Генетична оптимізація рою часток у метафоричних алгоритмах
Перспективним напрямом вирішення складних завдань оптимізації є евристика, механізм якої залежить від проблеми алгоритмічної структури високого рівня як набору принципів керування або стратегій розробки алгоритму метафоричної оптимізації, зокрема ройових методів. Інформаційні технології, що вивчають...
Saved in:
| Date: | 2023 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2023
|
| Subjects: | |
| Online Access: | https://jais.net.ua/index.php/files/article/view/204 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Problems of Control and Informatics |
Institution
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-204 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2024-03-14T10:30:03Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
генетична інформація генетичний код геном когнітивна технологія адаптація еволюція онтологія модель ройовий алгоритм |
| spellingShingle |
генетична інформація генетичний код геном когнітивна технологія адаптація еволюція онтологія модель ройовий алгоритм Gorda, Olena Ryabchun, Yulia Генетична оптимізація рою часток у метафоричних алгоритмах |
| topic_facet |
генетична інформація генетичний код геном когнітивна технологія адаптація еволюція онтологія модель ройовий алгоритм genetic information genetic code genome cognitive technology adaptation evolution ontology model swarm algorithm генетическая информация генетический код геном когнитивная технология адаптация эволюция онтология модель роевой алгоритм |
| format |
Article |
| author |
Gorda, Olena Ryabchun, Yulia |
| author_facet |
Gorda, Olena Ryabchun, Yulia |
| author_sort |
Gorda, Olena |
| title |
Генетична оптимізація рою часток у метафоричних алгоритмах |
| title_short |
Генетична оптимізація рою часток у метафоричних алгоритмах |
| title_full |
Генетична оптимізація рою часток у метафоричних алгоритмах |
| title_fullStr |
Генетична оптимізація рою часток у метафоричних алгоритмах |
| title_full_unstemmed |
Генетична оптимізація рою часток у метафоричних алгоритмах |
| title_sort |
генетична оптимізація рою часток у метафоричних алгоритмах |
| title_alt |
Genetic optimization of particle swarm in metaphorical algorithms Генетическая оптимизация роя частиц в метафорических алгоритмах |
| description |
Перспективним напрямом вирішення складних завдань оптимізації є евристика, механізм якої залежить від проблеми алгоритмічної структури високого рівня як набору принципів керування або стратегій розробки алгоритму метафоричної оптимізації, зокрема ройових методів. Інформаційні технології, що вивчають еволюційні процеси оптимізації, дозволяють прискорити отримання результату завдяки використанню алгоритмів і механізмів обробки інформації, які пройшли тривалий відбір у природі. Розглянуто та визначено процедуру формування та визначення способів генетичної оптимізації в ройових технологіях, її особливості, склад та відмінність від звичайної процедури, а також запропоновано та описано підхід до їх дослідження. Об’єктом дослідження є процедура формування роїв з часток у когнітивних технологіях метафоричної оптимізації. Основною відмінністю проведеного аналізу, результати якого наводяться в даній роботі, є когнітивно-семантичний аналіз на основі визначення інформаційної взаємодії середовища об’єкта з суб’єктом і побудови онтологічних конструкцій рою як геному, що проведено вперше. Механізм отримання моделі генетичної оптимізації рою часток у метафоричних алгоритмах може бути використано для створення штучного інтелекту нового покоління, що навчається як нейронна мережа. У роботі визначено понятійний апарат генетичної оптимізації; рій як структуру, що формується завдяки когнітивним здібностям часток; структурні компоненти рою та основні класи відношень між ними з урахуванням особливостей еволюційного процесу та характеристик зовнішнього середовища. Крім того, виділено емерджентні властивості рою як цілісної самостійної структури. Генетичний код розглядається на основі лінгвістичних змінних, що дозволяє обробляти інформацію, як при роботі з текстом. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2023 |
| url |
https://jais.net.ua/index.php/files/article/view/204 |
| work_keys_str_mv |
AT gordaolena genetičnaoptimízacíâroûčastokumetaforičnihalgoritmah AT ryabchunyulia genetičnaoptimízacíâroûčastokumetaforičnihalgoritmah AT gordaolena geneticoptimizationofparticleswarminmetaphoricalalgorithms AT ryabchunyulia geneticoptimizationofparticleswarminmetaphoricalalgorithms AT gordaolena genetičeskaâoptimizaciâroâčasticvmetaforičeskihalgoritmah AT ryabchunyulia genetičeskaâoptimizaciâroâčasticvmetaforičeskihalgoritmah |
| first_indexed |
2025-10-30T02:48:47Z |
| last_indexed |
2025-10-30T02:48:47Z |
| _version_ |
1847373361532895232 |
| spelling |
oai:ojs2.jais.net.ua:article-2042024-03-14T10:30:03Z Генетична оптимізація рою часток у метафоричних алгоритмах Genetic optimization of particle swarm in metaphorical algorithms Генетическая оптимизация роя частиц в метафорических алгоритмах Gorda, Olena Ryabchun, Yulia генетична інформація генетичний код геном когнітивна технологія адаптація еволюція онтологія модель ройовий алгоритм genetic information genetic code genome cognitive technology adaptation evolution ontology model swarm algorithm генетическая информация генетический код геном когнитивная технология адаптация эволюция онтология модель роевой алгоритм Перспективним напрямом вирішення складних завдань оптимізації є евристика, механізм якої залежить від проблеми алгоритмічної структури високого рівня як набору принципів керування або стратегій розробки алгоритму метафоричної оптимізації, зокрема ройових методів. Інформаційні технології, що вивчають еволюційні процеси оптимізації, дозволяють прискорити отримання результату завдяки використанню алгоритмів і механізмів обробки інформації, які пройшли тривалий відбір