Details

Title: Многокритериальная оптимизация ректификационного процесса по алгоритму SPEA2 // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Информатика. Телекоммуникации. Управление: научное издание. – 2019. – Т. 12, № 2
Creators: Костенко Дмитрий Андреевич; Онуфриев Вадим Александрович; Шкодырев Вячеслав Петрович
Imprint: Санкт-Петербург: Изд-во Политехн. ун-та, 2019
Collection: Общая коллекция
Subjects: Вычислительная техника; Программирование ЭВМ. Компьютерные программы. Программотехника; Парето-оптимальность; многокритериальная оптимизация; орграфы; нейронные сети; SPEA2; KPI; ректификационные процессы; Pareto optimality; multi-criteria optimization; digraphs; neural networks; rectification process
UDC: 004.41/.42
LBC: 32.973-018
Document type: Article, report
File type: PDF
Language: Russian
DOI: 10.18721/JCSTCS.12204
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\62162

Allowed Actions: Read Download (0.4 Mb)

Group: Anonymous

Network: Internet

Annotation

Описан процесс многокритериальной оптимизации по методу Парето-оптимальности. В качестве объекта управления выступает крупное промышленное предприятие. Объект декомпозируется и представляется в виде иерархии вложенных орграфов. Вершины орграфов отмечают состояние производимого продукта, рёбра – технологические операции. На основании технической документации по объекту составляются списки целевых показателей и факторов управления, помогающие систематизировать источники влияния на качество и объем производимого продукта. Нейронная сеть, обученная на архиве статистических данных, идентифицирует связи между параметрами выходного продукта и источниками влияния. Полученные связи дискретизируются по времени и подаются на вход алгоритма SPEA2. Алгоритм производит сравнение зависимостей и выстраивает Парето-оптимальный фронт, состоящий из комбинаций значений управляемых параметров.

This article describes the process of multicriterial optimization using the Pareto efficiency method. A large-scale industrial plant was taken as a controllable object. The object was decomposed and represented as a hierarchy of embedded orgraphs. The orgraph’s vertices mark the current state of the product while the edges stand for technological operations. Based on the object’s technical documentation, a list of influencing factors is created. The list contains every technological parameter affecting the quality of the final product. A neural network trained on a set of statistical data is utilized to identify dependencies between discrete influencing factors and the product quality. These dependencies are then processed with the SPEA2 algorithm, outputting a set of combinations of optimized parameters values known as the Pareto front.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Usage statistics

stat Access count: 181
Last 30 days: 8
Detailed usage statistics