МЕТОДИ УПРАВЛІННЯ ДИНАМІКОЮ КОНКУРЕНТНИХ СИСТЕМ ІЗ ЗАПІЗНЕННЯМ
DOI:
https://doi.org/10.31319/2519-8106.2(53)2025.342455Ключові слова:
запізнення, машинне навчання, адаптивне керування, динаміка систем, конкурентні системиАнотація
У статті розглянуто сучасні методи та підходи до управління динамікою конкурентних систем із запізненням. Досліджено традиційні підходи до аналізу та компенсації запізнень, а також новітні методи, що виникли на перетині теорії керування та машинного навчання. Наголошено на математичному моделюванні систем, у яких взаємодія між агентами та підсистемами відбувається із часовим зсувом. Запропоновано використання методів машинного навчання як інструменту для ідентифікації параметрів і розроблення стратегій керування.
Доведено, що поєднання класичних методів теорії диференціальних рівнянь із часовим запізненням та алгоритмів штучного інтелекту може підвищити ефективність управлінських рішень у складних конкурентних середовищах.
Метою статті є аналіз і узагальнення методів управління динамікою конкурентних систем із запізненням, зокрема поєднання класичних математичних підходів і сучасних методів машинного навчання для розроблення ефективних стратегій компенсації часових затримок.
Основними завданнями дослідження є:
- проаналізувати традиційні методи аналізу систем із запізненнями;
- дослідити сучасні підходи, що базуються на машинному навчанні та адаптивному керуванні;
- проаналізувати можливості інтеграції класичних і нейромережевих підходів.
Запропонований у дослідженні комбінований підхід до управління динамікою конкурентних систем із запізненням поєднує аналітичні інструменти та методи штучного інтелекту. У роботі доведено, що машинне навчання може бути ефективно використане для ідентифікації параметрів, прогнозування динаміки та оптимізації стратегій управління в умовах складних конкурентних взаємодій. Такий підхід забезпечує адаптивність і стійкість систем в умовах невизначеності та змін зовнішнього середовища.
Подальші дослідження можуть бути спрямовані на розроблення гібридних моделей керування із використанням пояснюваного штучного інтелекту (XAI) для підвищення інтерпретованості рішень, а також на розширення сфери застосування в біоінженерії, логістиці та системах ухвалення рішень у реальному часі.
Посилання
Asmae, H., Karami, A. (2018). Designing a fuzzy controller based on disturbance observer and Smith predictor for linear uncertain time-delay systems. Transactions on Machine Intelligence, 1(4), 191–203. https://doi.org/10.47176/TMI.2018.191
Davaie Markazi, A. H., Khodadadi, M. (2022). Control of switched systems with delayed states: A direct AFSMC approach. IET Control Theory & Applications. https://doi.org/10.1049/cth2.12356
Irshayyid, A., Chen, J. (2023). Comparative study of cooperative platoon merging control based on reinforcement learning. Sensors, 23(2), 990. https://doi.org/10.3390/s23020990
Li, Y. (2017). Deep reinforcement learning: An overview. arXiv preprint, arXiv:1701.07274
Matsumoto, A., Szidarovszky, F. (2021). Time delays and chaos in two competing species revis-ited. Applied Mathematics and Computation, 395, 125862. https://doi.org/10.1016/j.amc.2020.125862
Mirzal, A. (2017). Delay compensation using the Smith predictor: A brief review with numerical examples. International Journal of Computer-Aided Mechanical Design and Implementation, 3(1), Article 01. https://doi.org/10.21742/ijcmdi.2017.3.1.01
He, P., Jiang, G., Lam, S.-K., Tang, D. (2019). Travel-time prediction of bus journey with mul-tiple bus trips. IEEE Transactions on Intelligent Transportation Systems, 20(11), 4192–4205.
Tang, C.-Y., et al. (2020). Implementing action mask in proximal policy optimization (PPO) algorithm. ICT Express, 6(3), 200–203. https://doi.org/10.1016/j.icte.2020.05.003
Tayir, T., Mahemuti, R., Abdurahman, X. (2016). Dynamics of a two species competitive sys-tem with pure delays. Journal of Applied Mathematics and Physics, 4, 1186–1191. https://doi.org/10.4236/jamp.2016.47123
Tong, Y., Wang, X. (2020). Dynamics in a delayed competition system on a weighted network. Discrete Dynamics in Nature and Society. https://doi.org/10.1155/2020/6625060
Asmae H., Karami A. Designing a fuzzy controller based on disturbance observer and Smith pre-dictor for linear uncertain time-delay systems. Transactions on Machine Intelligence. 2018. Vol. 1, No. 4. P. 191–203. https://doi.org/10.47176/TMI.2018.191
Davaie Markazi A. H., Khodadadi M. Control of switched systems with delayed states: A direct AFSMC approach [Control of switching systems with state delays: the direct AFSMC approach]. IET Control Theory & Applications. 2022. https://doi.org/10.1049/cth2.12356
Irshayyid A., Chen J. Comparative study of cooperative platoon merging control based on rein-forcement learning. Sensors. 2023. Vol. 23, No. 2. P. 990. https://doi.org/10.3390/s23020990
LI Yuxi. Deep reinforcement learning: An overview. arXiv preprint. arXiv:1701.07274. 2017.
Matsumoto A., Szidarovszky F. Time delays and chaos in two competing species revisited [De-lays and chaos in the model of two competing species: a new perspective]. Applied Mathematics and Computation. 2021. Vol. 395. P. 125862. https://doi.org/10.1016/j.amc.2020.125862
Mirzal A. Delay compensation using the Smith predictor: A brief review with numerical exam-ples. International Journal of Computer-Aided Mechanical Design and Implementation. 2017. Vol. 3, No. 1. Article 01. https://doi.org/10.21742/ijcmdi.2017.3.1.01
P. He, G. Jiang, S.-K. Lam, and D. Tang, “Travel-time prediction of bus journey with multiple bus trips,” IEEE Transactions on Intelligent Transportation Systems, vol. 20, no. 11, pp. 4192–4205, 2019.
Tang C.-Y., et al. Implementing action mask in proximal policy optimization (PPO) algorithm. ICT Express. 2020. Vol. 6, No. 3. P. 200–203. https://doi.org/10.1016/j.icte.2020.05.003
Tayir T., Mahemuti R., Abdurahman X. Dynamics of a two species competitive system with pure delays. Journal of Applied Mathematics and Physics. 2016. Vol. 4. P. 1186–1191. https://doi.org/10.4236/jamp.2016.47123
Tong Y., Wang X. Dynamics in a delayed competition system on a weighted network [Dynamics of a competitive system with delay on a weighted network]. Discrete Dynamics in Nature and Society. 2020. https://doi.org/10.1155/2020/6625060
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
a. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
b. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
c. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
