В представленной статье представлено описание системного подхода к решению задачи оперативно-календарного планирования производства на основе имитационного моделирования временными сетями Петри. В основе предложенного подхода - идеи автоматизированного синтеза сетевых моделей дискретных производственных систем и применения оптимизационно-имитационного подхода для поиска наилучшего плана производства. На основе разработанных теоретических положений представлен тестовый пример, характеризующий эффект от их применения. В качестве объекта исследования выбран типичная производственная система механической обработки. Формирование общей имитационной модели производственного процесса осуществляется из моделей основных типов технологических процессов, что значительно упрощает и ускоряет этот процесс. В практике применения сетей Петри сложность разработки моделей, их интерпретации, внесения изменений - это факторы, значительно ограничивающие их использование. В процессе решения задачи предварительного планирования производства определен и предложен для применения новый способ влияния на критерий оптимальности через задание различных отношений инциденций в сети Петри. Оптимизационная процедура сводится к поиску наилучшей структуры матрицы инциденций. В структуре матрицы инциденций выделены неизменяемая и изменяемая часть. Реализована возможность параметризации изменяемой части, что позволило сформулировать задачу оптимизации. Апробирован подход к решению подобной задачи на основе комбинации метода покоординатного спуска и перебора. Он позволил существенно сократить пространство поиска, а также находить производственный план по заданному значению целевой функции. Разработанный способ решения задачи оптимального планирования производства развивает теорию сетей Петри, делает ее более пригодной для моделирования сложных систем с разветвленной структурой и большим количеством взаимных связей, содержит новый подход к оптимизации процессов в оперативно-календарном планировании. Недостатком можно считать зависимость результатов решения задачи от правильности интерпретации состояний модели и, соответственно, направления градиента функции.
Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии
2023. — Выпуск 1
Содержание:
В статье предложен коэволюционный самонастраивающийся алгоритм для решения задач глобальной оптимизации. Алгоритм моделирует эгоистичное поведение особей стада травоядных, подвергающихся нападению стаи хищников. Поисковые агенты управляются набором аттрактивных операторов поиска на основе паттернов индивидуального и коллективного поведения агентов, а также механизмов популяционного отбора в системе «жертва-хищник». Агенты перемещаются в пространстве решений задачи оптимизации, используя набор операторов, имитирующих различные виды поведения, в том числе эгоистичного. В отличие от большинства конкурирующих алгоритмов предлагаемый коэволюционный самонастраивающийся алгоритм позволяет не только моделировать различные виды эгоистичного поведения. Он включает вычислительные механизмы для сохранения баланса между скоростью сходимости алгоритма и диверсификацией пространства поиска решений. Результативность алгоритма анализируется с помощью серии экспериментов для задач поиска глобального минимума в наборе из 5 известных тестовых функций. Результаты сравнивались с 7 конкурирующими биоэвристиками по таким показателям, как среднее лучшее на данный момент решение, медианное лучшее на данный момент решение и стандартное отклонение от лучшего на данный момент решения. Точность предлагаемого алгоритма оказалась выше, нежели у конкурирующих алгоритмов. Непараметрическое доказательство статистической значимости полученных результатов с использованием Т-критерия Уилкоксона позволяет утверждать, что результаты коэволюционного самонастраивающегося алгоритма являются статистически значимыми.
Ключевые слова
В работе дан краткий обзор публикаций по методам построения регрессионных моделей с использованием векторных функций потерь. В частности, рассмотрены подходы с частными функциями потерь, соответствующими методам наименьших квадратов, модулей (МНМ), антиробастного оценивания. Решена задача идентификации параметров линейной регрессионной модели с помощью многокритериального метода наименьших модулей, в котором функция потерь представляет собой вектор, каждая компонента которого (т. е. частная функция потерь) задана на фиксированной заранее подвыборке исходной выборки данных. Предложен вычислительный алгоритм поиска векторов параметров, соответствующих паретовским вершинам многогранника (симплекса), заданного соответствующим МНМ ограничениям с векторной целевой функцией и состоящий в решении серии задач линейного программирования. При этом все множество паретовских оценок параметров может быть сформировано как объединение паретовских граней многогранника, представляющих собой выпуклые комбинации его паретовских вершин. В основу предложенного подхода положена фундаментальная работа Л. Ю и М. Зелены «Множество всех недоминируемых решений в линейном случае и многокритериальный симплекс-метод». Многокритериальный метод наименьших модулей применен для построения линейной регрессионной модели объема погрузки основных видов грузов железнодорожным транспортом. В качестве независимых переменных использованы объемы перевозок автомобильным, морским, трубопроводным и внутренним водным видами транспорта. Исходная выборка была разделена на две непересекающиеся подвыборки. Всего получено 19 паретовских вектора оценок параметров. В изменении значений всех параметров отсутствует не только монотонность, но и любая другая выраженная закономерность, при этом только один параметр не меняет свой положительный знак. Разброс всех параметров достигает высоких значений. Представленный многокритериальный способ оценивания параметров линейной регрессионной модели позволяет отразить тенденции, проявляющиеся на отдельных участках обрабатываемой выборки данных и повышает вариативность при исследовании закономерностей функционирования сложных объектов методами регрессионного анализа.
