Development of a method for managing technical systems using a bio-inspired algorithm

• Published in: Eastern-European journal of enterprise technologies Vol. 3; no. 4 (129); pp. 35 - 43
• Main Authors: Sova, Oleg, Dmytriiev, Illia, Kuchuk, Nina, Yefymenko, Oleksandr, Lytvynenko, Nataliia, Plekhova, Ganna, Shatrov, Andrii, Chemerys, Yevheniy, Dovbenko, Oleksii, Stoichev, Maksym
• Format: Journal Article
• Language: English
• Published: 28.06.2024
• ISSN: 1729-3774; 1729-4061
• DOI: 10.15587/1729-4061.2024.304471

Today’s management solutions depend precisely on the successful solution of optimization problems, which are discontinuous, undifferentiated and multimodal. One of the approaches to increase the efficiency of solving optimization problems is bio-inspired algorithms. The object of the study is complex dynamic objects. The subject of the study is the decision-making process in the problems of managing complex dynamic objects. A management method using a bio-inspired algorithm is proposed. The research is based on the goose algorithm – for finding a solution to the state of dynamic objects with a hierarchical structure. Evolving artificial neural networks are used to train goose agents (GA) and an advanced genetic algorithm is used to select the best ones in the combined swarm algorithm. The originality of the proposed method lies in setting GA taking into account the uncertainty of the initial data, improved global and local search procedures. Also, the originality of the study lies in determining GA food locations, which allows choosing the priority of search in a given direction. The next element in the originality of the study is the ability to determine the indicators of guard GA, which allows adjusting the amount of time during which the GA flock will be located. Another original element of the study is the determination of the initial velocity of each GA. This makes it possible to optimize the speed of conducting exploration by each GA in a certain research direction. The method allows increasing the efficiency of data processing at the level of 10–12 % by using additional improved procedures. The proposed method should be used to solve problems of evaluating complex dynamic objects Управлінські рішення сьогодення належать саме від успішного вирішення оптимізаційних завдань, які є розривними, недиференційованими, а також мультимодальними. Одним з підходів до підвищення ефективності вирішення оптимізаційних завдань є біоінспіровані алгоритми. Об’єктом дослідження є складні динамічні об’єкти. Предметом дослідження є процес прийняття рішення в завданнях управління складними динамічними об’єктами. Запропоновано метод управління з використанням біоінспірованого алгоритму. В основу дослідження покладений алгоритм зграї гусаків – для пошуку рішення щодо стану динамічних об’єктів з ієрархічною структурою. Для навчання агентів гусаків (АГ) – використовуються штучні нейронні мережі, що еволюціонують, а для відбору найкращих в комбінованому ройовому алгоритмі використовується удосконалений генетичний алгоритм. Оригінальність запропонованої методу полягає у розставленні АГ урахуванням невизначеності вихідних даних, удосконаленими процедурами глобального та локального пошуку. Також оригінальність дослідження полягає у визначенні місць харчування АГ, що дозволяє обрати пріоритетність пошуку в заданому напрямку. Наступним елементом оригінальності дослідження є можливість визначення показників АГ-охоронців, що дозволяє корегувати кількість часу, на якому буде знаходитися зграя АГ. Наступим елементом оригінальності дослідження є визначення початкової швидкості кожного АГ. Це дозволяє оптимізувати швидкість проведення досліджень кожним АГ у визначеному напрямку досліджень. Використання методу дозволяє досягти підвищення оперативності обробки даних на рівні 10–12 % за рахунок використання додаткових удосконалених процедур. Запропонований метод доцільно використовувати для вирішення задач оцінки складних динамічних об’єктів