Найти

Расширенные фильтры
Опубликовано после
Опубликовано до

Результаты поиска

Найдено результатов: 27.

  • ИДЕНТИФИКАЦИЯ НЕЯВНЫХ УГРОЗ НА ОСНОВЕ АНАЛИЗА АКТИВНОСТИ ПОЛЬЗОВАТЕЛЯ В ИНТЕРНЕТ-ПРОСТРАНСТВЕ

    В. В. Бова , Д.Ю. Запорожец , Ю.А. Кравченко , Э. В. Кулиев , В.В. Курейчик , Н. А. Лызь
    2020-10-11
    Аннотация ▼

    Статья посвящена проблеме идентификации неявных информационных угроз п о-
    исковой деятельности пользователя в Интернет-пространстве на основе анализа его
    активности в процессе данного взаимодействия. Применение знаний, хранящихся в
    интернет-пространстве, для реализации преступных намерений несет в себе угрозу
    для всего общества. Выявление злого умысла в действиях пользователей глобаль ной
    информационной сети не всегда является тривиальной задачей. Отработанные техн о-
    логии анализа контекста интересов пользователя дают сбой в случае осторожных
    грамотных действий злоумышленников, которые в явном виде не демонстрируют пр е-
    следуемой ими цели. В работе проведен анализ угроз, связанных с определенными сц е-
    нариями реализации поисковых процедур, проявляющихся в поисковой деятельности.
    Описаны критерии оценки неэффективных и эффективного сценариев поиска. Среди
    признаков, указывающих на возможность наличия угрозы, выделены следующие основ-
    ные: уход от решения задачи в бесцельную навигацию или к привлекательным ресурсам,
    поверхностный поиск, отсутствие смыслового погружения в решение поисковой зад а-
    чи, хаотичные действия при поиске. Для определения налич ия неблагоприятных при-
    знаков построена система показателей. Сформулированы признаки эффективного
    сценария организации поиска в Интернет-пространстве, описаны варианты наличия
    неявных угроз для подобной ситуации. Представлен подход идентификации описанных
    угроз с учетом заданных критериев оценки различных сценариев поведения пользоват е-
    ля в глобальном информационном пространстве. Разработан алгоритм машинного
    обучения для идентификации проблемных сценариев путем сравнения с ключевыми
    паттернами поведения. Создана программная реализация подсистемы идентификации
    информационных угроз, проведены экспериментальные исследования для подтвержд ения эффективности подсистемы. Экспериментальные исследования проводились на основе обработки открытых данных из социальных сетей, а также с применением
    анализа поисковой деятельности пользователей в университетской корпоративной
    информационной среде.

  • ПОПУЛЯЦИОННЫЙ АЛГОРИТМ ПОСТРОЕНИЯ ДЕРЕВА РЕШЕНИЙ МЕТОДОМ КРИСТАЛЛИЗАЦИИ РОССЫПИ АЛЬТЕРНАТИВ

    Б. K. Лебедев , О. Б. Лебедев , В.Б. Лебедев
    2020-11-22
    Аннотация ▼

    В ряде случаев возникает необходимость установления соответствия между заяв-
    ленным и фактическим значением категориальной переменной на основе совокупности
    признаков объекта. В этом случае возникает потребность в классификаторе с оптималь-
    ной последовательностью рассматриваемых атрибутов с заданным значением целевой
    функции. Значением целевой переменной может быть: да, нет, номер сорта, номер класса
    и т.д. В работе решается задача построения классификационной модели в виде оптималь-
    ной последовательность рассматриваемых атрибутов и их значений, входящих в состав
    маршрута от корневой вершины к концевой вершине с заданным значением целевой пере-
    менной. Если требуется классификатор, включающий возможность альтернативных от-
    ветов, то вначале строятся независимо друг от друга оптимальные маршруты для каж-
    дого значения целевой переменной, а затем эти маршруты объединяются («склеиваются»)
    в единое бинарное дерево решений. В алгоритме построения классификатора на основе
    метода кристаллизации россыпи альтернатив, каждое решение Qk интерпретируется в
    виде в ориентированного маршрута Mk на бинарном дереве решений. Назовем порядковый
    номер элемента в ориентированном маршруте Mk позицией siS={si|i=1,2,…,nA}. Элемен-
    том маршрута Mk является пара (xi,ui-), где xi соответствует Ai. ui- в маршруте Mk явля-
    ется ребром, выходящим из xi и соответствует выбранному вместе с Ai значению Ai. Вто-
    рой индекс элемента ui- определится после выбора Ai, помещенного в соседнюю с sj позицию
    sj+1. Работа алгоритма построения дерева решений базируется на использовании коллек-
    тивной эволюционной памяти, под которой подразумевается информация, отражающая
    историю поиска решения. Алгоритм учитывает тенденции к использованию альтернатив
    из наилучших найденных решений. Особенностями являются наличие непрямого обмена
    информацией – стигмержи. Совокупность данных об альтернативах и их оценках состав-
    ляет россыпь альтернатив. Рассмотрены ключевые моменты анализа альтернатив в про-
    цессе эволюционной коллективной адаптации. Экспериментальные исследования показали,
    что разработанный алгоритм находит решения, не уступающие по качеству, а иногда и
    превосходящие своих аналогов в среднем на 3–4 %. Временная сложность алгоритма, полу-
    ченная экспериментальным путем, лежит в пределах О(n2)-О(n3).

  • ПОИСКОВЫЙ ПОПУЛЯЦИОННЫЙ АЛГОРИТМ РАЗМЕЩЕНИЯ ЭЛЕМЕНТОВ СБИС

    Б. К. Лебедев , О.Б. Лебедев , В. Б. Лебедев
    2020-11-22
    Аннотация ▼

    В работе рассматривается поисковый популяционный алгоритм размещения компо-
    нентов СБИС. По аналогии с процессом возникновения и формирования кристаллов из ве-
    щества, процесс порождения решения путем последовательного проявления и конкретиза-
    ции решения на базе интегральной россыпи альтернатив назван методом кристаллизации
    россыпи альтернатив. Решение Qk задачи размещения представляется в виде биективного
    отображения Fk=A→P, каждому элементу множества A соответствует один единст-
    венный элемент множества P и наоборот. Лежащая в основе алгоритма метаэвристика
    кристаллизации россыпи альтернатив выполняет поиск решений с учетом коллективной
    эволюционной памяти, под которой подразумевается информация, отражающая историю
    поиска решения и памяти поисковой процедуры. Отличительной особенностью используе-
    мой метаэвристики является учет тенденции к использованию альтернатив из наилучших
    найденных решений. Предложены компактные структуры данных для хранения интерпре-
    таций решений и памяти. Алгоритм, связанный с эволюционной памятью, стремится к
    запоминанию и многократному использованию способов достижения лучших результатов.
    Разработанный алгоритм относится к классу популяционных алгоритмов. Итерационный
    процесс поиска решений включает три этапа. На первом этапе каждой итерации конст-
    руктивным алгоритмом формируется nq решений Qk. Работа конструктивного алгоритма
    базируется на базе показателей основной интегральной россыпи альтернатив – матрицы
    R, в которой хранятся интегральные показатели решений, полученных на предыдущих
    итерациях. Процесс назначения элемента в позицию включает две стадии. На первой ста-
    дии выбирается элемент, а на второй стадии – позиция pj. При этом должно выполняться
    ограничение: каждому элементу соответствует одна позиция pj. Рассчитывается оценка
    ξk решения Qk и оценка полезности δk множества позиций Pk выбранных агентами. В рабо-
    те используется циклический метод формирования решений. В этом случае наращивание
    оценок интегральной полезности δk в основной интегральной россыпи альтернатив B вы-
    полняется после полного формирования множества решений Q. На втором этапе итера-
    ции производится наращивание оценок интегральной полезности δk в основной интеграль-
    ной россыпи альтернатив – матрице R. На третьем этапе итерации осуществляетсяснижение оценок полезности δk интегральной россыпи альтернатив R на априори заданную величину δ*. Работа алгоритма завершается после выполнения заданного числа итера-
    ций. Сравнительный анализ с другими алгоритмами решения производился на стандартных
    тестовых примерах (бенчмарках) корпорации IBМ, при этом решения, синтезируемые ал-
    горитмом CAF, превосходят по эффективности решения известных методов в среднем на
    6%. Временная сложность алгоритма – О(n2)-О(n3).