Ключевые слова
В настоящей работе проведен анализ существующих подходов к построению отказоустойчивых бортовых систем на аппаратном и программном уровнях. Рассмотрены основные преимущества построения БИВС на базе компонентов волоконной оптики, в частности, для развертывания на ее основе единой интеллектуальной системы (ЕИС), производящей интеллектуальный вывод в случае возникновения нештатных ситуаций. Разработаны сценарии по парированию особых полетных ситуаций ВС, возникающих в полете в результате воздействия неблагоприятного фактора или сочетания неблагоприятных факторов и приводящих к снижению безопасности полетов. Разработаны алгоритмы реконфигурации БИВС в случае возникновения нештатных ситуаций, как в процессе полета, так и на земле. Предложены принципы формирования специализированной базы знаний информационной поддержки (СБЗИП) на основе эксплуатационной документации. С целью упрощения формализации знаний, хранящихся в СБЗИП, а также для упрощения модификации и дополнения СБЗИП при появлении новых данных, применяются методы логического программирования. Также предложены методики расчета характеристик конфигураций БИВС из СБЗИП. Разработаны методы динамического синтеза новых конфигураций БИВС, для нештатных ситуаций, возникающих в процессе эксплуатации ВС. Для решения задачи синтеза используется информация из пространства состояний, формализованная с помощью методов логического программирования. На основе нее производится построение полного графа системы с учетом ее избыточности и выполняется поиск-синтез наиболее подходящей архитектуры БИВС, позволяющей парировать возникшие отказы. В качестве метода поиска по графу используется метод ветвей и границ. Также, с этой целью в случае использования аппаратного ускорителя может применяться нейросетевой подход, заключающийся в решении оптимизационной задачи с помощью рекуррентной искусственной нейронной сети.
Ключевые слова
Национальный проект «Образование» предусматривает реорганизацию сети школ в регионах и районах РФ. Для этой цели предусматриваются значительные денежные средства, которые требуется потратить с максимальной эффективностью. Для получения средств на создание комфортных условий получения школьного образования регионы составляют обоснованную заявку. Система сельского школьного образования такова, что населенные пункты в районе закреплены за школами, которые также находятся в этом районе. В работе проведен системный анализ процесса модернизации сети школ сельского района, одним из этапов которого является определение района с наиболее неблагоприятными условиями школьного образования. Так как финансирование всегда ограничено, именно в этот район надо направить финансирование в первую очередь. Из сказанного следует, что задача определения сельского района с наиболее неблагоприятными условиями школьного образования является актуальной. Для сравнения доступности школ в сельских районах предлагается использовать два критерия - модифицированный коэффициент Джини и нормированную среднюю доступность школ. Коэффициент Джини показывает равномерность распределения доступности школ в районе, но не определяет величину самой доступности. Для исключения этого недостатка в качестве второго критерия используется нормированная средняя доступность школ района. Для расчета предложенных критериев разработана информационная модель, которая реализована в системе Mathcad. Проверка предлагаемого подхода осуществлена на примере четырех районов Тамбовской области. Приведены результаты расчетов и проведен их анализ. Дано обоснование определения района с наиболее хорошими и района с наиболее плохими показателями доступности школьного образования.
Ключевые слова
Рейтинги во всех сферах жизни становятся всё более востребованными. В нашей стране в области образования существует несколько рейтингов вузов, классифицирующих их по качеству образования. Эти рейтинги различаются своими целями и подходами к определению, что такое качество образования. Для объединения этих подходов Гильдией экспертов в сфере профессионального образования разрабатываются национальные агрегированные рейтинги учреждений высшего образования. Цель данной работы состоит в статистическом анализе агрегированного рейтинга вузов по качеству образования в 2021 году. Рассмотрены восемь национальных рейтингов, на основе которых построен агрегированный рейтинг. Статистический анализ агрегированного рейтинга как измерительного инструмента осуществляется в рамках теории латентных переменных. Агрегированный рейтинг рассматривается как латентная переменная, индикаторами которой являются национальные восемь национальных рейтингов. Определена совместимость использованных национальных рейтингов. Измерено на линейной шкале качество образования в вузах. В рамках теории латентных переменных агрегированный рейтинг обладает в десятки раз большей разрешающей способностью по сравнению с традиционной балльной системой оценивания. Определены рейтинги, которые лучше других национальных рейтингов дифференцируют вузы с низким и высоким качеством образования соответственно. Показаны также рейтинги, которые наиболее и наименее адекватны модели измерения. Проведенный в рамках теории латентных переменных совместный анализ всех рейтингов позволил выявить сильные и слабые стороны каждого рейтинга. Важными преимуществами использования теории латентных переменных являются высокая дифференцирующая способность, а также то, что качество образования в вузах измеряется на линейной шкале, это важно для проведения мониторинга и использования многих методов статистического анализа, предполагающих линейную шкалу. Планируется в рамках теории латентных переменных провести мониторинг агрегированного рейтинга вузов за несколько лет.
