.

Active digitization of people's daily life leads to the use of the decision-making support systems (DMSS). DMSS is actively used in data processing, forecasting the course of various processes, providing informational support for the decision-making process by decision makers. However, a number of problems arise while evaluating monitoring objects, namely: a large number of destabilizing factors affecting the efficiency of the processes of information collection, processing and transmission; high dynamism of changes in the state and composition of heterogeneous monitoring objects during the conduct of hostilities (operations); high dynamism of conducting hostilities (operations); the uncertainty of the initial situation and the noise of the initial data. In this article, a method of finding solutions based on an improved bee colony algorithm was developed. The efficiency of information processing is achieved by learning the architecture of artificial neural networks; taking into account the type of uncertainty of the information to be evaluated; the use of an improved algorithm of the bee colony, the use of an unordered linguistic scale of measurements with adjustment coefficients for the degree of awareness and the degree of noise of the initial data. An approbation of the use of the proposed method was carried out on the example of assessing the state of the operational grouping of troops (forces). The method is proposed to be used in the development of software for automated systems of control of troops and weapons, namely, in the modernization of existing and development of new automated systems of control of troops and weapons. The evaluation of the effectiveness of the proposed method showed an increase in the efficiency of the evaluation at the level of 21–28 % in terms of the efficiency of information processing

В статті розроблено метод моніторингу стану функціонування системи управління потоками даних в мобільних радіомережах з використанням нейронних мереж способом удосконалення існуючого методу. Забезпечення ефективного управління мобільних радіомереж в умовах частої зміни обстановки можливе лише за наявності вузлової системи управління, здатної проводити моніторинг стану функціонування підсистеми управління потоками даних. Суть нового методу: полягає в удосконаленні існуючого методу шляхом моніторингу стану функціонування мобільних радіомереж з використанням нейронних мереж, розподільчої ідентифікації параметрів порушень стану функціонування з проведенням вибору щодо застосування заходів із захисту системи при статистичному описі мобільних радіомереж та врахуванням множини впливів на неї на основі нейронних мереж. На відміну від існуючого методу, який оцінює рівень функціонування на основі повної вибірки параметрів порушень, які не враховують характеристичні особливості функціонування мобільних радіомереж, шляхом послідовного аналізу процесу впливу порушень на інформаційну систему та без можливості пошуку нових типів порушень та підбору управлінських рішень направлених на підтримання рівня функціонування системи. Запропонований метод забезпечує оцінку рівня функціонування мобільних радіомереж на основі множини параметрів, які відображають саме функціонування елементів мобільних радіомереж з функцією паралельно-розподільчої ідентифікації нових типів порушень з використанням нейронних мереж. Даний метод дозволить: зменшити час прийняття рішення щодо моніторингу стану функціонування системи управління потоками даних в мобільних радіомережах, збільшити точність прийняття рішення щодо моніторингу стану функціонування системи управління потоками даних в мобільних радіомережах, при збереженні повноти навчальної вибірки запропонованого методу не нижчого, ніж у існуючого методу, за рахунок використання нейронних мереж, алгоритму розподільчої ідентифікації та ідентифікації нових типів порушень.

В роботі проведена оцінка ефективності функціонування методів управління потоками даних в мобільних радіомережах на основі нейронних мереж яка основана на моделюванні мобільних радіомереж з урахуванням функціонування підсистеми управління потоками даних з використанням мови програмування Python, відкритої програмної бібліотеки TensorFlow та модулів-сигнатур KEGG MODULE. Зокрема проведено: оцінку ідентифікації параметрів трафіка в мобільних радіомереж, оцінку навчання бази знань підсистеми управління потоками даних в мобільних радіомереж для методу оцінки навчання бази знань, оцінку прогнозування часу перевантаження маршрутів передачі даних в мобільних радіомереж для методів прогнозування, оцінку побудови та підтримки маршрутів передачі даних в мобільних радіомереж для методів побудови та підтримки маршрутів передачі даних, оцінку процесу моніторингу стану функціонування підсистеми управління потоками даних в мобільних радіомереж для методів оцінки процесу моніторингу стану функціонування підсистеми управління потоками даних в мобільних радіомереж. Відповідно зазначеного було зафіксовано підвищення точності ідентифікації параметрів даних, зменшення часу навчання бази даних, зменшення часу прогнозування часу перевантаження маршрутів передачі даних у мобільних радіомережах, збільшення часу існування маршрутів передачі даних, збільшення пропускної спроможності інформаційного напрямку, зменшення часу прийняття рішення щодо моніторингу стану функціонування підсистеми управління потоками даних в мобільних радіомереж, збільшення точності прийняття рішення щодо моніторингу стану функціонування підсистеми управління потоками даних в мобільних радіомереж за рахунок застосування інтелектуалізації процесів прийняття рішень на основі використання нейронних мереж. Проведено оцінку рівня адекватності запропонованої моделі та економічна оцінка, яка показала прибутковий рівень економічної ефективності.

A method for training data transmission routes in wireless self-organized networks is proposed. Features of construction of networks of this class are described. The main tasks of functioning of the control system of wireless self – organized networks are shown. The main teaching methods used to predict changes in data transmission routes are analyzed. The efficiency of application in certain fields and non-compliance with the requirements for the method being developed are explained. The essence of forecasting and direct connection with the process of learning data transmission routes is described. The routing system is shown as a necessary component for uninterrupted operation of wireless self-organized networks. The essence and requirements for the teaching method are shown. The learning unit of the forecasting subsystem is considered. Options for increasing the efficiency of scalar optimization are shown. The essence of the method is to learn the parameters (total latency; network routes; minimum bandwidth; reliability; load; load) of data transmission routes using the scalar optimization method, designed to dynamically select the most efficient adaptability function used in each new generation of evolutionary algorithms. Optimization problems with auxiliary criteria and reinforcement training are analyzed. The “Evolutionary Algorithm and Reinforced Learning” algorithm allows you to control the execution process of the evolutionary algorithm. The Hierarchical-if-and-only-if function problem is described and its efficiency when working with different algorithms is shown. The parameters used in the work correspond to the parameters of the research, which makes it possible to compare the results with previous results. In the course of work on the method its efficiency is reflected and the comparative analysis with similar methods of multicriteria optimization is carried out.