Для авторов
Найти
Результаты поиска
Найдено результатов: 5.
-
ПОДХОД К КОДИРОВАНИЮ РЕШЕНИЙ В ЭВОЛЮЦИОННЫХ МЕТОДАХ ДЛЯ СОЗДАНИЯ ИНСТРУМЕНТАЛЬНОЙ ПЛАТФОРМЫ ПРОЕКТИРОВАНИЯ
Э. В. Кулиев, А. А. Лежебоков, М. М. Семенова, В.А. Семенов2020-07-20Аннотация ▼Рассмотрены актуальные вопросы и проведен анализ проблемы трехмерной инте-
грации и трехмерного моделирования, возникающей на этапе конструкторского проекти-
рования в ходе решения задачи оптимального планирования компонентов больших и сверх-
больших интегральных схем и корпусных устройств электронной вычислительной аппара-
туры. Представлены и достаточно детально описаны основные преимущества примене-
ния принципов трехмерной интеграции, позволяющие эффективно организовывать произ-
водство персонифицированной электроники, оптимально планировать конфигурацию
больших и сверхбольших интегральных схем с учетом тепловых и энергетических характе-
ристик. В ходе выполнения исследований авторами разработан подход к кодированию ре-
шений на основе интеллектуального механизма, который характеризуется наличием
встроенных средств контроля допустимых решений. Одним из таких средств, экспери-
ментально доказавших свою эффективность, является встроенный механизм «смертель-
ных мутаций», учитывающий статусы генов и заранее заданные ограничения на итоговую
конфигурацию корпуса проектируемого устройства. В работе предложен ряд общих под-
ходов и конкретных алгоритмов решения задачи планирования, основывающихся на ре-
зультатах исследований авторского коллектива и современных подходах к решению
NP-полных задач. Важнейшим практически значимым результатом исследований обозна-
ченной проблемы является разработанная программно-инструментальная платформа
проектирования на современном кроссплатформенном языке программирования Java. Вы-
бранная технология разработки позволяет использовать все основные достоинства со-
временных многоядерных и многопроцессорных архитектур, по использованию программ-
ной многопоточности для реализации параллельных схем решения комбинаторных задач.
Программно-инструментальная платформа обладает дружественным интерфейсом, что
позволяет эффективно управлять процессом решения задачи планирования компонентовбольших и сверхбольших интегральных схем трехмерной интеграции, путем визуализации
ключевых показателей работы алгоритмов на графиках и в блоках текстовой статисти-
ки. Разработанное прикладное программное обеспечение позволило провести серию вычис-
лительных экспериментов, на основе наборов случайных данных также, как и наборах от-
крытых данных бенчмарков для подобного рода задач. Результаты экспериментальных
исследований позволили подтвердить теоретические оценки временной сложности и эф-
фективности предложенных подходов и алгоритмов, в том числе генетического алгорит-
ма, который использует предложенный в работе новый механизм кодирования решений. -
РАЗРАБОТКА БИОЭВРИСТИК ДЛЯ СОЗДАНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДСИСТЕМЫ ПРИНЯТИЯ ЭФФЕКТИВНЫХ РЕШЕНИЙ NP- ТРУДНЫХ И NP-СЛОЖНЫХ КОМБИНАТОРНО-ЛОГИЧЕСКИХ ЗАДАЧ НА ГРАФАХ
Д.В. Заруба , Э.В. Кулиев , Д. Ю. Запорожец , М. М. Семенова2021-11-14Аннотация ▼Статья посвящена решению новых актуальных проблем, возникших в условиях со-
временного развития информационных и нанометровых технологий в области проектиро-
вания, а также разработке новых инновационных методов, обеспечивающих получение
эффективных решений за полиномиальное время. В статье рассматривается проблема
решения NP-сложных задач. Приведено описание процедуры измерения сложности задачи.
Описаны особенности NP- трудных и NP-сложных комбинаторно-логических задач. При-
ведены основные различия между задачами, а также проблемы, с которыми приходится
сталкиваться при решении такого вида задач. Представлена общая схема принятия реше-
ний, состоящая из формулировки проблемы; принятие решения; сигнала в автоматических
системах и обратной связи. На втором этапе (формирование и выбор вариантов решений)
решение основывается на биоинспирированном алгоритме поиска решений задачи комми-
вояжёра. Для решения поставленной задачи был разработан модифицированный биоинспи-
рированный алгоритм, основанный на поведении муравьиной колонии. В отличие от других
методов оптимизации, метаэвристические алгоритмы могут находить глобальные опти-
мальные решения для задач, где существует много локальных решений из-за их случайного
характера. Эти причины привели к широкому использованию таких алгоритмов при реше-
нии различных задач оптимизации. Биоинспирированные алгоритмы становятся новой
революцией в области решений оптимизационных задач. Представлена постановка задачи
коммивояжера, а также решение поставленной задачи на основе муравьиного алгоритма.
