АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№10. Том 27. 2021

К оглавлению

УДК 004.832.23
DOI: 10.17587/it.27.507-520

В. В. Курейчик, д-р техн. наук, проф., e-mail: vkur@sfedu.ru, С. И. Родзин, канд. техн. наук, проф., e-mail: srodzin@yandex.ru, Южный федеральный университет, г. Таганрог

Вычислительные модели эволюционных и роевых биоэвристик (обзор)

Приводятся вычислительные модели эволюционных и роевых алгоритмов, использующих инспирированные природой механизмы самоорганизации и обучения. Представлены экспериментальные результаты для задачи размещения графа на плоскости с минимальной суммарной длиной ребер графа.
Ключевые слова: биоэвристика, сходимость алгоритма, диверсификация пространства поиска, популяция, фитнесс-функция, оптимизация, граф

Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-07-00570.

УДК 621.371.2; 621.391.82: 519.25
DOI: 10.17587/it.27.521-530

О. Н. Маслов, д-р техн. наук, проф., e-mail: maslovpsuti@yandex.ru, Поволжский государственный университет телекоммуникаций и информатики, г. Самара

Защита стационарного объекта от массированного воздействия мобильных объектов в условиях смешанной игры по фон Нейману

Методом статистического имитационного моделирования (СИМ) выполнен анализ условий работы и эффективности функционирования системы физической защиты стационарного объекта от массированного воз­действия беспилотных летательных аппаратов (дронов). Показано, что условия решаемой задачи соответствуют рефлексивной версии двусторонней смешанной игры по фон Нейману. Определены статистические риск-ориентированные характеристики двух вариантов реализации системы защиты объекта: использующих силовые механические и электромагнитные воздействия на "облако дронов". Проиллюстрированы возможности и представлены перспективы использования результатов, полученных с применением метода СИМ.
Ключевые слова: физическая защита объекта, беспилотные летательные аппараты, модель "облако дронов", механическая и электромагнитная защита, метод статистического имитационного моделирования, характеристики системы защиты

С. 521–530

УДК: 519.24                                                                                 
DOI: 10.17587/it.27.531-541

Г. Н. Жукова, канд. физ.-мат. наук, доц., e-mail: gzhukova@hse.ru, Национальный исследовательский университет "Высшая школа экономики", М. В. Ульянов, д-р техн. наук, проф., вед. науч. сотр., проф., e-mail: muljanov@mail.ru, Институт проблем управления им. В. А. Трапезникова РАН, Московский государственный университет им. М. В. Ломоносова

Восстановление символьной периодической последовательности по последовательности с шумом

Рассматривается задача построения периодической последовательности, состоящей из не менее чем восьми периодов, на основе заданной последовательности, полученной путем внесения шума удаления, замены и вставки символов из неизвестной периодической последовательности, также содержащей не менее восьми периодов. Для построения периодической последовательности, аппроксимирующей заданную, искаженную шумами, вначале требуется оценить длину повторяющегося фрагмента (период). Далее искаженная исходная последовательность разбивается на последовательные участки равной длины, длина пробегает все целые значения от 80 до 120 % от оценки периода. Каждый полученный участок сравнивается с каждым из оставшихся. Для построения периодической последовательности выбирается участок с минимальным редакционным расстоянием. Минимизация проводится по всем участками фиксированной длины, а затем — по всем длинам от 80 до 120 % от оценки периода. Для корректности сравнения фрагментов разной длины редакционное расстояние делится на длину фрагмента. Длина фрагмента, доставляющего минимум отношения редакционного расстояния, считается периодом аппроксимирующей периодической последовательности, а сам фрагмент, повторяясь необходимое число раз, образует аппроксимирующую последовательность. Построенная последовательность может в конце содержать неполный повторяющийся фрагмент. Качество аппроксимации оценивается отношением редакционного расстояния от исходной искаженной последовательности до построенной периодической последовательности такой же длины к этой длине.
Ключевые слова: символьная последовательность, периодическая последовательность, зашумленная последовательность, шум вставки, шум удаления, шум замены

С. 531–541

Работа выполнена при поддержке грантов РФФИ 19-07-00150 и 19-07-00151.

УДК 004.942                                                                                
DOI: 10.17587/it.27.542-549

Г. Ч. Набибекова, канд. техн. наук, зав. отделом, e-mail: gulnarara58@mail.ru, Институт информационных технологий НАН Азербайджана, Баку, Азербайджан

Применение технологии OLAP в среде электронной демографии

Для проведения демографических исследований предложен подход к разработке электронной системы поддержки принятия решений в области демографии с использованием технологий хранилища данных и OLAP. Поскольку демография охватывает множество отраслей, каждая из которых имеет множество индикаторов, предлагается использовать множество взаимосвязанных витрин данных в качестве архитектуры хранилища данных, а также теорию нечетких множеств, основанную на технике вычислений со словами. В статье показано практическое применение взаимосвязанных витрин данных.
Ключевые слова: демография, демографическая политика, демографическое поведение, электронная демография, хранилище данных, OLAP, витрина данных, шина взаимосвязанных витрин данных, теория нечетких множеств, Computing with Words, MapReduce, Hadoop

C. 542–549

УДК 004.8                                                                                    
DOI: 10.17587/it.27.550-560

К. В. Данилов^1,2, руководитель направления, danilovkostya@yandex.ru, С. В. Мальцева¹, д-р техн. наук, проф., smaltseva@hse.ru,
¹ Национальный исследовательский университет "Высшая школа экономики",
² ПАО "НЛМК"

Метод автоматической генерации признакового пространства в задаче прогнозирования потребления электроэнергии

Рассмотрен метод автоматической генерации признакового пространства. Изложен алгоритм работы метода и схема построения модели прогноза. Предлагаемый подход был апробирован на данных о потреблении электроэнергии в регионах России. Результаты проведенных вычислительных экспериментов с применением изложенного метода демонстрируют повышение эффективности разработанной модели и улучшение точности прогнозирования.
Ключевые слова: автоматическое машинное обучение, автоматическая генерация признаков, прогноз потребления электроэнергии, байесовская оптимизация

C. 550–560

Работа поддержана грантом Российского фонда фундаментальных исследований 20-07-00651 А "Исследование устойчивости распределенных децентрализованных цифровых систем на основе моделей динамики социальных сетей".

Оглавление