Архітектура та програмна реалізація методів оптимізації параметрів функцій регресії (в умовах локальних екстремумів) з використанням гібридного підходу

Тарас  Бивойно; Павло  Бивойно

doi:10.25140/2411-5363-2026-1(43)-149-160

Автор(и)

Тарас Бивойно Національний університет «Чернігівська політехніка», Україна http://orcid.org/0000-0001-6914-5441
Павло Бивойно Національний університет «Чернігівська політехніка», Україна https://orcid.org/0000-0001-8145-8459

DOI:

https://doi.org/10.25140/2411-5363-2026-1(43)-149-160

Ключові слова:

оцінювання параметрів регресії; числова ідентифікація параметрів; імітаційне моделювання; системи масового обслуговування (СМО); гібридний алгоритм оптимізації; об'єктно-орієнтована архітектура програмного забезпечення

Анотація

Представлена в статті інформація є науково-методичного характеру. Представлено підсистему, яка інтегрована у середовище імітаційного моделювання, що використовується для вивчення перехідної поведінки систем масового обслуговування (СМО) і поєднує модельні експерименти як для ідентифікації параметрів, так і для аналізу впливу конфігурацій СМО на перехідну поведінку. Архітектура підсистеми передбачає використання різних методів числової оптимізації, адаптованих до математичних моделей. Використовується гібридний підхід, що дозволяє подолати проблему локальних екстремумів, властиву деяким моделям. Доступ до всіх методів забезпечується через єдиний інтерфейс, який забезпечує уніфікацію взаємодії з підсистемою та масштабування системи для нових функцій регресії.

Посилання

Cox, D. R., & Reid, N. (2000). The theory of the design of experiments. Chapman & Hall/CRC.

Літнарович, Р. М. (2011). Побудова і дослідження математичної моделі за джерелами експериментальних даних методами регресійного аналізу : навчальний посібник. МЕГУ.

Горват, А. А., Молнар, О. О., & Мінькович, В. В. (2019). Методи обробки експериментальних даних з використанням MS Excel: Навчальний посібник. Видавництво УжНУ «Говерла».

Maxfield, B. (2006). Engineering with Mathcad: Using Mathcad to create and organize your engineering calculations. Butterworth-Heinemann.

Кісельова, О. М., & Шевельова, А. Є. (2008). Чисельні методи оптимізації: Навчальний посібник. Вид-во ДНУ.

Касіцький, О. В. (2012). Метод покоординатного спуску з евристикою середньозваженого напрямку. Наукові вісті НТУУ «КПІ», (1(81)), 69–75.

Sebastian, R. (2016). An overview of gradient descent optimization algorithms. arXiv. https://arxiv.org/abs/1609.04747.

Бивойно, П. Г., Бивойно, Т. П., & Сисоєва, М. М. (2011). Дослідження перехідних процесів для середньої довжини черги в системах масового обслуговування. Вісник Чернігівського державного технологічного університету. Серія «Технічні науки», (1(47)), 235–241.