Скрыть
Раскрыть

ISSN 1998-0663 (print),
ISSN 2587-8166 (online)

English version: ISSN 2587-814X (print),
ISSN 2587-8158 (online)

Хивинцев М. А.1, Акопов А. С.2
  • 1 НИУ ВШЭ, 101000, Россия, Москва, ул. Мясницкая, д.20
  • 2 Центральный экономико-математический институт, Российская академия наук, Россия, 117418, г. Москва, Нахимовский проспект, д. 47

Применение многоагентного генетического алгоритма для поиска оптимальных стратегических и оперативных решений

2014. № 1 (27). С. 23–33 [содержание номера]

Хивинцев Максим Андреевич - аспирант кафедры бизнес-аналитики, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики».
Адрес: 101000, Москва, Мясницкая ул., 20.
E-mail: mkhivintsev@hse.ru

Акопов Андраник Сумбатович - доктор технических наук, профессор кафедры бизнес-аналитики, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики».
Адрес: 101000, Москва, Мясницкая ул., 20.
E-mail: aakopov@hse.ru

     В статье представлен новый подход к применению многоагентного генетического алгоритма (MAGAMO) для поиска оптимальных стратегических и оперативных решений в имитационных моделях большой размерности.
     Цель работы – разработка с использованием методов системной динамики имитационной модели типового Интернет-магазина и применение многоагентного генетического алгоритма MAGAMO для решения многокритериальной оптимизационной задачи стратегического и оперативного управления, относящейся к классу задач сверхбольшой размерности.  Для реализации математической модели типового Интернет-магазина используется система имитационного моделирования Powersim Studio.
     Объектом исследования являются многокритериальные оптимизационные задачи большой размерности, реализуемые в системах имитационного моделирования.
     Для решения подобных задач предложен многоагентный генетический алгоритм MAGAMO. Особенностью данного алгоритма является распределение набора управляющих параметров системы между агентами на основе предварительного кластерного анализа. Каждый агент представляет собой независимый генетический алгоритм  с собственной эволюцией решений, соответствующих заданным управляющим параметрам. Информационный обмен между агентами, функционирующими в параллельных процессах, осуществляется через разделяемую память системы (многомерную базу данных).  При этом центральный процесс отвечает за отбор решений наивысшего ранга Парето. С использованием специального программного средства Pareto Front Viewer обеспечивается визуализация фронт Парето.
     Разработанная имитационная модель интегрирована с  алгоритмом MAGAMO, системой визуализации границы Парето и многомерной базой данных.
     В результате проведенных численных экспериментов, осуществленных на реальных данных Интернет-магазина, продемонстрирована высокая эффективность разработанного многоагентного генетического алгоритма для поиска оптимальных решений в системах имитационного моделирования большой размерности. 

BiBTeX
RIS
 
 
Rambler's Top100 rss