8 (495) 987 43 74 доб. 3304 Прием заявок на рассмотрение статей E-mail: evlasova@synergy.ru

Мы в соцсетях -              
Рус   |   Eng

Поздравляем профессора И.З. Мухаметзянова с изданием научной монографии в международном издательстве SPRINGER!


Поздравляем уважаемого автора и рецензента журнала «Прикладная Информатика», профессора И.З. Мухаметзянова, Уфимский государственный нефтяной технический университет, с изданием научной монографии в международном издательстве SPRINGER в серии International Series in Operations Research & Management Science! Подробнее

В России определили инновационные технологии в сфере образования

14 и 15 апреля в Университете «Синергия» состоялся семинар «Экспериментальная и инновационная деятельность в сфере высшего образования», организованный Университетом «Синергия» и компанией «Финансово-Экспертные системы» в соответствии с письмом Министерства науки и высшего образования России. Подробнее
  Журнал входит в Перечень ведущих рецензируемых научных журналов и изданий,
  рекомендованных ВАК для публикации основных результатов диссертационных
  исследований.

DVCompute++ Simulator: декомпозиция для дискретно-событийного моделирования

Автор статьи: Сорокин Д. Э.
В статье представлен метод декомпозиции дискретно-событийных моделей на основе авторской разработки ­DVCompute++ Simulator, которая является коллекцией общецелевых программных библиотек для создания и запуска имитационных моделей на языке C++. Целью исследования было найти способ, которым можно было бы разбить произвольную модель на части, потом части модели – на еще меньшие компоненты и так далее, получив в результате некоторую иерархию вложенных подмоделей, каждую из которых можно было бы рассматривать изолированно как самостоятельную сущность. Такие подмодели можно создавать уже сейчас в коде на языке C++, а в перспективе возможно будет задавать графически через диаграммы или через некоторое текстовое описание на специализированном языке моделирования, причем такие подмодели можно использовать повторно, что роднит их с ­ТЭБами из ­GPSS ­STUDIO. Указанные способы создания подмоделей можно сочетать в любом порядке на любом уровне вложенности иерархии, причем эту работу могут выполнять несколько специалистов разной квалификации. Более того, в статье показано, как излагаемый метод декомпозиции может быть распространен и на случай распределенного моделирования, которое также поддерживается в ­DVCompute++ Simulator. Все это стало возможным благодаря использованию приемов функционального программирования, где имитационная модель рассматривается как композиция вычислений. Тогда декомпозицию модели можно рассматривать как разбиение вычислений на части, которые можно соединять между собой подобно сборке в конструкторе. Основную роль играют два вида вычислений – блоки, аналогичные блокам языка ­GPSS, и вычисления дискретных сигналов по аналогии с реактивным программированием. Предлагаемый метод декомпозиции дискретно-событийных моделей иллюстрируется диаграммами подмоделей и соответствующим им программным кодом на языке С++.

Алгоритм выявления угроз информационной безопасности в распределенных мультисервисных сетях органов государственного управления

Представлены результаты исследований, целью которых была разработка алгоритма выявления угроз информационной безопасности в распределенных мультисервисных сетях, обеспечивающих информационное взаимодействие региональных органов государственного управления, а также их коммуникацию с населением региона. Актуальность темы исследований обусловлена значительным ростом кибератак различных видов на вычислительные сети органов государственной власти и необходимостью повышать уровень защищенности этих сетей за счет интеллектуализации методов борьбы с угрозами информационной безопасности. В основе алгоритма лежит применение методов машинного обучения для анализа входящего трафика с целью выявления событий, влияющих на состояние информационной безопасности органов государственной власти. Алгоритм предусматривает препроцессинг входного трафика, в результате которого формируется набор изображений (сигнатур), получаемых на основе бинарных файлов Wasm, а затем запускается классификатор изображений. Он содержит последовательное включение глубоких нейронных сетей – сверточной нейронной сети для классификации сигнатур и рекуррентной сети, которая обрабатывает последовательности, получаемые на выходе сверточной сети. Особенности формирования сигнатур в предлагаемом алгоритме, а также последовательностей на входе в рекуррентную сеть дают возможность получать результирующую оценку информационной безопасности с учетом предыстории текущего ее состояния. Выход рекуррентной сети агрегируется с результатом сравнения актуальных сигнатур с имеющимися в базе данных. Агрегация выполняется системой нечеткого вывода второго типа, использующей импликацию по алгоритму Мамдани, которая и вырабатывает итоговую оценку угроз информационной безопасности. Разработано программное обеспечение, реализующее предложенный алгоритм, проведены эксперименты на синтетическом наборе данных, которые показали работоспособность алгоритма, подтвердили целесообразность его дальнейшего совершенствования.

