№ 4 (2019)

Основной задачей системы мониторинга технического объекта является слежение
за значениями его параметров в текущий момент времени и предсказание возможных из-
менений параметров на заданный временной промежуток. Оценка изменений параметра
на промежуток времени, на который рассчитывается прогноз, базируется на обработке
ранее полученных данных. Горизонт и точность прогнозирования зависят от качества
временных рядов данных, которые используются для расчетов. От характера рядов дан-
ных также зависит выбор конкретной модели прогнозирования, необходимость и выбор
метода их предварительной обработки. Чем более неустойчив тренд временного ряда па-
раметра, тем меньше возможностей для оценки значений параметра за пределами теку-
щего временного отсчета. Трендоустойчивость ряда определяется с помощью метода
нормированного размаха. Результатом использования метода является оценка характера
временного ряда в целом. Однако, большинство методов прогнозирования временных рядов
использует ограниченный участок ряда, непосредственно примыкающий к временной точ-
ке начала процесса прогнозирования. И характер этого участка влияет на точность про-
гноза. Если этот участок ряда можно определить как персистентный, то прогноз воз-
можен. Для анализа значений параметра, принадлежащих небольшому участку ряда, ме-
тод нормированного размаха не подходит, поскольку требует для реализации выборку
данных большого объема. В этом случае можно использовать индекс фрактальности, ко-
торый позволяет проводить локальный анализ. В данной работе представлена схема по-
этапного фрактального анализа данных временного ряда параметра технического объек-
та. На первом этапе проводится предварительный анализ с использованием метода нор-
мированного размаха. Определяется характер ряда в целом. Если ряд персистентный, то
на следующем этапе выполняется локальный фрактальный анализ ограниченного участка
ряда значений параметра. Оценивается возможность использования этого участка ряда
для реализации задачи прогнозирования. Локальный фрактальный анализ можно проводить
участка, ограниченного фиксированным временным окном, которое перемещается на ка-
ждом шаге прогнозирования, следуя за этим процессом. Подобная схема поддержки про-
гнозирования позволяет повысить точность и достоверность прогноза.

Данная статья посвящена решению важной задачи эвакуации зданий, а именно, эвакуа-
ции максимального количества пострадавших из опасных зон в безопасные в течение заданного
временного интервала. Построенная модель эвакуируемого здания представлена транспортной
сетью с динамической структурой, так как пропускные способности и параметры времени
прохождения потока могут меняться во времени. Кроме того, вершины транспортной сети
имеют веса, ограничивающие максимальное количество людей, которые могут находиться в
данной вершине-помещении. Нечеткий и неопределённый характер параметров сети ведет к
постановке задачи в нечетких условиях, что позволяет моделировать реальную ситуацию эва-
куацию, при которой пропускные способности дуг в различные временные отрезки точно не
известны, а могут быть оценены приблизительно, в некотором интервале и пр. Это приводит
к заданию пропускных способностей дуг в нечетком виде. Особенностью алгоритма также
является возможность учитывать веса вершин транспортной сети; это реализуется путем
замены вершины с пропускной способностью двумя вспомогательными вершинами, дуга между
которыми имеет пропускную способность, равную исходной пропускной способности вершины.
Решен численный пример, иллюстрирующий работу предложенного алгоритма. Результаты,
полученные в ходе решения задачи эвакуации с помощью предложенного алгоритма, могут
применяться на практике при решении задач эвакуации зданий в условиях, когда точно не из-
вестно количество эвакуируемых и нужно перевести максимально возможное число постра-
давших в безопасные зоны, учитывая изменяющиеся во времени пропускные способности и ог-
раничения на вместимость помещений.

Предлагается методика эволюционного проектирования автономных агентов и много-
агентных систем (МАС), на основе которой осуществляется разработка и реализация не-
четких и гибридных моделей формирования агентов. Рассмотрены существующие подходы к
проектированию информационных систем на основе многоагентных организаций. Проанали-
зированы особенности и недостатки существующих подходов. Отмечено, что использование
принципов теории эволюционного развития, разработка новых подходов, использующих при-
родные аналоги, позволяет повысить эффективность действующей методологии проекти-
рования многоагентных систем. Описана модель взаимодействия агентов в мультиагентной
системе. Рассмотрены различные подходы к эволюционному проектированию агентов и мно-
гоагентных систем, которые могут опираться на различные модели эволюции. Представле-
на формальная постановка задачи эволюционного проектирования искусственных систем.
Выделены принципиальные проблемы, возникающие при создании общей теории эволюции
агентов и многоагентных систем. Рассмотрены особенности различных моделей и уровней
эволюции. Разработана концепция проектирования агентов и многоагентных систем, со-
гласно которой процесс проектирования включает в себя базовые компоненты самоорганизации, в том числе процессы взаимодействия, скрещивания, адаптации к среде и т.д. Пред-
ложена модель формирования агента – потомка, на основе анализа возможных видов взаи-
модействия агентов – родителей в процессе эволюционного проектирования Построена об-
щая методика эволюционного проектирования агентов и мультиагентной системы. Разра-
ботаны и описаны различные типы операторов кроссинговера, сформулирована идея созда-
ния агентств (семей) как единиц эволюционирующих многоагентных систем. Разработана и
реализована программная система поддержки эволюционного проектирования агентов и
многоагентных систем. Представлено краткое описание проведенных вычислительных экс-
периментов, подтверждающих эффективность предложенного метода.

