Архив статей журнала
При возникновении чрезвычайной ситуации необходимо принять эффективные экстренные меры. Известно, что аварийное событие обладает характеристиками ограниченности времени и информации, вредоносности и неопределенности, а лица, принимающие решения, часто ограничены в рациональности в условиях неопределенности и риска. Психологическое поведение людей следует учитывать в реальных процессах принятия решений. Принятие решений в чрезвычайных ситуациях является актуальной задачей и предметом исследовательских интересов. В этой статье представлен новый подход к принятию экстренных решений с использованием нечетких колеблющихся множеств. Для определения весов критериев строится математическая модель, которая позволяет преобразовать значения критериев в совместимую шкалу и исключить влияние различных шкал для их измерений. Чтобы отобразить психологическое поведение лиц, принимающих решения, вводится функция степени группового удовлетворения и функция ценности воспринимаемой полезности альтернативы. Вычисляется и ранжируется полезность альтернатив, приводится пример исследования чрезвычайной ситуации. По сравнению с существующими методами предлагаемый метод к принятию решений в условиях чрезвычайной ситуации имеет следующие особенности: расширяются возможности для определения весов критериев принятия решений, когда критерии имеют различную шкалу; метод учитывает психологию ЛПР, в отличие от известных подходов, предполагающих рациональность решений ЛПР; по сравнению с теорией проспектов метод не требует субъективной оценки уровня ожиданий, использует меньшее количество параметров, что расширяет область его применения. Предложенный метод также имеет некоторые ограничения: требуются определенные вычислительные затраты при большом количестве альтернативных решений и характеризующих их атрибутов. Однако это ограничение преодолевается при использовании программного обеспечения, такого как MATLAB. Интересной представляется возможность в будущем применить предлагаемый метод для задач оценки риска при принятии решений в условиях нечеткой информации, если значения атрибутов являются случайными величинами.
Перспективным решением задач глобальной оптимизации являются метаэвристики, инспирированные природой, представляющие собой недетерминированные алгоритмы, исследующие пространство поиска, решений, обучающиеся в процессе поиска, не привязанные к конкретной задаче, хотя и не гарантирующие точное решений. Целью данного исследования является разработка эффективного алгоритма для решения прикладных проблем глобальной оптимизации многомерных одномодальных и мультимодальных функций, встречающихся в задачах инженерного проектирования, обработки изображений и компьютерного зрения, энергетики и энергоменеджмента, анализа данных и машинного обучения, робототехники. Для достижения этой цели в статье предлагается вычислительная модель коллективного поведения группы животных и эффективный алгоритм дифференциально-векторного движения. Модель включает разнообразные паттерны поведения в группе животных: удерживать текущую позицию; двигаться в направлении к ближайшим соседям или, наоборот, от ближайших соседей; двигаться случайным образом; конкурировать за позицию. В коллективной памяти хранится информация о местоположении доминирующих особей группы и направлении движения группы, лучшие позиции агентов с учетом механизмов конкуренции и доминирования в группе. Алгоритм был экспериментально протестирован на семи известных многомерных одномодальных и мультимодальных функциях. Результаты были сопоставлены с генетическим алгоритмом, алгоритмом роя частиц, гравитационного поиска дифференциальной эволюции. Предлагаемый алгоритм показал лучшие результаты, нежели конкурирующие алгоритмы, на всех тестовых функциях. Это объясняется лучшим балансом нового алгоритма между скоростью сходимости и диверсификацией пространства поиска решений. Проверка полученных результатов с использованием Т-критерия суммы рангов Уилкоксона для независимых выборок показала, что результаты по алгоритму являются статистически значимыми. Также проводилось сравнение с одним из наиболее эффективных алгоритмов непрерывной оптимизации BFGS - квазиньютоновским итерационным алгоритмом численной оптимизации, предназначенным для нахождения локального экстремума одномодальных функций. Результаты оказались сопоставимы для многомерных функций. Алгоритм также сравнивался с методом мультистарта в задаче глобальной оптимизации мультиэкстремальных функций и доказал свое преимущество по времени и точности найденных решений.