The object of research, development or design (in Russian) : Методы и алгоритмы обучения с подкреплением, включая актор-критик, интегральное и адаптивное динамическое программирование, для решения задач оптимального управления и синтеза регуляторов; алгебраические уравнения Риккати; нечеткие системы Такаги–Сугено; стохастические линейные квадратичные уравнения; непрерывные линейные периодические системы.

The object of research, development or design (in Kazakh) : Оңтайлы басқару және реттегіштер синтезі есептерін шешу үшін күшейтумен оқыту әдістері мен алгоритмдері, соның ішінде актор–критик, интегралдық және бейімделгіш динамикалық бағдарламалау тәсілдері; Риккати алгебралық теңдеулері; Такаги–Сугеноның анық емес жүйелері; стохастикалық сызықты квадраттық теңдеулер; үздіксіз сызықты периодтық жүйелер.

Aim of work (in Russian) : Данное исследование направлено на разработку основанных на методах обучения с подкреплением стратегий адаптивного оптимального управления для систем с временной зависимостью, задержками и физиологической нелинейностью, без использования точных моделей. Посредством проектирования алгоритмов адаптивного динамического программирования с итерациями по стратегии и итерациями вне стратегии, в отчёте рассматривается реализация эффективного управления и принятия решений в сложных и неопределённых условиях без необходимости в стабилизирующей начальной политике или точной математической модели системы.

Aim of work (in Kazakh) : Бұл зерттеу уақытына байланысты динамикасы, кешігуі және физиологиялық бейсызықтылығы бар жүйелерге арналған күшейту арқылы оқытуға негізделген, модельсіз бейімделгіш оптималды басқару стратегияларын әзірлеуге бағытталған. Cтратегиямен және стратегиясыз бейімделгіш динамикалық бағдарламалау алгоритмдерін құрастыру арқылы, есептеу жүйесінің дәл моделінсіз және тұрақтандырушы бастапқы саясат талап етілмейтін күрделі және белгісіз ортада тиімді басқару мен шешім қабылдауға жол ашылады.

Методы исследования (на русском) : Алгоритмы обучения с подкреплением, адаптивное оптимальное управление с бесконечным горизонтом, уравнение Беллмана и Риккати, теория устойчивости Ляпунова, методы теории принятия решений, нечеткая линеаризация Такаги–Сугэно, а также концепции динамического программирования.

Методы исследования (на казахском) : Күшейтілген оқыту алгоритмдері, шексіз горизонттағы адаптивті оңтайлы басқару, Беллман және Риккати теңдеулері, Ляпуновтың тұрақтылық теориясы, шешім қабылдау теориясының әдістері, Такаги–Сугеноның бұлдыр сызықтандыру тәсілі, сондай-ақ динамикалық бағдарламалау тұжырымдамалары қолданылды.

Obtained results and novelty (in Russian) : Разработаны стратегии адаптивного оптимального управления на бесконечном горизонте для непрерывных линейных систем с временной зависимостью и задержкой через алгоритмы с и вне политики адаптивного динамического программирования. Применялось обучение с подкреплением для построения независимых от модели контроллеров, где динамика изучалась из данных, а стратегия улучшалась с учётом задержек, обеспечивая устойчивость и оптимальность. Разработаны алгоритмы для периодических систем с задержкой с учётом их структуры через синхронизированный сбор данных, позволившие получать устойчивые законы управления без начальной допустимой стратегии. Предложена стратегия управления для регулирования дозировок в системе рак–опухоль–иммунитет, обучавшая политики введения препаратов методами актор–критик и интегрального обучения с подкреплением для минимизации доз при сохранении эффективности и учёте неопределённостей. Результаты НИР за 2025 год были опубликованы в ведущих научных журналах с высоким импакт-фактором, индексируемых в базах данных Web of Science и Scopus с рейтингом Q1 и Q2 (9 статей).

Obtained results and novelty (in Kazakh) : Уақытына тәуелді кешігуі бар үздіксіз сызықтық жүйелер үшін шексіз көкжиекті бейімделгіш оптималды басқару on/off-policy бейімделгіш динамикалық бағдарламалау алгоритмдері арқылы әзірленді. Модельсіз басқару заңдарын құру үшін жүйе динамикасы деректерден тікелей үйренілетін күшейту арқылы оқыту қолданылып, кешігу факторларын ескеретін итеративті тәсілдер тұрақтылық пен оптималдылықты модельді білмей-ақ қамтамасыз етті. Периодты кешігетін жүйелер үшін күйлік байланыс негізінде policy iteration және уақытпен үйлестірілген деректер жинау арқылы тұрақтандырушы басқару заңдары модельсіз алынды. Сондай-ақ, қатерлі ісік – ісік – иммундық жүйелерінде дәрі дозасын реттеу үшін actor-critic және интегралды күшейту арқылы оқыту әдістеріне негізделген стратегия ұсынылып, доза азайту, тиімділікті сақтау және шектеулерді ескеру мақсаты көзделді. 2025 жылға арналған жоба нәтижелері Web of Science және Scopus мәліметтер базаларында индекстелетін, Q1 және Q2 рейтингтері бар жоғары импакт-факторлы жетекші ғылыми журналдарда жарияланды (9 мақала).

The main constructive and technical economic indicators (in Russian) : Проект является фундаментальным

The main constructive and technical economic indicators (in Kazakh) : Жоба іргелі болып табылады.

Level of implementation (in Russian) : нет

Level of implementation (in Kazakh) : жоқ

Efficiency (in Russian) : Исследования по теме носят теоретический, фундаментальный характер

Efficiency (in Kazakh) : Тақырып бойынша зерттеулер теориялық, іргелі сипатқа ие

Field of application (in Russian) : иммунология, онкология, диагностические центры, большие данные, машинное обучение, прикладная математика

Field of application (in Kazakh) : иммунология, онкология, диагностикалық орталықтар, үлкен деректер, машиналық оқыту, қолданбалы математика