Науковий вісник НЛТУ України (May 2025)
Модель алгоритму багатокритеріального сортування даних з їх динамічно-наслідковим обмеженням переміщень
Abstract
Багатокритеріальне сортування структурованих даних із збереженням часткового порядку сортування та стабільності їх впорядкування є ключовим завданням у сучасних аналітичних системах, що застосовують в електронній комерції, рекомендаційних сервісах, медичних платформах, системах управління персоналом, логістиці, освітніх платформах, фінансових аналітичних системах й обробленні великих обсягів структурованих даних для прийняття рішень. У дослідженні розроблено інноваційну модель алгоритму динамічно-наслідкового сортування даних, що забезпечує гнучкість ранжування даних різних типів. Алгоритм базується на модифікованій версії Selection Sort, він гарантує стабільність впорядкування структурованих даних за основними критеріями навіть за впливу другорядних факторів, завдяки чіткому визначенню меж динамічного переміщення структурованих даних з урахуванням ієрархії критеріїв у процесі ранжування даних. Досліджено вплив параметра переміщення структурованих даних на збереження часткового порядку та обмеження переміщень об'єктів у масивах даних різних типів, враховуючи числові і гібридні їхні набори. Встановлено, що створений алгоритм забезпечує ефективне зменшення переміщень структурованих даних, зберігаючи стабільність їх ранжування в умовах динамічних змін пріоритетів критеріїв. Виявлено кореляцію між кількістю критеріїв і рівнем стабільності, що сприяє оптимізації процедури сортування даних для різних прикладних завдань. Підтверджено переваги розробленого алгоритму над алгоритмами Multi-Key Sort, Weighted Score Sort і ELECTRE за адаптивністю, інтерпретованістю і стабільністю. Гнучке налаштування пріоритетів критеріїв робить можливим адаптувати алгоритм до специфічних вимог таких завдань, як ранжування даних товарів, оцінка медичних даних, оптимізація логістичних процесів чи аналіз освітніх показників. Розроблена модель алгоритму є релевантною для аналітичних систем, які потребують адаптивного, контрольованого та інтерпретованого ранжування даних, і відкриває перспективи для подальшої оптимізації в завданнях оброблення великих обсягів даних, інтеграції в системи реального часу, масштабування для високонавантажених платформ, а також адаптації до унікальних вимог прикладних доменів, таких як персоналізовані рекомендації, автоматизоване прийняття рішень чи аналіз фінансових ризиків.
Keywords
