Розробка інтелектуальної системи прийняття рішень в умовах обмежених обчислювальних ресурсів

Abstract

Дослідження присвячене розробці інтелектуальної системи прийняття рішень, здатної ефективно працювати в умовах обмежених обчислювальних ресурсів. У роботі проведено комплексний аналіз сучасних алгоритмів пошуку. Особливу увагу приділено застосуванню гібридних нейромережевих моделей, що поєднують машинне навчання з деревопошуком для підвищення ефективності стратегічного аналізу. У рамках практичної частини створено декілька варіантів шахового рушія. Експериментальні дослідження показали, що гібридний підхід забезпечує суттєве зростання ефективності порівняно з чистими нейромережевими моделями, хоча й поступається оптимізованому евристичному рушію. Отримані результати підтверджують, що саме поєднання легковагових нейромереж із класичними алгоритмами є найбільш перспективним напрямом створення продуктивних систем прийняття рішень для апаратно обмежених середовищ.