Методы искусственного интеллекта, используемые для оптимизации

Введение

В современном мире, характеризующемся высокой конкуренцией и необходимостью эффективного использования ресурсов, задача оптимизации различных процессов и систем приобретает особую актуальность. От производственных линий до энергетических сетей, оптимизация позволяет снизить затраты, повысить производительность и улучшить качество предоставляемых услуг [9]. В последние годы все более широкое применение находят методы искусственного интеллекта (ИИ), демонстрирующие значительный потенциал в решении сложных оптимизационных задач, с которыми традиционные подходы справляются недостаточно эффективно. Объект – методы искусственного интеллекта.
Предмет – применение методов искусственного интеллекта для решения задач оптимизации в различных областях.
Цель реферата - изучить и систематизировать основные методы искусственного интеллекта, используемые для оптимизации, а также рассмотреть примеры их практического применения в производственных процессах и сфере энергетики.
Для достижения поставленной цели необходимо решить следующие задачи: проанализировать и классифицировать основные методы искусственного интеллекта, применяемые для решения задач оптимизации, включая алгоритмы поиска и методы машинного обучения;  рассмотреть конкретные примеры применения методов ИИ для оптимизации производственных процессов, выявив преимущества и ограничения их использования;  изучить возможности использования методов ИИ для оптимизации в сфере энергетики, включая задачи управления энергопотреблением и распределением ресурсов.

