Система підтримки прийняття рішень для реагування на надзвичайні ситуації у порту
##plugins.themes.bootstrap3.article.sidebar##
Опубліковано:
гру 1, 2024
Ключові слова:
система підтримки прийняття рішень, надзвичайна ситуація, порт, інтелектуальний агент, нечітка множина, база знань, персоноїд
##plugins.themes.bootstrap3.article.main##
Анотація
Метою дослідження є розробка архітектури системи підтримки прийняття рішень для управління надзвичайною ситуацією у порту та основних алгоритмів її функціонування. Для досягнення мети дослідження використані абстрактні інтелектуальні агенти – персоноїди. Для розширення опису описових знань про предметну область і спрощення виконання процедури логічного виведення класи атрибутів описані нечіткими множинами. Результатами є формальний опис станів середовища через атрибути об’єкту у вигляді нечітких множин; узагальнений алгоритм організації взаємодії між особою, що приймає рішення, і системою підтримки прийняття рішень при виникненні пожежі на танкері у нафтовому терміналі порту; реалізація системи планування на методах мережевого планування й управління.
##plugins.themes.bootstrap3.article.details##
Як цитувати
Хуссейн, Ю. (2024). Система підтримки прийняття рішень для реагування на надзвичайні ситуації у порту. Вісник Одеського національного морського університету, (74), 103-120. https://doi.org/10.47049/2226-1893-2024-3-103-120
Розділ
Забезпечення безпеки мореплавства
Посилання
1. Bologna S., Gadomski A.M. (1996). MINDES program managerial intelligent node of decision-support for emergency supervision. In Proce- edings of the GEMINI (Global Emergency Management International Network Initiative) Meeting, ENEA Press, Rome.
2. Almukhlifi A., Taji K. (2020). «A framework for intelligent decision support systems in emergency response operations.» International Journal of Disaster Risk Reduction, Vol. 50, Р. 101812. DOI: 10.1016/j.ijdrr.2020.101812.
3. Jiang X., Lu X. (2021). An intelligent decision support system for emer- gency management: integrating machine learning and optimization // Journal of Decision Systems. Vol. 30. No. 2. Р. 120-135. DOI: 10.1080/ 12460125.2021.1879875.
4. Moya J., Pérez M., Herrera, F. (2021). Intelligent decision support systems for large-scale emergencies: A survey.. Information Fusion, Vol. 67Р. 31-47. DOI: 10.1016/j.inffus.2020.08.010.
5. Zhu Y., Gao Q., Zhang, J. (2019). Towards a real-time decision support system for emergency management: A framework and key technologies. IEEE Access, Vol. 7, Р. 165282-165296. DOI: 10.1109/ACCESS. 2019.
2952159.
6. González-Ruiz C., Martínez-Almela A. (2019). Advanced decision support systems for emergency management: A review of recent developments and future directions.. IEEE Transactions on Systems, Man, and Cybernetics: Systems. Vol. 49. No. 8 Р. 1601-1614. DOI: 10.1109/TSMC.2019. 2902490.
7. Gadomski A.M., Di Costanzo G. (1996). Intelligent decision support system for industrial accident management. In Proceedings of 8th European Simulation Symposium, A.G. Bruzzone and J.H. Kerckhoffs (Eds.), SCS International Press, Genoa, Р. 137-141.
8. Gadomski A.M., Bologna S., Di Costanzo G., Perini A., Schaerf M. Towards intelligent decision support systems for emergency managers: the IDA approach // International Journal of Risk Assessment and Management, 2001. Vol. 2. No.3/4. Р. 224-242. DOI: 10.1504/IJRAM.2001.001507.
9. Smith M. and Carver S. (2022). Agent-based modeling for emergency management: A new approach to simulate human behavior in disaster scenarios //Journal of Artificial Societies and Social Simulation, Vol. 25. No. 1. DOI: 10.18564/jasss.4697.
