Найти

Результаты поиска

• МЕТОД ПОИСКА ПОСЛЕДОВАТЕЛЬНЫХ ПАТТЕРНОВ ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ В ИНТЕРНЕТ-ПРОСТРАНСТВЕ

  В.В. Курейчик, В.В. Бова, Ю.А. Кравченко

  2020-11-22

  Аннотация ▼

  Одной из важных задач интеллектуального анализа данных является выделение зако-
  номерностей и обнаружение связанных событий в последовательных данных на основе
  анализа последовательных паттернов. В статье исследуются возможность применения
  последовательных паттернов для анализа событий поисково-познавательной деятельно-
  сти пользователей при взаимодействии с Интернет-ресурсами открытой информационно-
  образовательной среды. Поиск последовательных паттернов является сложной вычисли-
  тельной задачей, цель которой состоит в извлечении всех частых последовательностей,
  отражающих потенциальные связи внутри элементов из транзакционной базы данных
  последовательностей событий поисковой активности при заданной минимальной под-
  держке. Для ее решения в статье предлагается метод поиска закономерностей в последо-
  вательностях событий для обнаружения скрытых закономерностей, указывающих с воз-
  можные уровни уязвимости при выполнении задач информационного поиска в Интернет-
  пространстве. Описана математическая модель поведения пользователей в поисковой
  сессии, основанная на теории последовательных паттернов. Для повышения вычислитель-
  ной эффективности метода разработан модифицированный алгоритм генерации последо-
  вательных паттернов, на первом этапе которого выполняется AprioriAll, формирующий
  частые последовательности-кандидаты всевозможных длин, а на втором - генетический
  алгоритм оптимизации входных параметров признакового пространства сгенерированного
  множества для поиска максимальных паттернов. Проведены серии вычислительных экс-
  периментов на тестовых данных корпуса MSNBC, библиотеки интеллектуального анализа
  данных с открытым исходным кодом SPMF. Сравнительной анализ проводился с алгорит-
  мами VMSP и GSP. Результаты исследований подтвердили эффективность поиска макси-
  мальных последовательных паттернов предложенным алгоритмом с точки зрения времени
  выполнения и количества извлеченных паттернов. Результаты проведенных эксперимен-
  тальных исследований метода показали, что для увеличения стабильности и точности
  работы размер выборки, полученной в результате работы ГА, позволит сократить необ-
  ходимое число сканирований базы данных паттернов, обеспечивая приемлемые вычисли-
  тельные затраты, сопоставимые с алгоритмом VMSP и превосходящий по времени поиска
  последовательных паттернов алгоритм GSP в среднем более чем на 150%.

• БИОИНСПИРИРОВАННЫЙ ПОДХОД ДЛЯ РЕШЕНИЯ ЗАДАЧИ ТРЕХМЕРНОЙ УПАКОВКИ

  В.И. Данильченко , В.В. Бова , М. М. Семенова , С.В. Игнатьева , М. Б. Шайлиев

  2026-02-27

  Аннотация ▼

  Рассматривается одна из важных комбинаторных задач оптимизации – задача трехмерной упаковки. Оптимизация трехмерной упаковки снижает затраты и повышает эффективность логистики, что делает ее актуальной для промышленности. В работе проанализированы классические подходы, такие как жадные алгоритмы и динамическое программирование, а также широко применяемые методы, включая эволюционные алгоритмы и локальный поиск. Анализ существующих методов, включая жадный поиск, динамическое программирование, эволюционные алгоритмы и локальный поиск, позволил выявить их ключевые характеристики и определить подходящие области применения. В контексте данного анализа представлен обзор ключевых методов, доминировавших в определенные исторические периоды. Анализ включает рассмотрение условий применения различных методов, их эффективности для определенных типов задач, а также их преимуществ и ограничений. Представлен многоуровневый алгоритм поиска, который объединяет преимущества традиционных и современных методов оптимизации. Многоуровневый алгоритм позволяет улучшить точность решения задачи упаковки за счет динамической настройки параметров. Разработан программный комплекс для решения задачи оптимизации трехмерной упаковки с использованием биоинспирированных алгоритмов. Проведен вычислительный эксперимент на тестовых примерах (бенчмарках). Качество упаковки, полученное, на основе разработанного комбинированного биоинспирированного алгоритма, в среднем на 7 % превосходит результаты упаковки, полученные с использованием известных алгоритмов, а время решения меньше от 7% до 25%, что говорит об эффективности предложенного подхода. Проведенные серии тестов и экспериментов позволили уточнить теоретические оценки временной сложности алгоритмов упаковки. В лучшем случае временная сложность алгоритмов O(n²), в худшем случае – O(n³).