Рассматривается задача конструирования мульти-меметического муравьиного ал-
горитма (МА), включающая разработку 5 мемов и выбор целесообразной стратегии ис-
пользования того или иного мема из роя доступных мемов. Работа МА дискретной опти-
мизации иллюстрируется на примере задачи разбиения графа на подграфы, широко приме-
няющейся при решении таких задач, как кластеризация, раскраска, выделения клик, паро-
сочетания, разбиения СБИС и т.д. Задан граф G(X, U), где Х – множество вершин, |X| = n, U
– множество ребер. Необходимо разбить множество X на подмножества X1 и X2, X1X2=X,
X1X2=, Xi. Для поиска решения задачи используется полный граф поиска решений
(ГПР) R(X,E). В отличие от канонической парадигмы МА агентом на ГПР R(X,E) строится
не маршрут, а формируется подграф. На первом этапе каждой итерации МА конструк-
тивным алгоритмом (мемом) каждый из агентов формирует множествo X1k. Во всех ме-
мах формирование множества X1k осуществляется последовательно (пошагово). На каж-
дом шаге t агент применяет вероятностное правило выбора следующей вершины для вклю-
чения ее в формируемое множество X1k(t). В первом меме поиск решений осуществляется
на ГПР R(X,E), а феромон откладывается на множестве ребер E. Основное отличие вто-
рого мема от первого заключается в том, что из процесса поиска агентом решения исклю-
чается полный граф поиска R(X,E). Феромон откладывается только на вершинах графа
G(X,U). Это приводит к резкому сокращению числа феромонных точек и, следовательно,
памяти, так как число ребер графа R(X,E) значительно больше числа вершин. Особенность
третьего мема М3 заключается в том, что на вершине xi графа G(X,U) формируются два
показателя φi1k и φi2k: φi1k – суммарный уровень феромона, отложенного на xi, только в тех
случаях, когда xi,была в составе X1k(t); φi2k –суммарный уровень феромона, отложенного на
xi, только в тех случаях, когда xi, не входила в состав X1k(t). Показатель φ1i характеризует
для вершины xi предпочтительность узла X1k(t). Четвертый мем отличается от третьего
тем, что агентом формируются параллельно два множества X1k(t) и X2k(t). В пятом меме
для уменьшения общей трудоемкости поисковой процедуры используется подход, основан-
ный на декомпозиции структуры данных в процессах формирования множества вершин
X1kX и отложения феромона. В модифицированном подходе отложение феромона осуще-
ствляется на графе R(X,E), а формирование подмножества вершин X1kX осуществляется
на ориентированном графе B(X,V). Предложены два подхода к построению адаптивного
мульти-меметического алгоритма, использующего рой мемов. Мульти-меметическая гиб-
ридизация приводит к алгоритму, обладающему свойствами самоадаптации, поскольку в
процессе поиска мемы конкурируют между собой, и победивший на данном этапе поиска
мем используется на последующих итерациях. За счет повышения эффективности поиска,
гибридный алгоритм дает возможность уменьшить число агентов в системе и повысить
тем самым его быстродействие.

Биоинспирированные алгоритмы представляют собой математические преобразо-
вания, позволяющие трансформировать входной поток информации в выходной по прави-
лам, основанным на имитации механизмов эволюции, а также на статистическом подходе
к исследованию ситуаций и итерационном приближении к искомому решению. Биоинспири-
рованные алгоритмы имеют определенные преимущества перед традиционными детерми-
нированными методами оптимизации, лучше исследуя пространство поиска решений. Од-
нако в эру больших данных пригодность биоинспирированных алгоритмов для их обработ-
ки, как и большинства других методов, находится под вопросом. Большие данные создают
новые вычислительные проблемы, в том числе из-за их очень высокой размерности и раз-
реженности. Многомерные задачи вносят дополнительную сложность в исследование
пространства поиска решения. Актуальной является задача разработки масштабируемо-
го биоинспирированного алгоритма, способного поддерживать разнообразие популяции
решений и находить баланс между скоростью сходимости алгоритма и диверсификацией
поиска в пространстве решений. В работе представлен масштабируемый биоинспириро-
ванный алгоритм, способный решать многомерные оптимизационные задачи высокой раз-
мерности, используя иерархический мультипопуляционный подход. Масштабируемость
алгоритма предполагает, что его вычислительные затраты растут прямо пропорцио-
нально увеличению объема обрабатываемых данных, а также способность при этом вы-
дать наилучшее по его настоящим возможностям решение в любое время вычисления, да-
же если процесс вычислений не завершен естественным остановом. Масштабируемость
также предполагает возможность проводить вычисления в пределах ограниченного объе-
ма памяти используемого компьютера. Алгоритм использует специальный оператор му-
тации для поддержки разнообразия популяции решений, расширения области поиска реше-
ний за счет менее перспективных решений. Оценка эффективности предложенного алго-
ритма производится на наборе многомерных оптимизационных функций-бенчмарок: Гри-
ванка, Растригина, Розенброка, Швефеля. Показатели разработанного алгоритма сравни-
ваются с показателями конкурирующих алгоритмов. Эксперименты свидетельствуют в
пользу масштабируемого алгоритма, причем различия в значениях оптимизируемых функ-
ций для разработанного алгоритма являются статистически значимыми по сравнению с
конкурирующими алгоритмами, в особенности с возрастанием размерности задачи.

