A method of choosing swarm optimization algorithms and using swarm intelligence for solving a certain class of optimization tasks in industry-specific geographic information systems was developed considering the stationarity characteristic of such systems. The method consists of 8 stages. Classes of swarm algorithms were studied. It is shown which classes of swarm algorithms should be used depending on the stationarity, quasi-stationarity or dynamics of the task solved by an industry geographic information system. An information model of geodata that consists in a formalized combination of their spatial and attributive components, which allows considering the relational, semantic and frame models of knowledge representation of the attributive component, was developed. A method of choosing optimization methods designed to work as part of a decision support system within an industry-specific geographic information system was developed. It includes conceptual information modeling, optimization criteria selection, and objective function analysis and modeling. This method allows choosing the most suitable swarm optimization method (or a set of methods).
Об'єктом даного дослідження є процедура побудови інформаційних технологій, функціонування яких базується на методах ройового інтелекту, для розв'язування задач дискретної оптимізації. Для розв'язування будьякої задачі оптимізації в множині ройових алгоритмів, напевно знайдеться хоча б один алгоритм, який дасть, як мінімум, задовільні результати. Однак, немає і не може бути алгоритму, який міг би забезпечити високу ефективність при вирішенні всіх задач оптимізації. Тому для кожного з ройових алгоритмів можуть бути виділені класи завдань, які він вирішує: краще за інші алгоритми; при близно як інші алгоритми; гірше інших алгоритмів. В ході дослідження використовувалися інформаційні технології розв'язування задач дискретної оптимізації на основі ройових алгоритмів. Отримано методи застосування різного класу алгоритмів ройового інтелекту для розв'язування задач дискретної оптимізації. Поєднано методи ройового інтелекту для розв'язування певного класу задач. Визначено оптимальні значення параметрів певних методів ройового інтелекту. Розроблено інформаційну технологію використання ройових алгоритмів у залежності від класу задачі дискретної оптимізації, який ґрунтується на характеристиках ройових алгоритмів (вид вхідних параме трів, окіл популяцій, тип формування популяцій, тип ітераційних процесів). Це дало змогу обирати реле вантний ройовий алгоритм для розв'язування прикладних задач та класифікувати ці задачі в залежності від характеристик ройових алгоритмів, який використовується для її розв'язання. Розроблено інформаційну технологію використання сукупності різних методів ройових алгоритмів для розв'язування певного класу задач, що, на відміну від інших підходів, базується на гібридному підході використання ройових алгоритмів в залежності від їх характеристик. Це дає змогу використати перевагу певного ройового алгоритму й тим самим підвищити ефективність розв'язування певних класів прикладних задач дискретної оптимізації. Ключові слова: дискретна оптимізація, ройовий інтелект, інформаційні технології, системи підтримки прийняття рішень.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.