• 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).

• АНАЛИЗ ТРЕБОВАНИЙ И РАЗРАБОТКА АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНЫХ СЕРВИСОВ МОНИТОРИНГА

  М.С. Анферова , А.М. Белевцев

  2022-08-09

  Аннотация ▼

  Рассмотрены проблемы стратегического анализа и выбора направлений развития инно-
  вационных предприятий в условиях перехода к 6 технологическому укладу и индустрии 4.0. Оп-
  ределены основные уровни анализа. Обозначены цели стратегического анализа исходя из мас-
  штаба проводимого исследования. Выделены задачи анализа, решение которых позволит дос-
  тичь поставленных целей. Показана сложность решения задач глобального мониторинга, ко-
  торые обусловлены большим объемом разнородной и неструктурированной информации.
  В этих условиях тематический поиск и аналитическая обработка информации не могут быть
  выполнены без применения автоматизированных информационно-аналитических систем и соз-
  дания поисковых сервисов на базе искусственного интеллекта. Предложена общая процедура
  мониторинга. Определены основные этапы мониторинга технологических трендов, показаны
  задачи, решаемые в рамках конкретного этапа и планируемый результат. На основе общей
  процедуры мониторинга определены основные приоритетные функции, которыми должны
  обладать разрабатываемые сервисы. А также проблемы их разработки и структуризация
  полученной информации в виде информационных объектов и кластеризация документов. В от-
  личие от известных систем глобального мониторинга, в которых поиск основан на индикато-
  рах: рост использования ключевых слов, увеличение численности новых авторов, цитирование
  работ из смежных областей. Предложены алгоритмы, обеспечивающие определение опорных
  тем, оценку ранжирования и релевантности информации. Дано описание работы алгоритмов
  на примере создания сводной информационной таблицы, с помощью которой происходит фор-
  мирование взаимосвязей документов научно-технологического развития по заданному направ-
  лению мониторинга и поиск конкретных документов в базе данных. Построение поисковых
  сервисов на основе представленных алгоритмов обеспечит выделение опорных тем докумен-
  тов, предоставит более достоверные результаты кластеризации неструктурированной ин-
  формации и формирования научно-технологических трендов, в информационно-аналитических
  комплексах. Для реализации алгоритма предлагается использовать язык программирования
  Python. Внедрение данных алгоритмов повысит качество и эффективность информационного
  поиска в условиях большого объёма неструктурированной информации.

