СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ ОПТИМИЗАЦИИ ДЛЯ РАСПРЕДЕЛЕНИЯ РЕСУРСОВ В УСЛОВИЯХ НЕОПРЕДЕЛЁННОСТИ IT-СРЕДЫ

Аннотация

Данное исследование посвящено решению задачи распределения ресурсов в условиях динамичной и неопределённой среды путём сравнительного анализа пяти математических моделей: марковский процесс принятия решений (MDP), целочисленное программирование, многоагентные системы, задачи расписания и модели назначения. Актуальность проблемы заключается в необходимости эффективных инструментов поддержки принятия решений в условиях ограниченности времени и ресурсов, особенно в IT-сфере и сервисных отраслях, где процессы часто носят нестабильный характер и требуют адаптивных подходов к оптимизации. Цель исследования — провести сопоставительный анализ указанных моделей по таким критериям, как время выполнения, стоимость решения и потребление памяти.

Методология исследования включает серию симуляционных экспериментов на синтетически сгенерированных данных, отражающих реальные условия функционирования: изменчивую нагрузку, зависимость задач и ограниченные ресурсы. Результаты показали, что модель целочисленного программирования обеспечивает наименьшую стоимость решения, но требует больше времени на выполнение, что делает её применимой в сценариях, где приоритетом является точность. Модели на основе MDP и многоагентного подхода демонстрируют более быстрое выполнение, но с повышенными затратами. Модели расписания и назначения показывают сбалансированные результаты, но хуже масштабируются при усложнении условий. Выводы исследования подчёркивают необходимость выбора модели на основе приоритетов — скорости или минимизации затрат.

Теоретическая значимость работы заключается в объединении различных методов оптимизации в единую сравнительную структуру. Практическая ценность состоит в предоставлении рекомендаций по выбору подходящих инструментов моделирования для систем реального времени. В дальнейшем планируется расширение масштабируемости моделей и интеграция адаптивных алгоритмов для промышленного применения.