АНАЛИЗ ЭФФЕКТИВНОСТИ МУЛЬТИАГЕНТНЫХ МЕТОДОВ ОПТИМИЗАЦИИ ЭЛЕМЕНТОВ КОНСТРУКЦИЙ ЛЕТАТЕЛЬНЫХ АППАРАТОВ

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.

глобальный экстремум, мультиагентные методы оптимизации, метаэвристические методы оптимизации, элементы конструкций летательных аппаратов

1. Пантелеев А.В., Метлицкая Д.В., Алешина Е.А. Методы глобальной оптимизации. Метаэвристические стратегии и алгоритмы. М.: Вузовская книга, 2013. 244 c.

2. 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.

3. 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: 10.26467/2079-0619-2017-20-2-6-15

4. 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.

5. 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.

6. 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.

7. 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.

8. 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.

9. Kaveh A., Talatahari S. Imperialist competitive algorithm for engineering design problems // Asian Journal of Civil Engineering. 2010. Vol. 11, No 6. Pp. 675–697.

10. 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.