Ключевые слова
Исследуется возможность использования математических моделей, полученных в результате глубокого обучения искусственных нейронных сетей (ИНС-моделей) для прогнозирования оптической силы современных интраокулярных линз (ИОЛ), широко используемых при хирургическом лечении миопии в офтальмологии. Отличительной особенностью таких ИНС-моделей по сравнению с известными формулами SRKII, SRK/T, Hoffer-Q, Holladay II, Haigis, Barrett является возможность учета значительного числа регистрируемых входных величин, что позволило снизить среднюю относительную погрешность расчетов оптической силы ИОЛ с 10-12 % до 3,5 %. ИНС-модели обучали на значительных по объемам выборках, включающих обезличенные данные для 455 пациентов. Полученные ИНС-модели, в отличие от традиционно используемых формул, в значительно большей степени отражают региональную специфику пациентов, делают возможным переучивание и оптимизацию структуры модели на основе вновь поступающих данных, что делает возможным учитывать нестационарность объекта. Использование данного приема позволяет построить интеллектуальную экспертную систему с непрерывным поступлением новых данных из источника и поэтапным переучиванием ИНС-модели. Основные проблемы, возникающие при конструировании такой экспертной системы, обсуждаются в статье. Для удобного построения ИНС-моделей и их машинного обучения использовали программу-симулятор, ранее разработанную авторами данной статьи, а также средства языка Python в Google Colaboratory. При обучении моделей на основе эмпирических данных были выбраны следующие методы оптимизации: метод стохастического градиента, простой градиентный метод и безградиентные методы покоординатного спуска Гаусса - Зейделя и Монте - Карло, которые использовали в интерактивном режиме.
Ключевые слова
Результаты кластерного и дискриминантного анализа используются в задачах диагностики объектов различной природы, управлении технологическими процессами и т. д. Однако, вопрос о представлении, хранении и использовании результатов анализа данных не получил должного внимания. Это вынуждает пользователей повторно проводить дорогостоящие эксперименты и вычисления, чтобы затем решать свои прикладные задачи. Нами предлагается универсальный метод представления и обработки результатов анализа данных. Для этого мы используем модель данных, представленную в предыдущих наших работах. Основным компонентом модели является графическая информация, в которой области в многомерном пространстве (кластеры) ограничены поверхностями общего вида. Каждой границе соответствует погрешность ее описания. Погрешность определения границ основана на погрешности соответствующих вычислительных и/или экспериментальных измерений. Ранее нами предложен и подробно исследован алгоритм идентификации областей (кластеров) в многомерном пространстве параметров. В данной статье представлено его краткое изложение. Основным результатом данной статьи является алгоритм определения предельной точки области (кластера) по фиксированной точке и вектору направлений. Такой алгоритм может быть использован в технологических процессах для удержания параметров в рамках допустимых значений, для оптимизации энергетических затрат при достижении поставленной цели и т. д. В статье приводится доказательство корректности алгоритма, сравнение его с альтернативным подходом и расчет вычислительной сложности.
Ключевые слова
Sentiment analysis is a viral activity in recent years, especially with the spread of social media. It is a way to analyze people’s opinions of the products and services offered by many companies. It is also a way to understand the political, artistic and sports trends of the world. In this paper, we are going to study sentiment analysis and natural language processing. we will create a machine learning model to analyze many Twitter tweets to predict the sentiment of people. AI and machine learning-based sentiment analysis is crucial for companies because it enabled these companies to automatically predict whether their customers are happy or not. This research is important and directly applicable to pretty much any company that has an online presence such as Twitter or Facebook pages. The algorithms could be used to automatically detect and possibly hate or racist tweets as well. Many methods were used to classify the data into positive and negative. This study was applied to a data set taken from Kaggle, where the accuracy of the training data reached 97 % using a stochastic gradient descent Classifier (SGDClassifier).
