Формирование состава программ развития наукоемких отраслей с использованием алгоритмов бактериальной оптимизации и методов нечеткой логики
https://doi.org/10.24182/2073-6258-2021-20-4-25-30
Аннотация
Сегодня развитие наукоемких отраслей осуществляется в рамках программ, объединяющих набор инновационных и инвестиционных проектов, направленных на достижение единой цели и реализуемых в общих ограничениях. Наличие большего числа проектных характеристик (в частности, сроков, ресурсов, исполнителей и т.п.), которые необходимо учитывать при формировании состава программы, приводит к постановке задачи многокритериальной оптимизации. Для ее решения предложено использоваться алгоритм бактериальной оптимизацией, дополненный процедурой формирования начальных позиций с помощью методов нечеткой логики.
Об авторе
О. В. БулыгинаРоссия
Кандидат экономических наук, доцент, доцент филиал
Смоленск
Список литературы
1. Булыгина О.В., Емельянов А.А., Яшин Е.С. НЕ-факторы, темпоральная логика и нечетко-логические инструменты в гибридных моделях управления рисками импортозамещения. Прикладная информатика. 2020. Т. 15. № 4. С. 5–43.
2. Черновалова М.В., Какатунова Т.В., Волкова И.В., Власова Е.А. Алгоритмы и программные средства адаптации базы знаний информационных систем управления проектами. Прикладная информатика. 2021. Т. 16. № 4(94). С. 21–34.
3. Халин В.Г., Черновалова М.В., Шманев С.В. Алгоритмическое и информационное обеспечение управления инновационными проектами в условиях неопределенности. Прикладная информатика. 2018. Т. 13. № 3 (75). С. 5–15.
4. Карпенко А.П. Популяционные алгоритмы глобальной поисковой оптимизации. Обзор новых малоизвестных алгоритмов. ИТ: Приложение к журналу «Информационные технологии». 2012. № 7. С. 1–32.
5. Смирнова О.С., Богорадникова А.В., Блинов М.Ю. Описание роевых алгоритмов, инспирированных неживой природой и бактериями, для использования в онтологической модели. International Journal of Open Information Technologies. 2015. vol. 3, no. 12, рр. 28–37.
6. Chiranjib S., Shukla A. Coalition formation for multi-agent coordination for surveillance and capture of foreign intruder using bacteria foraging algorithm. Proceedings of Third International Conference on Advances in Control and Optimization of Dynamical Systems. Kanpur, India: Indian Institute of Information Technology & Management, 2014, pp. 511–518.
7. Liu Y., Passino К.M. Biomimicry of social foraging bacteria for distributed optimization: models, principles, and emergent behaviors. Journal of Optimization Theory and Applications, 2002, vol. 115, no. 3, pp. 603–628.
8. Passino К.M. Biomimicry of bacterial foraging for distributed optimization and control. IEEE Control Systems Magazine, 2002, vol. 22, no. 3, pp. 52–67.
9. Булыгина О.В., Рудометкин А.Н., Гимаров В.В. Экономико-математические методы и инструменты для формирования территорий инновационного развития в северных регионах России. Транспортное дело России. 2017. № 5. С. 32–35.
10. Emelyanov A.A., Bulygina O.V., Emelyanova N.Z. Complex swarm-simulation modeling of innovative projects promotion into the regions. Proceedings of 4th International Conference on Information Technologies in Engineering Education, Inforino 2018.
Рецензия
Для цитирования:
Булыгина О.В. Формирование состава программ развития наукоемких отраслей с использованием алгоритмов бактериальной оптимизации и методов нечеткой логики. Ученые записки Российской академии предпринимательства. 2021;20(4):25-30. https://doi.org/10.24182/2073-6258-2021-20-4-25-30
For citation:
Bulygina О.V. Formation of the composition of programs for the knowledge–intensive industry development using bacterial optimization algorithms and fuzzy logic methods. Scientific notes of the Russian academy of entrepreneurship. 2021;20(4):25-30. (In Russ.) https://doi.org/10.24182/2073-6258-2021-20-4-25-30