ШТУЧНІ НЕЙРОННІ МЕРЕЖІ ЯКІ ВИКОРИСТОВУЮТЬСЯ В ЗАДАЧАХ ОПТИМІЗАЦІЇ ТЕХНІЧНОЇ ЕКСПЛУАТАЦІЇ РУХОМОГО СКЛАДУ ЕЛЕКТРОТРАНСПОРТУ

Д. Ю. Зубенко, О. В. Донець, В. В. Ліньков

Аннотация


Проблеми оптимізації часто вимагають використання методів оптимізації, що дозволяють мінімізувати або максимізувати певні цільові функції. Інколи проблеми, які необхідно оптимізувати, не є лінійними чи поліноміальними; вони не можуть бути точно вирішені, і вони повинні бути апроксимовані. У цих випадках необхідно застосовувати евристику, яка здатна вирішувати такі проблеми. У цій роботі пропонується використання штучних нейронних мереж для наближення об'єктивної функції в задачах оптимізації, що дає змогу застосовувати інші методи вирішення проблеми.

 

Ключові слова: нейронні мережі, проблеми оптимізації, нелінійна оптимізація, рухомий склад, електротранспорт


Полный текст:

PDF (Українська)

Литература


References

Ríos-Mercado, R.Z & Conrado, Borraz-Sánchez (2015) Op-timization problems in natural gas transportation systems: A state-of-the-art review. Applied Energy, 147, 536–555.

Wang, Y., Ma, X., Xu, M., Liu, Yong ., Wang, Y. (2015) Two-echelon logistics distribution region partitioning problem based on a hybrid particle swarm optimization–genetic algo-rithm, 42(12), 5019–5031

Salari, M., Reihaneh, M., Sabbagh, M.S (2015) Combining ant colony optimization algorithm and dynamicprogramming technique for solving the covering salesman problem. Comput-ers & Industrial Engineering, 83, 244–251.

Zheng, X.L., Wang, L. (n.d.) A multi-agent optimization algo-rithm for resource constrained project scheduling problem. Expert Systems with Applications, In Press.

Lanza-Gutierrez, J.M., Gomez-Pulido, J.A. (2015) Assuming multiobjectivemetaheuristics to solve a three-objective optimisa-tion problem for Relay Node deployment in Wireless Sensor Networks. Applied Soft Computing, 30, 675–687.

Ploskas, N., Samaras, N. (2015) Efficient GPU-based imple-mentations of simplex type algorithms. Applied Mathematics and Computation, 250, 552–570.

Kuhn, H. W., Tucker, A. W. (1951) Nonlinear Programming. Proceedings of the Second Berkeley Symposium on Mathemati-cal Statistics and Probability, University of California Press, Berkeley, Calif., 481—492.

Wang, Y. (2014) The hybrid genetic algorithm with two local optimization strategies for traveling salesman problem. Com-puters & Industrial Engineering, 70, 124–133.

Li, L., Yu, Z., Chen, Y. (n.d.) Evacuation dynamic and exit optimization of a supermarket based on particle swarm optimi-zation. Physica A: Statistical Mechanics and its Applications, 416, 157–172.

Kolonko, M. (2009) Some new results on simulated annealing applied to the job shop scheduling problem. European Journal of Operational Research, 113(1), 123–136.

Hannah, L.A. (2015) Stochastic Optimization. International Encyclopedia of the Social & Behavioral Sciences (Second Edi-tion), 473–481.

İnkaya, T., Kayalıgil, S., Özdemirel, N.E. (2015) Ant Colo-ny Optimization based clustering methodology. Applied Soft Computing, 28, 301–311.

Yang, J., Zhuang, Y. (2010) An improved ant colony opti-mization algorithm for solving a complex combinatorial optimi-zation problem. Appl. Soft Comput., 10 (2), 653–660.

Bououden, S., Chadli, M., Karimi, H.R. (2015) An ant colony optimization-based fuzzy predictive control approach for nonlinear processes. Information Sciences, 299, 143–158.

Ñanculef, R., Frandi, E., Sartori, C., Allendea, H. (2014) A novel Frank–Wolfe algorithm. Analysis and applications to large-scale SVM training, Information Sciences, 285, 66–99.


Ссылки

  • На текущий момент ссылки отсутствуют.


ISSN (print) 2522-1809; ISSN (online) 2522-1817