Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності
Among the various formulations of the optimal set partitioning (OSP) problem, dynamic variants — where the optimization conditions evolve over time — are of particular interest due to their relevance to practical applications. Such systems often operate under uncertainty, which may arise from imprec...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2025
|
| Subjects: | |
| Online Access: | https://jais.net.ua/index.php/files/article/view/525 |
| 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-525 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2025-10-22T12:28:31Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
динамічна задача теорія оптимального розбиття множин нечіткий параметр нейронечіткі технології нескінченновимірне математичне програмування недиференційовна оптимізація методи штучного інтелекту |
| spellingShingle |
динамічна задача теорія оптимального розбиття множин нечіткий параметр нейронечіткі технології нескінченновимірне математичне програмування недиференційовна оптимізація методи штучного інтелекту Kiseleva, Elena Prytomanova, Olha Kuzenkov, Oleksandr Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| topic_facet |
dynamic problem theory of optimal set partitioning fuzzy parameter neuro-fuzzy technologies infinite-dimensional mathematical programming nonsmooth optimization artificial intelligence methods динамічна задача теорія оптимального розбиття множин нечіткий параметр нейронечіткі технології нескінченновимірне математичне програмування недиференційовна оптимізація методи штучного інтелекту |
| format |
Article |
| author |
Kiseleva, Elena Prytomanova, Olha Kuzenkov, Oleksandr |
| author_facet |
Kiseleva, Elena Prytomanova, Olha Kuzenkov, Oleksandr |
| author_sort |
Kiseleva, Elena |
| title |
Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| title_short |
Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| title_full |
Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| title_fullStr |
Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| title_full_unstemmed |
Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| title_sort |
про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності |
| title_alt |
On the dynamic problem of optimal set partitioning with fixed centers under uncertainty |
| description |
Among the various formulations of the optimal set partitioning (OSP) problem, dynamic variants — where the optimization conditions evolve over time — are of particular interest due to their relevance to practical applications. Such systems often operate under uncertainty, which may arise from imprecise or incomplete input data, ambiguous parameters, or unreliable mathematical descriptions of system behavior. In this study, we develop a comprehensive mathematical and computational framework for solving dynamic OSP problems under uncertainty. Our approach integrates the theory of optimal set partitioning with modern artificial intelligence techniques, particularly fuzzy logic, fuzzy set theory, and neuro-fuzzy systems. The proposed method consists of two main stages: neuro-fuzzy identification, which transforms vague and uncertain data in the initial conditions of the problem; and dynamic optimization of the set partitioning based on the refined input. This hybrid approach ensures real-time adaptation of partitioning strategies to a changing environment and uncertain conditions. Potential application areas include clustering, resource allocation, adaptive control, network planning, and decision support in complex dynamic systems. The results contribute to the advancement of robust and adaptive models in mathematical statistics and operations research. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2025 |
| url |
https://jais.net.ua/index.php/files/article/view/525 |
| work_keys_str_mv |
AT kiselevaelena onthedynamicproblemofoptimalsetpartitioningwithfixedcentersunderuncertainty AT prytomanovaolha onthedynamicproblemofoptimalsetpartitioningwithfixedcentersunderuncertainty AT kuzenkovoleksandr onthedynamicproblemofoptimalsetpartitioningwithfixedcentersunderuncertainty AT kiselevaelena prodinamíčnuzadačuoptimalʹnogorozbittâmnožinízfíksovanimicentramizaumovneviznačeností AT prytomanovaolha prodinamíčnuzadačuoptimalʹnogorozbittâmnožinízfíksovanimicentramizaumovneviznačeností AT kuzenkovoleksandr prodinamíčnuzadačuoptimalʹnogorozbittâmnožinízfíksovanimicentramizaumovneviznačeností |
| first_indexed |
2025-10-30T02:49:20Z |
| last_indexed |
2025-10-30T02:49:20Z |
| _version_ |
1847373395565477888 |
| spelling |
oai:ojs2.jais.net.ua:article-5252025-10-22T12:28:31Z On the dynamic problem of optimal set partitioning with fixed centers under uncertainty Про динамічну задачу оптимального розбиття множин із фіксованими центрами за умов невизначеності Kiseleva, Elena Prytomanova, Olha Kuzenkov, Oleksandr dynamic problem theory of optimal set partitioning fuzzy parameter neuro-fuzzy technologies infinite-dimensional mathematical programming nonsmooth optimization artificial intelligence methods динамічна задача теорія оптимального розбиття множин нечіткий параметр нейронечіткі технології нескінченновимірне математичне програмування недиференційовна оптимізація методи штучного інтелекту Among the various formulations of the optimal set partitioning (OSP) problem, dynamic variants — where the optimization conditions evolve over time — are of particular interest due to their relevance to practical applications. Such systems often operate under uncertainty, which may arise from imprecise or incomplete input data, ambiguous parameters, or unreliable mathematical descriptions of system behavior. In this study, we develop a comprehensive mathematical and computational framework for solving dynamic OSP problems under uncertainty. Our approach integrates the theory of optimal set partitioning with modern artificial intelligence techniques, particularly fuzzy logic, fuzzy set theory, and neuro-fuzzy systems. The proposed method consists of two main stages: neuro-fuzzy identification, which transforms vague and uncertain data in the initial conditions of the problem; and dynamic optimization of the set partitioning based on the refined input. This hybrid approach ensures real-time adaptation of partitioning strategies to a changing environment and uncertain conditions. Potential application areas include clustering, resource allocation, adaptive control, network planning, and decision support in complex dynamic systems. The results contribute to the advancement of robust and adaptive models in mathematical statistics and operations research. Серед різноманітних формулювань задачі оптимального розбиття множин (ОРМ) особливий інтерес становлять динамічні варіанти, де умови оптимізації змінюються з часом. Це зумовлено їхньою актуальністю щодо практичних застосувань. Такі системи часто перебувають в умовах невизначеності внаслідок неточних або неповних вхідних даних, неоднозначних параметрів чи ненадійних математичних описів поведінки системи. У цьому дослідженні створено комплексну математичну та обчислювальну основу для розв’язання динамічних задач ОРМ за умов невизначеності. Даний підхід поєднує теорію оптимального розбиття множин із сучасними методами штучного інтелекту, зокрема нечіткою логікою, теорією нечітких множин і нейронечіткими системами. Запропонований метод передбачає два основні етапи: нейронечітку ідентифікацію для зняття нечіткості за початкових умов задачі; та динамічну оптимізацію розбиття множин на основі уточнених даних. Такий гібридний підхід забезпечує адаптацію стратегій розбиття в режимі реального часу до змінного середовища та умов невизначеності. Потенційні сфери застосування включають кластеризацію, розподіл ресурсів, адаптивне керування, планування мереж і підтримку прийняття рішень у складних динамічних системах. Отримані результати сприяють розвитку стійких та адаптивних моделей у математичній статистиці й дослідженні операцій. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2025-08-20 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/525 10.34229/1028-0979-2025-4-1 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 70 № 4 (2025): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 6-23 International Scientific Technical Journal "Problems of Control and Informatics; Том 70 № 4 (2025): International Scientific Technical Journal «Problems of Control and Informatics»; 6-23 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 70 No. 4 (2025): International Scientific Technical Journal «Problems of Control and Informatics»; 6-23 2786-6505 2786-6491 10.34229/1028-0979-2025-4 uk https://jais.net.ua/index.php/files/article/view/525/599 Copyright (c) 2025 Elena Kiseleva, Olha PrytomanovaOleksandr Kuzenkov, https://creativecommons.org/licenses/by-nc-nd/4.0 |