Список использованных источников

1. Акопов, А. С. Моделирование и оптимизация стратегий принятия индивидуальных решений в многоагентных социально-экономических системах с использованием машинного обучения / А. С. Акопов // Бизнесинформатика. — 2023. — № 2. — С. 7–19.
2. Алитойть, В. О. Искусственный интеллект как средство развития планирования на предприятии / В. О. Алитойть. — Текст : электронный // 60-я Юбилейная Научная Конференция Аспирантов, Магистрантов и Студентов БГУИР : [сайт]. — URL: https://libeldoc.bsuir.by/bitstream/123456789/56565/1/Alitojt_Iskusstvennyj.pdf (дата обращения: 06.04.2025).
3. Алюнов, А. Н. Прогнозирование объемов потребления электрической энергии с применением методов машинного обучения / А. Н. Алюнов, К. Д. Мосолова // Нейрокомпьютеры: разработка, применение. — 2023. — № 5. — С. 58-70.
4. Балабанов, В. И. Алгоритмы оптимизации механических систем с применением методов искусственного интеллекта для повышения эффективности и надежности / В. И. Балабанов, О. Р. Куйчиев // Экономика и социум. — 2024. — № 10-1 (125). — С. 528-531.
5. Безгачев, Ф. В. Методы глобальной оптимизации на основе различных подходов оптимизации / Ф. В. Безгачев // E-Scio. — 2020. — № 12 (51). — С. 470-476.
6. Бибоев, М. Х. Применение технологий искусственного интеллекта в логистике / М. Х. Бибоев, Е. М. Григорьев // Молодой ученый. — 2024. — № 18 (517). — С. 455-459.
7. Бирюков, Н. П. Применение искусственного интеллекта для оптимизации процессов производства в промышленности / Н. П. Бирюков // Вестник науки. — 2024. — № 4 (6 (75)). — С. 1067-1070.
8. Влияние искусственного интеллекта на цифровую трансформацию и преобразование данных в секторе электроэнергетики. — Текст : электронный // Экономический и Социальный Совет : [сайт]. — URL: https://unece.org/sites/default/files/2024-
07/ECE_ENERGY_GE.6_2024_3_ECE_ENERGY_GE.5_2024_3r.pdf (дата обращения: 06.04.2025).
9. Донской, В. И. Интеллектуальная оптимизация на основе машинного обучения: современное состояние и перспективы (обзор) / В. И. Донской // Таврический вестник информатики и математики. — 2020. — № 1 (46). — С. 32-63.
10. Еремеев, Д. Е. Применение искусственного интеллекта для улучшения качества и скорости поиска в базах данных / Д. Е. Еремеев. — Текст : электронный // Издательство ООО "Аспект" : [сайт]. — URL: https://na-journal.ru/1-2024-informacionnye-tekhnologii/8701-primenenieiskusstvennogo-intellekta-dlya-uluchsheniya-kachestva-i-skorosti-poiska-v-bazahdannyh (дата обращения: 06.04.2025).
11. Казаков, Р. Г. Оптимизация бизнес-процессов предприятия с помощью искусственного интеллекта / Р. Г. Казаков // Исследования молодых ученых : материалы LXIX Междунар. науч. конф. (г. Казань, ноябрь 2023 г.). — Казань : Молодой ученый, 2023. — С. 1-6.
12. Карпенко, А. П. Типовые структуры популяционных алгоритмов глобальной оптимизации / А. П. Карпенко // Информационные и математические технологии в науке и управлении. — 2022. — № 1 (25). — С. 48-57.
13. Коровяковский, Е. К. Исследование путей оптимизации логистики на основе искусственного интеллекта / Е. К. Коровяковский. — Текст : электронный // Издательство ООО "Аспект" : [сайт]. — URL: https://na-journal.ru/11-2023-informacionnye-tekhnologii/7099-issledovanie-puteioptimizacii-logistiki-na-osnove-iskusstvennogo-intellekta (дата обращения: 06.04.2025).
14. Ляндау, Ю. В. Обзор применения технологий искусственного интеллекта в электроэнергетической отрасли / Ю. В. Ляндау, А. У. Темирбулатов // Инновации и инвестиции. — 2023. — № 8. — С. 304-309.
15. Матренин, П. В. Разработка адаптивных алгоритмов роевого интеллекта в проектировании и управлении техническими системами : специальность 05.13.01 «Системный анализ, управление и обработка информации (по отраслям)» : диссертация на соискание ученой степени кандидата технических наук / Матренин Павел Викторович ; ФГАОУ ВО «Национальный исследовательский Томский государственный университет». — Томск, 2018. — 197 c.
16. Орлова, Е. В. Обучение с подкреплением как технология искусственного интеллекта для решения социально-экономических задач: оценка производительности алгоритмов / Е. В. Орлова // π-Economy. — 2023. — № 16 (5). — С. 38-50.
17. Ошурков, В. А. Оперативное планирование производства в MESсистемах с использованием методов и алгоритмов искусственного интеллекта / В. А. Ошурков, В. Н. Макашова // Современные информационные технологии и ИТ-образование. — 2015. — № 2 (11). — С. 133-139.
18. Певнева, А. Г. Особенности применения методов глобального случайного поиска в моделировании систем / А. Г. Певнева, И. В. Ананченко // Современные наукоемкие технологии. — 2018. — № 3. — С. 85-89.
19. Прогнозирование потребления электрической энергии промышленным предприятием с помощью методов машинного обучения / А. Д. Моргоева, И. Д. Моргоев, Р. В. Клюев, О. А. Гаврина // Известия Томского политехнического университета. Инжиниринг георесурсов. — 2022. — № 333 (7). — С. 115-125.
20. Симанков, В. С. Аналитическое исследование методов и алгоритмов искусственного интеллекта / В. С. Симанков, С. В. Теплоухов // Вестник Адыгейского государственного университета. Серия 4: Естественноматематические и технические науки. — 2020. — № 3 (266). — С. 16-25.
21. Сташкевич, Е. В. Прогнозирование и управление электропотреблением сообщества микросетей с применением искусственного интеллекта / Е. В. Сташкевич, Н. И. Айзенберг, И. Г. Илюхин // Вестник Южно-Уральского государственного университета. Серия: Энергетика. — 2022. — № 22 (2). — С. 18-29.
22. Степанов, Н. В. Использование искусственного интеллекта при формировании бизнес-стратегии компании / Н. В. Степанов // Молодой ученый. — 2024. — № 52 (551). — С. 127-132.
23. Шукуров, М. Оптимизация цепей поставок и логистических процессов с использованием искусственного интеллекта и анализа больших данных / М. Шукуров, А. Дурдыева, К. Гурбаниязов // Инновационная наука. — 2024. — № 11-1-1. — С. 62-64.
24. Yi, Zhang Using Gaussian Process to Enhance Support Vector Regression / Zhang Yi. — Текст : электронный // ResearchGate : [сайт]. — URL: https://www.researchgate.net/publication/321589242_Using_Gaussian_Process_to_Enhance_Support_Vector_Regression (дата обращения: 06.04.2025).