Рассмотрена проблема выбора наиболее эффективной аппаратной архитектуры при
реализации генетических алгоритмов, решающих NP-полные задачи. Особенность подобно-
го рода задач – недоказанность наличия алгоритмов, способных находить точное решение
за полиномиальное время. Используемые для решения подобных задач эволюционные алго-
ритмы являются стохастическими по своей сути, что затрудняет эффективное планиро-
вание вычислительного процесса. Цель работы состоит в нахождении способов сокраще-
ния времени поиска за счет анализа результатов, полученных при решении аналогичных
задач, рассмотренных ранее, и выбора эффективной архитектуры, реализующей данный
эволюционный алгоритм. Актуальность работы обусловлена экспоненциальным ростом
размерностей решаемых оптимизационных задач. Научная новизна заключается в исполь-
зовании знаний о решенных ранее задачах для оптимизации параметров генетического
алгоритма, решающего текущую задачу, и выбора эффективной аппаратной архитекту-
ры, на которой будет реализован данный алгоритм. Точная граница, как функция от числа
обрабатываемых стохастическим алгоритмом особей, наиболее приемлемой архитектуры
может быть определена только приближенно. По этой причине, граница наиболее эф-
фективной аппаратной архитектуры задается в виде нечеткого множества. Постановка
задачи состоит в следующем: ускорить процесс решения текущей задачи, используя апри-
орные настройки параметров генетического алгоритма, основываясь на анализе резуль-
татов решений, рассмотренных ранее задач, и выборе эффективной аппаратной архи-
тектуры. Предложен подход к выбору эффективной аппаратной архитектуры, состоя-
щий из трех этапов: анализа результатов решения рассмотренных ранее задач, определе-
ния количества особей, которые необходимо сгенерировать для получения приемлемого
решения эволюционным алгоритмом, выбора аппаратной архитектуры, на которой будет
реализован эволюционный алгоритм.

Рассматривается организация и защита распределенных вычислений на основе много-
агентной системы для решения задач многовариантного моделирование. При моделировании
выбор одного из многих вариантов может потребовать перебора огромного множества пара-
метров недоступного для быстродействующей ЭВМ. Длясокращение времени решения таких
задач используют распределенные вычисления. Существует множество различных подходов
для организации распределенных вычислений в компьютерной сети - технология grid,
metacomputing (BOINC, PVM и другие). Основным недостатком большинства существующих
подходов является то, что они предназначены для создания централизованных систем распре-
деленных вычислений. Распределенные вычисления организуются на основе многоагентной сис-
темы на вычислительных узлах любой компьютерной сети. При использовании в качестве вы-
числительной среды компьютерную сеть большого масштаба могут возникнуть угрозы безо-
пасности распределенных вычислений со стороны злоумышленников. Одной из таких угроз яв-
ляется получение в процессе вычислений ложного результата злоумышленником. Ложный ре-
зультат может привести в процессе моделирования к принятию не оптимального, либо непра-
вильного решения. Разработан метод защиты распределенных вычислений на основе многоагентной системы от угрозы получения ложного результата. Выполнены оценки степени обеспечения информационной безопасности в многоагентных системах с различной структурой.
Проведено сравнение обеспечения информационной безопасности для этих систем.

Предложена интеллектуальная информационная система с целью поддержки каче-
ства образовательной деятельности (ИИС ПКОД). ИИС ПКОД включает в себя модуль
«Экспертной оценки качества» и модуль «Анализа и прогнозирования результатов процес-
са обучения». ИИС ПКОД решает задачи анализа и прогнозирования результатов процесса
обучения, используя расширенный набор признаков: данные о посещении учебных и тесто-
вых ресурсов, данные об участии в дискуссионных форумах, данные о просмотре анонсов,
данные об учебном курсе, данные об уровне подготовки обучаемого и данные экспертных
оценок качества учебно-методических и тестовых материалов. Набор информативных
признаков определен с помощью фильтровочного алгоритма и считается оптимальным
для построения модели прогноза результатов процесса обучения. Экспертная оценка учеб-
но-методического обеспечения осуществляется по критериям полноты, доступности и
актуальности. Экспертная оценка тестовых материалов осуществляется по показате-
лям: трудности, валидности и надежности теста. Экспертные оценки вносятся в специ-
альные формы. Структура форм устроена таким образом, что при заполнении форм на
третьем уровне, формы второго и первого уровня могут заполняться автоматически, что
облегчает задачу ввода данных. Для построения модели прогноза используется алгоритм
классификации: бустинг над решающими деревьями. В ходе вычислительных эксперимен-
тов применение алгоритма бустинг над решающими деревьями и расширенного набора
признаков показали хорошее качество прогноза по сравнению с аналогичными разработка-
ми. Разработанная ИИС ПКОД дает качественный прогноз результатов процесса обуче-
ния и возможность эффективно управлять качеством учебного процесса, выявлять про-
блемные ситуации и совершенствовать информационно-методические материалы. Прове-
дены экспериментальные исследования.

