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 ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ДИСПЕТЧЕРИЗАЦИИ ПОТОКОВ ПАРАЛЛЕЛЬНЫХ ЗАЯВОК В GRID- СИСТЕМАХ

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

  2020-07-20

  Аннотация ▼

  Статья посвящена решению задачи диспетчеризации потоков параллельных заявок в
  пространственно-распределённых вычислительных системах. Актуальность задачи обос-
  нована значительным ростом востребованности парадигмы распределенных вычислений в
  условиях информационного переполнения и неопределенности. В статье рассмотрены про-
  блемы диспетчирования заявок пользователей, требующих для своего обслуживания не-
  сколько процессоров одновременно, что выходит за рамки классической теории расписа-
  ний. Проанализированы аспекты эффективности применения эвристических алгоритмов
  диспетчирования планарными ресурсами. Определены причины их недостаточности как по
  результативности, так и по эмпиричности подходов. Предложено решать задачу диспет-
  черизации параллельных заявок на основе комплексного применения коалиции интеллекту-
  альных агентов и событийной имитационной модели. Классификацию поступающих на
  вход заявок предлагается проводить на основе применения модифицированного биоинспи-
  рированного метода оптимизации поиском кукушки. Совместное использование коалиции
  интеллектуальных агентов и биоинспирированного метода позволит обеспечить беспреце-
  дентный параллелизм вычислений, а последующее определение путей обработки классифи-
  цированных заявок на основе имитационной модели сформирует наборы альтернативных
  решений, позволяющих ускорить решение задач и оптимизировать распределение имею-
  щихся вычислительных ресурсов в зависимости от наборов поступающих заявок. Для оцен-
  ки эффективности предложенного подхода разработан программный продукт и проведе-
  ны эксперименты с разным количеством поступающих на вход заявок. Каждая поступаю-
  щая на вход заявка имеет определенный набор атрибутов, являющийся вектором призна-
  ков заявки. Степень сходства вектора признаков заявки и эталонного вектора признаков
  вершины в распределяющей имитационной модели является критерием классификации
  заявки. Для повышения качества процесса диспетчеризации введены новые процедуры дуб-
  лирования неклассифицированных заявок, позволяющие интенсифицировать поиск совпаде-
  ний в векторах признаков. Также предусмотрены резервные траектории диспетчеризации
  необходимые для обработки прецедентов появления на входах заявок с абсолютным при-
  оритетом. Полученные количественные оценки демонстрируют экономию времени при
  решении задач относительно большой размерности (от 500000 вершин) не менее 10 %.
  Временная сложность в рассмотренных примерах составила . Описанные исследова-
  ния имеют высокий уровень теоретической и практической значимости и напрямую связа-
  ны с решением классических задач искусственного интеллекта, направленных на поиск
  скрытых зависимостей и закономерностей на множестве больших данных.