у природі. Розглянуто та визначено процедуру формування та визначення способів генетичної оптимізації в ройових технологіях, її особливості, склад та відмінність від звичайної процедури, а також запропоновано та описано підхід до їх дослідження. Об’єктом дослідження є процедура формування роїв з часток у когнітивних технологіях метафоричної оптимізації. Основною відмінністю проведеного аналізу, результати якого наводяться в даній роботі, є когнітивно-семантичний аналіз на основі визначення інформаційної взаємодії середовища об’єкта з суб’єктом і побудови онтологічних конструкцій рою як геному, що проведено вперше. Механізм отримання моделі генетичної оптимізації рою часток у метафоричних алгоритмах може бути використано для створення штучного інтелекту нового покоління, що навчається як нейронна мережа. У роботі визначено понятійний апарат генетичної оптимізації; рій як структуру, що формується завдяки когнітивним здібностям часток; структурні компоненти рою та основні класи відношень між ними з урахуванням особливостей еволюційного процесу та характеристик зовнішнього середовища. Крім того, виділено емерджентні властивості рою як цілісної самостійної структури. Генетичний код розглядається на основі лінгвістичних змінних, що дозволяє обробляти інформацію, як при роботі з текстом. A promising direction for solving complex optimization problems is heuristics, the mechanism of which depends on the problem of high-level algorithmic structure as a set of control principles or strategies for developing a metaphorical optimization algorithm, in particular swarm methods. Information technologies that study the evolutionary processes of optimization can accelerate the result by using algorithms and information processing mechanisms that have undergone a long selection in nature. The article considers and defines the procedure for forming and determining the methods of genetic optimization in swarm technologies, its features and composition, differences from the usual procedure, and proposes and describes an approach to their study. The object of research is the procedure of forming swarms of particles in cognitive technologies of metaphorical optimization. The main difference of the analysis, the results of which are presented in this paper, is the cognitive-semantic analysis based on the definition of the information interaction of the object's environment with the subject and the construction of ontological constructions of the swarm as a genome, which was carried out for the first time. The mechanisms for obtaining a model of genetic optimization of a particle swarm in metaphorical algorithms can be used to create a new generation of artificial intelligence that learns as a neural network. The paper defines: the conceptual apparatus of genetic optimization; swarm as a structure formed by the cognitive abilities of particles; structural components of the swarm and the main classes of relations between them, taking into account the peculiarities of the evolutionary process and the characteristics of the environment. The emergent properties of the swarm as an integral independent structure are also highlighted. The genetic code is considered on the basis of linguistic variables, which allows processing information similar to working with text. Перспективным направлением решения сложных задач оптимизации является эвристика, механизм которой зависит от проблемы алгоритмической структуры высокого уровня как набора принципов управления или стратегий разработки алгоритма метафорической оптимизации, в частности, роевых методов. Информационные технологии, изучающие эволюционные процессы оптимизации, позволяют ускорить получение результата благодаря использованию алгоритмов и механизмов обработки информации, прошедших длительный отбор в природе. Рассмотрена и определена процедура формирования и определения способов генетической оптимизации в роевых технологиях, ее особенности, состав и отличие от обычной процедуры, а также предложен и описан подход к их исследованию. Объектом исследования является процедура формирования роев из частиц в когнитивных технологиях метафорической оптимизации. Основным отличием проведенного анализа, результаты которого приводятся в данной работе, является когнитивно-семантический анализ на основе определения информационного взаимодействия среды объекта с субъектом и построения впервые проведенного генома. Механизм получения модели генетической оптимизации роя частиц в метафорических алгоритмах может быть использован для создания искусственного интеллекта нового поколения, обучающегося как нейронная сеть. В работе определен понятийный аппарат генетической оптимизации; рой как структуру, формирующуюся благодаря когнитивным способностям частиц; структурные компоненты роя и основные классы отношений между ними с учетом особенностей эволюционного процесса и характеристик внешней среды Кроме того, выделены эмерджентные свойства роя как целостной самостоятельной структуры. Генетический код рассматривается на основе лингвистических переменных, что позволяет обрабатывать информацию как при работе с текстом. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023-10-23 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/204 10.34229/1028-0979-2023-6-2 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 68 № 6 (2023): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 24-34 International Scientific Technical Journal "Problems of Control and Informatics; Том 68 № 6 (2023): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 24-34 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 68 No. 6 (2023): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 24-34 2786-6505 2786-6491 10.34229/1028-0979-2023-6 uk https://jais.net.ua/index.php/files/article/view/204/290 Copyright (c) 2023 Olena Gorda, Yulia Ryabchun https://creativecommons.org/licenses/by-nc-nd/4.0 |