Рассматриваются проблемы повышения эффективности организации личностно-
ориентированного взаимодействия пользователя в интеллектуальных Интернет-сервисах
для формирования культуры безопасного поведения в Интернет-пространстве. Для их
решения предлагается метод построения профилей поведения пользователей на основании
анализа их информационных потребностей, максимально соответствующих их предпоч-
тениям, в том числе и неявным. Актуальность работы определяется растущей популярно-
стью идеи персонализации контента и информационных услуг в Интернет-пространстве.
Профиль поведения пользователя рассматривается авторами как слабоформализованный
объект в пространстве признаков внутренних и внешних характеристик, описывающих его
взаимодействие с Интернет-ресурсом. Предлагаемый в работе метод основан на вероят-
ностном алгоритме EM- кластеризации исследуемых данных о характеристиках пользо-
вателя и распределенных Интернет-ресурсов для генерации структуры входных парамет-
ров классификаторов модели формирования профиля пользователя. Оптимизация струк-
туры реализуется механизмом отбора информативных признаков профиля, основанного на
идее выявления скрытых интересов и предпочтений пользователей с одной стороны, и
способностью ресурса удовлетворять заинтересованных пользователей этому набору
признаков – с другой. Для снижения размерности исходных данных признакового простран-
ства в задаче классификации предлагается метаэвристический алгоритм оптимизации
«кукушкин поиск», отличающийся масштабируемостью и высокой интерпретируемостью
выходных данных. Оптимизация параметров классификаторов заключается в подборе
параметров функции принадлежности и меток классов обобщенного профиля таким обра-
зом, чтобы численный критерий точности классификации признаков ресурсов и предпоч-
тений пользователей сводился к максимуму на реальных данных. Для оценки эффективно-
сти предложенного алгоритма проведен вычислительный эксперимент на тестовых набо-
рах данных из открытого репозитория UCI Machine Learning Repository. Результаты ко-
торого показали, что построенный на тестовых данных классификатор обладает более
высоким уровнем интерпретируемости полученных результатов формирования профилей,
сохраняя точность классификации.

В настоящее время интеграция данных является актуальной проблемой. Интеграция
данных может быть представлена на различных уровнях. Современные методы решения
задач интеграции не могут решать семантическую проблему, к тому же они слишком
сложны. На основе исследований методов, используемых на данный момент, можно сде-
лать вывод, что самыми часто используемыми методами, для подходов к решению задачи
неоднородности на семантическом уровне, используются такие эвристики, которые при-
меняют результирующую онтологию. В большинстве случаев, данные информационных
систем представлены как объекты информации, которые в свою очередь формируют не-
кую предметную область или ее часть, в тоже время к каждой части (области) относит-
ся ее собственная онтология. Исходя из этого, при решении задачи семантической неодно-
родности данных нужно привести определения предметных областей и взаимодействия их
объектов. Таким образом можно построить взаимодействие информационных систем,используя согласованную семантику предметной области. Рассматривается семантиче-
ский уровень, на котором данные анализируются с точки зрения их семантических
свойств, а также в аспекте единой онтологии. Для решения данного класса задач предла-
гается использовать эволюционные и биоинспирированные алгоритмы. Предлагается ис-
пользовать бустинг, идея которого состоит в последовательном применении нескольких
алгоритмов. В основе процесса интеграции информационных систем лежит задача оценки
семантической близости объектов неоднородных онтологий, основанной на гибридной
мере подобия, включающей в себя атрибутивную, таксономическую и реляционную. Пред-
ложена структура бустинга биоинспирированных алгоритмов для поиска концептов и
оценки их семантической близости. Предлагается использовать динамическую вероят-
ность выбора алгоритмов на основе полученных результатов.

