Поиск :
Личный кабинет :
Электронный каталог: Жук, А.А. - Нейросетевой метод решения нелинейной задачи оптимального распределения неоднородного ресурса
Жук, А.А. - Нейросетевой метод решения нелинейной задачи оптимального распределения неоднородного ресурса
Статья
Автор: Жук, А.А.
Системный анализ и прикладная информатика: Нейросетевой метод решения нелинейной задачи оптимального распределения неоднородного ресурса
Neural network method of the decision of the nonlinear problem of optimum distribution of the non-uniform resource
б.г.
ISBN отсутствует
Автор: Жук, А.А.
Системный анализ и прикладная информатика: Нейросетевой метод решения нелинейной задачи оптимального распределения неоднородного ресурса
Neural network method of the decision of the nonlinear problem of optimum distribution of the non-uniform resource
б.г.
ISBN отсутствует
На полку
Статья
Жук, А.А.
Нейросетевой метод решения нелинейной задачи оптимального распределения неоднородного ресурса = Neural network method of the decision of the nonlinear problem of optimum distribution of the non-uniform resource / А. А. Жук, В. М. Булойчик // Системный анализ и прикладная информатика / гл. ред. Сергей Васильевич Харитончик; учредитель Белорусский национальный технический университет (Минск). – 2021. – №1. – С. 45-52. – Режим доступа : https://rep.bntu.by/handle/data/90147. – На рус. яз.
Данная статья посвящена особенностям решения задачи целочисленного нелинейного программирования, с помощью разработанного нейросетевого метода и алгоритма нелинейной оптимизации средства «Поиск решения» табличного процессора Microsoft Excel. В предлагаемом нейросетевом методе решение поставленной задачи производится посредством рекуррентной нейронной сети (РНС) матричной архитектуры с m нейронами в каждой строке и n нейронами в каждом столбце. Все нейроны такой сети соединены друг с другом связями, причем сигнал с выхода нейрона может подаваться на его же вход. Нейросетевой метод характеризуется тем, что на входы упомянутой РНС подается входной вектор значений параметров оптимизируемой нелинейной целевой функции задачи распределения неоднородного ресурса, осуществляется расчет значений весовых коэффициентов связанных между собой нейронов и формируется сигнал РНС. Этот сигнал посредством нелинейной функции преобразуется в дискретный выходной сигнал, характеризующий значения квазиоптимального решения упомянутой задачи, величина которого изменяется от 0 до 1. Оценка эффективности решения рассматриваемой задачи выполнялась при ее различных значениях показателя эффективности на основе разработанной имитационной модели РНС. В качестве показателей эффективности применения предлагаемого нейросетевого метода использовались – средняя относительная ошибка и время решения задачи. За точное решение принималось значение, полученное с помощью алгоритма нелинейной оптимизации средства «Поиск решения» табличного процессора Microsoft Excel. Анализ полученных результатов экспериментальных исследований, предложенного нейросетевого метода, позволил сделать заключение о том, что в сравнении с существующим методом нелинейной оптимизации табличного процессора Microsoft Excel использование предлагаемого нейросетевого метода позволяет существенно (в 9,4 раза) снизить время решения задачи размерностью 10 × 8 (m × n) и при этом обеспечить точность ее решения не менее чем 99,8 %.
Given article is devoted features of the decision of a problem of integer nonlinear programming, by means of developed neural network method and algorithm of nonlinear optimization of means «decision search» tabular processor microsoft excel. In offered neural network method the task in view decision is made by means of a recurrent neural network (rnn) matrix architecture with m neurons in each line and n neurons in each column. All neurons such network are connected with each other by communications, and the signal from an exit neuron can move on its input. Neural network method is characterized by that on inputs mentioned rnn the entrance vector of values of parameters of optimized nonlinear criterion function of a problem of distribution of a non-uniform resource moves, calculation of values of weight factors connected among themselves neurons is carried out and signal rnn is formed. This signal by means of nonlinear function will be transformed to the discrete target signal characterizing values quasi-optimal of the decision of the mentioned problem which size changes from 0 to 1. The estimation of efficiency of the decision of a considered problem was carried out at its various values of an indicator of efficiency on the basis of developed imitating model rnn. As indicators of efficiency of application offered neural network method were used – an average relative error and time of the decision of a problem. The value received by means of algorithm of nonlinear optimization of means was accepted to the exact decision «decision search» tabular processor microsoft excel. The analysis of the received results of the experimental researches, offered neural network method, has allowed to make the conclusion that in comparison with an existing method of nonlinear optimization of tabular processor microsoft excel use offered neural network method allows essentially (in 9,4 times) to lower time of the decision of a problem dimension 10 × 8 (m × n) and thus to provide accuracy of its decision not less than 99,8 %.
