ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ НА ОСНОВЕ АЛГОРИТМА ИМИТАЦИИ ОТЖИГА

  • Э.В. Кулиев Южный федеральный университет
  • А.В. Котельва Южный федеральный университет
  • М.М. Семенова Южный федеральный университет
  • С.В. Игнатьева Южный федеральный университет
  • А.П. Кухаренко Южный федеральный университет
Ключевые слова: Интеллектуальный анализ данных, алгоритм имитации отжига, управление человеческими ресурсами

Аннотация

Рассмотрен аналитический обзор алгоритма имитации отжига для задачи эффек-
тивного управления предприятием. Проведена оптимизация алгоритма имитации отжига
для задачи эффективного управления предприятием. Для анализа случаев использовалась
оптимизация графика работы рабочих в организации. Установлена модель планирования
рабочих с сильными и слабыми ограничениями. Смоделированный алгоритм отжига ис-
пользуется для оптимизации стратегии решения модели планирования рабочего графика
персонала. Алгоритм имитации отжига представляет собой алгоритм, пригодный для
решения крупномасштабных задач комбинаторной оптимизации. Он также оценивает и
получает оптимальную стратегию планирования. Алгоритм имитации отжига хорошо
влияет на интеллектуальный анализ данных управления человеческими ресурсами. Интел-
лектуальный анализ больших данных может помочь компаниям проводить динамическийанализ при наборе талантов, а план набора талантов выполняется качественно и стан-
дартно, чтобы проанализировать характеристики различных талантов со многих сторон
и повысить уровень управления человеческими ресурсами. Разработан алгоритм реализую-
щий процесс работы алгоритма имитации отжига. Алгоритм имитации отжига прини-
мает новые решения по критерию Метрополиса, поэтому помимо принятия оптимизиро-
ванного решения он также принимает ослабленное решение в ограниченном диапазоне.
Алгоритм Метрополиса – алгоритм семплирования, использующийся, в основном, для
сложных функций распределения. Он отчасти похож на алгоритм выборки с отклонением,
однако здесь вспомогательная функция распределения меняется со временем. Проведены
экспериментальные исследования, которые показывают, что модель планирования рабо-
чих, основанная на сильных и слабых ограничениях, значительно лучше, чем модель ручного
планирования, достигая эффективного баланса между контролем затрат на зарплату в
организации и повышением удовлетворенности персонала. Успешное применение модели
планирования персонала, основанной на моделируемом алгоритме отжига, приносит новые
идеи и идеи для решения крупномасштабных задач планирования рабочих. Приведенные
результаты могут служить отправной точкой для изучения систем управления персона-
лом, основанных на технологии интеллектуального анализа данных.