Приводится методология использования биоинспирированных методов для интегриро-
ванной обработки больших данных на примере решения задачи транспортного типа.
Оcнoвнoe мecтo среди прикладных задач транспортного типа, зaнимaют зaдaчи построения
транспортных мapшpyтoв, кoтopыe пoзвoляют дo минимyмa coкpaтить пpoбeг
тpaнcпopтныx средств или минимизиpовать зaтpaты нa пepeвoзкy гpyзoв. Маршрутизация
перевозок – это наиболее совершенный способ организации потоков грузов с предприятий,
оказывающий существенное влияние на ускорение оборота транспорта при рациональном
и эффективном его использовании. Для данного класса комбинаторных задач, отсутствуют
эффективные классические методы и алгоритмы решения. Эти задачи характеризуются
конечным, но весьма большим числом возможных решений. Их можно поставить как задачи
целочисленного программирования, но и в этом случае отсутствуют эффективные алго-
ритмы. Поэтому, разработка методов и алгоритмов для решения задач транспортного
типа, осуществляющаяся на протяжении многих лет, является по-прежнему, актуальной
проблемой. Осуществлен методологический анализ проблемы исследования. Анализ показал,
что использование методов и алгоритмов последовательного и параллельного биоинспириро-
ванного поиска для решения рассматриваемого класса задач транспортного типа, является
актуальной научной задачей, представляющей практический интерес. Приведена постановка
задачи. Показана схема интегрированного поиска, которая позволяет распараллелить про-
цесс нахождения приемлемого решения для задач большой размерности. Рассмотрена
структурная схема биоинспирированного поиска для задачи об экстремальном пути. Пред-
ставлены результаты вычислительных экспериментов. Результаты исследований позволя-
ют сделать вывод о том, что временная сложность рассмотренных алгоритмов биоинспи-
рированного поиска не выходит за пределы полиномиальной зависимости, и может быть
выражена формулой: O(N2), где N – число вершин графа (размер решаемой задачи).

В представленных материалах дано общее описание алгоритмов кодирования и деко-
дирования, использованных при разработке сигнально-кодовых конструкций, реализованных
в макете радиостанций с оборудованием программно-определяемой радиосистемы
(Software-Defined Radio – SDR). Рассмотрены форматы кадров широковещательного и
полудуплексного протоколов; модуляции/демодуляции и последующей цифровой обработки
сигналов, которые применяются в существующих и перспективных системах радиосвязи.
Авторами статьи сделана ставка на использование OFDM-модуляции совместно с абсолютной фазовой манипуляцией (2PSK и 4PSK) в подканалах. Цель работы. Исследование
существующих методов модуляции/демодуляции и последующей цифровой обработки сиг-
налов, а также накладываемых ими требований на аппаратуру станций сети и алгоритмы
работы системы. Проведенные исследования позволят определить наиболее целесообраз-
ный и энергоэффективный путь разработки, в том числе создания программного обеспе-
чения, позволяющих создать технику, способную удовлетворить максимальному числу воз-
можных назначений каналов радиодоступа. Для обоснования достоверности и работоспо-
собности предложенного алгоритма и протокола передачи было разработано соответст-
вующее программное обеспечение (ПО). Оно может быть использовано для приема и пере-
дачи информации посредством использования ионосферных отражений. Кроме того, при-
няты во внимание существующие стандарты, любительские системы типа WinLink и
морские информационные системы (цифровые и аналоговые), в части касающейся «физи-
ческого» и «канального» уровней. Результаты. Приведена структура и функциональноe
описание разработанного ПО программно-конфигурируемого радиоканала. Показаны ре-
зультаты экспериментальной апробации технических решений. ПО может задействовать
аппаратные и программные средства для управления приемо-передающего модуля, вклю-
чающего трансивер SunSDR2, поддерживающий работу аппаратной части в полном дуп-
лексном режиме, и антенный усилитель. В результате рассмотрения структуры и функ-
ционального описания разработанного ПО сделан вывод о том, что обоснования достовер-
ности и работоспособности предложенного алгоритма и протокола передачи актуальны в
задачах разработки цифровых приемников для систем связи различного назначения. Пред-
ставленные данные экспериментальных исследований по верификации предлагаемого алго-
ритма показали приемлемое соответствие принятых решений по качественному использо-
ванию канального ресурса с достаточным уровнем правдоподобия и надежности в переда-
чи информации, заключенной в использовании описанной кодовой конструкции.

