Повышение эффективности гибридного алгоритма построения иерархической структуры АСУТП через оптимизацию гиперпараметров

Руслан Марселевич Закирзянов

ПРЕПРИНТ

Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.

Повышение эффективности гибридного алгоритма построения иерархической структуры АСУТП через оптимизацию гиперпараметров

Р. М. Закирзянов

2026-05-19

https://doi.org/10.24108/preprints-3115283

Автоматизированные системы управления технологическими процессами, широко применяемые в промышленности, имеют иерархическую многоуровневую древовидную архитектуру и строятся на базе специализированных программно-технических комплексов. Построение системы управления из готовых выпускаемых промышленностью компонентов с предопределенными фиксированными характеристиками является сложной задачей комбинаторной оптимизации с множественными ограничениями. Рассматривается гибридный метод построения, состоящий из детерминированного алгоритма построения древовидной структуры и метаэвристического алгоритма муравьиных колоний для выбора устройств. Эффективность применяемого метаэвристического алгоритма зависит от значений его гиперпараметров, которые предлагается оптимизировать. В работе представлена общая постановка задачи, приведены критерии оптимизации, описан способ решения, решен ряд численных примеров.

Ссылка для цитирования:

Закирзянов Р. М. 2026. Повышение эффективности гибридного алгоритма построения иерархической структуры АСУТП через оптимизацию гиперпараметров. PREPRINTS.RU. https://doi.org/10.24108/preprints-3115283

Список литературы

1. Закирзянов, Р. М. Опыт импортозамещения АСУТП непрерывного производства в химической промышленности / Р. М. Закирзянов, А. Р. Латыпов, А. И. Шпилев // Автоматизация в промышленности. – 2025. – № 12. – С. 43-48. – EDN MWSHQV.

2. R. D. Bartusiak, S. Bitar, D. L. DeBari, B. G. Houk, D. Stevens, B. Fitzpatrick, P. Sloan “Open Process Automation: A standards-based, open, secure, interoperable process control architecture”, Control Engineering Practice, vol. 121, 2022, doi: 10.1016/j.conengprac.2021.105034.

3. Гладков, Л. А. Интеллектуальные системы: модели и методы метаэвристической оптимизации / Л. А. Гладков, Ю. А. Кравченко, В. В. Курейчик, С. И. Родзин. – Чебоксары: ООО «Издательский дом «Среда», 2024. – 228 с. – EDN: KNHQTN.

4. R. Zakirzyanov “A Method For Optimizing The Structure Of The Software And Hardware Complex Of A Distributed Process Control System For Large Industrial Enterprises”, 18th International Conference on Management of Large-Scale System Development (MLSD), Moscow, Russian Federation, 2025, pp. 1–5, doi: 10.1109/MLSD65526.2025.11220659.

5. Закирзянов, Р. М. Использование биоинспирированного метаэвристического алгоритма оптимизации для генерации иерархической структуры программно-технического комплекса АСУТП / Р. М. Закирзянов // Вестник Самарского государственного технического университета. Серия «Технические науки», 2026. №2. (в печати)

6. Закирзянов, Р. М. Применение метаэвристических алгоритмов для оптимизации структуры промышленной системы управления / Р. М. Закирзянов // Всероссийская научная конференция по проблемам управления в технических системах. – 2025. – Т. 1. – С. 35-37. – EDN QETZNZ.

7. J. H. Bussemaker, P. Saves, N. Bartoli “System architecture optimization strategies: dealing with expensive hierarchical problems”, Journal of Global Optimization, vol. 91, pp. 851–895, 2025, doi: 10.1007/s10898-024-01443-8.

8. A. Shaban, S. Almufti, R. Asaad “Metaheuristic Algorithms for Engineering and Combinatorial Optimization: A Comparative Study Across Problems Categories and Benchmarks”, International Journal of Scientific World, 2025, no. 11, pp. 38–49, doi: 10.14419/0hndc578.

9. K. Sörensen, M. Sevaux, F. Glover “A history of metaheuristics”, 2018. doi: 10.1007/978-3-319-07124-4_4.

10. L. M. Gambardella, M. Dorigo “An Ant Colony System Hybridized with a New Local Search for the Sequential Ordering Problem”, INFORMS Journal on Computing, 2000, no. 12(3), pp. 237–255, doi: 10.1287/ijoc.12.3.237.12636.

11. M. Dorigo, T. Stützle “Ant Colony Optimization”, MIT Press, 2004. doi: 10.7551/mitpress/1290.001.0001.

12. S. M. Almufti, R. P. Maribojoc, A. V. Pahuriray “Ant Based System: Overview, Modifications and Applications from 1992 to 2022”, Polaris Global Journal of Scholarly Research and Trends, 2022, no. 1(1), pp. 29–37, doi: 10.58429/pgjsrt.v1n1a85.

13. A. Abushawish, M. Hamadeh, A. Nassif “PID Controller Gains Tuning Using Metaheuristic Optimization Methods: A survey”, International Journal of Computers, 2020, vol. 14, no. 14, pp. 87–95, doi: 10.46300/9108.2020.14.14.

14. X. Ma, C. Liu “Improved Ant Colony Algorithm for the Split Delivery Vehicle Routing Problem”, Applied Sciences, vol. 14, no. 12, doi: 10.3390/app14125090.

15. K. Schiff “Ant colony optimisation algorithm for the facility localisation problem”, Czasopismo Techniczne, 2018, vol. 1, pp. 103–112, doi: 10.4467/2353737XCT.18.008.7959.

16. K. Deb, A. Pratap, S. Agarwal and T. Meyarivan, “A fast and elitist multiobjective genetic algorithm: NSGA-II,” in IEEE Transactions on Evolutionary Computation, vol. 6, no. 2, pp. 182-197, April 2002, doi: 10.1109/4235.996017.

ПРЕПРИНТ

ИНФОРМАЦИЯ

Использование куки-файлов