Авторы

Направления модификации алгоритма искусственной пчелиной колонии для оптимизации параметров управления сложными социально-экономическими системами

В последние годы особой популярностью у исследователей, занимающихся вопросами многомерной и многокритериальной оптимизации, пользуются биоинспирированные алгоритмы, основанные на использовании популяционного подхода и вероятностной стратегии поиска. Такие алгоритмы базируются на принципах кооперативного поведения децентрализованной самоорганизующейся колонии живых организмов (пчел, муравьев, птиц и т. п.) для достижения определенных целей (например, для удовлетворения пищевых потребностей). Однако их практическое применение встречается с рядом трудностей, приводящих к снижению сходимости. В данной статье рассматриваются возможности модификации алгоритма искусственной пчелиной колонии путем использования стратегии гибридизации с различными методами интеллектуального анализа данных. Одной из таких проблем является отсутствие обоснованного подхода к определению исходных позиций поиска. В качестве решения предлагается разбиение популяции на кластеры, центры которых будут выступать в качестве исходных позиций. Необходимость взаимодействия особей обуславливает целесообразность использования нечеткой кластеризации, которая позволяет формировать пересекающиеся кластеры. Другая проблема связана с выбором «свободных» параметров, для которых авторами не были разработаны рекомендации по выбору их оптимальных значений. Для ее решения предложено воспользоваться идеей коэволюции, заключающейся в параллельном запуске нескольких взаимодействующих субпопуляций, для каждой из которых применяются различные «настройки». Предлагаемый алгоритм применим для задач многомерной оптимизации, в рамках которых требуется найти такое сочетания разнотипных элементов, принадлежащих некоторой «большой» совокупности, которое обеспечит достижение максимального эффекта при заданных ограничениях. Примерами таких задач является определение видового и количественного состава растений для формирования наземной экосистемы карбоновой фермы или массовый рекрутинг (подбор большого количества персонала на одинаковые должности). Читать дальше...

Нечеткий биоинспирированный метод формирования набора кандидатов на линейные должности

Линейный персонал занимает подавляющую часть должностей во многих организациях, что обуславливает важность своевременного и успешного закрытия подобных вакансий. Поиск кандидатов на такие должности происходит в рамках массового подбора, который характеризуется высокой трудоемкостью, бюджетными и временными ограничениями, необходимостью регулярного повторения из-за высоких показателей кадровой текучести. Отмеченные особенности делают выполнение этого процесса невозможным без применения современных программных средств. Поскольку массовый подбор не требует нахождения наилучшего кандидата для каждой вакансии, а ограничивается поиском специалистов по формальным признакам на основе их резюме, то основная доля трудовых и временных затрат приходится на первичный отбор кандидатов. Существующие программные средства не обладают достаточным функционалом для эффективной автоматизации указанного процесса, так как в условиях необходимости обработки больших объемов многомерных данных они не обеспечивают комплексный учет разнотипных характеристик кандидата и автоматическое подстраивание критериев отбора с учетом их приоритетности для заполняемой вакансии. Для решения указанной проблемы был разработан автоматизированный метод формирования набора кандидатов на линейные должности, основанный на комплексном использовании адаптивной нейро-нечеткой системы и биоинспирированного алгоритма, вдохновленного поведением косяка плавающих рыб. Разработанный гибридный метод был реализован в виде программы для ­ЭВМ с использованием языка Python. Результаты его тестирования показали сходимость оптимизационного алгоритма, а сравнение с ручным подбором – перспективность использования для решения задач массового подбора линейного персонала. Читать дальше...