Найти

Результаты поиска

• ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ПАРАМЕТРИЧЕСКОГО ПРОГНОЗИРОВАНИЯ И ОПТИМИЗАЦИИ ТРАЕКТОРИИ ДВИЖЕНИЯ БАС

  В.И. Данильченко , В.В. Бова

  263-276

  2025-12-30

  Аннотация ▼

  Рассматривается задача интеллектуального параметрического прогнозирования и оптимизации траектории движения беспилотной авиационной системы (БАС) с применением эволюционных алгоритмов и методов машинного обучения. Актуальность исследования обусловлена многокритериальностью и высокой сложностью процессов формирования траектории движения БАС, а также необходимостью точной и своевременной оценки её полётных параметров. Это особенно важно для обеспечения надёжности, безопасности и эффективного выполнения полётных задач в условиях эксплуатации БАС, включая сценарии, связанные с функционированием критически значимых объектов инфраструктуры. Цель исследования заключается в повышении точности диагностики траекторных параметров и надёжности параметрического прогнозирования траекторий движения БАС в условиях неопределённости и многокритериальности рассматриваемой задачи. В работе предлагается гибридный подход, включающий генетический алгоритм (ГA), алгоритм роя частиц (PSO) с моделью машинного обучения XGBoost, обеспечивающей адаптивную оценку качества формируемых решений. Реализован вычислительный программный комплекс, включающий механизмы селекции, рекомбинации, мутации и элитного наследования, а также модуль машинного обучения для валидации траектории маршрута и связанных параметров. Проведён вычислительный эксперимент, в рамках которого выполнен сравнительный анализ эффективности GA и PSO при различных сценариях их работы. Тестирование выполнялось на отраслевых наборах данных при различном количестве итераций. В ходе вычислительного эксперимента выявлено преимущество генетического алгоритма, а именно повышение качества проектных решений на 14–17%. Результаты исследования демонстрируют высокую адаптивность и практическую применимость в задачах моделирования, параметрического прогнозирования и маршрутизации, а также указывают на потенциал интеграции с интеллектуальными системами навигации и мониторинга БАС. Материалы статьи представляют практический интерес для специалистов в области разработки и эксплуатации БАС, а также для исследователей, занимающихся задачами многокритериального планирования маршрутов, параметрического прогнозирования и повышения надёжности функционирования БАС.

• ДВУХЭТАПНЫЙ БУСТИНГ БИНАРНОЙ КЛАССИФИКАЦИИ НА ОСНОВЕ ПРИМЕНЕНИЯ БИОИНСПИРИРОВАННЫХ АЛГОРИТМОВ

  Д. В. Балабанов , А. В. Ковтун , Ю. А. Кравченко

  2020-10-11

  Аннотация ▼

  В процессе решения широкого круга прикладных задач возникает необходимость де-
  композиции объектов. Как следствие, проблема классификации является актуальной про-
  блемой в современных системах интеллектуального анализа данных. Бинарная классифи-
  кация является одной из важнейших задач, и имеет целый ряд нерешенных проблем. Одной
  из таких проблем является эффективность автоматизированной классификации. В зада-
  чах автоматизированной классификации, актуально применение алгоритмического аппа-
  рата эволюционных вычислений. Таким образом целесообразно применение генетических и
  биоинспирированных алгоритмов, в задаче поиска оптимальных значений параметров
  классификатора. Для решения данной задачи предлагается применить алгоритм роя час-
  тиц(PSO). Данный алгоритм в контексте задачи поиска субоптимальных значений пара-
  метров классификатора способен обеспечить высокое качество классификации. Модифи-
  кацией алгоритма является динамическое изменение значений координат, которые отве-
  чают за тип функции ядра. Данная доработка позволяет значительно снизить затрачи-
  ваемое время разработки классификатора. Для повышения эффективности классификации
  целесообразно применять ансамбли алгоритмов. В работе приведена структура двухуров-
  невого классификатора. На первом уровне данного классификатора, формируется ан-
  самбль простых классификаторов которые формируют учебную выборку, которая, в даль-
  нейшем используется алгоритмом роя частиц на втором этапе. Такой подход позволяет
  значительно уменьшить временные затраты, а также повысить качество получаемых
  решений. Алгоритм роя частиц(PSO), в контексте задачи поиска субоптимальных значе-
  ний параметров классификатора способен обеспечить высокое качество классификации.
  Предложенный двухуровневый алгоритм был экспериментально протестирован. Произве-
  дено сравнение с аналогами, приведены сравнительные диаграммы. Описанные исследова-
  ния показывают, что работа имеет высокую теоретическую значимость, а проведенные
  экспериментальные исследования доказывают высокую практическую значимость.