Предлагается технология управления знаниями, основанная на совместном использовании
онтологий, когнитивных моделей и продукционных экспертных систем. Ядром предлагаемой
технологии являются методика когнитивного моделирования и преобразования когнитивных
моделей в продукционные правила экспертной системы, а также инструментальные средства
поддержки предлагаемой технологии, разрабатываемые на основе агентного подхода. Приме-
нены разработанные в авторском коллективе методики и инструментальные средства семантического моделирования (в первую очередь онтологического и когнитивного). Рассматривает-
ся двухуровневая технология многовариантных исследований, интегрирующая уровни качест-
венного (с использованием семантического моделирования) и количественного анализа (с приме-
нением математических моделей и вычислительного эксперимента), а также интеллектуаль-
ная ИТ-среда, интегрирующая инструментальные средства поддержки двухуровневой техно-
логии. На их основе выполнены модификация и разработка инструментальных средств для
поддержки предложенной технологии управления знаниями. Приведена иллюстрация предло-
женной технологии, семь этапов которой описаны в таблице. Рассмотрена разработка аген-
та конвертирования для преобразования причинно-следственных отношений когнитивных карт
в продукционные правила экспертной системы, приведен алгоритм агента. Результат конвер-
тирования - полученный набор правил - передается в оболочку продукционной экспертной сис-
темы Clips. Используя машину вывода Clips, эксперт получает выводы о степени взаимовлия-
ния концептов когнитивной карты друг на друга и на их основе интерпретирует когнитивную
карту. Приведены примеры онтологий, когнитивных карт, результаты преобразования когни-
тивных карт в продукционные правила экспертной системы, иллюстрирующие предложенную
технологию управления знаниями. Описан вычислительный эксперимент, в котором использо-
вана когнитивная карта угрозы «Низкие темпы обновления электрогенерирующего оборудова-
ния». Эффективность предложенной технологии для поддержки обоснования и принятия
стратегических решений по развитию энергетики в первую очередь может быть оценена ка-
чественно, поскольку она обеспечивает научную обоснованность рекомендуемых решений и
тем самым повышает их эффективность. Кроме того, применение этой технологии направ-
лено на сокращение трудозатрат эксперта и, соответственно, сокращение времени на ана-
лиз и обоснование вариантов решений. Новизна предложенного подхода состоит, во-первых,
в интеграции различных интеллектуальных технологий (онтологии, когнитивное моделиро-
вание, экспертные системы) в рамках единой технологии управления знаниями в научных
исследованиях; во-вторых, в автоматизации анализа и интерпретации когнитивных карт с
помощью продукционных экспертных систем. В итоге можно говорить о повышении качества
подготовки и обоснования рекомендаций для принятия решений. Технология управления знания-
ми апробирована в исследованиях проблем энергетической безопасности, но может иметь
более широкое применение.

Большинство актуальных задач науки и техники неразрывно связаны с задачей визуализа-
ции – помимо привнесения наглядности и информативности в изучение, управление и проекти-
рование природных и технических объектов и процессов, визуализация решает ряд важных
задач по реализации человеко-машинного взаимодействия. Ключевым вопросом визуализации в
большинстве случаев является возможность отображения всей необходимой информации за
отведённое количество времени с соблюдением лимита допустимого потребления ресурсов
системы. Проблемы парадигмы объёмной визуализации в подавляющем количестве случаев
стоят более остро, так как в данной парадигме, как правило, производится обработка большо-
го количества данных, что может требовать чрезмерное количество вычислительных ресур-
сов, либо привносить ряд проблем в управление процессом визуализации. Помимо непосредст-
венных подходов к оптимизации параметров рендеринга и процедур рендеринга (сэмплинга и
композитинга), интерес представляет исследование подходов к организации обрабатываемых
данных. Сокращение любых издержек, связанных с хранением и обработкой исходных графиче-
ских данных позволяет не только существенно сократить соответствующие затраты, но и
реализовать ряд модификаций процедур сэмплинга и комопзитинга, что открывает возмож-
ность для дополнительной оптимизации процесса визуализации. В работе рассмотрены ключе-
вые задачи организации, хранения и обработки графических данных в парадигме объёмной ви-
зуализации в контексте реализации на распределённых системах. Рассмотрен общий подход к
оптимизации, применимый для случая распределённой реализации. Описана постановка задачи
оптимизации, описан вариант целевой функции. Далее рассмотрена задача организации графи-
ческих данных на основании пространственного расположения и свойств содержимого сцены.
Определены ключевые нюансы, описан вариант решения для случая распределённой обработки
при помощи комбинации известных подходов, рассмотрены теоретические и практические
аспекты. После чего рассмотрен подход к низкоуровневой реализации, описан вариант пред-
ставления исходных данных в виде графа, помеченного набором свойств и вариант проведения
процедуры рендеринга для такой структуры.

Рассматриваются интегрированные подходы к решению оптимизационных задач
автоматизированного проектирования схем цифровой электронно-вычислительной аппа-
ратуры. Подчеркнута актуальность и важность разработки новых эффективных мето-
дов решения подобных задач. Отмечено, что важным направлением развития методов
оптимизации является разработка гибридных методов и подходов, сочетающих достоин-
ства различных методов вычислительного интеллекта. Высказано предположение, что
гибридизация позволяет добиться «синергетического эффекта», когда достоинства от-
дельных методов взаимно усиливаются. Приведено определение смешанных искусственных
систем и условная классификация гибридных систем. Рассмотрены взаимосвязи и возмож-
ности взаимного использования теории эволюционного проектирования и многоагентных
систем. Предложен гибридный подход к решению оптимизационных задач на основе соче-
тания эволюционных методов поиска, методов нечеткого управления и возможностей
параллельной организации вычислительного процесса. Предложен модифицированный опе-
ратор миграции для обмена информацией между популяциями решений в процессе выпол-
нения параллельных вычислений. Разработана структура параллельного гибридного алго-
ритма. Для организации параллельного вычислительного процесса предложено использо-
вать островную и буферную модели параллельного генетического алгоритма. Для повыше-
ния качества получаемых результатов в контур эволюции экспертной информации вклю-
чен нечёткий логический контроллер, регулирующий значения параметров процесса эволю-
ции. Представлена структурная схема, разработанного гибридного алгоритма. Разрабо-
тано программное приложение, приведено описание архитектуры программного приложе-
ния. Рассмотрены особенности программной реализации предложенного гибридного алго-
ритма. Представлено краткое описание проведенных вычислительных экспериментов,
подтверждающих эффективность предложенного метода.

