cahtНаучный вестник МГТУ ГАCivil Aviation High Technologies2079-06192542-0119Moscow State Technical University of Civil Aviation (MSTU CA)10.26467/2079-0619-2019-22-2-96-108caht-1483Research ArticleИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕINFORMATION TECHNOLOGY, COMPUTER ENGINEERING AND MANAGEMENTАНАЛИЗ ЭФФЕКТИВНОСТИ МУЛЬТИАГЕНТНЫХ МЕТОДОВ ОПТИМИЗАЦИИ ЭЛЕМЕНТОВ КОНСТРУКЦИЙ ЛЕТАТЕЛЬНЫХ АППАРАТОВTHE EFFICIENCY ANALYSIS OF MULTI-AGENT OPTIMIZATION METHODS OF AIRCRAFT DESIGNS ELEMENTSПантелеевА. В.PanteleevA. V.

Пантелеев Андрей Владимирович, доктор физико-математических наук, профессор, заведующий кафедрой математической кибернетики факультета «Информационные технологии и прикладная математика»

г. Москва

Andrei V. Panteleev, Doctor of Physical and Mathematical Sciences, Professor, Head of the Mathematics and Cybernetics Chair, Department of “Information Technologies and Applied Mathematics”

Moscow

avpanteleev@inbox.ruКаранэМ. С.KaraneM. S.

Каранэ Мария Магдалина Сергеевна, магистрант факультета «Информационные технологии и прикладная математика»

г. Москва

Maria M.S. Karane, Master Degree student of the Department of “Information Technologies and Applied Mathematics”

Moscow

mmarselina@mail.ruМосковский авиационный институт (национальный исследовательский университет)РоссияMoscow Aviation Institute (National Research University)Russian Federation20192404201922296108Copyright © Пантелеев А.В., Каранэ М.С., 20192019Пантелеев А.В., Каранэ М.С.Panteleev A.V., Karane M.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://avia.mstuca.ru/jour/article/view/1483

В статье рассмотрено применение трех мультиагентных методов для оптимизации элементов конструкций летательных аппаратов. Описаны стратегии поиска решения с использованием трех мультиагентных метаэвристических алгоритмов: метода, имитирующего поведение стаи рыб; метода, имитирующего поведение стаи криля, и метода, имитирующего империалистическую конкуренцию. Работа этих методов основана на процессах, происходящих в среде, имеющей множество агентов. Агенты имеют возможность обмениваться информацией для того, чтобы найти решение задачи. Эти методы позволяют найти лишь приближенное решение, но тем не менее с большим успехом используются на практике. Описанные метаэвристические алгоритмы применены для задач оптимизации элементов конструкций летательных аппаратов, таких как сварная балка, сосуд высокого давления, редуктор и натяжная пружина. В работе приведены постановки этих задач: указана целевая функция, набор ограничений и множество допустимых решений, даны рекомендации по выбору параметров применяемых методов. Для решения задач оптимизации элементов конструкций летательных аппаратов был сформирован комплекс программ в среде разработки Micrsoft Visual Studio на языке C#. Данный комплекс программ позволяет решать приведенные задачи каждым из описанных мультиагентных методов. Программное обеспечение позволяет выбирать задачу и применяемый метод, подбирать его параметры и значения коэффициентов штрафной функции. Результаты решения сравнивались между собой и с известными решениями. По полученным численным результатам можно сделать вывод о том, что созданное алгоритмическое и программное обеспечение позволяет найти близкое к точному решение за приемлемое время.

The article considers the use of three multi-agent methods for optimizing structural elements of aircraft. The research describes strategies for finding solutions to multi-agent metaheuristic algorithms, such as: fish school search, krill herd, and imperialist competition algorithm. The work of these methods is based on the processes occurring in an environment that features many agents. Agents have the opportunity to exchange information in order to find a solution to the problem. These methods allow you to find an approximate solution, but, nevertheless, with great success are used in practice. In this regard, the described metaheuristic algorithms were applied to the optimization problems of structural elements of aircraft such as: welded beam, high pressure vessel, gearbox and tension spring. The article adduces the formulation of these problems: the objective function, a set of constraints and a set of admissible solutions are indicated, recommendations on the choice of parameters of the methods used are given. To solve the problems of optimizing the elements of aircraft construction, a set of software elements was formed in the development environment of Microsoft Visual Studio in C #. This complex of programs allows you to solve the given problems by each of the described multi-agent methods. The software allows you to select a method, a task and select the method parameters and the penalty function coefficients in the best possible way. The results of the solution were compared with each other and with the well- known solution. According to the numerical results of solving these tasks, we can conclude that the algorithmic and software created allow us to find a solution close to the exact one in a reasonable time.

