«Автоматизация и информатизация ТЭК»

Синтез алгоритмов инструментальной среды для решения оптимизационных задач с эпистемической неопределенностью параметров. Часть 1. Методика синтеза

УДК: 004.421+004.4'2
DOI: 10.33285/2782-604X-2022-5(586)-18-25

Авторы:

¹ Институт проблем управления им. В.А. Трапезникова РАН, Москва, Россия

Ключевые слова: оптимизационная задача, оптимизационная модель, неопределенное программирование, синтез алгоритмов, теория неопределенности, неопределенная переменная, эпистемическая неопределенность, многокритериальная оптимизация

Аннотация:

В статье рассмотрен подход к синтезу алгоритмов решения оптимизационных задач с эпистемической неопределенностью параметров. Подробного рода задачи могут возникать при создании сложных технических объектов нефтегазового комплекса, когда недостаточно данных для принятия статистических гипотез о неопределенных параметрах и необходимо прибегать к их экспертной оценке. В связи с этим становится актуальной потребность в методике автоматизированного синтеза алгоритмов решения таких задач, поскольку при изменении значений неопределенных параметров либо при изменении классификации параметров на неопределенные и детерминированные часто необходима полная перестройка алгоритма решения. Автором предложена методика синтеза алгоритмов решения оптимизационных задач с эпистемической неопределенностью параметров. Определены требования к алгоритмам подготовки экспертных данных, решения оптимизационной задачи и выбора проектного решения на парето-множестве, их модульная структура и процедуры синтеза. Представлена общая схема решения оптимизационных задач в условиях неопределенности с применением описанных алгоритмов.

Список литературы:

1. Сайт DATADVANCE. – URL: https://www.datadvance.net
2. Ansys optiSLang. Process Integration & Design Optimization. – URL: https://www.ansys.com/products/platform/ansys-optislang
3. Добронец Б.С. Интервальная математика: учеб. пособие. – Красноярск: Красноярский гос. ун-т, 2004. – 218 с.
4. Zadeh L.A. Fuzzy Sets // Information and Control. – 1965. – Vol. 8. – P. 338–353.
5. Zadeh L.A. Fuzzy Sets as the Basis for a Theory of Possibility // Fuzzy Sets and Systems. – 1978. – Vol. 8, Issue 1. – P. 3–28. – DOI: 10.1016/0165-0114(78)90029-5
6. Alcala-Fdez J., Alonso J.M. A Survey of Fuzzy Systems Software: Taxonomy, Current Research Trends, and Prospects // IEEE Transactions on Fuzzy Systems. – 2016. – Vol. 24, Issue 1. – P. 40–56. – DOI: 10.1109/TFUZZ.2015.2426212
7. A fuzzy linear programming based approach for tactical supply chain planning in an uncertainty environment / D. Peidro, J. Mula, M. Jiménez, M. del Mar Botella // European J. of Operational Research. – 2010. – Vol. 205, Issue 1. – P. 65–80. – DOI: 10.1016/j.ejor.2009.11.031
8. Fuzzy optimization for supply chain planning under supply, demand and process uncertainties / D. Peidro, J. Mula, R. Poler, J.-L. Verdegay // Fuzzy Sets and Systems. – 2009. –Vol. 160, Issue 18. – P. 2640–2657. – DOI: 10.1016/j.fss.2009.02.021
9. Mula J., Peidro D., Poler R. The effectiveness of a fuzzy mathematical programming approach for supply chain production planning with fuzzy demand // Int. J. of Production Economics. – 2010. – Vol. 128, Issue 1. – P. 136–143. – DOI: 10.1016/j.ijpe.2010.06.007
10. Pathak S., Sarkar (Mondal) S. A fuzzy optimization model to the aggregate production/distribution planning decision in a multi-item supply chain network // Int. J. of Management Science and Engineering Management. – 2012. – Vol. 7, Issue 3. – P. 163–173. – DOI: 10.1080/17509653.2012.10671220
11. Rommelfanger H. Fuzzy linear programming and applications // European J. of Operational Research. – 1996. – Vol. 92, Issue 3. – P. 512–527. – DOI: 10.1016/0377-2217(95)00008-9
12. Liu Baoding. Uncertainty Theory. – 2nd ed. – Berlin: Springer Verlag, 2007. – XVII, 487 p. – DOI: 10.1007/978-3-662-44354-5
13. Determining maneuverable aircraft parameters in preliminary design under conditions of uncertainty / G.S. Veresnikov, L.A. Pankova, V.A. Pronina [et al.] // Procedia Computer Science. – 2017. – Vol. 112. – P. 1123–1130. – DOI: 10.1016/j.procs.2017.08.143
14. Решение задач предварительного проектирования в условиях параметрической неопределенности / Г.С. Вересников, О.В. Огородников, Л.А. Панкова, В.А. Пронина // Проблемы управления. – 2017. – № 4. – С. 65–73.
15. Optimal design of technical objects under mixed parametric uncertainty / G.S. Veresnikov, L.A. Pankova, V.A. Pronina [et al.] // Management of Large-Scale System Development (MLSD): Proc. of the 12th Int. Conf., Moscow, Oct. 1–3. – IEEE, 2019. – DOI: 10.1109/MLSD.2019.8911060
16. Предварительное проектирование летательных аппаратов в условиях смешанной неопределенности / Г.С. Вересников, Л.А. Панкова, В.А. Пронина [и др.] // Тр. XIII Всерос. совещ. по проблемам управления (ВСПУ-2019), Москва, 17–20 июня. – М.: ИПУ РАН, 2019. – С. 3155–3160.
17. Yuanguo Zhu. Functions of Uncertain Variables and Uncertain Programming // J. of Uncertain Systems. – 2012. – Vol. 6, No. 4. – P. 278–288.
18. Перова В.И., Сабаева Т.А., Чекмарев Д.Т. Разработка алгоритмов для решения задач на ЭВМ: учеб. пособие. – Н. Новгород: Нижегородский гос. ун-т, 2015. – 136 с.
19. Гудман С., Хидетниеми С. Введение в разработку и анализ алгоритмов. – М.: Мир, 1981. – 368 с.