УДК 004.021

ОПТИМИЗАЦИЯ ОТРАСЛЕВЫХ ЗАДАЧ В УПРАВЛЕНИИ БОЛЬШИМИ ДАННЫМИ С ИСПОЛЬЗОВАНИЕМ ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ: СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ Оптимизация отраслевых задач в управлении большими данными с использованием эволюционных алгоритмов: сравнительное исследование

Опубликовано в Интеллектуальные технологии на транспорте (сетевой электронный научный журнал), Intellectual Technologies on Transport · Номер 1 · Страницы 5–11 · Рубрика: Искусственный интеллект и машинное обучение
DOI: https://doi.org/10.20295/2413-2527-2024-137-5-11
Получено: 10.04.2024 Одобрено: 14.04.2024 Опубликовано: 14.04.2024 Язык публикаций: ENG
В статье предлагается новый подход к решению проблем управления большими промышленными данными с использованием генетических алгоритмов, оптимизации роя частиц, муравьиных алгоритмов и культурных алгоритмов. Исследование направлено на эффективное распределение ресурсов, балансирование противоречивых целей, таких как минимизация затрат, использование ресурсов и улучшение качества. Данный подход предлагает комплексную структуру, которая сочетает в себе преимущества различных методов оптимизации, предоставляя лицам, принимающим решения, важные сведения об оптимальных стратегиях работы с большими данными в своих отраслях. Результаты исследования показывают эффективность гибридного подхода в достижении оптимальных решений, что повышает операционную эффективность и принятие стратегических решений в эпоху больших данных.
большие данные, муравьиный алгоритм, культурные алгоритмы, генетический алгоритм, оптимизация роя частиц
Текст Список литературы
Текст (PDF)
Читать Скачать

1. Zhang, L. Optimization of the Marketing Management System Based on Cloud Computing and Big Data // Complexity. 2021. Vol. 2021. Art. No. 9924302. 10 p. DOI:https://doi.org/10.1155/2021/9924302.

2. Ghafari, R. E-AVOA-TS: Enhanced African Vultures Optimization Algorithm-Based Task Scheduling Strategy for Fog-Cloud Computing / R. Ghafari, N. Mansouri // Sustainable Computing: Informatics and Systems. 2023. Vol. 40. Art. No. 100918. 40 p. DOI:https://doi.org/10.1016/j.suscom.2023.100918.

3. Adventures in Data Analysis: A Systematic Review of Deep Learning Techniques for Pattern Recognition in Cyber-Physical- Social Systems / Z. Amiri, A. Heidari, N.J. Navimipour, [et al.] // Multimedia Tools and Applications. 2024. Vol. 83, Is. 8. Pp. 22909–22973. DOI:https://doi.org/10.1007/s11042–023– 16382‑x.

4. Abualigah, L. Group Search Optimizer: A Nature-Inspired Meta-Heuristic Optimization Algorithm with Its Results, Variants, And Applications // Neural Computing and Applications. 2021. Vol. 33, Is. 7. Pp. 2949–2972. DOI:https://doi.org/10.1007/s00521– 020–05107‑y.

5. Mohammed Sani, K. Particle Swarm Optimization Based on Particle Mean Dimensions with Eliminating Velocity Components: A Thesis for the Degree of Master of Science in Mathematics (Optimization). — Haramaya: Haramaya University, 2022. — 61 p. Available at: http://ir.haramaya.edu.et//hru/handle/ 123456789/5069 (accessed 15 Feb 2024).

6. Gad, A. G. Particle Swarm Optimization Algorithm and Its Applications: A Systematic Review // Archives of Computational Methods in Engineering. 2022. Vol. 29, Is. 5. Pp. 2531–2561. DOI:https://doi.org/10.1007/s11831–021–09694–4.

7. Fidanova, S. Ant Colony Optimization and Applications. — Cham: Springer Nature, 2021. — 138 p. — (Studies in Computational Intelligence, Vol. 947). DOI:https://doi.org/10.1007/978– 3–030–67380–2.

8. Nature-Inspired Algorithms from Oceans to Space: A Comprehensive Review of Heuristic and Meta-Heuristic Optimization Algorithms and Their Potential Applications in Drones / S. Darvishpoor, A. Darvishpour, M. Escarcega, M. Hassanalian // Drones. 2023. Vol. 7, Is. 7. Art. No. 427. 134 p. DOI:https://doi.org/10.3390/drones7070427.

9. Bio-Inspired Computation for Big Data Fusion, Storage, Processing, Learning and Visualization: State of the Art and Future Directions / A.I. Torre-Bastida, J. Díaz-de-Arcaya, E. Osaba, [et al.] // Neural Computing and Applications. Special Issue: Data Fusion in the era of Data Science. 2021. 31 p. DOI:https://doi.org/10.1007/s00521–021–06332–9.

10. Chen, Q. Fair Assortment Planning / Q. Chen, N. Golrezaei, F. Susan // ArXiv. 2022. Vol. 2208.07341. 74 p. DOI:https://doi.org/10.48550/arXiv.2208.07341.

11. Hamann-Lohmer, J. Production Planning and Scheduling in Multi-Factory Production Networks: A Systematic Literature Review / J. Hamann-Lohmer, R. Lasch // International Journal of Production Research. 2021. Vol. 59, Is. 7. Pp. 2028–2054. DOI:https://doi.org/10.1080/00207543.2020.1797207.

Войти или Создать
* Забыли пароль?