глобальный экстремуммультиагентные методы оптимизацииметаэвристические методы оптимизацииэлементы конструкций летательных аппаратовglobal extremummulti-agent optimization methodsmetaheuristic optimization methodsstructural elements of aircraftReferencesПантелеев А.В., Метлицкая Д.В., Алешина Е.А. Методы глобальной оптимизации. Метаэвристические стратегии и алгоритмы. М.: Вузовская книга, 2013. 244 c.Panteleev, A.V., Metlitskaya, D.V. and Aleshina, E.A. (2013). Metody globalnoy optimizatsii. Metaevristicheskiye strategii i algoritmy [Methods of global optimization. Metaheuritic strategies and algorithms ]. Moscow: Vuzovskaya kniga, 244 p. (in Russian)Каранэ М.М.С. Сравнительный анализ мультиагентных методов условной глобальной оптимизации // Материалы IV международной научно-практической конференции «Информатизация инженерного образования» (ИНФОРИНО-2018). Москва, 23–26 октября, 2018 г. 2018. С. 128–133.Karane, M.M.S. (2018). Sravnitelnyy analiz multiagentnykh metodov uslovnoy globalnoy optimizatsii [Comparative analysis of multi-agent methods for constrained global optimization]. Materialy IV Mezhdunarodnoy nauchno-prakticheskoy konferentsii «Informatizatsiya inzhenernogo obrazovaniya» (INFORINO-2018), Moskva, 23–26 oktyabrya, 2018 [IV International conference on information technologies in engineering education, Moscow, 23–26 October 2018], pp. 128–133. (in Russian)Пантелеев А.В., Евдокимова М.Д. Методы «роевого» интеллекта в задачах оптимизации параметров технических систем // Научный Вестник МГТУ ГА. 2017. Т. 20, No 2. С. 6–15. DOI: 10.26467/2079-0619-2017-20-2-6-15Panteleev, A.V. and Evdokimova, M.D. (2017). Metody «royevogo» intellekta v zadachakh optimizatsii parametrov tekhnicheskikh sistem [Solving engineering optimization problems with the swarm intelligence methods]. The Civil Aviation High Technologies, vol. 20, no. 2, pp. 6–15. DOI: 10.26467/2079-0619-2017-20-2-6-15 (in Russian)Bastos-Filho C.J.A. A novel search algorithm based on fish school behavior / F.B. de Lima Neto, A.J.C.C. Lins, A.I.S. Nascimento, M.P. Lima // 2008 IEEE Int. Conf. on Systems, Man and Cybernetics. 2008. Pp. 2646–2651.Bastos-Filho, C.J.A., de Lima Neto, F.B, Lins, A.J.C.C., Nascimento, A.I.S. and Lima, M.P. (2008). A novel search algorithm based on fish school behavior. 2008 IEEE Int. Conf. on Systems, Man and Cybernetics, pp. 2646–2651.Bastos-Filho C.J.A. Fish school search: overview / F.B. de Lima Neto, A.J.C.C. Lins, A.I.S. Nascimento, M.P. Lima // Nature-Inspired Algorithms for Optimisation / Ed. R. Chiong. Heidelberg: Springer, 2009. Part of the Studies in Computational Intelligence book series (SCI). Vol. 193. Pp. 261–277.Bastos-Filho, C.J.A., de Lima Neto, F.B., Lins, A.J.C.C., Nascimento, A.I.S. and Lima, M.P. (2009). Fish school search: overview. In: Chiong, R. (ed.) Nature-Inspired Algorithms for Optimisation. Part of the Studies in Computational Intelligence book series (SCI), vol. 193. Heidelberg: Springer, pp. 261–277.Bacanin N., Pelevic B., Tuba M. Krill herd (KH) algorithm for portfolio optimization // Mathematics and computers in business, manufacturing and tourism. Proceedings of the 14th International Conference on Mathematics and Computers in Business and Economics (MCBE '13). Proceedings of the 2nd International Conference on Applied Manufacturing, Commerce, Tourism and Services (MCTS '13). Baltimore, MD, USA, September 17–19 2013. 2013. P. 39.Bacanin, N., Pelevic, B. and Tuba, M. (2013). Krill herd (KH) algorithm for portfolio optimization. Mathematics and computers in business, manufacturing and tourism. Proceedings of the 14th International Conference on Mathematics and Computers in Business and Economics (MCBE '13). Proceedings of the 2nd International Conference on Applied Manufacturing, Commerce, Tourism and Services (MCTS '13). Baltimore, MD, USA, September 17–19 2013, pp. 39.Gandomi A.H., Alavi A.H. Krill herd: A new bio-inspired optimization algorithm // Communications in Nonlinear Science and Numerical Simulation. 2012. Vol.17, Iss.12, Dec. Pp. 4831–4845.Gandomi, A.H. and Alavi, A.H. (2012). Krill herd: A new bio-inspired optimization algorithm. Commun Nonlinear Sci Numer Simulat, vol. 17, iss. 12, Dec., pp. 4831–4845.Atashpaz-Gargari E., Lucas C. Imperialist competitive algorithm: an algorithm for optimization inspired by imperialist competition // Proceedings of IEEE Congress on Evolutionary Computation, 25–28 Sept. 2007. Pp. 4661–4667.Atashpaz-Gargari, E. and Lucas, C. (2007). Imperialist competitive algorithm: an algorithm for optimization inspired by imperialist competition. Proceedings of IEEE Congress on Evolutionary Computation, 25–28 Sept. 2007, pp. 4661–4667.Kaveh A., Talatahari S. Imperialist competitive algorithm for engineering design problems // Asian Journal of Civil Engineering. 2010. Vol. 11, No 6. Pp. 675–697.Kaveh, A. and Talatahari, S. (2010). Imperialist competitive algorithm for engineering design problems. Asian Journal of Civil Engineering, vol. 11, no. 6, pp. 675–697.Cagnina L.C., Esquivel S.C. Solving engineering optimization problems with the simple constrained particle swarm optimizer // Informatica. 2008. Vol. 32, No 3. Pp. 319–326.Cagnina, L.C. and Esquivel, S.C. (2008). Solving engineering optimization problems with the simple constrained particle swarm optimizer. Informatica, vol. 32, no. 3, pp. 319–326.

The authors declare that there are no conflicts of interest present.