Литература

1. Kureychik V.V., Kureychik V.M., Rodzin S.I. Teoriya evolyutsionnykh vychisleniy [Theory of
evolutionary calculations]. Moscow: Fizmatlit, 2012, 260 p.
2. Kureychik V.M., Kureychik V.V. Geneticheskiy algoritm razbiyeniya grafa [Genetic algorithm
of graph partitioning], Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy upravleniya
[Proceedings of the Russian Academy of Sciences. Theory and control systems], 1999, No. 4,
pp. 79-87.
3. Kureychik V.M., Lebedev B.K., Lebedev O.K. Poiskovaya adaptatsiya: teoriya i praktika [Search
adaptation: theory and practice]. Moscow: Fizmatlit, 2006, 272 p. ISBN 5-9221-0749-6.
4. Koshevoy N.D., Koshevaya I.I., Bel'mega A.V. Optimizatsiya kompozitsionnykh planov
vtorogo poryadka s ispol'zovaniyem zhadnogo algoritma i algoritma imitatsii otzhiga [Optimization
of second–order composite plans using a greedy algorithm and an annealing simulation
algorithm], International Scientific and Practical Conference World science, 2016, Vol. 1,
No. 10 (14), pp. 11-16
5. Sukhov I.V. Analiz algoritma imitatsii otzhiga v reshenii zadachi kommivoyazhora [Analysis
of the algorithm of simulated annealing in solving the traveling salesman problem], Akademiya
pedagogicheskikh idey Novatsiya. Seriya: Nauchnyy poisk [Academy of Pedagogical Ideas
Novation. Series: Scientific search], 2019, No. 6, pp. 16-19.
6. Boroznov V.O. Issledovaniye resheniya zadachi kommivoyazhera [Investigation of the solution
of the traveling salesman problem], Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo
universiteta. Upravleniye, vychislitel'naya tekhnika i informatika [Bulletin of the Astrakhan
State Technical University. Management, computer engineering and computer science], 2009,
pp. 147-151.
7. Kureychik V.M., Kureychik V.V. Geneticheskiy algoritm razbiyeniya grafa [Genetic algorithm of
graph partitioning], Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy upravleniya [Proceedings
of the Russian Academy of Sciences. Theory and control systems], 1999, No. 4, pp. 79-87.
8. Kravchenko Yu.A., Mansur A.M., Mokhammad Zh.Kh. Vektorizatsiya teksta s ispol'zovaniyem
metodov intellektual'nogo analiza dannykh [Text vectorization using data mining methods],
Izvestiya YuFU. Tekhnicheskiye nauki [Izvestiya SFedU. Engineering Sciences], 2021, No. 2
(219), pp. 154-167.
9. Wang W., Liu L., Liu J., and Chen Z. Energy management and optimization of vehicle-to-grid
systems for wind power integration, CSEE Journal of Power and Energy Systems, 2020,
Vol. 7, No. 1, pp. 172-180,
10. Wu W., Wu W., and Wang S. Thermal management optimization of a prismatic battery with
shape-stabilized phase change material, International Journal of Heat and Mass Transfer,
2018, Vol. 121, pp. 967-977.
11. Kureychik V.M., Lebedev B.K., Lebedev O.K. Poiskovaya adaptatsiya: teoriya i praktika [Search
adaptation: theory and practice]. Moscow: Fizmatlit, 2006, 272 p. ISBN 5-9221-0749-6.
12. Kuliev E.V., Lezhebokov A.A., Kravchenko Yu.A. Royevoy algoritm poiskovoy optimizatsii na
osnove modelirovaniya povedeniya letuchikh myshey [Swarm search engine optimization algorithm
based on bat behavior modeling], Izvestiya YuFU. Tekhnicheskiye nauki [Izvestiya
SFedU. Engineering Sciences], 2016, No. 7 (180), pp. 53-62.
13. Kripak Ye.M., Timofeyev D.N. Optimizatsiya ispol'zovaniya chelovecheskikh resursov predpriyatiya
na osnove resheniya zadachi o naznachenii s primeneniyem nechetko-mnozhestvennogo
modelirovaniya [Optimization of the use of human resources of the enterprise based on the solution
of the assignment problem using fuzzy-multiple modeling], Ekonomika i predprinimatel'stvo [Economics
and entrepreneurship], 2014, No. 4-2 (45), pp. 743-747
14. Kureychik V.M., Kureychik V.V., Rodzin S.I. Modeli parallelizma evolyutsionnykh vychisleniy
[Models of parallelism of evolutionary computations], Vestnik Rostovskogo gosudarstvennogo
universiteta putey soobshcheniya [Bulletin of the Rostov State University of Railways], 2011,
No. 3 (43), pp. 93-97.
15. Kuliev E.V., Zaporozhets D.Yu., Kravchenko Yu.A., Semenova M.M. Resheniye zadachi
intellektual'nogo analiza dannykh na osnove bioinspirirovannogo algoritma [Solving the problem
of data mining based on a bioinspired algorithm], Izvestiya YuFU. Tekhnicheskiye nauki
[Izvestiya SFedU. Engineering Sciences], 2021, No. 6 (223), pp. 89-99.
16. Kravchenko Yu.A., Mansur Ali Makhmud, Mokhammad Zhuman Khussayn. Modifitsirovannyy
metod ustraneniya neodnoznachnosti smysla slov, osnovannyy na metodakh raspredelennogo
predstavleniya [A modified method for eliminating the ambiguity of the meaning of words
based on distributed representation methods], Izvestiya YuFU. Tekhnicheskiye nauki [Izvestiya
SFedU. Engineering Sciences], 2021, No. 3 (220), pp. 92-101.
17. Bray M., Wang W., Rees M.A. et al. KPDGUI: an interactive application for optimization and
management of a virtual kidney paired donation program, Computers in Biology and Medicine,
2019, Vol. 108, pp. 345-353.
18. Byrne R.H., Nguyen T.A., Copp D.A., Chalamala B.R., and Gyuk I. Energy management and optimization
methods for grid energy storage systems, IEEE Access, 2018, Vol. 6, pp. 13231-13260.
19. Bova V.V., Kravchenko Yu.A., Rodzin S.I., Kuliev E.V. Simulation of the semantic network of
knowledge representation in intelligent assistant systems based on ontological approach,
Communications in Computer and Information Science (sm. v knigakh), 2021, Vol. 1396
CCIS, pp. 241-252.
20. Kuliev E.V., Krivenko M.P., Semenova M.M., Ignat'yeva S.V. Intellektual'naya podsistema
podderzhki prinyatiya resheniy na osnove biologicheski pravdopodobnykh algoritmov
samoorganizatsii [Intelligent decision support subsystem based on biologically plausible selforganization
algorithms], Izvestiya YuFU. Tekhnicheskiye nauki [Izvestiya SFedU. Engineering
Sciences], 2021, No. 4 (221), pp. 105-116.
Опубликован
2022-11-01
Выпуск
Раздел
РАЗДЕЛ I. АНАЛИЗ ДАННЫХ И МОДЕЛИРОВАНИЕ