Алгоритмы формирования моделей эффективного бизнеса

Решение задач эффективного ведения бизнеса связано с разнообразием текущих целей, стоящих перед ним, и, как следствие, требует построения соответствующих моделей эффективного бизнеса. В статье сформулированы две задачи ведения бизнеса, которые, помимо их общей целевой установки – повышение эффективности бизнеса, имеют разные текущие цели. Для построения моделей, отвечающих поставленным задачам, в статье обоснован и предложен критерий эффективности, а также разработаны Алгоритм 1 и Алгоритм 2, позволившие построить модели ведения эффективного бизнеса, учитывающие различие его текущих целей. Авторами разработан многоэтапный Алгоритм 1 формирования отдельных наборов направлений повышения эффективности, используемых для решения поставленных задач. Алгоритм 2, реализуемый на каждом этапе Алгоритма 1, разработан авторами с применением метода оптимальности Парето, однако дополнен учетом особенностей и целей текущих задач, поставленных перед бизнесом. Использование данных алгоритмов позволило построить модели эффективного бизнеса, обеспечивающие получение экономического эффекта, не только заложенного в каждое направление повышения эффективности, но и дополнительного его прироста, обусловленного свойствами разработанных алгоритмов.

Жадная эвристика размещения ортогональных многогранников для оптимизированного решения задач компоновки объектов нерегулярной формы

В статье рассматриваются задачи фигурного раскроя и упаковки объектов нерегулярной формы, заключающиеся в поиске наиболее компактного способа размещения заданного набора объектов произвольной геометрии внутри некоторого ограниченного пространства. Эти задачи относятся к классу ­NP-трудных задач дискретной оптимизации, для которых отсутствуют методы полиномиальной сложности для получения точных решений, поэтому на практике наиболее часто они решаются приближенно с помощью эвристических и метаэвристических методов оптимизации. При компоновке объектов нерегулярной формы дополнительно необходимо учитывать их геометрию для определения корректности размещения объектов относительно друг друга. Существующие методы анализа геометрии объектов и формируемой упаковки, основанные на применении phi-функций и построении годографа вектор-функции плотного размещения, теоретически обеспечивают возможность получения точного решения, однако требуют применения трудоемких методов нелинейной оптимизации. Поэтому с целью повышения скорости компоновки большого числа объектов нерегулярной формы реализовано преобразование их формы посредством вокселизации с последующим объединением полученного набора вокселов в ортогональные многогранники. Для повышения качества получаемых решений в работе предлагается жадная эвристика размещения ортогональных многогранников, реализующая выбор наилучшего варианта ориентации размещаемого объекта, при котором формируемая компоновка будет наиболее плотной в сравнении с прочими доступными вариантами ориентации этого объекта. Проведен анализ эффективности жадной эвристики размещения на задачах плоского фигурного раскроя и упаковки трехмерных объектов нерегулярной формы. Вычислительные эксперименты показали, что предложенная жадная эвристика обеспечивает очень быстрое получение решений высокого качества. Дополнительно представлены результаты тестирования жадной эвристики размещения при использовании генетического алгоритма для оптимизации решений задачи компоновки.

Интеллектуальная система оценки качества сыпучего сырья на основе нейронных сетей YOLOv5 и ViT

Отсутствие эффективной системы оценки качества сырья при приемке в полевых условиях стало основанием для написания статьи. В статье описываются важные научные и практические задачи, связанные с этой проблемой, такие как разработка методов контроля качества сырья, создание алгоритмов интеллектуальной поддержки для быстрой и точной оценки качества сырья в режиме реального времени. Авторы проанализировали отечественные и зарубежные научные работы, описывающие методы и подходы к контролю качества сырья, и пришли к выводу, что алгоритм YOLOv5 и визуальный трансформер являются наиболее подходящими для настоящего исследования, их сочетание раннее не использовалось в литературных источниках. В статье содержится постановка задачи по разработке интеллектуальной системы качества сырья, описание алгоритмов обнаружения объектов, их сравнительная характеристика. Приведено описание принципа работы одноэтапного алгоритма детекции объектов на изображении YOLOv5 и его преимущество перед существующими аналогами методов глубокого обучения, которые широко используются для обнаружения объектов. Представлены результаты работы нейронных сетей, задачей которых является выявление бракованного сырья из общего количества, хранящегося в определенном вагоне и принадлежащего конкретному поставщику. Интеллектуальная система аналитики качества сыпучего сырья включает камеры, расположенные над вагонами и сбоку от них. Качество сырья определяется путем передачи изображений с камер, фиксирующих погрузку, в нейронную сеть для последующей обработки. Для обнаружения номера вагона применяется алгоритм YOLOv5, который обеспечивает точное определение номера вагона. Для определения процента брака груза на первом этапе используется подход YOLOv5 для выделения области изображения с грузом, а затем применяется визуальный трансформер, который выполняет задачу регрессии, определяя процент брака. Внедрение предлагаемой интеллектуальной системы позволит эффективнее управлять производством, сократить расходы и повысить качество поставляемого сыпучего сырья.

