А.П. Карпенко1, И.Н. Синицын2

1 МГТУ им. Баумана (Москва, Россия)
2 ФИЦ «Информатика и управление» РАН (Москва, Россия)
 

Постановка проблемы. В настоящее время в задачах информационных систем и групповой робототехники широкое применение находят роевые алгоритмы, обеспечивающие построение высоконадежных отказоустойчивых систем. Роевые алгоритмы относятся к классу биоинспирированных алгоритмов, основанных на роевом интеллекте (Swarm Intelligence Based Algorithms). Известно очень большое число таких алгоритмов и продолжают появляться их модификации и новые алгоритмы. Единая методологическая база для синтеза роевых алгоритмов отсутствует.

Цель. Разработать основы теории роевого интеллекта, представляющей терминологическую и методологическую основу для синтеза и сравнительного исследования эффективности роевых алгоритмов.

Результат. Представлена авторская классификация и формализация основных сущностей роевых алгоритмов: особь, популяция, мультипопуляция и субпопуляция; метрика соседства особей и совокупностей особей, оператор и т. д., а также классификация типовых структур роевых алгоритмов. Изложение ведется в терминах теории систем: различаем детерминированные и стохастические, стационарные и динамические (программные, адаптивные и программно-адаптивные) сущности. Сформулированы основные системотехнические аспекты роевых алгоритмов оптимизации.

Практическая значимость. Полученные в работе результаты могут быть использованы при оптимизации CALS-технологий, а также при синтезе децентрализованных систем автоматического управления группой роботов, функционирующих в экстремальных условиях.

Карпенко А.П., Синицын И.Н. Роевой интеллект и его применение в системах высокой доступности // Системы высокой доступности. 2022. Т. 18. № 4. С. 44−55. DOI: https://doi.org/ 10.18127/j20729472-202204-04

1. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Издательство МГТУ им. Н.Э. Баумана, 2014. 446 с.
2. Карпенко А.П., Синицын И.Н. Роевой интеллект и его применения в системах высокой доступности // Системы высокой доступности. 2022. Т.18. № 4 (в печати).
3. Bo Xing, Wen-Jing Gao. Innovative Computational Intelligence: A Rough Guide to 134 Clever Algorithms. Springer Cham Heidelberg New York Dordrecht London. 451 P.
4. Ashraf Darwish. Bio-inspired computing: Algorithms review, deep analysis, and the scope of applications. Future Computing and Informatics Journal. 2018. V. 3. P. 231–246.
5. Гладков Л. А., Курейчик В. В, Курейчик В. М. и др. Биоинспирированные методы в оптимизации: монография. М.: Физматлит. 2009. С. 384.
6. Родзин С.И., Скобцов Ю.А., Эль-Хатиб С.А. Биоэвристики: теория, алгоритмы и приложения: монография. Чебоксары: ИД «Среда». 2019. 224 с.
7. Пантелеев А.В., Метлицкая Д.В., Алешина Е.А. Методы глобальной оптимизации: Метаэвристические стратегии и алгоритмы. М.: Вузовская книга. 2013. 244 с.
8. Brownlee Jason. Clever Algorithms: Nature-Inspired Programming Recipes. 2011. 441 p. (https://github.com/clever-algorithms/CleverAlgorithms).
9. Engelbrecht Andries P. Computational Intelligence. An Introduction: John Wiley & Sons Ltd, England, 2007. 597 p.
10. Evolutionary Computation 1. Basic Algorithms and Operators. Edited by Thomas B¨ack, David B Fogel and Zbigniew Michalewicz: Institute of physics publishing Bristol and Philadelphia. 2000. 339 p.
11. Evolutionary Computation 2. Advanced Algorithms and Operators. Edited by Thomas Back, David B Fogel and Zbigniew Michalewicz: Institute of physics publishing Bristol and Philadelphia, 2000. 270 P.
12. Glover F., Kochenberger G.A. Handbook of metaheuristics. Springer, 2010. 648 p.
13. Krishnaveni A., Shankar R., Duraisamy S. A Survey on Nature-Inspired Computing (NIC): Algorithms and Challenges. Global Journal of Computer Science and Technology: Neural & Artificial Intelligence, 2019. Vol. 19. Iss. 3-D. Online ISSN: 0975-4172 & Print ISSN: 0975-4350
14. Nazmul Siddique, Hojjat Adeli. Nature Inspired Computing: An Overview and Some Future Directions. Cognitive Computation, 2015. V. 7. P. 706–714.
15. Sangita Roy, Samir Biswas, Sheli Sinha Chaudhuri. Nature-Inspired Swarm Intelligence and Its Applications // International Journal of Modern Education and Computer Science (IJMECS). 2014. V.12. P. 55–65.
16. Sean Luke. Essentials of Metaheuristics (Second Edition). 2013 (http://cs.gmu.edu/~sean/book/metaheuristics/).
17. Xin-She Yang. Nature-Inspired Metaheuristic Algorithms. Second Edition. Luniver Press, United Kingdom, 2010. 115 p.
18. Синицын И.Н., Карпенко А.П., Сахаров М.К. Инструментальное программное обеспечение анализа и синтеза стохастических систем высокой доступности (XIV) // Системы высокой доступности. 2021. Т. 17. № 3. С. 59–68.
19. Карпенко А.П. Элементы теории роевого интеллекта / Первая междунар. науч.-практ. конф. «Бионика – 60 лет. итоги и перспективы». Москва, 17–19 декабря 2021. С. 52–65.
20. Будзко В.И., Мельников Д.А., Фомичёв В.М. Основы организации обеспечения информационной безопасности и киберустойчивости в централизованных информационно-телекоммуникационных системах высокой доступности // Системы высокой доступности. 2019. Т. 15. № 1. С. 70–77.
21. Синицын И.Н., Шаламов А.С. Лекции по теории систем интегрированной логистической поддержки. Изд. 2-е, перераб. и доп. М.: Торус Пресс. 2019. 1072 с.
22. Карпенко А.П., Синицын И.Н. Бионика и системы высокой доступности // Системы высокой доступности. 2022. Т. 18. № 2. С. 25−41. DOI: https://doi.org/ 10.18127/j20729472-202202-02.