Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77
The paper presents an overview of approaches to the neural networks’ usage in combinatorial optimization problems and other problems that arise when using unmanned aircraft vehicles. It has been determined that the neural networks usage (including the deep learning networks) is possible in almost al...
Saved in:
| Date: | 2021 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України
2021
|
| Subjects: | |
| Online Access: | https://www.fmmit.lviv.ua/index.php/fmmit/article/view/205 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Physico-mathematical modeling and informational technologies |
Institution
Physico-mathematical modeling and informational technologies| _version_ | 1867479570541707264 |
|---|---|
| author | Ogurtsov, Maksym |
| author_facet | Ogurtsov, Maksym |
| author_institution_txt_mv | [
{
"author": "Maksym Ogurtsov",
"institution": "Інститут кібернетики імені В.М.Глушкова НАН України, просп. Ак. Глушкова, 40, 03187, Київ"
}
] |
| author_sort | Ogurtsov, Maksym |
| baseUrl_str | http://www.fmmit.lviv.ua/index.php/fmmit/oai |
| collection | OJS |
| datestamp_date | 2021-09-14T06:16:50Z |
| description | The paper presents an overview of approaches to the neural networks’ usage in combinatorial optimization problems and other problems that arise when using unmanned aircraft vehicles. It has been determined that the neural networks usage (including the deep learning networks) is possible in almost all types of combinatorial optimization problems, in particular, in routing problems (traveling salesman problem, vehicle routing problem in various versions, etc.) and other similar combinatorial optimization problems that arise when using unmanned aerial systems. Recurrent neural networks with nonparametric normalized exponential functions of supervised learning may be used successfully to solve combinatorial optimization problems.
References
Naseem, A., Shah, S. T. H., Khan, S. A., Malik, A. W. (2017). Decision support system for optimum decision making process in threat evaluation and weapon assignment: Current status, challenges and future directions. Annual reviews in control, 43, 169-187. DOI https://doi.org/10.1016/j.arcontrol.2017.03.003
Hulianytskyi, L. F., Riasna, I. I., Butenko S., Pardalos P. M., Shylo V. (2017). Formalization and classification of combinatorial optimization problems In: Optimization Methods and Applications. Cham: Springer International Publishing, 239–250. DOI https://doi.org/10.1007/978-3-319-68640-0_11
Bengio, Y., Lodi, A., Prouvost, A. (2020). Machine Learning for Combinatorial Optimization: a Methodological Tour d'Horizon. – European Journal of Operational Research, 290(2), 405-421. DOI https://doi.org/10.1016/j.ejor.2020.07.063
Bello, I. (2016). Neural combinatorial optimization with reinforcement learning. – arXiv preprint arXiv:1611.09940.
Braekers, K., Ramaekers, K., Nieuwenh, I. V. (2016). The Vehicle Routing Problem: State of the Art Classification and Review. Computers & Industrial Engineering, 99, 300–313. DOI https://doi.org/10.1016/j.cie.2015.12.007
Horbulin, V. P., Hulianytskyi, L. F. Sergienko, I. V. (2019). Formulations and mathematical models of the optimizing routes problems for aircraft with dynamic depots. Control systems and computers, 1(3), 3-10. DOI https://doi.org/10.15407/usim.2019.01.003
Horbulin, V. P., Hulianytskyi, L. F. Sergienko, I. V. (2020). Optimization of UAV Team Routes in the Presence of Alternative and Dynamic Depots. Cybern Syst Anal., 56(2), 195–203. DOI https://doi.org/10.1007/s10559-020-00235-8
Li, Z., Chen, Q., Koltun, V. (2018). Combinatorial optimization with graph convolutional networks and guided tree search. – Advances in Neural Information Processing Systems, 539-548.
Bessonov, A. A. (2012). Multicriteria neuroevolutionary optimization of nonlinear functions. Information processing systems, 9(107), 5–10.
