Registration Number
0826U004270, PhD dissertation
Status
Доктор філософії
Date
popup.evolution
o
Чому дисертація має статус "Запланована"?
Title
Models, Methods and Information Technology of Hybrid Evolutionary-Swarm Optimization in Coverage Problems in Territorially Distributed Systems
Author
Yehor Havryliuk,
popup.head Serhii Yakovlev
popup.opponent Костянтин Е. Петров
popup.opponent Andrii Chuhai
popup.review Victoriіa Strilets
popup.review Yevhen Meniailov
popup.rada
Karazin University
Description
Гаврилюк Є. А. Моделі, методи та інформаційна технологія гібридної еволюційно-ройової оптимізації в задачах покриття у територіально-розподілених системах. Дисертацію присвячено розробці моделей, методів та інформаційної технології гібридної еволюційно-ройової оптимізації для розв'язання задач неперервного максимального геометричного покриття у територіально-розподілених системах: оптимального розміщення скінченної сукупності геометричних об'єктів довільної форми для максимізації площі покриття заданої області за наявності обмежень та заборонених зон. Задача є NP-важкою, має мультиекстремальний ландшафт цільової функції та високу обчислювальну вартість оцінки покриття. Запропонований підхід поєднує глобальний стохастичний пошук ройових метаевристик із детермінованою локальною оптимізацією на основі квазіньютонівських методів та нейромережевим керуванням процесом.
У першому розділі проведено аналіз наукових джерел з математичного моделювання задач покриття (від дискретних до неперервних постановок) та методів еволюційно-ройової й гібридної оптимізації, а також прикладних аспектів (аварійне реагування, сенсорні мережі, розміщення сервісів, ГІС). Виявлено, що існуючі методи здебільшого орієнтовані на об'єкти простої форми, відсутнє систематичне порівняння ройових метаевристик з локальною оптимізацією, а питання архітектурної формалізації відповідної інформаційної технології не розглянуто. Сформульовано мету дослідження та математичну модель задачі у вигляді нелінійного програмування з переходом до безумовної оптимізації через штрафну функцію.
У другому розділі систематизовано п'ять методів оцінки площі покриття – від найшвидших (метод описаних прямокутників) до найточніших (булеві операції обчислювальної геометрії). Метод Монте-Карло з просторовою індексацією R-Tree визначено як основний для багаторазового виклику в циклі оптимізації завдяки оптимальному балансу точності й вартості обчислень. Чотири ройові метаевристики (оптимізація роєм частинок, пошук риб'ячої зграї, алгоритм світлячків, штучна бджолина колонія) адаптовано до задачі покриття; для кожної обґрунтовано метапараметри. Порівняльний аналіз показав спільне обмеження всіх методів – недостатню точність локального уточнення розв'язків, що обумовлює потребу гібридизації з градієнтними методами.
У третьому розділі обґрунтовано застосування квазіньютонівського методу BFGS як локальної компоненти гібридних алгоритмів, із чисельним оцінюванням градієнта на основі матриці площ попарних перетинів об'єктів, що прискорює обчислення. Розроблено меметичну методологію, яка поєднує чотири ройові метаевристики з локальною оптимізацією BFGS; для кожної комбінації визначено частоту виклику локального пошуку та критерії зупинки. Показано, що гібридна схема стабільно перевершує чистий ройовий пошук і мультістартову локальну оптимізацію, причому перевага зростає зі збільшенням кількості об'єктів. Запропоновано нейронно-керовані гібридні методи з адаптивним керуванням штрафним коефіцієнтом та динамічним налаштуванням гіперпараметрів; порівняння трьох парадигм навчання обґрунтувало вибір навчання з підкріпленням як найперспективнішого підходу.
У четвертому розділі представлено UML-орієнтовану інформаційну технологію розв'язання задач покриття з об'єктами довільної форми, що формалізує архітектуру, структури даних та алгоритмічні компоненти. Вибір архітектури обґрунтовано методом TOPSIS, обрано трирівневу архітектуру. Побудовано комплекс UML-діаграм: універсальний метамодуль оцінювання площі покриття з п'ятьма стратегіями обчислення, модель життєвого циклу конфігурації у вигляді діаграми станів, композитну структуру оптимізаційного ядра. На відміну від існуючих досліджень, що зосереджені лише на алгоритмах, технологія враховує повний життєвий цикл програмної системи. Отримані наукові результати підтверджують, що сформульована наукова задача розв'язана, а мета дослідження – досягнута. Підхід реалізовано як розподілену комп'ютерну систему зі спеціалізованим обчислювальним ядром, інтегрованим з підсистемами зберігання просторових даних та візуалізації.
Registration Date
2026-08-04
popup.nrat_date
2026-08-04 / 2026-08-04