Интеллектуальный анализ данных в управлении российской высшей школой

Для всесторонней оценки качества управленческих решений необходимо иметь возможность учета разнородной информации, которая может быть представлена как в числовой форме, так и в виде выражений на естественном языке. Эффективным подходом к обработке трудно формализуемой информации является использование методов интеллектуального анализа данных, в том числе нейросетевых методов кластеризации и теории нечетких множеств. Это позволяет совмещать методы качественной оценки с возможностью получения количественных результатов. В статье представлен авторский подход к использованию этих методов для оценки рисков и качества управленческих решений в российской высшей школе на примере реализации самого масштабного для нее проекта – Проекта 5-100. На его примере доказана целесообразность использования нейросетевого метода кластеризации для оценки возможности достижения поставленных целей любого подобого масшабного проекта. Применение другого метода интеллектуального анализа – построение комплекса систем нечеткого вывода – подтвердило возможность построения на основе полученных по проекту экспертных вербальных оценок итоговой количественной оценки проекта. Кластеризация информационной базы данных, использованной для анализа, дает возможность осуществлять объективный отбор вузов – кандидатов на право получения государственной субсидии, а также корректировать состав участников Проекта 5-100. При этом нейросетевой метод кластеризации изначально проиллюстрировал недостижимость целей, поставленных перед Проектом 5-100, а применение комплекса систем нечеткого вывода подтвердило это утверждение – количественная итоговая оценка проекта, полученная на основе вербальных экспертных мнений, является очень низкой, что также оценивает этот проект как неудовлетворительный.

Интеллектуальный программный комплекс моделирования процесса планирования многоассортиментных промышленных производств

В статье рассматриваются вопросы, посвященные разработке гибкого интеллектуального программного комплекса для решения задачи оптимального планирования многоассортиментных непрерывно-дискретных производств. Данные производства характеризуются большим ассортиментом продукции, множеством видов и конфигураций оборудования, при увеличении размерности задачи количество вариантов производственных расписаний растет экспоненциально, поэтому актуальна разработка специализированного комплекса эффективного оптимального планирования и составления расписаний, настраиваемого на характеристики различных многоассортиментных производств. Целью настоящей работы является разработка методов и алгоритмов оптимизации календарного планирования в виде проблемно-ориентированного программного комплекса, позволяющего повысить производительность оборудования и сократить время изготовления заказов. В статье приводится математическая постановка задачи оптимизации и совокупность математических моделей и алгоритмов формирования целевых функций для оптимального календарного планирования перенастраиваемых производств. Проведение данного исследования основывается на использовании методов теории расписаний, оптимизации и эволюционных вычислений, средств объектно-ориентированной разработки сложных программных комплексов и баз данных. Предложенный программный комплекс обладает различными интеллектуальными пользовательскими интерфейсами, дополняемыми базами данных продукции, оборудования и технологических регламентов, библиотекой целевых функций и математических методов оптимизации, модулем экспертной настройки системы, а также интерактивной системой визуализации полученных производственных планов в форме диаграммы Ганта и дерева решений задачи оптимизации. Тестирование программного комплекса производилось на данных полимерных и металлургических предприятий России и Германии и подтвердило эффективность решения задач планирования. Внедрение предлагаемого программного комплекса позволяет обеспечить эффективную загрузку оборудования предприятия, уменьшить стоимость производства и упростить процесс принятия управленческих решений в ходе производственного планирования.

Использование эконометрических моделей для прогнозирования инвестиций в основной капитал

Одним из ключевых факторов роста ВВП страны является воспроизводимый капитал, который закладывает основу для производства продуктов, работ и услуг. Соответственно, изучение состояния, структуры и динамики доминирующей составляющей, основных фондов является одной из приоритетных задач статистики и эконометрики. Отсюда вытекает цель проводимого исследования, которая заключается в оценке прогнозных возможностей эконометрических моделей. Для достижения поставленной цели был использован пул математико-статистических и эконометрических методов, в частности табличный и графический, пул описательных статистик, корреляционно-регрессионный, адаптивного моделирования. В качестве основных результатов можно назвать: анализ структуры инвестиций не обнаружил новых или скрытых закономерностей, так, инвестиции направляются на модернизацию или обновление капиталоемких направлений – это здания, сооружения и земля (около 40% от всего объема инвестиций), основными отраслями является промышленность и транспорт; визуальный анализ динамики временного ряда инвестиций в основной капитал показал наличие долговременной, сезонной и ситуационной составляющей; построение 6 эконометрических моделей, отражающих сложную динамику рассматриваемого макропоказателя, позволило выделить две, относящиеся к группе адаптивных моделей; прогноз по наилучшим моделям, сделанный на IV квартал 2022 года, полностью согласуется с имеющимися сведениями за I и II кварталы 2022 года; таким образом, наилучшие прогнозные возможности в отношении сложной динамики инвестиций в российский основной капитал наблюдаются в трехпараметрической модели экспоненциального сглаживания и SARIMA(1,0,0)(1,1,0) [4]. Полученные результаты в ходе проведенного исследования будут полезны ученым, занимающимся моделированием и прогнозированием сложно структурируемых временных рядов.