Использование границы Парето при поиске компромиссных правил регулирования уровня озера Байкал

Обложка

Цитировать

Полный текст

Аннотация

Описывается метод компьютерной поддержки при поиске компромиссных правил регулирования уровня озера Байкал и выработке правил управления каскадом водохранилищ реки Ангара. Метод основан на диалоговой визуализации границы Парето, что позволяет экспертам находить эффективные компромиссы между различными требованиями и обосновывать получающееся решение. С помощью метода было сформулировано компромиссное правило управления каскадом, которое соответствует всем основным требованиям и может быть использовано при подготовке документов государственного управления водными ресурсами бассейна реки Ангара.

Об авторах

Александр Владимирович Лотов

Федеральный исследовательский центр «Информатика и управление» РАН

Автор, ответственный за переписку.
Email: avlotov@yandex.ru

доктор физико-математических наук, профессор, главный научный сотрудник

Россия, Москва

Андрей Игоревич Рябиков

Федеральный исследовательский центр «Информатика и управление» РАН

Email: ariabikov@gmail.com

младший научный сотрудник

Россия, Москва

Михаил Васильевич Болгов

Институт водных проблем РАН

Email: bolgovmv@mail.ru

доктор технических наук, заведующий лабораторией

Россия, Москва

Александр Леонидович Бубер

Всероссийский научно-исследовательский институт гидротехники и мелиорации им. А. Н. Костякова

Email: buber49@yandex.ru

заведующий отделом

Россия, Москва

Список литературы

  1. Лотов А.В., Бушенков В.А., Каменев Г.К., Черных О.Л. Компьютер и поиск компромисса. Метод достижимых целей. М.: Наука. 1997.
  2. Lotov A.V., Bushenkov V.A., Kamenev G.K. Interactive Decision Maps. Approximation and Visualization of Pareto Frontier. Boston: Kluwer Academic Publishers. 2004. 310 P.
  3. Асарин А.Е., Бестужева К.Н. Водноэнергетические расчеты. М.: Энергоатомиздат. 1986. 224 с.
  4. Болгов М.В., Сарманов И.О., Сарманов О.В. Марковские процессы в гидрологии. М. 2009. 211 с.
  5. Рябиков А.И. Сходимость итерационных процессов в модели каскада водохранилищ // Вестник Бурятского ГУ. Математика, информатика. 2019. №4. С. 31-39.
  6. Агасандян Г.А. Алгоритмы построения диспетчерских правил управления для каскадов водохранилищ. Водные ресурсы. 1985. № 5. С. 34-46.
  7. Ерешко Ф.И. Математические модели и методы принятия согласованных решений в активных иерархических системах. Дисс. … доктора техн. наук. М.: ИПУ РАН. 1998.
  8. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Физматлит.2007.
  9. Лотов А.В., Поспелова И.И. Многокритериальные задачи принятия решений. М.: МАКС Пресс. 2008.
  10. Sawaragi Y., Nakayama H., Tanino T. Theory of Multiobjective Optimization. Orlando: Academic Press.1985
  11. Берeзкин В.Е., Каменев Г.К., Лотов А.В. Гибридные адаптивные методы аппроксимации невыпуклой многомерной границы Парето // Журнал вычисл. матем. и матем. физ. 2006. Т. 46. № 11. С. 2009–2023.
  12. Рябиков А.И. О методе эрзац-функций для минимизации конечнозначной функции на компактном множестве // Журнал вычисл. матем. и матем. физ. Т. 54.
  13. № 2, 2014. С. 195-207
  14. Du K.-L., Swamy M.N.S. Search and Optimization by Metaheuristics. Springer.2016.
  15. Лотов А.В., Рябиков А.И. Простая эффективная гибридизация классической глобальной оптимизации и генетических алгоритмов многокритериальной оптимизации // Журнал вычисл. матем. и матем. физ. Т. 59.
  16. № 10. 2019. С. 1666-1680.
  17. Лотов А.В., Рябиков А.И. Метод стартовой площадки в многоэкстремальных задачах многокритериальной оптимизации // Журнал вычисл. матем. и матем. физ. Т. 59. № 12. 2019. С. 2111–2128.
  18. Лотов А.В., Рябиков А.И. Дополненный метод стартовой площадки аппроксимации границы Парето в задачах с многоэкстремальными критериями // Журнал вычисл. матем. и матем. физ. 2021. Т. 61. № 10. С. 1734-1744.
  19. Deb K. Multi-objective optimization using evolutionary algorithms. Chichester: Wiley. 2001.
  20. Лотов А.В., Рябиков А.И., Бубер А.Л. Многокритериальная процедура выбора решения с наследуемым множеством точек старта локальной оптимизации свертки критериев // Искусственный интеллект и принятие решений. № 3. 2018. С. 58-68.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».