РАЗРАБОТКА АГЕНТНО-ОРИЕНТИРОВАННОГО АЛГОРИТМА РЕШЕНИЯ СИСТЕМ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ БОЛЬШОЙ РАЗМЕРНОСТИ

Аннотация

Решение систем линейных алгебраических уравнений (СЛАУ) является одной из важнейших фундаментальных задач при разработке нового поколения систем проектирования в различных об- ластях науки и техники. Актуальность данного исследования обусловлена ростом объема данных и усложнением задач. Традиционные методы решения СЛАУ, такие как метод Гаусса, метод прогон- ки, итерационные методы (метод Якоби, метод Зейделя и т.д.), хорошо зарекомендовали себя при работе с относительно небольшими системами. Однако при решении СЛАУ большой размерности данные методы недостаточно эффективны из-за высоких вычислительных затрат и требований к памяти. Одним из перспективных подходов к решению задач высокой сложности является использо- вание агентно-ориентированных систем. Агентно-ориентированные системы предлагают новый способ организации вычислительных процессов, основанный на взаимодействии независимых аген- тов, каждый из которых выполняет определенную часть задачи. Такой подход позволяет более гиб- ко распределять вычислительные ресурсы и эффективно решать сложные задачи в условиях боль- ших данных. Представлена методика решения уравнений, описывающих математическую модель схемы, с учетом оптимизации соотношения между точностью расчетов и временем их выполнения. В данной работе предлагается агентно-ориентированный алгоритм для решения систем линейных алгебраических уравнений большой размерности. В ходе разработки данного алгоритма был прове- ден анализ существующих методов и алгоритмов решения СЛАУ, выявлены их преимущества и не- достатки. Была разработана агентно-ориентированная архитектуру для решения СЛАУ большой размерности, предложена организация взаимодействия агентов и механизмы распределения задач между ними. Была выполнена программная реализация разработанного алгоритма. Для оценки эф- фективности предложенного подхода было проведено его тестирование на ряде тестовых задач. Также была выполнена оценка производительности и масштабируемости разработанного алго- ритма, сравнение его с традиционными методами решения СЛАУ.

Список литературы

1. Alpert Charles J., Mehta Dinesh P., Sapatnekar Sachin S. Handbook of algorithms for physical design

automation. – CRC Press, New York, USA, 2009.

2. Гладков Л.А., Кравченко Ю.А., Курейчик В.В., Родзин С.И. Интеллектуальные системы: модели

и методы метаэвристической оптимизации: монография. – Чебоксары: Среда, 2024.

3. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: Физматлит, 2011.

4. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные

природой. – М.: МГТУ им. Баумана, 2014.

5. Гладков Л.А., Курейчик В.В., Курейчик В.М., Сороколетов П.В. Биоинспирированные методы в

оптимизации. – М.: Физматлит, 2009.

6. Cohoon J.P., Karro J., Lienig J. Evolutionary Algorithms for the Physical Design of VLSI Circuits.

Advances in Evolutionary Computing: Theory and Applications / Ghosh, A., Tsutsui, S. (eds.).

– Springer Verlag, London, 2003.

7. Гридин В.Н. Численно–аналитическое моделирование радиоэлектронных схем. – М.: Наука, 2008.

8. Атабеков Г.И. Основы теории цепей. – СПб.: Лань, 2006.

9. Бойко А.Я., Безруков А.Е., Русаков А.С., Ткачев Д.Ф., Хапаев М.М. Новый алгоритм вычисления

двумерных емкостей в задаче экстракции емкости // II Всероссийская научно-техническая кон-

ференция «Проблемы разработки перспективных микроэлектронных систем»: Сб. научных

трудов / под общ. ред. А.Л. Стемпковского. – М.: ИППМ РАН, 2006.

10. Потапов Ю. Технология экстракции паразитных параметров для моделирования межсоедине-

ний // Технологии в электронной промышленности. – 2007. – № 6. – С. 22-26.

11. Баландин М.Ю., Шурина Э.П. Методы решения СЛАУ большой размерности. – Новосибирск:

Изд-во НГТУ, 2000.

12. Рено Н.Н. Численные методы. – М.: КДУ, 2007.

13. Li R.-C., Ye Q. A Krylov subspace method for quadratic matrix polynomials with application to constrained

least squares problems // SIAM J. Matrix Anal. Appl. – 2003. – 25. – P. 405-428.

14. Calvetti D, Reichel L, Shuibi A. Enriched Krylov subspace methods for ill-posed problems // Linear

Algebra and its Applications. – 2003. – Vol. 362. – P. 257-273.

15. Calvetti D, Lewis B, Reichel L. On the regularizing properties of the GMRES method // Numerische

Mathematik. – 2002. – Vol. 91. – P. 605-625.

16. Бегляров В.В., Берёза А.Н., Ляшов М.В. Бионический алгоритм решения систем линейных ал-

гебраических уравнений // Известия ЮФУ. Технические науки. – 2009. – № 12 (101). – С. 46-52.

17. Тарасов В.Б., Голубин А.В. Эволюционное проектирование: на границе между проектированием

и самоорганизацией // Известия ТРТУ. – 2006. – № 8 (63). – С. 77-82.

18. Майоров И.В., Скобелев П.О. Модель динамики агентов потребностей и возможностей // Тр.

XVII Международной конференции «Проблемы управления и моделирования в сложных сис-

темах», Самара, 2015. – Самара: СНЦ РАН, 2015. – С. 79-87.

19. Скобелев П.О. Ситуационное управление и мультиагентные технологии: коллективный поиск

согласованных решений в диалоге // Онтологии проектирования. – 2013. – № 2 (8). – С. 26-48.

20. Гридин В.Н., Дмитревич Г.Д., Анисимов Д.А. Архитектура распределенных сервис-

ориентированных систем автоматизированного проектирования // Известия ЮФУ. Технические

науки. – 2014. – № 7 (156). – С. 51-58.

21. Митра Р., Надареишвили И. Микросервисы. От архитектуры до релиза. – СПб.: Питер, 2023.

22. Baqais A.A.B. A Multi-view Comparison of Various Metaheuristic and Soft Computing Algorithms //

I.J. Mathematical Sciences and Computing. – 2017. – l.3 (4). – P. 8-19.

23. Gladkov L.A., Gladkova N.V., Gusev N.Y., Semushina N.S. Integrated approach to the solution of computer-

aided design problems // Proceedings of the 4th International Scientific Conference “Intelligent

Information Technologies for Industry” (IITI’19). Advances in Intelligent Systems and Computing.

– Springer, Cham, 2020. – Vol. 1156. – P. 465-476.

24. Gladkov L.A., Gladkova N.V., Leiba S.N., Strakhov N.E. Development and research of the hybrid approach

to the solution of optimization design problems // Advances in Intelligent Systems and Computing,

V. 875. International Conference on Intelligent Information Technologies for Industry IITI'18.

– Springer Nature Switzerland AG, 2019. – Vol. 2. – P. 246-257.

Скачивания

Опубликовано:

2025-01-30

Номер:

Раздел:

РАЗДЕЛ I. АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ

Ключевые слова:

Автоматизация проектирования, системы линейных алгебраических уравнений, эволюционное моделирование, биоинспирированные алгоритмы, сервисно- ориентированная архитектура