Search academic texts

Information × Registration Number 2125U003941, Article popup.category Опубліковано, Стаття Title METAHEURISTIC FRAMEWORKS FOR PARAMETER ESTIMATION IN APPROXIMATION MODELS popup.author Григор О. О.Федоров Є. Є.Лещенко М. М.Рудаков К. С.Сахно Т. А.Grygor O. O.Fedorov E. E.Leshchenko M. M.Rudakov K. S.Sakhno T. A. popup.publication 24-12-2025 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/346117 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Для покращення якості аналізу економічних індикаторів та підвищення ефективності методів числової оптимізації було запропоновано методи, засновані на синтезі алгоритмів імовірнісних моделей та моделюванні відпалу (байєсівська оптимізація з моделюванням відпалу, марковська оптимізація з моделюванням відпалу та розширений компактний генетичний алгоритм з моделюванням відпалу). Ці методи покращують точність пошуку та не потребують трансформації функції пристосованості завдяки принципу організації дослідження всього простору пошуку на початкових ітераціях та коригування напрямку пошуку на фінальних.Метою роботи є підвищення ефективності параметричної ідентифікації моделі апроксимації економічних показників в інтелектуальних фінансових комп’ютерних системах за допомогою метаевристичних методів, заснованих наімовірнісних моделях та моделюванні відпалу.Методи. У дослідженні застосовано метаевристичні методи оптимізації на основі імовірнісних моделей та моделювання відпалу для покращення ефективності параметричної ідентифікації моделі апроксимації економічних показників. Запропоновано три підходи: байєсівська оптимізація з моделюванням відпалу, марковська оптимізація з моделюванням відпалу та розширений компактний генетичний алгоритм з моделюванням відпалу. Ці методи підвищують точність пошуку, досліджуючи весь простір пошуку на початкових ітераціях та коригуючи напрямок на фінальних.Байєсівська оптимізація використовує байєсівську мережу для структурованого пошуку та вдосконалення рішень.Марковська оптимізація інтегрує квантування Гіббса у марковську мережу для покращення точності пошуку. Розширений компактний генетичний алгоритм застосовує моделі граничних розподілів для генерації оптимальних рішень. Запропоновані методи усувають необхідність трансформації функції пристосованості, оптимізуючи обчислювальну ефективність.Результати. Запропоновані методи оптимізації покращили точність параметричної ідентифікації в інтелектуальних фінансових комп’ютерних системах. Поєднання імовірнісних моделей та моделювання відпалу підвищило ефективність пошуку без необхідності трансформації функції пристосованості.Висновки. Запропоновані методи розширюють застосування метаевристик в економічному моделюванні, покращуючи обчислювальну ефективність. Перспективами подальших досліджень є використання запропонованих методівдля більш широкого класу задач машинного навчання. popup.nrat_date 2026-02-09 Close