Метод структурної ідентифікації інтервального різницевого оператора на основі принципів функціонування бджолиної колонії

1
Тернопільський національний економічний університет
2
Західноукраїнський національний університет
3
Тернопільський національний економічний університет

Для задач моделювання об’єктів з розподіленими параметрами, до яких відносять задачі моделювання розподілу вологості при виробництві гіпсокартону чи поширення забруднення шкідливих викидів автотранспорту в атмосфері, використовують макромоделі у вигляді різницевих операторів, структура яких обирається шляхом узгодження з експериментальними даними.

Однією із важливих проблем макромоделювання при розв’язанні такого класу задач є  вибір загального вигляду макромоделі, що породжує задачу структурної ідентифікації. З обчислювальної точки зору зазначена задача суттєво ускладняється, коли результати експерименту представляють в інтервальному вигляді, тобто можливі значення вихідної змінної гарантовано належать до деякого числового інтервалу.

У даній праці розглянуто актуальну науково-технічну задачу структурної ідентифікації макромоделі у вигляді різницевого оператора на основі аналізу інтервальних даних, отриманих в результаті спостережень за реальними процесами.

Аналіз літературних джерел показав, що розв’язуванню задачі структурної ідентифікації математичної моделі у вигляді різницевого оператора на основі інтервальних даних присвячено ряд публікацій. Проте наведені авторами цих статей підходи ґрунтуються на генетичних алгоритмах, які, як відомо, евристичні, вимагають налаштування цілого ряду параметрів, і є малоефективними, коли недостатньо вивчена фізика процесу.

У статті, вперше запропоновано та обґрунтовано метод структурної ідентифікації ІРО, який ґрунтується на принципах функціонування бджолиної колонії, що на відміну від застосування генетичних алгоритмів зменшує обчислювальну складність реалізації методу та забезпечує строго формалізовані процедури генерування «кращих» варіантів структур інтервальних різницевих операторів.

Крім того, у праці розроблено нейроподібну обчислювальну схему реалізації методу структурної ідентифікації ІРО на основі принципів функціонування бджолиної колонії у процесі пошуку їжі, яка забезпечує збіжність реалізації методу структурної ідентифікації та можливість отримання простіших структур ІРО із заданими прогностичними властивостями по відношенню до існуючих методів. Ефективність застосування запропонованого методу та його обчислювальної схеми проілюстрована на прикладі побудови моделі процесу розподілу вологості на поверхні листа гіпсокартону на стадії його сушіння.

  1. A.G. Ivakhnenko, Long-term forecasting and management of complex systems. Kyiv, Ukraine: Tekhnіka, 1975. (Russian)
  2. D. Graupe, Identification of systems, 2nd ed. New York, USA: Robert E. Krieger Publishing Company, 1976.
  3.  Sean Luke, “Essentials of Metaheuristics”, http://cs.gmu.edu/~sean/book/metaheuristics/Essentials.pdf, October, 2014.
  4. I. Voytyuk, M. Dyvak, and V. Nemish, “Method and genetic algorithm for structure identification of interval differentice operators in the tasks of environmental monitoring”, Informatyka, kiybernetyka ta obchysliuvalna tekhnika - Collected Works of Donetsk National Technical University, vol. 188, no. 14, pp. 8-17, 2011. (Ukrainian)
  5. I. Voytyuk,  “Method of structure identification for macromodels as interval difference operators”, in Proc. Conference of young scientists-  Mathematical Modelling in Engineering and Technology, pp. 11-16, Russia, Moscow, 2011. (Russian)
  6. N. Porplytsya and M. Dyvak, “Synthesis of structure of interval difference operator using artifitional bee colony algorithm”, Induktyvne modeliuvannia skladnykh system, vol. 5, pp. 256-269, Kyiv, Ukraine, 2013. (Ukrainian)
  7. T. Dyvak, “Parametric identification of interval difference operator on the example of macromodel for distribution of humidity in the drywall sheets in the process of drying”, Information Technologies and Computer Engineering: International Scientific Journal, vol. 3, pp. 79-85, 2012. (Ukrainian)
  8. M. Dyvak and T.  Dyvak, “Features of construction of interval systems of algebraic equations and methods of solving problems in identification of interval linear difference operator”, Induktyvne modeliuvannia skladnykh system, vol. 1, pp. 35-43, Kyiv, Ukraine, 2009. (Ukrainian)
  9. A.G. Ivakhnenko and A.G. Ivakhnenko, The inductive method for self-organizing models of complex systems,  Kyiv, Ukraine: "Naukova dumka", 1982. - 296 с. (Russian)
  10. D. Karaboga, “An idea based on honey bee swarm for numerical optimization”, Technical Report TR06, Computer Engineering Department, Engineering Faculty, Erciyes University, Turkey, 2005.
  11. D. Karaboga and B. Basturk, “A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm”, Journal of Global Optimization, vol. 39, pp. 459-471, 2007.