Статья

Название статьи МЕТОД НЕЧЁТКОЙ ПОРОГОВОЙ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ ГИБРИДНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ
Автор Ю.А. Заргарян, Е.В. Заргарян, И.В. Пушнина
Рубрика РАЗДЕЛ V. КОНТРОЛЬ И УПРАВЛЕНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ
Месяц, год 11, 2014
Индекс УДК 519.7
DOI
Аннотация При решении задач управления производственными процессами и объектами применяют гибридные системы управления. Приводится обзор публикаций, отражающих эволюцию гибридных систем управления, начиная с простого теоретико-множественного описания и оканчивая интеллектуальными системами поддержки принятия решений. Рассмотрены особенности проектирования гибридных систем управления как двухуровневой системы обработки и взаимодействия данных. Приведена блок-схема гибридной системы управления, отличающаяся наличием классического и нечёткого регуляторов. Отмечено, что качество управления зависит от адекватности базы правил для нечеткого регулятора, задаваемой экспертами. Многокритериальная оптимизация функционирования гибридных систем управления рассматривается при задании локальных критериев в виде нечетких интервалов. Рассмотрены методы скаляризации, которые применяются при ранжировании критериев. Целевая функция определена локальными критериями. Оптимизация связана с поиском управляющих воздействий, обеспечивающих оптимальные значения многомерной целевой функции. Рассмотрено применение метода пороговой оптимизации для поиска Парето-оптимального решения. Предложен подход к оценке вариантов Парето-оптимальных решений с применением критериев оценки полезности. Разработан алгоритм и программное приложение для оценки Парето-оптимального решения с учётом полезности.

Скачать в PDF

Ключевые слова Управление; неопределённость; гибридная система; моделирование; искусственный интеллект; метод пороговой оптимизации.
Библиографический список 1. Белоусов О.А. Гибридный регулятор для энергосберегающего управления электрокамерными печами // Промышленные контроллеры АСУ. – 2005. – № 7. – С. 29-30.
2. Вагин В.Н. Реализация концепции распределенного ИИ и многоагентности в системах поддержки принятия решений на базе комплекса G2+GDA // Труды Междун. семинара
«Распределённый искусственный интеллект и многоагентные системы – DIAMAS 97». – СПб., 1997.
3. Гаврилов А.В. Архитектура гибридной системы управления мобильного робота // Научный вестник НГТУ. – 2004. – № 2.
4. Заргарян Ю.А. Разработка и исследование методов принятия решений в условиях неполноты данных при нечётком описании параметров моделей: Дис. … канд. техн. наук. – Таганрог: ТТИ ЮФУ, 2012.
5. Игнатьев В.В., Финаев В.И. The Use Hybrid Rerulation in Desing of Control System // World Applied Sciences Journal. – 2013. – № 23 (11). – P. 1291-1297.
6. Колесников А.В. Гибридные интеллектуальные системы: теория и технология разработки. - СПб.: Изд-во СПбГТУ, 2001. – 600 с.
7. Лаврик С.А. Построение гибридной нейроэкспертной системы определения информативных сейсмических атрибутов // Новые технологии. – 2007. – № 4.
8. Осипов Г.С. Динамика в системах, основанных на знаниях // Известия РАН. Теория и системы управления. – 1998. – № 5. – С. 24-28.
9. Павленко Е.Н., Финаев В.И., Игнатьев В.В. Моделирование обучаемого нечёткого регулятора // Вестник РГУПС. – 2014. – № 1 (53). – С. 69-75.
10. Финаев В.И., Павленко Е.Н., Кирильчик С.В. Решение задач управления с применением интеллектуальных гибридных систем // Известия ЮФУ. Технические науки. – 2014. – № 5 (154). – С. 140-147.
11. Altannar Chinchuluun, Panos M. Pardalos, Rentsen Enkhbat, Ider Tseveendorj. Optimization and Optimal Control: Theory and Applications. Publisher: Springer-Verlag New York, LLC. 2010. - P. 524.
12. Finaev V.I., Zargaryan Yu. Multicriterion Decision Making in Case of Incomplete Source Data. World Applied Sciences Journal 23 (9): 1253-1261, 2013 ISSN 1818-4952. ©IDOSI Publications, 2013 DOI: 0.5829/idosi.wasj.2013.23.09.13140. [Electronic resource]. – URL: http://www.idosi.org/wasj/wasj23(9)13/19.pdf.
13. Gabriele Eichfelder. Adaptive Scalarization Methods in Multiobjective Optimization. Publisher: Springer, 2008. - P. 256.
14. Medsker L.R. Hybrid Intelligent Systems // International Journal of Computational Intelligence and Organizations. – 1996. – Vol. 1. – P. 10-20.
15. Заргарян Е.В., Заргарян Ю.А. Информационное обеспечение для задач многокритериальной оптимизации по методу Парето // Информатизация и связь. – 2013. – № 2. – С. 114-118.

Comments are closed.