Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений
Накопление данных о процессах управления проектами и типовых решениях сделало актуальными исследования, связанные с применением методов инженерии знаний для многокритериального поиска вариантов, которые задают оптимальные настройки параметров проектной среды. Цель: разработка методики поиска и визуа...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Russian Academy of Sciences, St. Petersburg Federal Research Center
2022-05-01
|
| Series: | Информатика и автоматизация |
| Subjects: | |
| Online Access: | http://ia.spcras.ru/index.php/sp/article/view/15211 |
| _version_ | 1797695326939774976 |
|---|---|
| author | Viktor Pimenov Ilya Pimenov |
| author_facet | Viktor Pimenov Ilya Pimenov |
| author_sort | Viktor Pimenov |
| collection | DOAJ |
| description | Накопление данных о процессах управления проектами и типовых решениях сделало актуальными исследования, связанные с применением методов инженерии знаний для многокритериального поиска вариантов, которые задают оптимальные настройки параметров проектной среды. Цель: разработка методики поиска и визуализации групп проектов, которые могут быть оценены на основе концепции доминирования и интерпретироваться в терминах проектных переменных и показателей эффективности. Методы: обогащение выборки с сохранением неявной связи между проектными переменными и показателями эффективности осуществляется с помощью прогнозирующей нейросетевой модели. Для обнаружения фронта Парето в многомерном критериальном пространстве используется набор генетических алгоритмов. Онтология проектов определяется после кластеризации вариантов в пространстве решений и преобразования кластерной структуры в критериальное пространство. Автоматизация поиска в многомерном пространстве зоны наибольшей кривизны фронта Парето, определяющей равновесные проектные решения, их визуализация и интерпретация осуществляются с помощью плоского дерева решений. Результаты: плоское дерево строится при любой размерности критериального пространства и имеет структуру, которая имеет топологическое соответствие с проекциями разделяемых образов кластеров из многомерного пространства на плоскость. Для различных видов преобразований и корреляций между показателями эффективности и проектными переменными показано, что участки наибольшей кривизны фронта Парето определяются либо содержимым целого кластера, либо частью вариантов, представляющих “лучший” кластер. Если на плоском дереве к правому верхнему углу примыкает неразделенный прямоугольник кластера, то его представители в критериальном пространстве хорошо отделены от остальных кластеров и при максимизации показателей эффективности наиболее приближены к идеальной точке. Все представители такого кластера являются эффективными решениями. Если кластер-победитель содержит внутри дерева решений доминируемые варианты, то “лучший” кластер представляют оставшиеся варианты, которые задают оптимальные настройки проектных переменных. Практическая значимость: предложенная методика поиска и визуализации групп проектов может найти применение при выборе условий ресурсного и организационно-экономического моделирования проектной среды, обеспечивающих оптимизацию рисков, стоимостных, функциональных и временных критериев. |
| first_indexed | 2024-03-12T03:10:48Z |
| format | Article |
| id | doaj.art-fe87de68a3ec468bb0781fb2c9de1bfc |
| institution | Directory Open Access Journal |
| issn | 2713-3192 2713-3206 |
| language | English |
| last_indexed | 2024-03-12T03:10:48Z |
| publishDate | 2022-05-01 |
| publisher | Russian Academy of Sciences, St. Petersburg Federal Research Center |
| record_format | Article |
| series | Информатика и автоматизация |
| spelling | doaj.art-fe87de68a3ec468bb0781fb2c9de1bfc2023-09-03T14:27:46ZengRussian Academy of Sciences, St. Petersburg Federal Research CenterИнформатика и автоматизация2713-31922713-32062022-05-0121354357110.15622/ia.21.3.415211Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решенийViktor Pimenov0Ilya Pimenov1Saint-Petersburg State University of Industrial Technologies and DesignAdmiral Makarov State University of Maritime and Inland ShippingНакопление данных о процессах управления проектами и типовых решениях сделало актуальными исследования, связанные с применением методов инженерии знаний для многокритериального поиска вариантов, которые задают оптимальные настройки параметров проектной среды. Цель: разработка методики поиска и визуализации групп проектов, которые могут быть оценены на основе концепции доминирования и интерпретироваться в терминах проектных переменных и показателей эффективности. Методы: обогащение выборки с сохранением неявной связи между проектными переменными и показателями эффективности осуществляется с помощью прогнозирующей нейросетевой модели. Для обнаружения фронта Парето в многомерном критериальном пространстве используется набор генетических алгоритмов. Онтология проектов определяется после кластеризации вариантов в пространстве решений и преобразования кластерной структуры в критериальное пространство. Автоматизация поиска в многомерном пространстве зоны наибольшей кривизны фронта Парето, определяющей равновесные проектные решения, их визуализация и интерпретация осуществляются с помощью плоского дерева решений. Результаты: плоское дерево строится при любой размерности критериального пространства и имеет структуру, которая имеет топологическое соответствие с проекциями разделяемых образов кластеров из многомерного пространства на плоскость. Для различных видов преобразований и корреляций между показателями эффективности и проектными переменными показано, что участки наибольшей кривизны фронта Парето определяются либо содержимым целого кластера, либо частью вариантов, представляющих “лучший” кластер. Если на плоском дереве к правому верхнему углу примыкает неразделенный прямоугольник кластера, то его представители в критериальном пространстве хорошо отделены от остальных кластеров и при максимизации показателей эффективности наиболее приближены к идеальной точке. Все представители такого кластера являются эффективными решениями. Если кластер-победитель содержит внутри дерева решений доминируемые варианты, то “лучший” кластер представляют оставшиеся варианты, которые задают оптимальные настройки проектных переменных. Практическая значимость: предложенная методика поиска и визуализации групп проектов может найти применение при выборе условий ресурсного и организационно-экономического моделирования проектной среды, обеспечивающих оптимизацию рисков, стоимостных, функциональных и временных критериев.http://ia.spcras.ru/index.php/sp/article/view/15211управление проектоммногокритериальная классификациянейронная сетьгенетический алгоритмфронт паретокластерная структуравизуализацияплоское дерево решений |
| spellingShingle | Viktor Pimenov Ilya Pimenov Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений Информатика и автоматизация управление проектом многокритериальная классификация нейронная сеть генетический алгоритм фронт парето кластерная структура визуализация плоское дерево решений |
| title | Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений |
| title_full | Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений |
| title_fullStr | Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений |
| title_full_unstemmed | Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений |
| title_short | Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений |
| title_sort | анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений |
| topic | управление проектом многокритериальная классификация нейронная сеть генетический алгоритм фронт парето кластерная структура визуализация плоское дерево решений |
| url | http://ia.spcras.ru/index.php/sp/article/view/15211 |
| work_keys_str_mv | AT viktorpimenov analizivizualizaciâdannyhvzadačahmnogokriterialʹnojoptimizaciiproektnyhrešenij AT ilyapimenov analizivizualizaciâdannyhvzadačahmnogokriterialʹnojoptimizaciiproektnyhrešenij |