• РАЗРАБОТКА АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНОГО СЕРВИСА ПОИСКА И МОНИТОРИНГА ИНФОРМАЦИИ

  М. С. Анферова, А.М. Белевцев

  2021-08-11

  Аннотация ▼

  Описана проблема стратегического анализа и выбора направлений развития инноваци-
  онного предприятия в условиях перехода к 6 технологическому укладу и индустрии 4.0. В дан-
  ных условиях поисково-аналитическая обработка информации не может быть полноценно
  выполнена без применения автоматизированных информационно-аналитических систем, в
  том числе и на базе искусственного интеллекта. В ходе анализа были определены основные
  приоритетные функции, которые должны обеспечивать разрабатываемые сервисы. Обо-
  значены основные трудности при разработке данных сервисов, такие как: предварительная
  обработка данных и автоматизированная проверка актуальности баз данных. Для эффек-
  тивного решения поставленных задач сервис интеллектуального мониторинга и поиска ин-
  формации должен использовать комплексный подход с учетом эффективности применения
  методов для отдельных подзадач, обеспечивать высокую эффективность реализации всех
  этапов процедуры интеллектуального мониторинга. В связи с этим в данной работе описы-
  вается не только разработка общего интеллектуального поискового алгоритма, но и от-
  дельные блок-алгоритмы, необходимые для обеспечения приоритетных функций разрабаты-
  ваемого сервиса. В работе представлены следующие алгоритмы: алгоритм информационного
  поиска, необходимый для решения задачи полнотекстового поиска документов в пределах
  базы информационных ресурсов информационно-аналитического комплекса; алгоритм про-
  цедуры внесения новых документов; алгоритм предварительной обработки данных, выклю-
  чающий в себя стемминг и удаление знаков препинания для последующего анализа текста;
  алгоритм оценки ранжирования и релевантности информации, включающий в себя вектори-
  зацию документов; алгоритм кластеризации результатов поиска информации на основе ней-
  ронной сети Кохонена; алгоритм проверки актуальности информации -проверка соответст-
  вия локальной копии документа актуальной версии на веб-ресурсе источника. Предложен и
  обоснован язык программирования Python для реализации представленного алгоритма. Сис-
  тема обеспечивает автоматизированный непрерывный мониторинг с высокой периодично-
  стью отправки запроса без участия оператора, что повысит качество и эффективность
  информационного поиска в условиях большого объёма неструктурированной информации

• АЛГОРИТМ УПРАВЛЕНИЯ АВТОНОМНЫМ НЕОБИТАЕМЫМ ПОДВОДНЫМ АППАРАТОМ ПРИ ПОИСКЕ НАЗНАЧЕННОГО ДОННОГО ОБЪЕКТА ПРИ КОМПЛЕКСНОМ ИСПОЛЬЗОВАНИИ РАЗЛИЧНЫХ СРЕДСТВ МОНИТОРИНГА ДНА

  В.С. Быкова , А.И. Машошин

  2026-04-29

  Аннотация ▼

  Поиск назначенных донных объектов является одной из наиболее сложных задач, решаемых АНПА, что обусловлено рядом факторов, основными из которых являются: разнообразие объектов поиска (затонувшие подводные лодки, надводные корабли, самолёты, вертолёты, мины, подводные трубопроводы и кабели связи, различная подводная инфраструктура), необходимостью комплексного использования для поиска различных средств мониторинга дна, отличающихся физическими принципами функционирования, разрешающей способностью и поисковой производительностью. Целью работы, результаты которой приведены в статье, была разработка алгоритма управления АНПА при поиске назначенного донного объекта, удовлетворяющего этим требованиям, и его проверка с использованием цифрового полигона и цифрового двойника АНПА.
  В качестве критерия выбора средства мониторинга дна в каждом конкретном случае была принята вероятность правильного отнесения обнаруженного донного объекта к объекту поиска.
  В результате логика поиска назначенного донного объекта выглядит следующим образом. Осуществляется поиск донных объектов средством с максимальной производительностью поиска. При обнаружении донного объекта определяется вероятность его принадлежности объекту поиска. Если она больше заданного высокого порога, принимается решение об обнаружении назначенного донного объекта. Если же она меньше заданного низкого порога, принимается решение, что обнаружен посторонний объект. В остальных случаях принимается решение о необходимости обследования объекта средством с большей разрешающей способностью. Описана технология классификации донных объектов на основе обучения искусственной нейронной сети с использованием синтезированного обучающего материала. Приведены результаты проверки эффективности разработанного алгоритма с использованием цифрового полигона и цифрового двойника АНПА. Выполненное моделирование разработанного алгоритма показало, что комплексное использование средств мониторинга дна повышает вероятность успешного решения задачи и сокращает время её решения