Адаптивные методы синтеза и управления процессами проектирования компонентов сложных систем

Объектом исследования являются адаптивные алгоритмы оптимизации и машинного обучения, в том числе предназначенные для решения задач оптимизации топологии 3D моделей полосно-пропускающих СВЧ диплексеров и фильтров-резонаторов, а также автоматической группировки объектов по идентичности параметров, не выявляемых неразрушающими методами исследования. Целью исследования является повышение обоснованности при принятии решений и выборе вариантов при проектировании устройств систем космической и тропосферной связи , а также иных компонентов сложных систем за счет разработки новых методов самоадаптации и самоконфигурирования алгоритмов, а также гиперэвристического подхода. Возникает актуальная научная задача разработки и исследования адаптивных методов, объединяющих как эволюционные алгоритмы, так и другие методы поиска в единую самонастраивающуюся многоагентную процедуру оптимизации. В направлении развития методов многокритериальной оптимизации требуется разработать методы самонастройки значений параметров генетического алгоритма и алгоритма дифференциальной эволюции в процессе решения многокритериальных задач оптимизации, модифицировать известные многокритериальные алгоритмы, такие как алгоритмы, основанные на принципе Парето-доминирования и на декомпозиции задачи с помощью разработанных методов самонастройки и применить разработанные самонастраивающиеся многокритериальные алгоритмы к задачам проектирования топологий проводников СВЧ устройств, в частности диплексеров; Ставится задача получения новых эффективных алгоритмов метода жадных эвристик для решения задачи потоковой кластеризации на основе сетей Кохонена с вариациями меры расстояния, с выбором начального способа инициализации весовых коэффициентов для кластеризации изделий, как в режиме реального времени, так и в режиме обучения. Основой таких алгоритмических комбинаций для задач потоковой кластеризации должны стать жадные агломеративные процедуры в сочетании с известными методами глобального поиска (в основном эволюционные алгоритмы) и известными методами локального поиска. В направлении интеллектуального анализа данных, основанного на выявлении и анализе скрытых в данных причинно-следственных связей, требуется разработать усовершенствованный алгоритм логического анализа данных, являющийся самонастраивающимся и адаптирующимся под наборы данных различного объема, для поддержки принятия решений в задачах распознавания и прогнозирования характеристик компонентов сложных систем. Предполагается разработка семейства эффективных многошаговых субградиентных методов минимизации релаксационный на основе метода сопряженных субградиентов, направление спуска которого корректируется на основе пары текущих обучающих соотношений. Предполагается практическое применение разрабатываемых алгоритмов оптимизации при разработке СВЧ резонаторов при помощи численного электродинамического анализа их 3D моделей, а также поиск и исследование при помощи параметрического синтеза, в том числе алгоритмов машинного обучения, новых топологий полосковых проводников одномодовых и многомодовых СВЧ резонаторов, в том числе многомодовых резонаторов в виде согласующей цепи, перспективных для построения на их основе СВЧ диплексеров, исследование методов увеличения уровня развязки между каналами диплексеров дециметрового и сантиметрового диапазонов длин волн, при разработке методики оптимизации полос пропускания диплексеров дециметрового и сантиметрового диапазонов длин волн с использованием теории адаптивных методов машинного обучения, разработка моделей и алгоритмов машинного обучения для решения задач моделирования развития экосистем, а также при решении других задач практической направленности.