  • ОПТИМИЗАЦИЯ ПРОЕКТИРОВАНИЯ МНОГОКАНАЛЬНОЙ СИСТЕМЫ С ИСПОЛЬЗОВАНИЕМ ЛОГИЧЕСКОГО СИНТЕЗА ДЛЯ ПОВЫШЕНИЯ КАЧЕСТВА ОБЪЕМНОЙ ВИЗУАЛИЗАЦИИ

    Н.И. Витиска, Н.А. Гуляев, В. В. Селянкин
    2021-02-25
    Аннотация ▼

    Рассматривается задача оптимизации проектирования многоканальных систем,
    используемых для прямой объемной визуализациис целью повышения качества её р е-
    зультата. Объемная визуализация широко используется в современных системах ко м-
    пьютерной визуализации, моделирования, симуляции, технического зрения, при этом
    отличается необходимостью обработки больших объемов данных для возможности
    получения высокого качества результата. Задача оптимизации проектирования мно-
    гоканальных систем для объемной визуализации рассматривается с точки зрения дос-
    тижения необходимого качества синтезируемого изображения при минимальных з а-
    тратах. В работе предлагается метод логического синтеза таких систем, позволя ю-
    щего получить оптимальные соотношения качества-затрат в зависимости от тре-
    буемых параметров постановки задачи. Предлагаемый метод позволяет достигать
    качества, близкого к результатам полного перебора, но требующего значительно
    меньший объем вычислений. Для каждого канала системы определяется набор пер е-
    менных, оптимизация которых обеспечит качество результата визуализации. На о с-
    нове параметров оптимизации строится переключательная функция с помощью ди а-
    граммы Вейча. Данный подход осуществляется программным путём в каждом канале
    распределённой системы в реальном масштабе времени, что задаёт общую схему та-
    кой методики. В процессе выполнения работы проводились экспериментальные иссл е-
    дования зависимости точности решения и объема вычислений для прямой объемной
    визуализации в каждом канале распределённой системы. Разработана методика о п-
    тимального синтеза изображений при условии выравнивания качества воспроизведения
    в небольшой группе каналов распределённой системы.

  • НОВЫЙ АЛГОРИТМ ПОСТРОЕНИЯ КРАТЧАЙШЕГО ПУТИ ОБХОДА КОНЕЧНОГО МНОЖЕСТВА НЕПЕРЕСЕКАЮЩИХСЯ КОНТУРОВ НА ПЛОСКОСТИ

    А. А. Петунин, Е.Г. Полищук , С. С. Уколов
    2021-04-04
    Аннотация ▼

    Рассматривается проблема маршрутизации режущего инструмента машин листо-
    вой резки с ЧПУ для случая, когда точки врезки расположены на границах деталей, ограни-
    ченных отрезками прямых и дугами окружностей, при этом используется техника непрерывной резки (CCP), т.е. каждый контур вырезается целиком, но не используется предва-
    рительная дискретизация, то есть резка может начинаться с любой точки контура. Об-
    щая задача поиска оптимального маршрута в этом случае сводится к минимизации длины
    холостого хода. Показано, что она эквивалентна поиску кратчайшей ломаной с вершинами,
    расположенными на контурах. Предложен новый эвристический алгоритм построения
    такой ломаной для заранее заданного порядка обхода контуров. Показано, что получаю-
    щееся решение представляет собой локальный минимум. Описаны некоторые достаточ-
    ные условия, того, что решение является также глобальным минимумом, которые легко
    проверяются численно, а некоторые даже визуально. Описана методика автоматического
    учёта ограничений предшествования для практически важного случая наличия вложенных
    контуров, возникающих как за счёт отверстий в деталях, так и за счёт расположения
    мелких деталей в отверстиях крупных. При этом происходит также уменьшение размер-
    ности задачи, что положительно сказывается на времени оптимизации, особенно дис-
    кретной. Предложен эвристический алгоритм выбора порядка обхода контуров на основе
    метода переменных окрестностей (VNS). Описаны альтернативные подходы применения
    других методов дискретной оптимизации совместно с предложенным алгоритмом по-
    строения кратчайшей ломаной для решения полной задачи непрерывной резки и возникаю-
    щие при этом сложности как теоретического, так и практического характера. Описано
    обобщение задачи непрерывной резки до более широкого класс задач сегментной резки и
    обобщённой сегментной резки, что позволяет продвинуться в решении общей задачи пре-
    рывистой резки. Описана схема применения предложенного алгоритма для решения задач
    сегментной и обобщённой сегментной резки. Приведены некоторые результаты численных
    экспериментов в сравнении с точным решением задачи для дискретной модели GTSP.

  • ГИБРИДНОЕ ИСПОЛНЕНИЕ ЗАПРОСОВ К АНАЛИТИЧЕСКИМ БАЗАМ ДАННЫХ

    П. А. Курапов
    2021-07-18
    Аннотация ▼

    Для повышения эффективности системам исполнения аналитических запросов необ-
    ходимо использовать все доступные ресурсы современных распределенных гетерогенных
    систем. Ускорители, сложная иерархия памяти и распределенность вычислений создают
    возможности для оптимизации производительности. В статье проводится обзор сущест-
    вующих подходов к реализации механизмов исполнения аналитических запросов к СУБД для
    данных в оперативной памяти с использованием аппаратных ускорителей, в частности,
    особое внимание уделено графическим ускорителям. За счет массивного параллелизма и
    высокой пропускной способности памяти устройства графические ускорители представ-
    ляют перспективную альтернативу основного устройства исполнения аналитических за-
    просов. Существующие методы не задействуют всех возможностей современной аппара-
    туры и обычно основываются на передаче данных по относительно медленной шине PCIe
    для исполнения ядер каждого отдельно взятого оператора. Другой проблемой существую-
    щих методов является явное разделение кодовой базы кодогенераторов реляционных опе-
    раторов для ускорителей (графических процессоров) и центрального процессора, и невоз-
    можность переиспользования сгенерированного кода для других устройств в системе, что
    существенно ограничивает возможности их совместного использования с целью повыше-
    ния производительности. В статье представлен метод эффективного исполнения запро-
    сов на примере системы из двух классов устройств (ЦПУ и графический процессор) при
    помощи компиляции с построением единого, независимого от устройства, промежуточно-
    го представления (SPIR-V) и подход к оптимизации соответствующего гибридного физи-
    ческого плана запроса на основе расширенного классического оператора “Exchange” с ис-
    пользованием гетерогенных вычислительных ресурсов и явным контролем уровня параллелизма для каждого устройства. Для поиска оптимального физического плана предложен
    способ построения модели затрат на основе данных о поведении основных вычислитель-
    ных паттернов реляционных и вспомогательных операторов. Потенциал прироста произ-
    водительности за счет оптимизации запросов целиком для наилучшего с точки зрения про-
    изводительности устройства оценивается с помощью эмпирических данных, полученных
    для коммерческой СУБД с открытым исходным кодом OmniSci DB. Предварительные ре-
    зультаты демонстрируют возможность ускорения обработки запросов в разы (3-8х) при
    выборе наиболее подходящего устройства исполнения.

