МЕТОДОЛОГИЯ ИСПОЛЬЗОВАНИЯ БИОИНСПИРИРОВАННЫХ МЕТОДОВ ДЛЯ ИНТЕГРИРОВАННОЙ ОБРАБОТКИ БОЛЬШИХ ДАННЫХ НА ПРИМЕРЕ РЕШЕНИЯ ЗАДАЧИ ТРАНСПОРТНОГО ТИПА

  • С.Н. Щеглов Южный Федеральный Университет
Ключевые слова: Алгоритм, метод, графовые модели эвристика, структура, схема, эксперимент;, исследование, генетический поиск, адаптация, искусственный интеллект, эволюция, решение

Аннотация

Приводится методология использования биоинспирированных методов для интегриро-
ванной обработки больших данных на примере решения задачи транспортного типа.
Оcнoвнoe мecтo среди прикладных задач транспортного типа, зaнимaют зaдaчи построения
транспортных мapшpyтoв, кoтopыe пoзвoляют дo минимyмa coкpaтить пpoбeг
тpaнcпopтныx средств или минимизиpовать зaтpaты нa пepeвoзкy гpyзoв. Маршрутизация
перевозок – это наиболее совершенный способ организации потоков грузов с предприятий,
оказывающий существенное влияние на ускорение оборота транспорта при рациональном
и эффективном его использовании. Для данного класса комбинаторных задач, отсутствуют
эффективные классические методы и алгоритмы решения. Эти задачи характеризуются
конечным, но весьма большим числом возможных решений. Их можно поставить как задачи
целочисленного программирования, но и в этом случае отсутствуют эффективные алго-
ритмы. Поэтому, разработка методов и алгоритмов для решения задач транспортного
типа, осуществляющаяся на протяжении многих лет, является по-прежнему, актуальной
проблемой. Осуществлен методологический анализ проблемы исследования. Анализ показал,
что использование методов и алгоритмов последовательного и параллельного биоинспириро-
ванного поиска для решения рассматриваемого класса задач транспортного типа, является
актуальной научной задачей, представляющей практический интерес. Приведена постановка
задачи. Показана схема интегрированного поиска, которая позволяет распараллелить про-
цесс нахождения приемлемого решения для задач большой размерности. Рассмотрена
структурная схема биоинспирированного поиска для задачи об экстремальном пути. Пред-
ставлены результаты вычислительных экспериментов. Результаты исследований позволя-
ют сделать вывод о том, что временная сложность рассмотренных алгоритмов биоинспи-
рированного поиска не выходит за пределы полиномиальной зависимости, и может быть
выражена формулой: O(N2), где N – число вершин графа (размер решаемой задачи).

Литература

1. Чернышев Ю.О., Басова А.В., Полуян А.Ю. Решение задач транспортного типа генетиче-
скими алгоритмами: монография. – Ростов-на-Дону: Изд-во ЮФУ, 2008. – 73 с.
2. Курейчик В.М., Курейчик В.В. Эволюционные, синергетические и гомеостатические
стратегии в искусственном интеллекте: состояние и перспективы // Новости искусст-
венного интеллекта. – 2000. – № 3. – С. 39-67.
3. Kureichik V.V., Kravchenko Y.A. Bioinspired algorithm applied to solve the travelling salesman
problem. // World Applied Sciences Journal. – 2013. – No. 22 (12). – P. 1789-1797.
4. Bova V.V., Kureichik V.V., Leshchanov D.V. The model of semantic similarity estimation for
the problems of big data search and structuring // Application of Information and Communication
Technologies - AICT 2017. – P. 27-32.
5. Kurejchik V.V., Kurejchik V.M. On genetic-based control // Автоматика и телемеханика.
– 2001. – № 10. – С. 174-187.
6. Бова В.В., Курейчик В.В. Интегрированная подсистема гибридного и комбинированного
поиска в задачах проектирования и управления // Известия ЮФУ. Технические науки.
– 2010. – № 12 (113). – С. 37-43.
7. Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании //
Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 22-27.
8. Гладков Л.А., Гладкова Н.В. Новые подходы к построению систем анализа и извлечения
знаний на основе гибридных методов // Известия ЮФУ. Технические науки. – 2010.
– № 7 (108). – С. 146-153.
9. Kureichik V.V., Kureichik V.M., Sorokoletov P.V. Analysis and a survey of evolutionary models
// Journal of Computer and Systems Sciences International. – 2007. – Vol. 46, No. 5.
– P. 779-791.
10. Курейчик В.М., Курейчик В.В., Родзин С.И. Модели параллелизма эволюционных вы-
числений // Вестник Ростовского государственного университета путей сообщения.
– 2011. – № 3. – С. 93-97.
11. Бова В.В., Курейчик В.В., Лежебоков А.А. Многоуровневый алгоритм решения задач
транспортной логистики на основе методов роевого интеллекта // Вестник ростовского
государственного университета путей сообщения. – 2013. – № 3 (51). – C. 113-118.
12. Kureichik V., Safronenkova I. Integrated algorithm of the domain ontology development //
Advances in Intelligent Systems and Computing. – 2017. – Vol. 573. – P. 146-155.
13. Кулиев Э.В., Кравченко Ю.А., Логинов О.А., Запорожец Д.Ю. Метод интеллектуального
принятия эффективных решений на основе биоинспирированного подхода // Известия
Кабардино-Балкарского научного центра РАН. – 2017. – № 62 (80). – С. 162-169.
14. Бова В.В., Кулиев Э.В., Лещанов Д.В. Концептуальные основы автоматизированной об-
работки неструктурированной информации в системах управления проблемно-
ориентированными знаниями // В сб. "IS&IT'17". – 2017. – С. 341-350.
15. Запорожец Д.Ю., Курейчик В.В. Гибридный алгоритм решения задач транспортного
типа // Известия ЮФУ. Технические науки. – 2013. – № 7 (144). – С. 80-85.
16. Курейчик В.В., Курейчик В.М., Родзин С.И. Теория эволюционных вычислений. – М.:
Физматлит, 2012. – 260 c.
17. Gladkov L.A., Sheglov S.N., Gladkova N.V. The application of bioinspired methods for solving
vehicle routing problems // Procedia Computer Science, 120 (2017): 9th International Conference
on Theory and Application of Soft Computing, Computing with Words and Perception,
ICSCCW 2017. – P. 39-46.
18. Кулиев Э.В., Шеглов С.Н., Пантелюк Е.А., Логинов О.А. Адаптивный алгоритм стаи се-
рых волков для решения задач проектирования. // Известия ЮФУ. Технические науки.
– 2017. – № 7 (192). – С. 28-38.
19. Логинов О.А., Лежебоков A.A., Бова В.В., Щеглов С.Н. Интеллектуальный анализ дан-
ных на основе биоинспирированного подхода // Информатизация и связь. – 2018. – № 4.
– С. 66-72.
20. Кравченко Ю.А., Коваленко М.С. Разработка инструментальной среды обработки дан-
ных // Конгресс по интеллектуальным системам и информационным технологиям
IS-IT’17: Тр. Конгресса. – 2017. – Т. 3. – С. 211-218.
Опубликован
2019-11-12
Выпуск
Раздел
Раздел II. Анализ данных и управление знаниями