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 |