Моделі, методи та інформаційна технологія гібридної еволюційно-ройової оптимізації в задачах покриття у територіально-розподілених системах

Abstract

Дисертаційна робота присвячена розробці моделей, методів та інформаційної технології гібридної еволюційно-ройової оптимізації для розв'язання задач неперервного максимального геометричного покриття у територіально-розподілених системах. Задача полягає в оптимальному розміщенні скінченної сукупності геометричних об'єктів довільної форми з метою максимізації площі покриття заданої області на евклідовій площині за наявності геометричних обмежень та заборонених зон. Ця задача є NP-важкою, характеризується мультиекстремальним ландшафтом цільової функції та високою обчислювальною вартістю оцінки площі покриття, що обумовлює необхідність розробки спеціалізованих гібридних методів оптимізації. Запропонований підхід базується на поєднанні глобального стохастичного пошуку ройових метаевристик із детермінованою локальною оптимізацією на основі квазіньютонівських методів та нейромережевих механізмів керування оптимізаційним процесом. Результати дисертації мають як наукову новизну, так і практичне значення для побудови ефективних систем просторового планування та оптимізації сервісного покриття.

The dissertation is devoted to the development of models, methods and information technology of hybrid evolutionary-swarm optimization for solving continuous maximum geometric coverage problems in territorially distributed systems. The problem consists in the optimal placement of a finite collection of arbitrarily shaped geometric objects to maximize the coverage area of a given region in the Euclidean plane subject to geometric constraints and restricted zones. This problem is NP-hard, features a multiextremal objective-function landscape and a high computational cost of coverage area evaluation, which necessitates the development of specialized hybrid optimization methods. The proposed approach combines global stochastic search by swarm metaheuristics with deterministic local optimization based on quasi-Newtonian methods and neural-network mechanisms for controlling the optimization process. The results of the dissertation possess both scientific novelty and practical significance for building efficient spatial planning and service coverage optimization systems.