  • ИСПОЛЬЗОВАНИЕ ОПТИМИЗАЦИОННОГО ПОДХОДА ДЛЯ АВТОМАТИЗИРОВАННОЙ КАЛИБРОВКИ МИКРОЭЛЕКТРОМЕХАНИЧЕСКОЙ ИНЕРЦИАЛЬНОЙ НАВИГАЦИОННОЙ СИСТЕМЫ

    Д. Е. Чикрин , С.В. Голоусов
    2021-08-11
    Аннотация ▼

    Технологии автономных робототехнических комплексов колесного типа становятся
    более востребованными в последнее время. Отдельным видом применения таких техноло-
    гии является автономный беспилотный наземный транспорт. В отличие от других видов
    транспорта (воздушных, водных) наземным транспортным средствам требуется перио-
    дически функционировать в условиях полной автономности – при недоступности внешней
    связи с инфраструктурой, другими агентами транспортной сети. В таких обстановкахвопрос автономной навигации выходит на первое место, причем к точности позиционирова-
    ния предъявляются повышенные требования, особенно в условиях антропогенной окружаю-
    щей среды, например при движении в городской среде, по узким горным дорогам, тоннелям.
    Одной из составных частей автономной навигации часто является инерциальная сборка,
    состоящая из нескольких акселерометров, гироскопов, магнетометров. Для получения высо-
    коточного навигационного решения на основе инерциальной сборки требуется качественно
    производить ее калибровку. Отдельным вопросом стоит автоматизация и ее стоимость для
    дальнейшего масштабирования необходимого для массового производства. В статье пред-
    ставлена теория и методика автоматизированной калибровки инерциальной навигационной
    системы на основе МЭМС датчиков при помощи решения оптимизационной задачи. Пред-
    ложенная методика не требует высокоточного оборудования для проведения калибровки.
    Целью представленной работы является разработка методов и теории калибровки инерци-
    альных блоков навигации. В статье сформулированы общие модели измерений датчиков вхо-
    дящих в состав инерциальной сборки, предложены методы калибровки параметров акселе-
    рометров и гироскопов зафиксированных относительно друг друга. Представлен метод ав-
    томатизации процесса калибровки, не требующий высокоточного оборудования. Представ-
    лены результаты применения разработанных методов для калибровки реальной инерциаль-
    ной сборки. Представлен стенд для автоматизированной калибровки.

  • МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ВАКУУМНОЙ ИНФУЗИИ В ПРОИЗВОДСТВЕ КРУПНОГАБАРИТНЫХ КОМПОЗИТНЫХ КОНСТРУКЦИЙ

    Хуанг Чун-Пинь
    2021-08-11
    Аннотация ▼

    Представлена технология компьютерного моделирования процесса вакуумной инфу-
    зии в производстве крупногабаритных полимеркомпозитных конструкций, привлекающего
    все большее внимание при производстве летательных аппаратов, благодаря простоте
    реализации и относительно низкой стоимости подготовки производства. Трудность про-
    мышленной реализации процесса и обеспечения требуемого качества обусловлена его высо-
    кой чувствительностью к режимам - температуре, вакуумному давлению и схеме распо-
    ложения портов вакуума и инжекции связующего. Цель разработанной методики компью-
    терного моделирования процесса с возможностью его последующей оптимизации состоит
    в исключении используемого в настоящее время длительного и весьма дорогостоящего ме-
    тода проб и ошибок при отработке технологии. Предлагаемая математическая модельпроцесса, связывающая уравнение фазового поля, реконструирующего границу раздела свя-
    зующего и вакуумированной области преформы, уравнения Ричардса движения вязкой
    жидкости в ненасыщенной пористой среде, термокинетики связующего и теплопроводно-
    сти реализована в среде конечноэлементного пакета. Компьютерная реализация модели
    обеспечивают точную реконструкцию динамики фронта распространения связующего в
    пористой преформе, возможность возникновения и локализацию непропитанных зон фор-
    муемой конструкции, тем самым, позволяя исключить образование неисправимого брака.
    Полученные результаты демонстрируют способность разработанной техники обеспе-
    чить стабильность качества производимых композитных конструкций с повышенными
    требованиями к сплошности структуры и конструктивной прочности.

  • РАЗРАБОТКА МОДИФИЦИРАВАННЫХ МЕТОДОВ И МОДЕЛЕЙ ПОИСКОВОЙ АДАПТАЦИИ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПЛАНИРОВАНИЯ СБИС

    О.Б. Лебедев , А.А. Жиглатый , Е.О. Лебедева
    2021-12-24
    Аннотация ▼

    В работе для решения задачи планирования СБИС разработан поисковый алгоритм
    на основе модифицированного метода муравьиной колонии. Задача формирования плана
    СБИС сводится к задаче формирования соответствующего польского выражения. Разра-
    ботанный метод синтеза польского выражения включает построение дерева разрезов,
    выбор типов разрезов (H или V), идентификацию и ориентацию модулей. Эволюционирую-
    щая популяция разбита на пары агентов. Каждый член популяции – пара агентов, рабо-
    тающих совместно. При этом конструктивные алгоритмы A1 и A2, используемые аген-
    тами пары различаются. Задача, решаемая алгоритмом А1, формулируется как задача
    поиска взаимно однозначного отображения Fk=M*→P множества модулей M c выбранны-
    ми ориентациями, |M*|=|M| в множество P позиций шаблона Sh. Фактически решение за-
    ключается в выборе на графе G1 подмножества ребер E*1E1, входящих в соответствующее отображение Fk. В алгоритме A2 в качестве модели пространства поиска реше-
    ний для выбора типа, последовательности и места расположения разрезов в шаблоне Sh
    разработан граф G2=(X, E2). X={(x1i,x2i)|i=1,2,…,n} множество вершин графа G2, соот-
    ветствует множеству P потенциальных позиций шаблона Sh для возможного размещения
    в них имен символов разрезов. Каждая потенциальная позиция piP шаблона Sh моделиру-
    ется двумя альтернативными вершинами (x1i,x2i). Выбор при размещении разрезов верши-
    ны x1i указывает на то, что в позицию pi помещен разрез типа V, выбор вершины x2i – ука-
    зывает на то, что в позицию pi помещен разрез типа H. Каждая итерация l общего алго-
    ритма включает начальный и три основных этапа. Начальный этап заключается в сле-
    дующем. Обнуляются матрицы ко-эволюционной памяти КЭП*1 и КЭП*2. На первом этапе
    каждая пара агентов dk=(a1k, a2k): – конструктивными алгоритмами A1 и A2 синтезирует
    свое решение Wk=(E1k
    *,Sk); – формируется польское выражение Shk, соответствующее
    решению Wk; – на базе Shk формируется дерево разрезов Tk; – на базе Tk формируется план
    Rk и рассчитывается оценка решения Fk; – агенты откладывают (добавляют) феромон в
    ячейки матриц коллективной эволюционной памяти КЭП*1 и КЭП*2, соответствующие
    ребрам решения Wk=(E1k
    *,Sk) в графах поиска решений G1 и G2 в количестве пропорциональном оценке решения Fk. На втором этапе феромон, накопленный в КЭП*1 и КЭП*2
    агентами популяции на итерации l, добавляется в КЭП1 и КЭП2. На третьем этапе осу-
    ществляется испарение феромона на ребрах графов G1 и G2. Тестовые испытания под-
    твердили эффективность предложенного метода. Временная сложность алгоритма, по-
    лученная экспериментальным путем, совпадает с теоретическими исследованиями и для
    рассмотренных тестовых задач составляет О(n2).

