ОПТИМИЗАЦИЯ ОТРАСЛЕВЫХ ЗАДАЧ В УПРАВЛЕНИИ БОЛЬШИМИ ДАННЫМИ С ИСПОЛЬЗОВАНИЕМ ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ: СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ
Аннотация и ключевые слова
Аннотация (русский):
В статье предлагается новый подход к решению проблем управления большими промышленными данными с использованием генетических алгоритмов, оптимизации роя частиц, муравьиных алгоритмов и культурных алгоритмов. Исследование направлено на эффективное распределение ресурсов, балансирование противоречивых целей, таких как минимизация затрат, использование ресурсов и улучшение качества. Данный подход предлагает комплексную структуру, которая сочетает в себе преимущества различных методов оптимизации, предоставляя лицам, принимающим решения, важные сведения об оптимальных стратегиях работы с большими данными в своих отраслях. Результаты исследования показывают эффективность гибридного подхода в достижении оптимальных решений, что повышает операционную эффективность и принятие стратегических решений в эпоху больших данных.

Ключевые слова:
большие данные, муравьиный алгоритм, культурные алгоритмы, генетический алгоритм, оптимизация роя частиц
Текст
Текст произведения (PDF): Читать Скачать
Список литературы

1. Zhang, L. Optimization of the Marketing Management System Based on Cloud Computing and Big Data // Complexity. 2021. Vol. 2021. Art. No. 9924302. 10 p. DOI:https://doi.org/10.1155/2021/9924302.

2. Ghafari, R. E-AVOA-TS: Enhanced African Vultures Optimization Algorithm-Based Task Scheduling Strategy for Fog-Cloud Computing / R. Ghafari, N. Mansouri // Sustainable Computing: Informatics and Systems. 2023. Vol. 40. Art. No. 100918. 40 p. DOI:https://doi.org/10.1016/j.suscom.2023.100918.

3. Adventures in Data Analysis: A Systematic Review of Deep Learning Techniques for Pattern Recognition in Cyber-Physical- Social Systems / Z. Amiri, A. Heidari, N.J. Navimipour, [et al.] // Multimedia Tools and Applications. 2024. Vol. 83, Is. 8. Pp. 22909–22973. DOI:https://doi.org/10.1007/s11042–023– 16382‑x.

4. Abualigah, L. Group Search Optimizer: A Nature-Inspired Meta-Heuristic Optimization Algorithm with Its Results, Variants, And Applications // Neural Computing and Applications. 2021. Vol. 33, Is. 7. Pp. 2949–2972. DOI:https://doi.org/10.1007/s00521– 020–05107‑y.

5. Mohammed Sani, K. Particle Swarm Optimization Based on Particle Mean Dimensions with Eliminating Velocity Components: A Thesis for the Degree of Master of Science in Mathematics (Optimization). — Haramaya: Haramaya University, 2022. — 61 p. Available at: http://ir.haramaya.edu.et//hru/handle/ 123456789/5069 (accessed 15 Feb 2024).

6. Gad, A. G. Particle Swarm Optimization Algorithm and Its Applications: A Systematic Review // Archives of Computational Methods in Engineering. 2022. Vol. 29, Is. 5. Pp. 2531–2561. DOI:https://doi.org/10.1007/s11831–021–09694–4.

7. Fidanova, S. Ant Colony Optimization and Applications. — Cham: Springer Nature, 2021. — 138 p. — (Studies in Computational Intelligence, Vol. 947). DOI:https://doi.org/10.1007/978– 3–030–67380–2.

8. Nature-Inspired Algorithms from Oceans to Space: A Comprehensive Review of Heuristic and Meta-Heuristic Optimization Algorithms and Their Potential Applications in Drones / S. Darvishpoor, A. Darvishpour, M. Escarcega, M. Hassanalian // Drones. 2023. Vol. 7, Is. 7. Art. No. 427. 134 p. DOI:https://doi.org/10.3390/drones7070427.

9. Bio-Inspired Computation for Big Data Fusion, Storage, Processing, Learning and Visualization: State of the Art and Future Directions / A.I. Torre-Bastida, J. Díaz-de-Arcaya, E. Osaba, [et al.] // Neural Computing and Applications. Special Issue: Data Fusion in the era of Data Science. 2021. 31 p. DOI:https://doi.org/10.1007/s00521–021–06332–9.

10. Chen, Q. Fair Assortment Planning / Q. Chen, N. Golrezaei, F. Susan // ArXiv. 2022. Vol. 2208.07341. 74 p. DOI:https://doi.org/10.48550/arXiv.2208.07341.

11. Hamann-Lohmer, J. Production Planning and Scheduling in Multi-Factory Production Networks: A Systematic Literature Review / J. Hamann-Lohmer, R. Lasch // International Journal of Production Research. 2021. Vol. 59, Is. 7. Pp. 2028–2054. DOI:https://doi.org/10.1080/00207543.2020.1797207.

Войти или Создать
* Забыли пароль?