Hulianytskyi, L. F. Kotkova, А. А. (2020). To the classi cation of vehicles routing problems. Scientific Bulletin of Uzhhorod University. Mathematics and Informatics Series, 1(36), 73-84.
Hopfield, J. J., Tank, D. W. (1985). ”Neural” computation of decisions in optimization problems. Biological Cybernetics, 52(3), 141–152.
Wilson, G. V., Pawley, G. S. (1988). On the stability of the travelling salesman problem algorithm of hopfield and tank. Biological Cybernetics, 58(1), 63–70. DOI https://doi.org/10.1007/bf00363956
Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning. Cambridge : MIT press.
|
| doi_str_mv | 10.15407/fmmit2021.33.073 |
| first_indexed | 2026-06-09T01:08:22Z |
| format | Article |
| fulltext | |
| id | oai:ojs2.www.fmmit.lviv.ua:article-205 |
| institution | Physico-mathematical modeling and informational technologies |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-06-09T01:08:22Z |
| publishDate | 2021 |
| publisher | Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України |
| record_format | ojs |
| resource_txt_mv | |
| spelling | oai:ojs2.www.fmmit.lviv.ua:article-2052021-09-14T06:16:50Z The use of neural networks in routing tasks that arise when using unmanned aerial vehicles: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 Ogurtsov, Maksym нейронні мережі комбінаторна оптимізація маршрутизація безпілотні авіаційні комплекси глибоке навчання neural networks combinatorial optimization routing unmanned aircraft vehicles deep learning The paper presents an overview of approaches to the neural networks’ usage in combinatorial optimization problems and other problems that arise when using unmanned aircraft vehicles. It has been determined that the neural networks usage (including the deep learning networks) is possible in almost all types of combinatorial optimization problems, in particular, in routing problems (traveling salesman problem, vehicle routing problem in various versions, etc.) and other similar combinatorial optimization problems that arise when using unmanned aerial systems. Recurrent neural networks with nonparametric normalized exponential functions of supervised learning may be used successfully to solve combinatorial optimization problems. References Naseem, A., Shah, S. T. H., Khan, S. A., Malik, A. W. (2017). Decision support system for optimum decision making process in threat evaluation and weapon assignment: Current status, challenges and future directions. Annual reviews in control, 43, 169-187. DOI https://doi.org/10.1016/j.arcontrol.2017.03.003 Hulianytskyi, L. F., Riasna, I. I., Butenko S., Pardalos P. M., Shylo V. (2017). Formalization and classification of combinatorial optimization problems In: Optimization Methods and Applications. Cham: Springer International Publishing, 239–250. DOI https://doi.org/10.1007/978-3-319-68640-0_11 Bengio, Y., Lodi, A., Prouvost, A. (2020). Machine Learning for Combinatorial Optimization: a Methodological Tour d'Horizon. – European Journal of Operational Research, 290(2), 405-421. DOI https://doi.org/10.1016/j.ejor.2020.07.063 Bello, I. (2016). Neural combinatorial optimization with reinforcement learning. – arXiv preprint arXiv:1611.09940. Braekers, K., Ramaekers, K., Nieuwenh, I. V. (2016). The Vehicle Routing Problem: State of the Art Classification and Review. Computers & Industrial Engineering, 99, 300–313. DOI https://doi.org/10.1016/j.cie.2015.12.007 Horbulin, V. P., Hulianytskyi, L. F. Sergienko, I. V. (2019). Formulations and mathematical models of the optimizing routes problems for aircraft with dynamic depots. Control systems and computers, 1(3), 3-10. DOI https://doi.org/10.15407/usim.2019.01.003 Horbulin, V. P., Hulianytskyi, L. F. Sergienko, I. V. (2020). Optimization of UAV Team Routes in the Presence of Alternative and Dynamic Depots. Cybern Syst Anal., 56(2), 195–203. DOI https://doi.org/10.1007/s10559-020-00235-8 Li, Z., Chen, Q., Koltun, V. (2018). Combinatorial