  • РЕАЛИЗАЦИЯ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ НА ВСТРАИВАЕМЫХ УСТРОЙСТВАХ С ОГРАНИЧЕННЫМ ВЫЧИСЛИТЕЛЬНЫМ РЕСУРСОМ

    В. В. Ковалев , Н.Е. Сергеев
    2022-01-31
    Аннотация ▼

    Большие объемы видеоданных, фиксируемые сенсорными датчиками в различных спек-
    тральных диапазонах, существенные размеры архитектур сверточных нейронных сетей
    создают проблемы с реализацией нейросетевых алгоритмов на периферийных устройствах
    из-за значительных ограничений вычислительных ресурсов на встраиваемых вычислительных
    устройствах. В статье рассмотрено применение алгоритмов автоматического поиска и
    распознавания образов на основе методов машинного обучения, реализованных на встраивае-
    мых устройствах с вычислительным ресурсом Graphics Processing Unit. В качестве алгорит-
    ма поиска и распознавания образов используются детекционные сверточные нейронные сети
    «You Only Look Once V3» и «You Only Look Once V3-Tiny», которые реализованы на встраи-
    ваемых вычислительных устройствах линейки NVIDIA Jetson, находящиеся в разном ценовом
    диапазоне и с различным вычислительным ресурсом. Также в работе экспериментальным
    путем вычислены оценки алгоритмов на встраиваемых устройствах по таким показателям,
    как потребляемая мощность, время прямого прохода сверточнной нейронной сети и точ-
    ность обнаружения. На основе решений реализованных, как на аппаратном уровне, так и на
    программном, представляющихся компанией NVIDIA становится возможным применение
    глубоких нейросетевых алгоритмов на основе операции свертка в режиме реального времени.
    Рассмотрены методы оптимизации вычислений, предлагаемые компанией NVIDIA. Произве-
    дены экспериментальное исследования влияния вычислений с пониженной точностью на ско-
    рость работы и точность обнаружения объектов на изображениях, исследуемых архитек-
    тур сверточных нейронных сетей, которые были предварительно обучены на выборке изо-
    бражений состоящей из датасетов PASCAL VOC 2007 и PASCAL VOC 2012

  • РЕШЕНИЕ ЗАДАЧИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ НА ОСНОВЕ БИОИНСПИРИРОВАННОГО АЛГОРИТМА

    Э.В. Кулиев , Д. Ю. Запорожец, Ю.А. Кравченко , М.М. Семенова
    2022-01-31
    Аннотация ▼

    Рассматривается биоинспирированный алгоритм для решения задач интеллектуаль-
    ного анализа. Интеграция биоинспирированных алгоритмов для решения задач интеллек-
    туального анализа данных является перспективным направлением исследований. В качест-
    ве биоинспирированного алгоритма, рассмотрен алгоритм, основанный на адаптивном
    поведении муравьиной колонии. Алгоритм муравьиной колонии позволяет производить ка-
    чественный поиск перспективных решений для получения оптимальных и квазиоптималь-
    ных решений. Алгоритм обладает способностью выполнять поиск подходящей логических
    условий. Алгоритм муравьиной колонии основан на примере поведения живых муравьев в
    природе. Муравьи способны находить кратчайшее решение адаптируясь к изменениям
    окружающей среды. Авторами предложен модифицированный алгоритм муравьиной коло-
    нии для решения задачи интеллектуального анализа данных. В качестве задачи интеллек-
    туального анализа данных выбрана задача кластеризации. Кластеризация – объединение в
    группы схожих объектов – является одной из фундаментальных задач в области анализа
    данных и Data Mining. Список прикладных областей, где она применяется, широк: сегмен-
    тация изображений, маркетинг, борьба с мошенничеством, прогнозирование, анализ тек-
    стов и многие другие. Решение данной задачи приобретает особую актуальность в услови-
    ях постоянно растущего объема генерируемых, передаваемых и обрабатываемых данных.
    Классические методы кластеризации оптимизированы путем объединения с предложен-
    ным алгоритмом биоинспирированной оптимизации – муравьиным алгоритмом. Предло-
    женный метод представляет собой модель, в которой муравьи представлены в виде аген-
    тов, которые случайным образом перемещаются в пространстве решений с некоторыми
    ограничений (например, препятствия на их пути). Для определения эффективности разра-
    ботанного модифицированного муравьиного алгоритма (АСО) с алгоритмом кластериза-
    ции, авторами была проведена серия вычислительных экспериментов. Для сравнения были
    взять генетический алгоритм, алгоритм обезьян и алгоритм волков. Результаты модели-
    рования доказывают, что муравьиный алгоритм на основе кластеризации дает лучшие
    результаты, чем другие предлагаемые алгоритмы.

  • УСКОРЕНИЕ ПРЯМОГО ПРОХОДА ПРИ РЕАЛИЗАЦИИ СНС НА ОГРАНИЧЕННОМ ВЫЧИСЛИТЕЛЬНОМ РЕСУРСЕ

    А.Е. Щелкунов , В.В. Ковалев , И. В. Сидько , Н. Е. Сергеев
    2022-04-21
    Аннотация ▼

    Работа посвящена оптимизации архитектуры нейронной сети для ее запуска на ограни-
    ченном вычислительном ресурсе. Рассмотрено несколько подходов оптимизации, приведены
    оценки сложности и времени выполнения прямого прохода нейронной сети. Приведены сравни-
    тельные оценки сложности сети при применении разных подходов оптимизации. В работе
    представлен анализ выбранной архитектуры сети, получены оценки вычислительной сложно-
    сти отдельных составных частей (модулей) архитектуры. Произведен анализ возможных ме-
    тодов оптимизации каждого модуля. Описаны параметры рассмотренных модулей, размеры
    входных и выходных тензоров. Для оптимизации модуля выделения признаков протестировано
    несколько архитектур, ResNet 50, ResNet 18, MobileNet v3 small, MobileNet v3 large. Представлен
    сравнительный анализ вычислительной сложности и времени выполнения прямого прохода для
    каждой архитектуры. Замеры времени выполнения прямого прохода осуществлялись на
    встраиваемом вычислительном устройстве Jetson AGX Xaver от компании Nvidia. Представле-
    ны оценки времени выполнения прямого прохода для каждого модуля рассматриваемых нейрон-
    ных сетей. В работе приведены результаты сравнения оценок точности нейронной сети до и
    после оптимизации архитектуры. Набор данных для тестирования состоит из 100 видео запи-
    сей. В тестовых видеозаписях участвует 5 различных типовых объектов, для каждого класса
    объекта записано 10 различных сценариев. Для каждой из разработанных архитектур получе-
    ны оценки точности, произведен сравнительный анализ. В работе намечены пути для после-
    дующей оптимизации архитектуры сети.

  • 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.

