Тези доповідей, матеріали конференцій
Постійне посилання на розділhttps://dspace.nuft.edu.ua/handle/123456789/7373
Переглянути
6 результатів
Результати пошуку
Документ Дослідження та розроблення підсистеми підтримки прийняття рішень для технолога ТОВ «Слобожанський бекон»(2020) Фурта, Олена Олександрівна; Грибков, Сергій Віталійович; Сєдих, Ольга ЛеонідівнаВ роботі розроблена підсистема підтримки прийняття рішень для технолога, що сприятиме покращенню виробничої діяльності за рахунок вироблення та прийняття ефективних управлінських рішень, що в кінцевому результаті забезпечить збільшення прибутку підприємства.Документ Особливості функціонування генетичних алгоритмів при складанні розкладу(2017) Маковецька, Світлана Василівна; М'якшило, Олена МихайлівнаРозглянуто використання кластерної модифікації генетичного алгоритму (ГА) при складанні графіку постачання цукрових буряків на завод із урахуванням генетико-детермінованих властивостей відповідних сортів гібридів цукрового буряка. The use of cluster modification of the genetic algorithm (GA) during the drawing up of the schedule of sugar beet supply to the plant is considered, taking into account genetically determined properties of the appropriate varieties of sugar beet hybrids.Документ Використання генетичних алгоритмів для вирішення задач оптимізації роботи ділянок цукрового виробництва(2017) Полупан, Володимир Володимирович; Сідлецький, Віктор МихайловичПросторовий розподіл технологічних об’єктів цукрового виробництва викликає труднощі в управлінні. Робота об’єктів складних систем часто призводить до численних проблем і породжує високий ступінь невизначеності при прийнятті управлінський рішень. The spatial distribution of technological objects of sugar production causes management difficulties. The work of objects of complex systems often leads to numerous problems and generates a high degree of uncertainty when making managerial decisions.Документ Genetic algorithm in optimization tasks(2016) Polupan, Vladimir; Cherednichenko, GalinaMany, if not most, optimization problems have multiple objectives. Historically, multiple objectives have been combined ad hoc to form a scalar objective function, usually through a linear combination (weighted sum) of the multiple attributes, or by turning objectives into constraints.Документ Genetic algorithm for multi objective optimization(2016) Polupan, Vladimir; Cherednichenko, GalinaMany, if not most, optimization problems have multiple objectives. Historically, multiple objectives have been combined ad hoc to form a scalar objective function, usually through a linear combination (weighted sum) of the multiple attributes, or by turning objectives into constraints.Документ Використання генетичних алгоритмів для побудови розкладів виконання заявок на виготовлення макаронних виробів(2010) Загоровська, Лариса Григорівна; Грибков, Сергій Віталійович