Отправить статью по E-mail 
Алгоритм оценки сходимости стохастической Парето-оптимизации
- Авторы: Бекетов С.М.1, Гинцяк А.М.1, Дергачев М.В.1
-
Учреждения:
- Санкт-Петербургский политехнический университет Петра Великого
- Выпуск: № 4 (2024)
- Страницы: 91-99
- Раздел: Интеллектуальные системы и технологии
- URL: https://bakhtiniada.ru/2071-8632/article/view/286476
- DOI: https://doi.org/10.14357/20718632240409
- EDN: https://elibrary.ru/HBLXQQ
- ID: 286476
Цитировать
Открытый доступ
Доступ предоставлен
Только для подписчиков
Аннотация
Статья описывает исследование по разработке алгоритма для оценки сходимости стохастической Парето-оптимизации. Актуальность работы обусловлена необходимостью снижения вычислительных затрат, возникающих при больших многокритериальных вычислениях, где требуется учитывать множество конфликтующих критериев для поиска оптимальных решений. Одной из проблем в этом контексте является нахождение компромисса между точностью фронта Парето и ресурсами, необходимыми для его вычисления. В многокритериальной оптимизации важно оценивать сходимость, чтобы избежать чрезмерного числа итераций, которые могут быть неэффективными с точки зрения улучшения результата. Проблема заключается в поиске оптимального количества итераций, при котором фронт Парето достигает достаточной точности, и дальнейшие итерации не приводят к значительному улучшению качества решений. Целью исследования является разработка алгоритма, который позволяет оценить сходимость фронта Парето и определить, когда можно завершить процесс оптимизации без потери качества решений. Результаты могут быть полезны специалистам, занимающимся задачами многокритериальной оптимизации и разработкой алгоритмов на основе стохастических условий.
Об авторах
Сальбек Мустафаевич Бекетов
Санкт-Петербургский политехнический университет Петра Великого
Автор, ответственный за переписку.
Email: salbek.beketov@spbpu.com
аналитик, лаборатория «Цифровое моделирование индустриальных систем»
Россия, Санкт-ПетербургАлексей Михайлович Гинцяк
Санкт-Петербургский политехнический университет Петра Великого
Email: aleksei.gintciak@spbpu.com
заведующий лабораторией, кандидат технических наук, лаборатория «Цифровое моделирование индустриальных систем»
Россия, Санкт-ПетербургМаксим Владимирович Дергачев
Санкт-Петербургский политехнический университет Петра Великого
Email: dergachev.mv@edu.spbstu.ru
магистрант
Россия, Санкт-ПетербургСписок литературы
- Tirkolaee E.B. et al. Multi-objective optimization for the reliable pollution-routing problem with cross-dock selection using Pareto-based algorithms //Journal of cleaner production. 2020. Т. 276. С. 122927. doi: 10.1016/j.jclepro.2020.122927.
- Hua Y. et al. A survey of evolutionary algorithms for multiobjective optimization problems with irregular Pareto fronts //IEEE/CAA Journal of Automatica Sinica. 2021. Т. 8. №. 2. С. 303-318. doi: 10.1109/JAS.2021.1003817.
- Asilian Bidgoli A. et al. Machine learning-based framework to cover optimal Pareto-front in many-objective optimization //Complex & Intelligent Systems. 2022. Т. 8. №. 6. С. 5287-5308. doi: 10.1007/s40747-022-00759-w.
- Габдуллин Б.Р., Сенюшкин Д.С., Конушин А.С. Практическое приложение методов многокритериальной оптимизации к задаче релокализации камеры //Информационные процессы. 2024. Т. 24. №. 2. С. 163-172. doi: 10.53921/18195822_2024_24_2_163.
- Cocchi G., Lapucci M., Mansueto P. Pareto front approximation through a multi-objective augmented Lagrangian method //EURO Journal on Computational Optimization. 2021. Т. 9. С. 100008. doi: 10.1016/j.ejco.2021.100008.
- Luengo D. et al. A survey of Monte Carlo methods for parameter estimation //EURASIP Journal on Advances in Signal Processing. 2020. Т. 2020. С. 1-62. doi: 10.1186/s13634-020-00675-6.
- Hu X. et al. Simplified models for uncertainty quantification of extreme events using Monte Carlo technique //Reliability Engineering & System Safety. 2023. Т. 230. С. 108935. doi: 10.1016/j.ress.2022.108935.
- McFarland J., DeCarlo E. A Monte Carlo framework for probabilistic analysis and variance decomposition with distribution parameter uncertainty //Reliability Engineering & System Safety. 2020. Т. 197. С. 106807. doi: 10.1016/j.ress.2020.106807.
- Moraes C.C.F. et al. Using the multi-criteria model for optimization of operational routes of thermal power plants //Energies. 2021. Т. 14. №. 12. С. 3682. doi: 10.3390/en14123682.
- Xu Y. et al. A Pareto Front grid guided multi-objective evolutionary algorithm //Applied Soft Computing. 2023. Т. 136. С. 110095. doi: 10.3390/en14123682.
- Pospelov K.N. et al. Multiparametric Optimization of Complex System Management Scenarios Based on Simulation Models //International Journal of Technology. 2023. Т. 14. №. 8. С. 1748-1758. doi: 10.14716/ijtech.v14i8.6832.
- Null S.E. et al. Pareto optimality and compromise for environmental water management //Water Resources Research. 2021. Т. 57. №. 10. С. e2020WR028296. doi: 10.1029/2020WR028296.
- Beketov S.M., Pospelov K.N., Redko S.G. A human capital simulation model in innovation projects // Control Sciences. 2024. No. 3. P. 16-25. doi: 10.25728/cs.2024.3.2.
- Бекетов С.М., Зубкова Д.А., Редько С.Г. Сравнение методов оптимизации в имитационных моделях сложных организационно-технических систем. Моделирование, оптимизация и информационные технологии. 2024. 12(3). doi: 10.26102/2310-6018/2024.46.3.027.
- Fedyaevskaya D.E. et al. Hierarchical Cybernetic Model of Oil Production Enterprise with Distributed Decision-Making Centers //Digital Transformation: What is the Company of Today? Cham: Springer Nature Switzerland, 2023. С. 21-34. doi: 10.1007/978-3-031-46594-9_2.
- Feng W., Gong D., Yu Z. Multi-objective evolutionary optimization based on online perceiving Pareto front characteristics //Information Sciences. 2021. Т. 581. С. 912-931. doi: 10.1016/j.ins.2021.10.007.
- Копырин А.С., Видищева Е.В. Технологии обработки и очистки данных, выявления и устранения шумов на временном ряду //Вестник Академии знаний. 2020. №. 4 (39). С. 220-228. doi: 10.24411/2304-6139-2020-10466.
- Nezami N., Anahideh H. Dynamic Exploration–Exploitation Pareto Approach for high-dimensional expensive black-box optimization //Computers & Operations Research. 2024. Т. 166. С. 106619. doi: 10.1016/j.cor.2024.106619.
- Аветисян Т.В. и др. Исследование возможностей оптимизации процессов управления киберфизическими системами //Информационные технологии и вычислительные системы. 2023. №. 2. С. 96-105. doi: 10.14357/20718632230210.
- Матвеев В.В., Филатова Т.А. Методы управления организационными системами в условиях риска и неопределенности с целью обеспечения экономической безопасности //Национальная безопасность и стратегическое планирование. 2021. №. 2. С. 73-96. doi: 10.37468/2307-1400-2021-2-73-96.
Дополнительные файлы
