Метод багатокритеріального розподілу інформаційних потоків у телекомунікаційних мережах на основі еволюційного підходу

Ключові слова: телекомунікаційні системи, еволюційний підхід, генетичний алгоритм, кодування, потік, вузол, трафік, навантаження, ресурсоємність, оптимізація, алгоритм реалізації, розподіл інформаційних потоків, рішення, задача розкладу

Анотація

У статті представлено комплексне дослідження, присвячене розробці адаптивного методу реконструкції сигналів у динамічних середовищах. Запропонований метод базується на використанні модифікованих рядів Вольтерра з часовими обмеженнями, де внесок ядер обмежується локальними часовими вікнами, визначеними за допомогою згладжувальної Гаусової функції. Такий підхід дозволяє подолати обмеження традиційних спектральних методів, які внаслідок згладжувального ефекту не здатні точно відтворювати швидкоплинні або імпульсні особливості сигналу. Для виявлення критичних ділянок сигналу, а саме областей з різкими змінами або локальними аномаліями, в роботі введено індикатор нестабільності, що дозволяє здійснювати вибіркову активацію часово обмеженої моделі лише в нестійких зонах. У стабільних ділянках сигналу реконструкція виконується з використанням частотної моделі, що забезпечує ефективне використання обчислювальних ресурсів. За результатами експериментів отримано зростання коефіцієнта локальної узгодженості (ALC) в діапазоні 10–14% в залежності від просторової локалізації критичних точок та інтенсивності часових змін сигналу, а також зменшення середньоквадратичної похибки (MSE) на 12–18% у порівнянні з традиційними методами частотної реконструкції. Отримані результати підтверджують ефективність запропонованого методу у задачах обробки сигналів для когнітивних телекомунікаційних систем в умовах складного завадового середовища.

Посилання

1. Abdallah W., Val T. (2020). Genetic-Voronoi algorithm for coverage of IoT data collection networks. 30th International Conference on Computer Theory and Applications (ICCTA), Alexandria, Egypt, 2020. PP. 16-22.
2. Bernardino R., Paias A. (2018). Metaheuristics based on decision hierarchies for the traveling purchaser problem. International Transactions in Operational Research, 25(4), 2018. PP. 1269-1295. DOI: https://doi.org/10.1111/itor.12330
3. Blank J., Deb K. (2020) Pymoo: Multi-Objective Optimization. IEEE Access, Vol. 8, 2020. PP. 89497-89509.
4. Blank J., Deb K., Dhebar Y., Bandaru S., Seada H. (2012). Generating well-spaced points on a unit simplex for evolutionary many-objective optimization. IEEE Transactions on Evolutionary Computation, 25(1), 2021. PP. 48-60.
5. Cheng R., Jin Y., Olhofer M., Sendhoff B. (2016). A reference vector guided evolutionary algorithm for many-objective optimization. IEEE Transactions on Evolutionary Computation, 20(5), 2016. PP. 773-791.
Опубліковано
2025-06-24
Як цитувати
СиволовськийI., & Комар, О. (2025). Метод багатокритеріального розподілу інформаційних потоків у телекомунікаційних мережах на основі еволюційного підходу. КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (59), 230-239. https://doi.org/10.36910/6775-2524-0560-2025-59-41