  • ИССЛЕДОВАНИЕ МЕТОДОВ ПЛАНИРОВАНИЯ ДВИЖЕНИЯ В ДВУМЕРНЫХ КАРТОГРАФИРОВАННЫХ СРЕДАХ

    М. Ю. Медведев , В.Х. Пшихопов , Д.О. Бросалин , Б. В. Гуренко , М.А. Васильева , Хамдан Низар
    2022-08-09
    Аннотация ▼

    Исследуются задача планирования движения в двумерных картографированных сре-
    дах. Проводится обзор и анализ известных алгоритмов планирования, базирующихся на
    диаграммах Вороного, вероятностной дорожной карте, быстро растущих случайных де-
    ревьев, алгоритмах Дейкстры, А*, D* и их модификациях, искусственных потенциальных
    полях и интеллектуальных эвристиках. На основе проведенного анализа делается вывод о
    том, что классические методы в динамических средах требуют значительных затрат по
    времени расчетов и объему используемой памяти. Делается вывод об актуальности разра-
    ботки алгоритмов, повышающих эффективность известных методов планирования.
    В этой связи данная статья посвящена разработке модифицированного алгоритма быст-
    ро растущих случайных деревьев и исследованию его эффективности по сравнению с из-
    вестными методами. В статье представлен модифицированный алгоритм быстро рас-
    тущих случайных деревьев, отличающийся тем, что при проверке наличия пути в новый
    потенциальный узел графа проверяется путь в некоторую область возле указанного узла.
    Это позволяет снизить количество узлов в строящемся дереве. Разработанный алгоритм
    вначале сравнивается с традиционным алгоритмом быстрорастущих случайных деревьев.
    Сравнение производится по времени расчета траектории, объему требуемой памяти, дли-
    не пути и проценту ситуаций, в которых успешно найдена траектория в целевую точку.
    Далее осуществляется сравнение разработанного алгоритма с алгоритмами планирования
    других классов. При исследовании используются репрезентативные выборки численных
    экспериментов и различные среды, отличающиеся плотностью расположения препятст-
    вий и наличием лабиринтов. Также проводится исследование алгоритмов планирования с
    использованием результатов экспериментов на наземном колесном роботе. По результа-
    там численных и реальных экспериментов делаются выводы о преимуществах и недос-
    татках разработанного алгоритма планирования движения и о целесообразности его при-
    менения в различных средах.

  • ЭВОЛЮЦИОННЫЙ ПОПУЛЯЦИОННЫЙ МЕТОД РЕШЕНИЯ ТРАНСПОРТНОЙ ЗАДАЧИ

    Б.К. Лебедев , О.Б. Лебедев , Е.О. Лебедева
    2022-11-01
    Аннотация ▼

    Рассматривается эволюционный популяционный метод решения транспортной за-
    дачи на основе метаэвристики кристаллизации россыпи альтернатив. Исследуется за-
    крытая (или сбалансированная) модель транспортной задачи: сумма груза у поставщиков
    равно общей сумме потребностей в пунктах назначения. Цель оптимизации – минимизация
    стоимости (достижение минимума затрат на перевозку) или расстояний и критерий вре-
    мени (затрачивается минимум времени на перевозку). В основу метаэвристики кристалли-
    зации россыпи альтернатив положена стратегия, основанная на запоминании и повторе-
    нии прошлых успехов. Стратегия делает упор на «коллективную память», под которой
    подразумевается любой вид информации, которая отражает прошлую историю развития
    и хранится независимо от индивидуумов. В качестве кода решения транспортной задачи
    рассматривается упорядоченная последовательность Dk маршрутов. Объектами являют-
    ся маршруты, альтернативами – множество позиций P в списке, где np – число позиций в
    списке Dк. Множество объектов Dк соответствует множеству всех маршрутов. Множе-
    ство альтернативных состояний P объекта соответствует множеству альтернативных
    вариантов размещения объекта списке Dк. Работа популяционного эволюционного алго-
    ритма кристаллизации россыпи альтернатив опирается на коллективную эволюционную
    память, называемую россыпью альтернатив. Под россыпью альтернатив решения в рабо-
    те называется структура данных, используемая в качестве коллективной эволюционной
    памяти, несущая информацию о решении, включающую сведения о реализованных альтер-
    нативах агентов в данном решении и о полезности решения. Разработан конструктивный
    алгоритм формирования опорного плана путем декодирования списка Dк. На каждом шаге
    t решается задача выбора очередного в последовательности Dк маршрута и определения
    количества груза, перевозимого из пункта отправления Ai в пункт назначения Bj по этому
    маршруту. Разработанный алгоритм является популяционным, реализующим стратегию
    случайного направленного поиска. Каждый агент является кодом некоторого решения
    транспортной задачи. На первом этапе каждой итерации l конструктивным алгоритмом
    на базе интегральной россыпи альтернатив формируется nk кодов решений
    Dk.Формирование каждого кода решения Dk выполняется последовательно по шагам путем
    последовательного выбора объекта и позиции. Для построенного кода решения Dk рассчи-
    тывается оценка решения ξk и оценка полезности δk. Формируется индивидуальная рос-
    сыпь альтернатив Rk и переход к построению следующего кода решения.
    На втором этапе итерации производится суммирования интегральной россыпи альтерна-
    тив, сформированной на предыдущих итерациях от l до (l-1), cо всеми индивидуальными
    россыпями альтернатив, сформированных на итерации l. На третьем этапе итерации l
    производится снижение всех интегральных оценок полезности r*αβ интегральной россыпи
    альтернатив R*(l) на величину δ*. Алгоритм решения транспортной задачи был реализован
    на языке С++ в среде Windows. Сравнение значений критерия, на тестовых примерах, сизвестным оптимумом показало, что у 90% примеров полученное решение было оптималь-
    ным, у 2% примеров решения были на 5% хуже, а у 8% примеров решения отличались ме-
    нее, чем на 2%. Временная сложность алгоритма, полученная экспериментальным путем,
    лежит в пределах О(n2).

  • БИОИНСПИРИРОВАННЫЙ ПОИСК В ПОЛНОМ ГРАФЕ СОВЕРШЕННОГО ПАРОСОЧЕТАНИЯ МАКСИМАЛЬНОЙ МОЩНОСТИ

    Б. К. Лебедев , О.Б. Лебедев , М. А. Ганжур , М. И. Бесхмельнов
    2025-01-30
    Аннотация ▼

    Разработана реконфигурируемая архитектура гибридной многоагентной системы поиска
    решений, базирующиеся на парадигмах роевых алгоритмов. Реконфигурируемая архитектура пу-
    тем настройки позволяет реализовать следующие методы гибридизации: высокоуровневую и низ-
    коуровневую гибридизацию вложением, типа препроцессор/постпроцессор, ко-алгоритмическую
    на базе одного или нескольких типов алгоритмов. Предложена методология синтеза совершенного
    паросочетания минимального веса в полном графе, основанная на базовых принципах гибридизации
    поисковых. эволюционных процедур. В работе агентами роя являются трансформирующиеся хро-
    мосомы, являющиеся генотипами решения. В качестве кода решения используется упорядоченный
    список множества вершин графа. Разработана структура упорядоченного кода паросочетания
    главное достоинство которого заключается в том, что одному решению (паросочетанию) соот-
    ветствует один код и наоборот. Определены свойства упорядоченного кода и разработаны алго-
    ритмы кодирования и декодирования. Работа гибридной системы начинается с генерации роем
    пчел случайным образом произвольного множества отличающихся друг от друга решений в виде
    исходного множества хромосом. Ключевой операцией пчелиного алгоритма является исследование
    перспективных решений и их окрестностей в пространстве поиска. Разработан метод формиро-
    вания окрестностей решений с регулируемой степенью подобия и близости между ними. На по-
    следующих этапах работы многоагентной системы выполняется поиск решений процедурами,
    построенными на основе гибридизации роевого и муравьиного алгоритмов. Отличительной осо-
    бенностью гибридизации является сохранение автономии гибридизируемых алгоритмов. Отме-
    тим, что для представления решений в алгоритмах используется единая структура данных, что
    упрощает стыковку разработанных процедур. Предлагается подход к построению модифициро-
    ванной парадигмы роя трансформирующихся хромосом. Поиск решений выполняющая в аффинном
    пространстве. В процессе поиска осуществляется перманентные трансформации (переход) хро-
    мосом в состояния с лучшим значением целевой функции решения (градиентная стратегия). Про-
    цесс поиска решений итерационный. На каждой итерации осуществляется трансформация (пере-
    ход) хромосом в состояния с лучшими значениями целевой функции решения. Целью трансформа-
    ции хромосомы, тяготеющей к лучшей хромосоме, в новое состояние является минимизация сте-
    пени различия, путем изменения взаимного расположения элементов в упорядоченном списке, что
    соответствует увеличению веса аффинной связи. Обновленные после трансформации хромосомы
    являются, в свою очередь, базовыми точками в последующих трансформациях. В результате экс-
    периментов было установлено, что показатели качества разработанных алгоритмов имеют бо-
    лее высокие значения чем в работах, представленных в литературе