Рассматривается параллельно последовательный подход к построению минимально-
го дерева Штейнера. Разработанный алгоритм базируются на общем подходе, заключаю-
щимся на декомпозиции связывающей сети и представлении ее в виде совокупности двух-
терминальных соединений. Для цепи ti на множестве вершин Xi, |Xi|=ni графа G с помощью
алгоритма Прима строится минимальное связывающее дерево Ri={rik|i=1, 2, …, ni-1}. Для
каждого ребра rikRi формируется маршрут sik, связывающий на графе G пару вершин,
соответствующих ребру rik. Каждому маршруту sik соответствует множество Г(sik)
ребер графа G. Задача построения минимального дерева Штейнера сводится к задаче по-
строения и выбора s-маршрута sik на графе G, для каждого ребра rik. Для каждого агента,
расположенного в вершине pi, задаются координаты вершины pj к которой прокладывает-
ся s-маршрут и определяются возможные направления его перемещения по ребрам орто-
гонального графа G=(V,E), обеспечивающие построение s-маршрута минимальной длины.
Качество маршрута, построенного агентом, будет определяться наличием общих участ-
ков с маршрутами, построенными другими агентами кластера. Чем больше в составе
маршрута общих участков с маршрутами, построенными другими агентами кластера,
тем меньше суммарная длина ребер минимального дерева Штейнера. Декомпозиция задачи
в рамках параллельно-последовательного подхода позволили избежать проблемы очередно-
сти прокладки маршрутов и организовать систему коллективной адаптации с высокой
степенью целесообразного поведения и сходимости. Особенностью представленного му-
равьиного алгоритма построения минимального дерева Штейнера является то, что му-
равьиная колония разбита на кластеры и поиск конкретного решения задачи осуществля-
ется популяцией кластеров муравьев. Задача построения муравьями каждого кластера Aσ
дерева Штейнера сводится к задаче построения и выбора в графе G совокупности
Mσ s-маршрутов, покрывающих минимальное дерево Штейнера. В отличие от канониче-
ской парадигмы муравьиной колонии, предложена модифицированная жадная стратегия
построения ориентированного маршрута на модели представления решения. Концепция

коллективной адаптации (адаптивного поведения) кластера агентов, используемая в
рассмотренном выше подходе, заключается в следующем. Глобальная цель коллектива
(кластера агентов) заключается в построении минимального дерева Штейнера. Локал ь-
ная цель каждого агента заключается в построении маршрута максимальной стоимо-
сти, то есть маршрута, максимально совпадающего с маршрутами, построенными дру-
гими агентами кластера, что косвенно способствует достижению глобальной цели ко л-
лектива. Состояние каждого ребра ejE графа поиска G решений описывается двумя
параметрами hj и dj. Значения показателей hj и dj обновляются путем наращивания на
каждой итерации после построения всеми кластерами агентов деревьев Штейнера.
В работе впервые используется композитная структура феромона и дифференцирова н-
ный метод его отложения. Каждый муравей в группе метит путь (ребра маршрута)
двумя видами феромона: феромон-1 и феромон-2. Это обеспечивает более высокую ве-
роятность локализации глобального экстремума задачи. Временная сложность этого
алгоритма на одной итерации определяется как O(n2). После выполнения всех действий
на итерации находится агент с лучшим решением, которое запоминается. Далее осуще-
ствляется переход на следующую итерацию.

Рассматривается основная проблема искусственного интеллекта - разработка эф-
фективных новых и модифицированных эвристических механизмов поиска оптимального
решения. В настоящее время одним из перспективных направлений развития искусственного
интеллекта служат вопросы применения методов и моделей поведения биологических сис-
тем для решения NP-полных и NP-трудных оптимизационных задач. В статье рассмотрена
одна из актуальных задач конструкторского проектирования сверхбольших интегральных
схем (СБИС) - задача размещения. Представлена постановка задачи размещения элементов
СБИС. Задачу размещения элементов СБИС предложено решать на основе поведения биоло-
гических систем в природе, на примере алгоритма волчьей стаи. Волки являются типичными
социальными животными, имеющими четкое разделение социальной работы. Представлены
действия и правила поведения волчьей стаи в живой природе. На основе представленных
правил и действий волков, описан модифицированный алгоритм волчьей стаи. Преимущест-
вом разработанного модифицированного алгоритма является возможность улучшения каж-
дой последующей стадии решения задачи размещения. В рамках работы алгоритм волчьей
стаи был реализован на языке Java. В качестве тестовых схем использовались известные
бенчмарки фирмы IBM. Сравнения проводились с результатами работы известных алгорит-
мов: Capo 8.6, Feng Shui 2.0, Dragon 2.23. На основе проведенных исследований, разработан-
ный алгоритм волчьей стаи показал результаты выше, по сравнению с аналогами.

