.org/10.1007/s00521-012-1028-9
- Nakamura, R. Y. M., Pereira, L. A. M., Costa, K. A., Rodrigues, D., Papa, J. P., Yang, X.-S. (2012). BBA: A Binary Bat Algorithm for Feature Selection. 2012 25th SIBGRAPI Conference on Graphics, Patterns and Images, 291–297. doi: http://doi.org/10.1109/sibgrapi.2012.47
- Yang, X. S., He, X. (2013). Bat algorithm: literature review and applications. International Journal of Bio-Inspired Computation, 5 (3), 141–149. doi: http://doi.org/10.1504/ijbic.2013.055093
- Kureychik, V. V., Kureychik, V. M., Rodzin, S. I. (2009). Kontseptsiya evolyutsionnykh vychisleniy inspirirovannykh prirodnymi vychisleniyami. Izvestiya YUFU. Tekhnicheskie nauki. Tematicheskiy vypusk «Intellektual'nye SAPR», 4 (93), 16–24.
- Karpenko, A. P. (2014). Sovremennye algoritmy poiskovoy optimizatsii. Algoritmy, vdokhnovlennye prirodoy. Moscow: MGTU im. N. E. Baumana, 446.
- Bonabeau, E., Dorigo, M., Theraulaz, G. (1999). Swarm intelligence: From Natural to Artificial Systems. Oxford University Press, 320.
- Lytvyn, V., Uhryn, D., Shevchuk, S., Baliasnikova, O., Iliiyuk, O. (2017). Development of the method for territorial community formation based on multi-criteria swarm algorithm approach. Technology Audit and Production Reserves, 3 (2 (35)), 20–27. doi: http://doi.org/10.15587/2312-8372.2017.105379
- Lytvyn, V., Uhryn, D., Nadiein, N., Кlichuk, O. (2017). Modeling of the process of territorial communities formation using swarm intelligence algorithms. Technology Audit and Production Reserves, 5 (2 (37)), 17–33. doi: http://doi.org/10.15587/2312-8372.2017.112198
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Vasyl Lytvyn, Dmytro Uhryn, Roman Olyvko, Yaroslav Borovets
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.