  • ИНИЦИАЛИЗАЦИЯ РЕШЕНИЙ В ПОПУЛЯЦИОННЫХ АЛГОРИТМАХ НА ОСНОВЕ МЕТОДА МЕТРОПОЛИСА–ГАСТИНГСА

    С.И. Родзин , А.И. Дерменжи
    2025-01-30
    Аннотация ▼

    Наиболее важными задачами принятия оптимальных решений с использованием эвристиче-
    ских алгоритмов считаются повышение точности и предотвращение преждевременной сходимо-
    сти. Большинство исследований в этом направлении сосредоточено на разработке новых опера-
    торов, настройке параметров популяционной метаэвристики и гибридизации нескольких страте-
    гий поиска решений. Гораздо меньше внимания уделяется инициализации – важной операции в по-
    пуляционных алгоритмах, которая связана с созданием исходной популяции решений. Предлагает-
    ся новый подход к инициализации популяции для эвристических алгоритмов. При формировании
    множества начальных решений предлагается использовать метод Метрополиса–Гастингса.
    В соответствии с этим методом исходные решения в популяции принимают значения, близкие к
    глобальному или локальным оптимумам целевой функции. Это позволяет повысить точность
    получаемых решений. Чтобы продемонстрировать возможности предлагаемого подхода к ини-
    циализации, он была встроен в базовый алгоритм дифференциальный эволюции. Для оценки эф-
    фективности стратегии проведена экспериментальная проверка путем сравнения с такими из-
    вестными методами как случайная инициализация, обучение на основе методов оппозиции и хаоса,
    а также метода диагонального равномерного распределения. Сравнение проводилось на репрезен-
    тативном наборе мультимодальных, унимодальных и гибридных функций, включая функцию Рас-
    тригина, Квинга, Розенброка, Швефеля, квинтовую, ступенчатую, сферическую. Анализировались
    скорость сходимости алгоритмов и точность получаемых решений. В качестве показателей
    сравнения использовались среднее значение по лучшим решениям, медианное лучшее решение,
    стандартное отклонение от лучшего решения, количество вызовов функций, коэффициент ус-
    пешности, коэффициент ускорения. Значения показателей усреднялись по результатам 30 от-
    дельных запусков каждого алгоритма. Предлагаемый алгоритм работает быстрее, показывает
    лучшую сходимость и точность. Алгоритм дает лучшие результаты, поскольку стратегия ини-
    циализации позволяет выбирать перспективные решения, близкие к локальным или глобальным
    оптимумам. Статистическая проверка результатов работы алгоритмов по критерию Фридмана
    подтвердила, что предлагаемый подход к инициализации популяции решений обеспечивает лучший
    баланс скорость сходимости/точность решений

  • МУРАВЬИНЫЙ АЛГОРИТМ НА PYTHON

    Д.Ю. Зорькин , Л.В. Самофалова , Н.В. Асанова
    2025-01-30
    Аннотация ▼

    Данное исследование посвящено анализу и оптимизации муравьиного алгоритма для решения за-
    дачи коммивояжёра, являющейся классической NP-трудной проблемой комбинаторной оптимизации.
    Основная цель работы – экспериментальная оценка влияния параметров алгоритма на качество и эф-
    фективность поиска приближённых решений, а также разработка рекомендаций по их адаптивной
    настройке. В качестве тестового набора данных использован стандартный граф Berlin52 из библио-
    теки TSPLIB, содержащий координаты 52 городов с известным оптимальным маршрутом длиной
    7542 единицы. Эксперименты проводились в среде Python с использованием библиотеки ACO-Pants,
    реализующей муравьиный алгоритм. Была выполнена серия из 10 запусков с фиксированными парамет-
    рами: количество муравьёв (20), число итераций (100), коэффициенты влияния феромонов (α=1.0) и
    расстояний (β=2.0), а также скорость испарения феромонов (ρ=0.5). Результаты показали среднее
    отклонение от оптимума в 1.85%, с лучшим найденным решением 7675.23 (отклонение 1.67%). Для
    повышения эффективности алгоритма исследованы адаптивные механизмы динамической настройки
    параметров: линейное увеличение α (до 2.0) и уменьшение β (до 3.0), снижение ρ (до 0.3), а также рост
    числа муравьёв (до 30). Это позволило сократить среднее отклонение до 1.70% и повысить стабиль-
    ность решений. Особое внимание уделено анализу баланса между исследованием новых маршрутов и
    эксплуатацией накопленных данных. Установлено, что увеличение количества муравьёв улучшает ка-
    чество решений, однако после 30 агентов прирост эффективности снижается. Динамическая коррек-
    тировка параметров предотвращает преждевременную сходимость к локальным минимумам и уско-
    ряет поиск глобально оптимальных путей. Визуализация динамики сходимости подтвердила быстрое
    уменьшение длины маршрута на первых 20 итерациях с последующей стабилизацией. Практическая
    значимость работы заключается в демонстрации гибкости муравьиного алгоритма для задач мар-
    шрутизации в логистике и сетевом планировании. Результаты показывают, что ACO превосходит
    универсальные методы (например, генетические алгоритмы) по вычислительной эффективности для
    TSP. Разработанные рекомендации по настройке параметров могут быть применены для масштаби-
    рования алгоритма на графы большей размерности. Исследование подчёркивает важность адаптив-
    ных подходов в метаэвристической оптимизации и открывает перспективы для дальнейшего улучше-
    ния алгоритма за счёт гибридизации с другими методами.

