Литвин, ВасильУгрин, ДмитроLytvyn, VasylUhryn, Dmytro2021-02-112021-02-112020-02-242020-02-24Литвин В. Методи ройового інтелекту вирішення прикладних задач в геоінформаційних системах / Василь Литвин, Дмитро Угрин // Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2020. — № 7. — С. 87–106.https://ena.lpnu.ua/handle/ntb/56134Запропоновано для автоматизації процедур формування множини альтернативних рішень та вибору раціонального рішення у галузевих ГІС використовувати інтелектуальних агентів планування діяльності з використанням онтологічного підходу. Запропоновано використовувати розроблену базу знань у галузі методів ройового інтелекту на основі адаптивної онтології та бази даних наукових публікацій у цій галузі. Всі прикладні задачі в галузевих геоінформаційних системах поділено на класи задач: стаціонарні, квазістаціонарні, динамічні. Запропоновано визначати вільні параметри для окремих ройових алгоритмів на основі машинного навчання з підкріпленням, а саме методом Q-Learning. На основі цього методу побудовано ланцюги Маркова для ройових алгоритмів. Підкріплення полягало в аналізі отриманих результатів певним ройовим алгоритмом експертним шляхом. На прикладі адміністративно-територіального управління було знайдено оптимальні значення параметрів окремих ройових алгоритмів.At this article proposed to use intelligent planning agents using ontological approach to automate the procedures of formation of many alternative solutions and the choice of rational decision in branch of GIS. It proposed to use the developed knowledge base in the field of methods of swarm intelligence based on adaptive ontology and a database of scientific publications in this field. All applied problems in the branch of geoinformation systems are divided into classes of problems: stationary, quasi-stationary, dynamic. It is suggested to determine the free parameters for individual swarm algorithms based on machine learning with reinforcement, namely the Q-Learning method. On the basis of this method Markov chains for the swarm algorithms were constructed. Reinforcement consisted of the expert analysis of the results obtained by a certain swarm algorithm. On the example of territorial administration, optimal values of the parameters of individual swarm algorithms were found.87-106ukройовий інтелектвільні параметриоптимізаційні задачігалузеві геоінформаційні системиприйняття рішеньswarm intelligencefree parametersoptimization problemsbranch geoinformation systemsdecision makingArticle© Національний університет “Львівська політехніка”, 2020© Литвин В., Угрин Д., 202020519.7004.89Lytvyn V. Methods of swarm algorithms solution of applied tasks in geoinformation systems / Vasyl Lytvyn, Dmytro Uhryn // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiini systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2020. — No 7. — P. 87–106.