Алгоритм решения непрерывной задачи оптимального разбиения с нейролингвистической идентификацией функций, входящих в целевой функционал

• Veröffentlicht in: Проблемы управления и информатики
• Datum: 2018
• Hauptverfasser: Киселева, Е.М., Притоманова, О.М., Журавель, С.В.
• Format: Artikel
• Sprache: Russian
• Veröffentlicht: Інститут кібернетики ім. В.М. Глушкова НАН України 2018
• Schlagworte: Оптимальное управление и методы оптимизации
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/180550
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Алгоритм решения непрерывной задачи оптимального разбиения с нейролингвистической идентификацией функций, входящих в целевой функционал / Е.М. Киселева, О.М. Притоманова, С.В. Журавель // Проблемы управления и информатики. — 2018. — № 2. — С. 15-32. — Бібліогр.: 6 назв. — рос.

Предложен алгоритм решения одной непрерывной задачи оптимального разбиения множеств с n-мерного евклидова пространства на их подмножества с нейролингвистической идентификацией функций, входящих в целевой функционал, явный аналитический вид которых заранее неизвестен. Разрабоьано программное обеспечение, реализующее предложенный в статье подход на основе нейронечетких технологий с использованием r-алгоритма Шора. Изложены результаты программной реализации разработанного алгоритма для модельной тестовой задачи. Запропоновано алгоритм розв’язання однієї неперервної задачі оптимального розбиття множин з n-мірного евклідового простору на їх підмножини з нейролінгвістичною ідентифікацією функцій, що входять до цільового функціонала, явний аналітичний вид яких заздалегідь невідомий. Розроблено програмне забезпечення, що реалізує запропонований в статті підхід на основі нейронечітких технологій з використанням r-алгоритму Шора. Викладено результати програмної реалізації розробленого алгоритму для модельної тестової задачі. Algorithm for solving a continuous optimal partitioning problem of sets from n-dimen-sional Euclidean space into subsets with a neurolinguistic identification of functions that included into target functional with undefined explicit analytical form is proposed. The software that implements the approach proposed in the article based on neuron-fuzzy technologies using Shor’s r-algorithm is developed. The results of program implementation of the developed algorithm for modeled test problem are described.