004.032.26
общий = БД Техника
общий = НЕЙРОСЕТЕВЫЕ АЛГОРИТМЫ
общий = НЕЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
общий = ДИСКРЕТНОЕ ПРОГРАММИРОВАНИЕ
общий = НЕЙРОННЫЕ СЕТИ
общий = ОПТИМИЗАЦИОННЫЕ МОДЕЛИ
Жук, А.А.
Нейросетевой метод решения нелинейной задачи оптимального распределения неоднородного ресурса = Neural network method of the decision of the nonlinear problem of optimum distribution of the non-uniform resource / А. А. Жук, В. М. Булойчик // Системный анализ и прикладная информатика / гл. ред. Сергей Васильевич Харитончик; учредитель Белорусский национальный технический университет (Минск). – 2021. – №1. – С. 45-52. – Режим доступа : https://rep.bntu.by/handle/data/90147. – На рус. яз.
Данная статья посвящена особенностям решения задачи целочисленного нелинейного программирования, с помощью разработанного нейросетевого метода и алгоритма нелинейной оптимизации средства «Поиск решения» табличного процессора Microsoft Excel. В предлагаемом нейросетевом методе решение поставленной задачи производится посредством рекуррентной нейронной сети (РНС) матричной архитектуры с m нейронами в каждой строке и n нейронами в каждом столбце. Все нейроны такой сети соединены друг с другом связями, причем сигнал с выхода нейрона может подаваться на его же вход. Нейросетевой метод характеризуется тем, что на входы упомянутой РНС подается входной вектор значений параметров оптимизируемой нелинейной целевой функции задачи распределения неоднородного ресурса, осуществляется расчет значений весовых коэффициентов связанных между собой нейронов и формируется сигнал РНС. Этот сигнал посредством нелинейной функции преобразуется в дискретный выходной сигнал, характеризующий значения квазиоптимального решения упомянутой задачи, величина которого изменяется от 0 до 1. Оценка эффективности решения рассматриваемой задачи выполнялась при ее различных значениях показателя эффективности на основе разработанной имитационной модели РНС. В качестве показателей эффективности применения предлагаемого нейросетевого метода использовались – средняя относительная ошибка и время решения задачи. За точное решение принималось значение, полученное с помощью алгоритма нелинейной оптимизации средства «Поиск решения» табличного процессора Microsoft Excel. Анализ полученных результатов экспериментальных исследований, предложенного нейросетевого метода, позволил сделать заключение о том, что в сравнении с существующим методом нелинейной оптимизации табличного процессора Microsoft Excel использование предлагаемого нейросетевого метода позволяет существенно (в 9,4 раза) снизить время решения задачи размерностью 10 × 8 (m × n) и при этом обеспечить точность ее решения не менее чем 99,8 %.
Given article is devoted features of the decision of a problem of integer nonlinear programming, by means of developed neural network method and algorithm of nonlinear optimization of means «decision search» tabular processor microsoft excel. In offered neural network method the task in view decision is made by means of a recurrent neural network (rnn) matrix architecture with m neurons in each line and n neurons in each column. All neurons such network are connected with each other by communications, and the signal from an exit neuron can move on its input. Neural network method is characterized by that on inputs mentioned rnn the entrance vector of values of parameters of optimized nonlinear criterion function of a problem of distribution of a non-uniform resource moves, calculation of values of weight factors connected among themselves neurons is carried out and signal rnn is formed. This signal by means of nonlinear function will be transformed to the discrete target signal characterizing values quasi-optimal of the decision of the mentioned problem which size changes from 0 to 1. The estimation of efficiency of the decision of a considered problem was carried out at its various values of an indicator of efficiency on the basis of developed imitating model rnn. As indicators of efficiency of application offered neural network method were used – an average relative error and time of the decision of a problem. The value received by means of algorithm of nonlinear optimization of means was accepted to the exact decision «decision search» tabular processor microsoft excel. The analysis of the received results of the experimental researches, offered neural network method, has allowed to make the conclusion that in comparison with an existing method of nonlinear optimization of tabular processor microsoft excel use offered neural network method allows essentially (in 9,4 times) to lower time of the decision of a problem dimension 10 × 8 (m × n) and thus to provide accuracy of its decision not less than 99,8 %.
004.032.26
общий = БД Техника
общий = НЕЙРОСЕТЕВЫЕ АЛГОРИТМЫ
общий = НЕЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
общий = ДИСКРЕТНОЕ ПРОГРАММИРОВАНИЕ
общий = НЕЙРОННЫЕ СЕТИ
общий = ОПТИМИЗАЦИОННЫЕ МОДЕЛИ