Ионизирующее излучение приводит к возникновению кратковременных нарушений ра-
ботоспособности электронной аппаратуры. Данный тип сбоя в основном рассматривался
в контексте запоминающих устройств и элементов памяти. Однако, интенсивное разви-
тие микроэлектронной промышленности приводит к росту числа сбоев в комбинационных
участках, и в скором времени может привести к тому, что частота возникновения сбоев в
данных участках будет сопоставима с частотой в незащищенных элементах памяти.
На сегодняшний день существует множество различных методов борьбы с последствиями

возникновения случайных сбоев: традиционные методы N-кратного модульного резервиро-
вания, методы, позволяющих усиливать маскирующие свойства схемы, использование раз-
личных средств контроля на основе теории помехоустойчивого кодирования и т.д.
Но в основном большинство из представленных методов приводят к появлению большой
структурной избыточности. Вследствие этого возникает необходимость в разработке
новейших методов борьбы с последствиями случайных сбоев. В рамках данной статьи рас-
сматривается применение особых средств контроля – схем функционального контроля
(СФК) на основе низкоплотностного кода с целью повышения сбоеустойчивости комбина-
ционных схем. Использование такой СФК позволяет выполнить исправление однократной
ошибки за счет метода мажоритарного декодирования. При сравнении с методом трой-
ного модульного резервирования по таким параметрам как логическая чувствительность и
структурная избыточность, применение полученной СФК может стать некоторым ком-
промиссным решением проблемы устойчивости схемы к возникновению случайных сбоев.

Схемы становятся более восприимчивыми к воздействию тяжелых заряженных
частиц из-за изменения технологий проектирования: уменьшения проектных норм, напря-
жений питания, увеличения степени интеграции и тактовых частот. Актуальным явля-
ется широкое использование микросхем в космической, военной промышленности, научно-
исследовательских установках и медицинском оборудовании в условиях воздействия радиа-
ции, где сбои недопустимы. Но также следует учитывать, что случайные сбои возможны
и на земле в результате воздействия нейтронов и альфа – частиц, что делает применение
средств защиты для наземных схем так же необходимым. На сегодняшний день разраба-
тываются методы обеспечения сбоеустойчивости на схемотехническом уровне. Для оцен-
ки методов повышения надежности необходимы быстрые и точные методы автоматизи-
рованного моделирования случайных сбоев. Но средств автоматизированного моделирова-
ния эффектов воздействия высокоэнергетичных частиц в составе коммерческих САПР
нет. Так как для КМОП технологий 45нм и ниже большая часть наблюдаемых случайных
сбоев будет происходить в комбинационных схемах, в работе предложен способ реализа-
ции автоматизированного метода моделирования случайных сбоев переключения, проведе-
но сравнение разработанного метода с существующими аналогами, показано применение
метода на большом наборе комбинационных ячеек.

Проведен анализ текущего состояния проблемы обратной разработки печатных
плат, в контексте развития современного общества, науки техники. Связь технологий
обратной разработки и мировой тенденцией развития рассматривается в контексте Ин-
дустрии 4.0 или четвертой научно-технической революцией. Проведен обзор существую-
щих современных алгоритмов сегментации, основанных на алгоритмах кластеризации.
Выявлены их достоинства и недостатки. Целью статьи является автоматизация процес-
са обратной разработки печатных плат. Задачей статьи разработка нового алгоритма
сегментации изображений, для его применения в автоматизированной системе обратной
разработки печатных плат. В статье представлена теоретическая разработка нечетко-
го алгоритма паукообразных обезьян сегментации изображений на основе нечеткого алго-
ритма с-средних. Принцип работы заключается в использовании алгоритма паукообразных
обезьян используется для поиска максимума распределения вероятности нахождения ана-
логичного пикселя на сегментируемом изображения, далее максимумы назначаются цен-
трами сегментов и используется алгоритм нечеткой сегментации с-средних. Достоинст-
вом этого разработанного алгоритма является автоматическое определение количества
кластеров и их центров. Теоретическое преимущество такого подхода в использовании
универсального алгоритма оптимизации, который превосходит аналоги во многих тесто-
вых задачах оптимизации. Приведен алгоритм действий, автоматизированной системы
обратной разработки печатных плат. В статье приводятся выводы о перспективах ис-
следований в этом направлении и предлагаются возможности использования результатов
работы. Новизной является автоматизация процесса обратной разработки печатных
плат. Принципиальным отличием является использование нового метода сегментации,
основанного на алгоритмах нечеткой с-средних сегментации и паукообразных обезьян.

Согласно решению редакции журнала «Известия ЮФУ.
Технические науки» данная статья отозвана по причине того,
что ее текст действительно на 69,47 % совпадает с текстом
статьи Г.Д. Дмитревича, Д.А. Анисимова «Построение систем
автоматизированного проектирования на основе сервис-
ориентированной архитектуры», опубликованной в журнале
«Известия СПбГЭТУ «ЛЭТИ» № 2/2014.