Авторы

Использование алгоритмов роевого интеллекта для определения состава мультипроекта

Одним из перспективных способов снижения зависимости отечественной промышленности от поставок критически важных товаров, комплектующих и сырья, необходимых для построения и эффективного функционирования многостадийных производственно-технологических цепочек, является активизация процессов по их импортозамещению, в том числе с помощью различных мер государственной поддержки. Однако критическая потребность в обширнейшем перечне продукции приводит к необходимости проведения отбора наиболее «перспективных» проектов для включения в программно-целевые документы с использованием набора критериев (порой даже нефинансового характера). В результате возникает актуальная научно-практическая задача разработки подходов к формированию мультипроектов (совокупности проектов), которые могут претендовать на государственную поддержку в рамках различных программ снижения импортозависимости и преодоления технологического отставания российской промышленности, на основе применения современных экономико-математических методов. В приложении к поставленной задаче мультипроект можно представить в виде «набора» (множество несвязанных проектов), «цепи» (жесткая последовательность проектов) или «сети» (проекты со сложными логико-временными взаимосвязями). Специфика каждого из указанных видов определяет условия и накладывает ограничения на процесс отбора компонентов для включения в их составы, который заключается в поиске наилучшей комбинации проектов и/или программ, т. е. сводится к задаче условной многомерной оптимизации. В условиях отсутствия требования нахождения «строго оптимального» состава можно воспользоваться метаэвристическими методами, которые способны находить близкие к таковым решения за «приемлемое» время. Среди них наиболее масштабным и известным классом представляются алгоритмы роевого интеллекта, базирующиеся на принципах коллективного поведения популяции живых организмов. В данной статье предлагается для формирования состава мультипроектов воспользоваться алгоритмами, вдохновленными коллективным поведением стаи волков (Grey Wolf Optimizer) и косяка рыб (Fish School Search) для удовлетворения своих пищевых потребностей. Для повышения эффективности их использования при решении задачи поиска наилучшего состава «набора» и «сети» проектов была предложена их гибридизация с методами нечеткой логики (в частности, нечеткой кластеризацией и нечетко-логическим выводом). Читать дальше...