  • МЕТОД АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ БАЗЫ НЕЧЕТКИХ ПРАВИЛ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ НА ОСНОВЕ СУБТРАКТИВНОЙ КЛАСТЕРИЗАЦИИ

    А.С. Игнатьева , В.В. Шадрина , В. В. Игнатьев , А.В. Максимов
    181-197
    2025-07-24
    Аннотация ▼

    Целью работы является разработка метода оптимизации базы нечетких правил интеллектуального регулятора для управления техническим объектом с использованием субтрактивной кластеризации. В статье приведен обзор и краткий анализ состояния дел в области оптимизации работы интеллектуальных систем управления. Для достижения цели исследования разработана гибридная модель, в которой управление техническим объектом реализуется с помощью классического ПИ-регулятора и нечеткого ПИ-регулятора с сгенерированной структурой системы нечеткого вывода типа Cyгено и разработанной моделью адаптивной системы нейро-нечеткого вывода. Данная конфигурация модели позволяет формировать базу нечетких правил, которая не зависит от знаний эксперта в предметной области. В статье предложен новый метод оптимизации базы правил нечеткого регулятора на основе методов кластеризации, в частности субтрактивной кластеризации, позволяющий уменьшать количество правил нечеткого логического вывода и увеличить быстродействие системы управления техническим объектом. Сначала проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов до применения субтрактивной кластеризации. Применение субтрактивной кластеризации по разработанному в исследовании способу для значений классического регулятора и нечеткого, позволило добиться их количественного сокращения в 1,7 и 5,25 раз соответственно. Затем проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов после применения субтрактивной кластеризации. Результаты, полученные в процессе моделирования показали высокую эффективность предложенного метода оптимизации базы правил нечеткого регулятора. За счет применения субтрактивной кластеризации в гибридной модели для интеллектуального регулятора удалось значительно уменьшить количество функций принадлежности, требуемых для описания входных лингвистических переменных (с пяти до четырех) и уменьшить количество правил нечеткого логического вывода (с двадцати пяти до шестнадцати). Анализ полученных графиков переходных процессов, полученных для гибридных моделей до и после применения субтрактивной кластеризации, показал, что основные показатели качества процесса управления остаются неизменными при существенном сокращении проводимых вычислений.

  • ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ ПРОЕКТНОГО ПЛАНИРОВАНИЯ: ДИАГРАММА ГАНТА И СЕТЕВОЙ ГРАФИК

    А.А. Богнюков , Д.Ю. Зорькин , И.А. Тарасова
    102-110
    2025-10-01
    Аннотация ▼

    Разработана интегративная модель, синтезирующая методы календарного планирования с функционалом ПО (Excel, MS Project) для многоуровневой оптимизации проектов. Центральное внимание уделяется трем взаимодополняющим методикам: диаграмме Ганта, сетевому графику и анализу критического пути, формирующим концептуальную основу эффективной координации проектных процессов. Исследование детализирует алгоритм создания диаграммы Ганта, визуализирующей временные рамки и последовательность задач, с акцентом на функциональные возможности специализированных программных решений, включая Microsoft Project и Excel, обеспечивающих автоматизацию построения и корректировки графиков. Раскрывается принцип конструирования сетевого графика, интерпретируемого как ориентированный граф с ребрами (работами) и вершинами (событиями). Данный подход позволяет идентифицировать логические зависимости между этапами проекта и выявить критический путь – последовательность операций с нулевым временным резервом, определяющую минимальную продолжительность проекта. Практическая иллюстрация расчета критического пути подкрепляется примерами, демонстрирующими его роль в оптимизации временных ресурсов. Важным аспектом исследования становится анализ резервов времени, направленный на минимизацию рисков срыва сроков через рациональное перераспределение ресурсов. Методологический аппарат дополняется инструментами визуализации: графиками потребности и диаграммами загрузки ресурсов, обеспечивающими оперативный контроль над материальными и кадровыми активами на всех фазах проекта. Финальным элементом системы планирования выступает календарный план, структурирующий данные о наименованиях работ, их хронологических интервалах и ресурсоемкости. Этот документ служит интеграционной основой для синхронизации операционной деятельности, гарантирующей соблюдение установленных сроков. Практическая ценность исследования заключается в адаптации теоретических принципов проектного менеджмента к реальным условиям: представленные кейсы и методики могут быть имплементированы в деятельность управленческих команд, экономистов и отраслевых специалистов для повышения эффективности реализации комплексных проектов в мультидисциплинарных контекстах

  • МОДЕЛЬ ИНФОРМАЦИОННОГО ПРОЦЕССА РАСПРЕДЕЛЕНИЯ ВЫЧИСЛИТЕЛЬНЫХ РЕСУРСОВ В ДИНАМИЧНЫХ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ СРЕДАХ

    А.Б. Клименко
    110-120
    2025-10-01
    Аннотация ▼

    Рассмотрен вопрос моделирования информационного процесса распределения вычислительных ресурсов в геораспределенных гетерогенных динамичных вычислительных средах. Актуальность работы обусловлена тем, что к настоящему времени «облачные» системы обработки данных становятся недостаточными в силу необходимости обработки больших объемов данных в режиме реального времени. В связи с этим расширяется применение «туманных» и «краевых» вычислений, что подразумевает локализацию обработки данных с целью сокращения требующегося для этого времени, с одной стороны, а с другой – ограничения на вычислительные мощности устройств приводит к необходимости распределенного решения вычислительных задач в гетерогенной, динамичной и распределенной в географическом смысле среде. Это влечет необходимость разработки новых методов и алгоритмов распределения вычислительных ресурсов, поскольку ранее разработанные методы не учитывали свойств географической распределенности и динамики вычислительных сред. Также разработанные ранее модели распределения вычислительных ресурсов не учитывают перечисленные свойства, что ставит вопрос о необходимости разработки новой модели. Предложенная в данной работе модель информационного процесса распределения вычислительных ресурсов включает параметры ресурсной стоимости передаваемых по сети данных индивидуально для узлов-участников маршрута передачи данных, а также процесса распределения вычислительных ресурсов, чем и отличается от аналогов. Проведенные экспериментальные исследования подтверждают целесообразность использования предлагаемой модели при распределении вычислительных ресурсов в георапределенных гетерогенных динамичных вычислительных средах. Практическая значимость заключается в снижении ресурсоемкости процесса распределения вычислительных ресурсов и процесса решения вычислительной задачи

  • ОПТИМИЗАЦИЯ ПИД-ПАРАМЕТРОВ СЕРВОСИСТЕМ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА И НЕЙРОСЕТЕВОГО КЛАССИФИКАТОРА

    Ахмад Зулфикар , Ю.А. Кравченко , А.М. Мансур
    237-250
    2025-10-01
    Аннотация ▼

    Алгоритмы машинного обучения играют жизненно важную роль в повышении производительности промышленных систем, обеспечивая высокую точность и операционную эффективность в режиме реального времени. В системах управления серводвигателями эти алгоритмы способствуют снижению шума и вибраций, что повышает эффективность работы и продлевает срок службы оборудования. В данной статье рассматриваются различные типы возникающих шумов и их негативное воздействие на промышленные процессы. Основной целью исследования является оптимизация параметров ПИД-регулятора (PID) в сервосистемах с использованием комбинированного алгоритма, сочетающего нейронные сети и генетические алгоритмы. В отличие от традиционных методов, таких как генетические алгоритмы (GA) и метод роя частиц (PSO), которые отличаются медленной сходимостью и риском повреждения двигателей, предложенное решение основано на программной платформе управления. Эта платформа обеспечивает безопасное взаимодействие с серводвигателем в режиме реального времени. Разработана система управления на основе CAN Bus, которая позволяет разработчикам: считывать все параметры серводвигателя (скорость, ток, напряжение, положение энкодера); изменять коэффициенты ПИД-регулятора одним нажатием, исключая необходимость ручной настройки, как в MOTO-MASTER. Применение разработанной системы управления позволило использовать обученный нейронный классификатор для ограничения параметров PID в безопасных пределах, что сокращает пространство поиска и ускоряет процесс оптимизации. Экспериментальные результаты на серводвигателях SPH-S показали значительное снижение шума и механических вибраций при работе в реальном времени, с сохранением стабильности в широком диапазоне скоростей (0–1500 об/мин).

