Найти

Результаты поиска

• ГИБРИДНЫЙ БИОИНСПИРИРОВАННЫЙ АЛГОРИТМ ОТОБРАЖЕНИЯ ОНТОЛОГИЙ В ЗАДАЧАХ ИЗВЛЕЧЕНИЯ И УПРАВЛЕНИЯ ЗНАНИЯМИ

  Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Марков

  2020-07-20

  Аннотация ▼

  Статья посвящена решению задачи отображения онтологических моделей в процес-
  сах извлечения и управления знаниями. Актуальность и значимость данной задачи обуслов-
  лены необходимостью сохранения достоверности и исключения избыточности знаний при
  интеграции (объединении) структурированных информационных источников различного
  происхождения. Близость и непротиворечивость понятийной семантики объединенного
  ресурса при проводимом отображении является основным критерием эффективности
  предложенных решений. В статье рассмотрены проблемы выбора соответствующих за-
  даче подходов решения, сохраняющих семантику при отображении концептов. Обоснована
  стратегия выбора биоинспирированного моделирования. Проанализированы аспекты эф-
  фективности применения различных децентрализованных биоинспирированных методов.
  Определены причины необходимости проведения гибридизации. Предложено решать зада-
  чу отображения онтологических моделей с применением биоинспирированного алгоритма,
  построенного на основе гибридизации оптимизационных механизмов алгоритмов бактери-
  ального и кукушкиного поиска. Проведенная гибридизация данных алгоритмов позволила
  объединить их основные преимущества: последовательный бактериальный поиск, обеспечивающий детальное исследование локальных областей, и значительное число глобальных
  перемещений агента-кукушки при реализации полетов Леви. Для оценки эффективности
  предложенного гибридного биоинспирированного алгоритма разработан программный
  продукт и проведены эксперименты по отображению онтологий разного размера. Каж-
  дый концепт любой онтологии имеет определенный набор атрибутов, являющийся семан-
  тическим вектором признаков. Степень сходства семантических векторов сравниваемых
  концептов отображаемых онтологий является критерием их интеграции. Для повышения
  качества процесса отображения введена новая кодировка решений. Полученные количест-
  венные оценки демонстрируют экономию времени при решении задач относительно боль-
  шой размерности (от 500000 вершин онтографа) не менее 13 %. Временная сложность
  разработанного гибридного алгоритма составляет Описанные исследования имеют
  высокий уровень теоретической и практической значимости и напрямую связаны с реше-
  нием классических задач искусственного интеллекта, направленных на поиск скрытых за-
  висимостей и закономерностей на множестве элементов знаний.

• БИОИНСПИРИРОВАННЫЙ МЕТОД КЛАССИФИКАЦИИ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ ДЛЯ ДИСПЕТЧИРОВАНИЯ В ГРИД-СИСТЕМАХ

  Д.Ю. Кравченко , Ю.А. Кравченко, В. В. Марков , А.Э. Саак

  2021-11-14

  Аннотация ▼

  Статья посвящена решению задачи диспетчирования распределенных вычислитель-
  ных ресурсов на основе их классификации методом биоинспирированного поиска для повы-
  шения эффективности функционирования грид-систем. Актуальность задачи обоснована
  значительным ростом востребованности парадигмы распределенных вычислений в услови-
  ях информационного переполнения и неопределенности. В статье рассмотрены проблемы
  диспетчирования гетерогенных вычислительных ресурсов при решении сложных профес-
  сиональных и научных задач, поступающих в различные моменты времени, на основе клас-
  сификации по значимым признакам соответствия и готовности ресурса. Проведен срав-
  нительный обзор существующих аналогов. Сформулирована постановка решаемой задачи вконтексте выбранной тематики исследования. Обоснована стратегия выбора биоинспи-
  рированного моделирования для решения поставленной задачи. Проанализированы аспекты
  эффективности применения различных децентрализованных биоинспирированных мето-
  дов. Предложено решать задачу диспетчирования вычислительных ресурсов на основе
  определения соответствия ресурса необходимому классу. Классификация проводиться на
  основе применения биоинспирированного метода оптимизации, построенного на основе
  алгоритма поиска косяком рыб. Использование популяционного биоинспирированного ме-
  тода позволяет обеспечить беспрецедентный параллелизм получения альтернативных
  решений и оптимизировать распределение имеющихся вычислительных ресурсов в зависи-
  мости от наборов значимых признаков. Объектом исследования являются процессы клас-
  сификации данных, включающие в себя упорядоченные последовательности действий, на-
  правленных на распределение вычислительных ресурсов по классам решаемых задач. Предме-
  том исследования являются биоинспирированные методы решения задачи классификации
  данных в грид-системах. Для оценки эффективности предложенного метода разработано
  программное приложение и проведен вычислительный эксперимент с разным количеством
  сформированных классов вычислительных ресурсов. Каждый вычислительный ресурс имеет
  определенный набор атрибутов, являющийся вектором его признаков. Косинусная мера сход-
  ства вектора признаков ресурса и вектора признаков определенного класса является крите-
  рием классификации. Для повышения качества процесса диспетчирования задача классифи-
  кации вычислительных ресурсов решена для множества вариантов организации потоков
  сложных решаемых задач в грид-системах. Полученные количественные оценки демонстри-
  руют экономию времени при решении задач диспетчирования распределенных вычислитель-
  ных ресурсов на основе их классификации методом биоинспирированного поиска не менее
  7 %. Временная сложность в рассмотренных примерах составила . Описанные ис-
  следования имеют высокий уровень теоретической и практической значимости и напря-
  мую связаны с решением классических задач искусственного интеллекта.