Алгоритмы, такие как генетические алгоритмы и PSO могут быть очень полезными, но
они все еще имеют некоторые недостатки в решении проблем мультимодальной оптими-
зации. Эти алгоритмы способны находить оптимальные решения независимо от физиче-
ской природы проблемы. В рамках экспериментальных исследований был произведен анализ
работы биоинспирированных алгоритмов: алгоритм стаи летучих мышей бактериальный
алгоритм и муравьиный алгоритм. -
ИНТЕЛЛЕКТУАЛЬНАЯ ПОДСИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ БИОЛОГИЧЕСКИ ПРАВДОПОДОБНЫХ АЛГОРИТМОВ САМООРГАНИЗАЦИИ
Э. В. Кулиев , М.П. Кривенко , М.М. Семенова , С.В. Игнатьева2021-11-14Аннотация ▼Рассматриваются основные понятия и определения систем поддержки принятия реше-
ний на основе самоорганизации. Системы поддержки принятия решений (Decision Support
Systems) относятся к кругу интерактивных компьютерных систем, которые помогают ис-
пользовать данные, модели и знания для решения частично структурированных, неструктури-
рованных или неструктурированных проблем. Показана и описана схема базовой структуры
системы поддержки принятий решений. Рассмотрены три основных компонента Decision
Support Systems, а также описан случай, когда может быть применен четвертый компонент
системы поддержки принятия решений – система управления, основанная на знаниях. В ста-
тье предложено описание интеллектуальной системы поддержки принятия решений. Примеры
специализированных интеллектуальных систем поддержки принятия решений включают в себя
интеллектуальные системы поддержки принятия маркетинговых решений и системы меди-
цинской диагностики, гибкие производственные системы. Проблемы, связанные с принятием
оптимальных решений, занимают важное место в автоматизированном проектировании и
требуют совершенствования методов и средств поддержки процессов оптимального проек-
тирования на различных этапах. Рассмотрены алгоритмы самоорганизации, вдохновленные
живой природой. Биоинспирированные алгоритмы являются представительским классом алго-
ритмов самоорганизации. Биовдохновленные вычисления имитируют природу и используют
основные концепции и поведение этих систем для решения сложных проблем. В статье описан
алгоритм летучих мышей. Проведен экспериментальный анализ процесса применения алгорит-
ма самоорганизации в системах принятия решений. -
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ НА ОСНОВЕ АЛГОРИТМА ИМИТАЦИИ ОТЖИГА
Э.В. Кулиев , А.В. Котельва , М.М. Семенова , С.В. Игнатьева , А.П. Кухаренко2022-11-01Аннотация ▼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. -
РЕШЕНИЕ ЗАДАЧИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ НА ОСНОВЕ БИОИНСПИРИРОВАННОГО АЛГОРИТМА
Э.В. Кулиев , Д. Ю. Запорожец, Ю.А. Кравченко , М.М. Семенова2022-01-31Аннотация ▼Рассматривается биоинспирированный алгоритм для решения задач интеллектуаль-
ного анализа. Интеграция биоинспирированных алгоритмов для решения задач интеллек-
туального анализа данных является перспективным направлением исследований. В качест-
ве биоинспирированного алгоритма, рассмотрен алгоритм, основанный на адаптивном
поведении муравьиной колонии. Алгоритм муравьиной колонии позволяет производить ка-
чественный поиск перспективных решений для получения оптимальных и квазиоптималь-
ных решений. Алгоритм обладает способностью выполнять поиск подходящей логических
условий. Алгоритм муравьиной колонии основан на примере поведения живых муравьев в
природе. Муравьи способны находить кратчайшее решение адаптируясь к изменениям
окружающей среды. Авторами предложен модифицированный алгоритм муравьиной коло-
нии для решения задачи интеллектуального анализа данных. В качестве задачи интеллек-
туального анализа данных выбрана задача кластеризации. Кластеризация – объединение в
группы схожих объектов – является одной из фундаментальных задач в области анализа
данных и Data Mining. Список прикладных областей, где она применяется, широк: сегмен-
тация изображений, маркетинг, борьба с мошенничеством, прогнозирование, анализ тек-
стов и многие другие. Решение данной задачи приобретает особую актуальность в услови-
ях постоянно растущего объема генерируемых, передаваемых и обрабатываемых данных.
Классические методы кластеризации оптимизированы путем объединения с предложен-
ным алгоритмом биоинспирированной оптимизации – муравьиным алгоритмом. Предло-
женный метод представляет собой модель, в которой муравьи представлены в виде аген-
тов, которые случайным образом перемещаются в пространстве решений с некоторыми
ограничений (например, препятствия на их пути). Для определения эффективности разра-
ботанного модифицированного муравьиного алгоритма (АСО) с алгоритмом кластериза-
ции, авторами была проведена серия вычислительных экспериментов. Для сравнения были
взять генетический алгоритм, алгоритм обезьян и алгоритм волков. Результаты модели-
рования доказывают, что муравьиный алгоритм на основе кластеризации дает лучшие
результаты, чем другие предлагаемые алгоритмы.
1 - 5 из 5 результатов
