Детальная информация

Название: 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
Авторы: Костенко Дмитрий Андреевич; Онуфриев Вадим Александрович; Шкодырев Вячеслав Петрович
Выходные сведения: Санкт-Петербург: Изд-во Политехн. ун-та, 2019
Коллекция: Общая коллекция
Тематика: 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
УДК: 004.41/.42
ББК: 32.973-018
Тип документа: Статья, доклад
Тип файла: PDF
Язык: Русский
DOI: 10.18721/JCSTCS.12204
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)

Разрешенные действия: Прочитать Загрузить (0,4 Мб)

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
-> Интернет Все Прочитать Печать Загрузить

Статистика использования

stat Количество обращений: 72
За последние 30 дней: 1
Подробная статистика