ДОСЛІДЖЕННЯ ПРОБЛЕМ ОПТИМІЗАЦІЇ СКЛАДНИХ СИСТЕМ В УМОВАХ НЕВИЗНАЧЕНОСТІ
DOI:
https://doi.org/10.32782/tnv-tech.2024.6.15Ключові слова:
оптимізація, невизначеність, синаптичні зв’язки, ітераційна релаксація, адаптація алгоритму, багатокритеріальність, глобальний екстремумАнотація
У роботі розглянуто актуальну проблему застосування деяких підходів щодо опти- мізації в умовах невизначеності у розрізі досліджень складних систем із багатьма вза- ємодіючими факторами, динамічними змінними та непередбачуваними зовнішніми чин- никами. Встановлено основні параметри, що впливають на формування математичної моделі задачі. Нами визначено деякі початкові параметри системи, характеристики зв'язків між її компонентами, а також специфіка цільової функції. Під час дослідження було проаналізовано еволюцію станів системи при оптимізації для різних значень клю- чових параметрів, таких як модуль синаптичних зв’язків та зовнішні зміщення, обґрун- товано підхід до зменшення ймовірності виникнення неефективних станів системи. З’я- совано, як ці параметри впливають на формування локально стабільних станів, що не відповідають глобальному оптимуму задачі, а також оцінено їх вплив на якість рішень, прийнятих у таких умовах. Розроблено алгоритм оптимізації, який враховує особливості складних систем і базується на послідовному формуванні початкових даних, багатоетап- ному ітераційному процесі досліджуваної системи та її переході до оптимального стану. Запропоновано методику оптимального налаштування параметрів моделі, яка в умовах невизначеності забезпечує адаптивність алгоритму та підвищує ймовірність досягнення глобального екстремуму цільової функції. Визначено деякий підхід до структуризації умов невизначеності системи шляхом ранжування критеріїв релевантності, що дає можли- вість враховувати багатокритеріальний характер задачі та підвищувати ефективність процесу прийняття рішень. Розроблено практичні рекомендації щодо вибору оптималь- них значень вагових коефіцієнтів, налаштування параметрів модуля зв’язків та адаптації алгоритму залежно від складності задачі та специфіки її рівня невизначеності.
Посилання
Bertsimas D., & Margaritis G. (2023). Global Optimization: A Machine Learning Approach. arXiv preprint arXiv:2311.01742. https://doi.org/10.1007/s10898-024-01434-9
Rakshit P., Konar A., Bhowmik P., Goswami I., Das S., Nagar A. K., Janarthanan R. Realization of an Adaptive Memetic Algorithm Using Differential Evolution and Q-Learning: A Case Study in Multirobot Path Planning. IEEE Transactions on Systems, Man, and Cybernetics: Systems. 2013. № 4 3(4). pp. 814–831. https://doi.org/10.1109/TSMC.2012.2222371
Archetti C., Feillet D., Mor A., & Speranza M. G. (2020). Dynamic Traveling Salesman Problem with Stochastic Release Dates. European Journal of Operational Research, 280(3), 832–844. https://doi.org/10.1016/j.ejor.2019.08.011
Metelenko N.G., Kovalenko O.V., Makedon V., Merzhynskyi Y.K., Rudych A.I. (2019). Infrastructure security of formation and development of sectoral corporate clusters, Journal of Security and Sustainability Issues 9(1): 77–89. http://doi.org/10.9770/jssi.2019.9.1
Dhiman, G., Garg, M., Nagar, A., Kumar, V., & Dehghani, M. (2021). A Novel Algorithm for Global Optimization: Rat Swarm Optimizer. Journal of Ambient Intelligence and Humanized Computing, 12(8), 8457–8474. https://doi.org/10.1007/s12652-020-02580-0
Dhiman G., Singh K.K., Soni M., Nagar A., Dehghani M. MOSOA: A New Multi-Objective Seagull Optimization Algorithm. Expert Systems with Applications. 2021. №168. pp. 114150. https://doi.org/10.1016/j.eswa.2020.114150
Makedon V., Kostyshyna T., Tuzhylkina O., Stepanova L., Filippov V. Ensuring the Efficiency of Integration Processes in the International Corporate Sector on the Basis of Strategic Management. Academy of Strategic Management Journal. 2019. Volume 18(SI1). URL: https://www.abacademies.org/articles/Ensuring-the-efficiency-ofintegration-processes-in-the-international-corporate-sector-on-the-basis-of-strategicmanagement-1939-6104-18-SI-1-452.pdf
Bera S., Nagar A.K., Sriram S., Subramanian K.G. An Array P System Based on a New Variant of Pure 2D Context-Free Grammars. Theoretical Computer Science. 2023. №948. pp. 114027. https://doi.org/10.1016/j.tcs.2023.114027
Archetti, C., Cattaruzza, D., Gu, W., Ogier, M., &Semet, F. (2022). A Sequential Approach for a Multi-Commodity Two-Echelon Distribution Problem. Computers & Industrial Engineering, 163, 107797. https://doi.org/10.1016/j.cie.2021.107797
Nwankwor E., Nagar A.K., Reid D.C. Hybrid Differential Evolution and Particle Swarm Optimization for Optimal Well Placement. Computational Geosciences. 2013. №17(2). pp. 249–268. https://doi.org/10.1007/s10596-012-9328-9