  • МНОГОСТАДИЙНЫЙ МУРАВЬИНЫЙ АЛГОРИТМ ОДНОМЕРНОЙ УПАКОВКИ НА БАЗЕ ЭФФЕКТИВНЫХ МЕТОДОВ КОДИРОВАНИЯ РЕШЕНИЙ, И ДВУХУРОВНЕВОЙ ЭВОЛЮЦИОННОЙ ПАМЯТИ

    М.А. Ганжур , Б.К. Лебедев , О.Б. Лебедев
    21-37
    2025-10-01
    Аннотация ▼

    Целью работы является разработка и исследование методов биоинспирированного поиска для решения задач одномерной упаковки в одинаковые контейнеры на базе эффективных алгоритмов кодирования и декодирования решений, композитного критерия и двухуровневой структуры эволюционной памяти. В работе предложена структура упорядоченного кода упаковки одномерных элементов в одинаковые контейнеры главное достоинство которого заключается в том, что одному решению упаковки соответствует один код и наоборот. Поисковая процедура базируется на модифицированной метаэвристике муравьиного алгоритма. На каждой итерации алгоритм одномерной упаковки имеет многостадийную структуру. Стадии выполняются последовательно одна за другой, начиная с первой. Каждая стадия Сk включает процедуры, выполняемые агентом zk. Число стадий равно числу агентов в популяции плюс заключительная стадия итерации. Основная задача, решаемая конструктивным алгоритмом на стадии Сk, заключается в построении кода Rk упаковки множества элементов X в одинаковые контейнеры. Стадия делится на периоды по числу формируемых агентом zk  списков Xjк. Период делится на этапы. На каждом периоде последовательно по этапам решаются следующие задачи: агент zk конструктивным алгоритмом формирует набор Rk упорядоченных списков Xjк одномерной упаковки в одинаковые контейнеры; рассчитываются оценки fjk упаковки каждого контейнера Oj элементами списка <Xjк>; рассчитывается количество λjk феромона, пропорциональное оценке fjk; рассчитывается оценка Wk=∑i(fjk) одномерной упаковки множества элементов X в H одинаковых контейнеров; производится отложение феромона на ребрах графа G, соответствующих списку Xjк в ячейки накопительной матрицы памяти E второго уровня. После формирования всеми агентами zk популяции Z упорядоченных списков Rk, накопленный феромон добавляется в основную матрицу памяти Φ первого уровня. Для каждого Rk рассчитывается общий показатель Fk качества упаковки множества элементов X. Заключительная операция на итерации ‒ испарение феромона на ребрах графа G и фиксация zk c лучшим Fk. Проведены экспериментальные исследования заключающиеся в выяснении качества работы метода на тестовых наборах большой размерности. Для сравнения разработанного алгоритма с известными методами и с приближенными алгоритмами авторами было выбрано несколько групп бенчмарок из различных источников

  • МОДУЛЬ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ПРЕОБРАЗОВАТЕЛЕЙ ПО ЗАДАННЫМ АМПЛИТУДНО-ЧАСТОТНЫМ ХАРАКТЕРИСТИКАМ

    В.И. Шлаев
    93-103
    2025-11-10
    Аннотация ▼

    Рассматривается решение задачи разработки преобразователей по заданным амплитудно-частотным характеристикам. Основная проблема заключается в проведении большого количества измерительных мероприятий с изменением параметров преобразователей для достижения необходимых амплитудно-частотных характеристик, что приводит к большим временным и ресурсным затратам на разработку. Проводится анализ основных параметров преобразователей, влияющих на заданные амплитудно-частотные характеристики. Анализируются существующие подходы, методы и алгоритмы при создании преобразователей требуемых характеристик. Описывается разработка модуля прогнозирования параметров электромеханических преобразователей, основанного на заданных амплитудно-частотных характеристиках. Задачи исследования включают создание структурно-параметрической и математической моделей для расчета характеристик преобразователей на стадии проектирования. Описывается алгоритм обучения модели на основе экспериментальных данных, полученных в ходе проведения измерений. Использование методов машинного обучения для предсказания параметров приводит к минимизации количества проводимых экспериментов и снижению затрат на разработку преобразователей. Предложенный подход основывается на использовании зависимости между конструктивными параметрами преобразователей и их частотными характеристиками. Для повышения точности прогнозирования применяется алгоритм градиентного бустинга. Представлены этапы подготовки данных для обучения модели. Описывается процесс обучения модели. Результаты демонстрируют значительное сокращение времени моделирования преобразователей: применение модуля позволяет ускорить процесс в несколько раз по сравнению с экспериментальным подходом. Прогнозирование характеристик на основе модели обеспечивает сопоставимую точность при большем объеме данных. Выводы исследования подтверждают эффективность предлагаемого подхода в разработке преобразователей, снижая временные и финансовые затраты, повышая точность моделирования и применимость в условиях ограниченных ресурсов

  • ОПТИМИЗАЦИЯ ВЫЧИСЛИТЕЛЬНОЙ СХЕМЫ ИНТЕРПОЛЯЦИИ ДЕКАДНЫХ МЕТЕОРОЛОГИЧЕСКИХ ДАННЫХ МЕТОДОМ ОБРАТНОГО ВЗВЕШИВАНИЯ ПО РАССТОЯНИЮ С ПАРАЛЛЕЛЬНОЙ ОБРАБОТКОЙ МНОЖЕСТВЕННЫХ ВРЕМЕННЫХ СРЕЗОВ

    О.М. Голозубов , А.В. Козловский , Э.В. Мельник , Я.Э. Мельник , А.Н. Самойлов
    22-32
    2025-12-30
    Аннотация ▼

    Настоящее исследование посвящено решению проблемы вычислительной неэффективности при пространственной интерполяции больших массивов декадных метеорологических данных с использованием метода обратного взвешивания по расстоянию. Традиционные подходы, предполагающие последовательную и независимую обработку каждого временного среза, демонстрируют линейный рост времени выполнения и значительное потребление оперативной памяти, что становится критическим барьером для оперативного построения детализированных и географически привязанных растровых полей в формате GeoTIFF. Это существенно ограничивает применение метода в задачах, требующих быстрой обработки многолетних архивов данных. Целью данной работы является разработка и валидация оптимизированной вычислительной схемы, позволяющей радикально сократить временные затраты при сохранении полноты и точности результатов. Ключевая научная новизна предложенного подхода заключается в фундаментальном переосмыслении вычислительного процесса. Вместо многократного повторения идентичных операций, предложена схема, основанная на однократном расчете полного вектора геодезических расстояний от каждой ячейки растра до всех метеостанций. Эта наиболее ресурсоемкая операция выполняется лишь один раз. В дальнейшем, полученный вектор расстояний применяется ко всем временным срезам (декадам) для вычисления интерполированных значений, что устраняет основную вычислительную избыточность и обеспечивает сублинейную зависимость времени обработки от числа декад. Для дальнейшего повышения производительности применяется механизм параллельной обработки на уровне центрального процессора, реализованный посредством динамического разделения растра на независимые вычислительные блоки (батчи). Размер батчей адаптивно регулируется с учетом доступной оперативной памяти, что гарантирует стабильность и масштабируемость решения на системах различной мощности. Апробация метода на реальных метеорологических данных за период 2015-2024 годов продемонстрировала радикальное сокращение времени выполнения. В частности, обработка десяти декадных временных срезов на стандартном ноутбуке занимает менее 3,5 минут, а на серверной платформе – около 3 минут, что представляет собой многократное ускорение по сравнению с традиционными реализациями. Таким образом, разработанное решение делает оперативную обработку больших пространственно-временных метеорологических массивов реальностью для широкого круга исследователей, открывая новые возможности для климатического мониторинга, агрометеорологии и геоинформационного анализа без необходимости привлечения специализированного дорогостоящего оборудования.

1 - 25 из 27 результатов 1 2 > >>