Ключевые слова
Внедрение логистических роботов в автоматизированные склады обеспечивает значительное повышение качества и сокращение затрат на логистику. В последнее время все большее внимание уделяется децентрализации управления логистическими роботами, что обеспечивает гибкость, надежность и масштабируемость системы. Исходя из этого логистические роботы, функционирующие в автоматизированном складе, часто рассматриваются как роевые робототехнические системы (РРТС). Известные методы распределения и планирования выполнения задач, используемые в составе программно-алгоритмического обеспечения централизованных систем управления логистических роботов, не учитывают ограничения сенсорных и вычислительных возможностей робототехнических устройств, используемых в составе РРТС (например, малый объем оперативной памяти, низкая тактовая частота процессора, малая емкость аккумуляторной батареи, низкая производительность бортовых датчиков и сенсоров и т. д.). Этот факт свидетельствует об отсутствии комплексного решения, позволяющего реализовать децентрализованную систему распределения и планирования выполнения задач логистическими роботами как роевую робототехническую систему. Таким образом, настоящая работа направлена на разработку подхода к синтезу децентрализованной системы распределения и планирования выполнения задач агентами роевых робототехнических систем при функционировании в автоматизированном складе. Отличительной особенностью предложенного подхода является использование процедуры коллективного принятия решения при распределении задач между агентами, что обеспечивает отсутствие коллизий (выбор одной и той же задачи двумя и более агентами). Элементом научной новизны в рамках предложенного подхода является метод коллективного принятия решений, отличающийся модифицированной процедурой выбора наилучшей альтернативы в соответствии с особенностями процесса распределения задач в роевых робототехнических системах. Достоверность полученных результатов подтверждена в ходе имитационного моделирования с использованием симулятора мультиагентных робототехнических систем ARGoS. Представленный подход к синтезу системы распределения и планирования выполнения задач на основе коллективного принятия решения может быть использован при моделировании децентрализованных систем управления роевых робототехнических систем.
Ключевые слова
В работе проведен анализ специфики деятельности персонала склада, в ходе которого также выявлена проблема значительных экономических (трудовых и производственных) затрат из-за ошибок человека-оператора. Существующие системы управления складскими комплексами (СУС) не включают необходимых компонентов, направленных на минимизацию данного рода затрат. Специфика трудовой деятельности в данной предметной области также не предусматривает длительной периода обучения с прикреплением индивидуальных инструкторов. Поэтому актуальной задачей является разработка новых систем на базе текущей архитектуры СУС с возможностью организации подготовки персонала в минимальные сроки без остановки бизнес-процессов складского комплекса и привлечения большого количества инструкторов. На основе анализа существующих решений представлена структурная модель типичной СУС, а также предложена модернизированная структура с подсистемой для подготовки и обучения сотрудников складского комплекса. Подсистема подготовки реализуется с использованием технологий виртуальной реальности, а также применением технологий машинного обучения и компьютерного зрения для сбора больших объемов данных о бизнес-процессах, протекающих в складском комплексе. Рассмотрены подходы и технологии, позволяющие реализовать предлагаемую модифицированную СУС, продемонстрирован прототип подсистемы обучения в виртуальной среде складского комплекса. Реализация системы и ее внедрение позволит в перспективе минимизировать затраты, вызванные ошибками человека-оператора, за счет его обучения технологическому процессу на объекте в виртуальной реальности.
Ключевые слова
Цель настоящей работы заключается в выявлении демаскирующих признаков ботов по результатам анализа синтаксиса генерируемых ими сообщений. Актуальность исследования обусловлена тем, что, во-первых, результаты ежегодного анализа интернет-трафика говорят об отсутствии снижения доли трафика, создаваемого плохими ботами, а, во-вторых, деятельность высокоорганизованных плохих ботов представляет высокий уровень угрозы информационно-психологической безопасности граждан. В комплексе эти факторы в совокупности с высоким уровнем тревожности граждан, который отмечается экспертами социологами на протяжении последних нескольких месяцев, переводят угрозу информационно-психологической безопасности граждан в категорию вызовов для цифрового суверенитета государства. Методики обнаружения интернет-ботов, представленные в предшествующих работах, предполагают сбор и обработку большого объема данных, включающих метаданные профиля пользователя интернет-СМК, данные о времени и периоде публикации сообщений, данные анализа интернет-трафика пользователя интернет-СМК, и другое. Несмотря на достаточно высокие показатели результативности, указанные методики имеют общий недостаток: значительные затраты временного ресурса на сбор и обработку больших данных. Полученные результаты могут быть использованы в разработке качественно новой методики обнаружения интернет-бота по совокупности лингвистических характеристик генерируемых сообщений. Отличительной чертой методики будет являться сравнительно малый объем информации для выявления социального бота по результатам квантитативного анализа. В настоящей статье также продемонстрирован способ проверки электронных текстовых сообщений аккаунта на предмет авторства, таким образом, предположить с большой вероятностью является ли автор человеком или ботом.