optimization with graph convolutional networks and guided tree search. – Advances in Neural Information Processing Systems, 539-548. Bessonov, A. A. (2012). Multicriteria neuroevolutionary optimization of nonlinear functions. Information processing systems, 9(107), 5–10. Hulianytskyi, L. F. Kotkova, А. А. (2020). To the classi cation of vehicles routing problems. Scientific Bulletin of Uzhhorod University. Mathematics and Informatics Series, 1(36), 73-84. Hopfield, J. J., Tank, D. W. (1985). ”Neural” computation of decisions in optimization problems. Biological Cybernetics, 52(3), 141–152. Wilson, G. V., Pawley, G. S. (1988). On the stability of the travelling salesman problem algorithm of hopfield and tank. Biological Cybernetics, 58(1), 63–70. DOI https://doi.org/10.1007/bf00363956 Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning. Cambridge : MIT press. У роботі виконано огляд підходів до застосування нейронних мереж в задачах комбінаторної оптимізації та інших проблемах, які виникають при використанні безпілотних авіаційних комплексів. Визначено, що застосування нейронних мереж (в тому числі – глибокого рівня навчання) можливе практично в усіх типах задач комбінаторної оптимізації, зокрема, в задачах маршрутизації (задача комівояжера, транспортна задача в різних варіантах і т.п.) та інших подібних задачах комбінаторної оптимізації, які виникають при використанні безпілотних авіаційних комплексів. При цьому для розв’язування задач комбінаторної оптимізації успішно застосовуються рекурентні нейронні мережі з непараметричними нормованими експоненційними функціями контрольованого навчання. Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України 2021-09-03 Article Article application/pdf https://www.fmmit.lviv.ua/index.php/fmmit/article/view/205 10.15407/fmmit2021.33.073 PHYSICO-MATHEMATICAL MODELLING AND INFORMATIONAL TECHNOLOGIES; No. 33 (2021): Physico-mathematical modeling and informational technologies, 2021, Issue 33; 73-77 ФІЗИКО-МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ; № 33 (2021): Фізико-математичне моделювання та інформаційні технології, 2021, Вип. 33; 73-77 2617-5258 1816-1545 10.15407/fmmit2021.33 uk https://www.fmmit.lviv.ua/index.php/fmmit/article/view/205/195 Авторське право (c) 2021 Maksym Ogurtsov (Автор) |
| spellingShingle | нейронні мережі комбінаторна оптимізація маршрутизація безпілотні авіаційні комплекси глибоке навчання Ogurtsov, Maksym Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title | Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title_alt | The use of neural networks in routing tasks that arise when using unmanned aerial vehicles: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title_full | Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title_fullStr | Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title_full_unstemmed | Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title_short | Застосування нейронних мереж в задачах маршрутизації БПЛА: Fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| title_sort | застосування нейронних мереж в задачах маршрутизації бпла: fìz.-mat. model. ìnf. tehnol. 2021, 33:73-77 |
| topic | нейронні мережі комбінаторна оптимізація маршрутизація безпілотні авіаційні комплекси глибоке навчання |
| topic_facet | нейронні мережі комбінаторна оптимізація маршрутизація безпілотні авіаційні комплекси глибоке навчання neural networks combinatorial optimization routing unmanned aircraft vehicles deep learning |
| url | https://www.fmmit.lviv.ua/index.php/fmmit/article/view/205 |
| work_keys_str_mv | AT ogurtsovmaksym theuseofneuralnetworksinroutingtasksthatarisewhenusingunmannedaerialvehiclesfizmatmodelinftehnol2021337377 AT ogurtsovmaksym zastosuvannânejronnihmerežvzadačahmaršrutizacííbplafizmatmodelinftehnol2021337377 AT ogurtsovmaksym useofneuralnetworksinroutingtasksthatarisewhenusingunmannedaerialvehiclesfizmatmodelinftehnol2021337377 |