10. Balducelli C., Bologna S., Di Costanzo G., Gadomski A.M., Vicoli G. (1995). Computer aided training for cooperating emergency managers: some results of the MUSTER project. In Proceedings of the MEMbrain Conference on International Aspects of Emergency Management and Environmental Technology, H. Drager (Ed.), A/Q Quasar Consultants Press, Norway, Oslo, Р. 433-444.
11. Aamodt A., Plaza E. (1994). Case-based reasoning: foundational issues, methodological variations and system approaches. Artificial Intelligence Communications, J., IOS Press. Vol. 7. No. 1. Р. 39-59.
12. Quatrani T. (1998). Visual Modelling with Rational Rose and UML. Addison-Wesley Longman Inc, Reading, Massachusetts.
13. Kim S., Park J. (2020). Enhanced decision-making framework for emer- gency management using multi-agent systems //. Journal of Computational Science. Vol. 41. Р. 101082. DOI: 10.1016/j.jocs.2020.101082
2. Almukhlifi A., Taji K. (2020). «A framework for intelligent decision support systems in emergency response operations.» International Journal of Disaster Risk Reduction, Vol. 50, Р. 101812. DOI: 10.1016/j.ijdrr.2020.101812.
3. Jiang X., Lu X. (2021). An intelligent decision support system for emer- gency management: integrating machine learning and optimization // Journal of Decision Systems. Vol. 30. No. 2. Р. 120-135. DOI: 10.1080/ 12460125.2021.1879875.
4. Moya J., Pérez M., Herrera, F. (2021). Intelligent decision support systems for large-scale emergencies: A survey.. Information Fusion, Vol. 67Р. 31-47. DOI: 10.1016/j.inffus.2020.08.010.
5. Zhu Y., Gao Q., Zhang, J. (2019). Towards a real-time decision support system for emergency management: A framework and key technologies. IEEE Access, Vol. 7, Р. 165282-165296. DOI: 10.1109/ACCESS. 2019.
2952159.
6. González-Ruiz C., Martínez-Almela A. (2019). Advanced decision support systems for emergency management: A review of recent developments and future directions.. IEEE Transactions on Systems, Man, and Cybernetics: Systems. Vol. 49. No. 8 Р. 1601-1614. DOI: 10.1109/TSMC.2019. 2902490.
7. Gadomski A.M., Di Costanzo G. (1996). Intelligent decision support system for industrial accident management. In Proceedings of 8th European Simulation Symposium, A.G. Bruzzone and J.H. Kerckhoffs (Eds.), SCS International Press, Genoa, Р. 137-141.
8. Gadomski A.M., Bologna S., Di Costanzo G., Perini A., Schaerf M. Towards intelligent decision support systems for emergency managers: the IDA approach // International Journal of Risk Assessment and Management, 2001. Vol. 2. No.3/4. Р. 224-242. DOI: 10.1504/IJRAM.2001.001507.
9. Smith M. and Carver S. (2022). Agent-based modeling for emergency management: A new approach to simulate human behavior in disaster scenarios //Journal of Artificial Societies and Social Simulation, Vol. 25. No. 1. DOI: 10.18564/jasss.4697.
10. Balducelli C., Bologna S., Di Costanzo G., Gadomski A.M., Vicoli G. (1995). Computer aided training for cooperating emergency managers: some results of the MUSTER project. In Proceedings of the MEMbrain Conference on International Aspects of Emergency Management and Environmental Technology, H. Drager (Ed.), A/Q Quasar Consultants Press, Norway, Oslo, Р. 433-444.
11. Aamodt A., Plaza E. (1994). Case-based reasoning: foundational issues, methodological variations and system approaches. Artificial Intelligence Communications, J., IOS Press. Vol. 7. No. 1. Р. 39-59.
12. Quatrani T. (1998). Visual Modelling with Rational Rose and UML. Addison-Wesley Longman Inc, Reading, Massachusetts.
13. Kim S., Park J. (2020). Enhanced decision-making framework for emer- gency management using multi-agent systems //. Journal of Computational Science. Vol. 41. Р. 101082. DOI: 10.1016/j.jocs.2020.101082