|
||||||||||
|
УДК 004.832.23 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 биоэвристик, основанных на физических и когнитивных процессах (обзор) Приводятся вычислительные модели биоэвристик, основанных на физических и когнитивных процессах. Сопоставляются данные о таких характеристиках биоэвристик (включая эволюционные и роевые биоэвристики), как скорость сходимости, вычислительная трудоемкость, требуемый объем памяти, настройка параметров алгоритма, трудности программной реализации. Оценивается баланс между скоростью сходимости биоэвристик и диверсификацией пространства поиска решений оптимизационных задач. Представлены экспериментальные результаты для задачи размещения графов Peco в решетке с минимальной суммарной длиной ребер графа. С. 563–574 Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-07-00570. Данный обзор является продолжением статьи "Вычислительные модели эволюционных и роевых биоэвристик (обзор)", опубликованной в журнале "Информационные технологии", 2021, Т.27, № 10.УДК 004.051 С. 575–581 Работа выполняется в рамках темы № 0071-2019-0001. УДК 004.089 А. А. Сорокин, канд. техн. наук, доц., e-mail: alsorokin.astu@mail.ru, Астраханский государственный технический университет Исследование иерархических систем нечеткого вывода при получении интегральных оценок анализируемых объектов Исследованы особенности формирования выходных закономерностей иерархическими системами нечеткого вывода (ИСНВ), основанными на СНВ, которые используют алгоритмы Мамдани или Такаги—Сугено. В результате показано, что значения выходных переменных исследуемых ИСНВ имеют свойство группироваться в области фиксированных величин. Выявленное свойство позволяет с помощью ИСНВ провести распределение объектов анализируемой выборки по группам состояний. C. 582–591 УДК 004.738 Р. Э. Асратян, канд. техн. наук, вед. науч. сотр., e-mail: rubezas@yandex.ru, Институт проблем управления им. В. А. Трапезникова РАН Сетевая служба параллельной обработки защищенных информационных запросов в мультисерверной среде С. 592–599 УДК 616-073.756.8-027.44: 004.93 В. С. Осипович1, канд. техн. наук, доц., e-mail: seth22@yandex.ru, О. С. Медведев1, магистр техн. наук, инженер, e-mail: o.med@bsuir.by, О. Н. Дудич2, канд. мед. наук, доц., В. Л. Красильникова2, д-р мед. наук, проф, e-mail: seth22@mail.ru, К.Д. Яшин 1, канд. техн. наук, доц., 1Белорусский государственный университет информатики и радиоэлектроники, г. Минск, Технология преобразования результатов компьютерной томографии в трехмерные модели C. 600–606 УДК 519.68:15:681.5 В. М. Гриняк, д-р техн. наук, проф., Владивостокский государственный университет экономики и сервиса, Кластеризация данных траекторий морских судов для планирования маршрутов через акватории с интенсивным движением Статья посвящена проблеме обеспечения безопасности движения судов на морских акваториях. Одним из элементов организации движения в районах интенсивного судоходства является система установления путей движения судов. Она представляет собой набор ограничений, накладываемых определенной схемой движения судов, правилами движения, принятыми на конкретной акватории. В работе рассматривается задача планирования маршрута перехода судна через акватории с интенсивным движением. При движении через акватории с установленными путями планирование маршрута перехода судна следует осуществлять с учетом заданных ограничений. Возможным путем идентификации этих ограничений является выделение паттернов движения конкретной морской акватории из ретроспективной информации о ее трафике. Модельные представления такой задачи могут быть сформулированы на основе идеи о кластеризации параметров движения судов. В основу модели при решении задачи планирования маршрута положен поиск кратчайшего пути на взвешенном графе. Предлагается несколько способов построения такого графа: регулярная сетка вершин и ребер, слоистая сетка вершин и ребер, случайная сетка вершин и ребер, вершины и ребра на основе ретроспективных данных. Вес ребер предлагается задавать как функцию "желательности" того или иного курса судна для каждой точки акватории с учетом выявленных паттернов движения. В работе обсуждаются возможные методы кластеризации, делается выбор в пользу субтрактивной кластеризации, не требующей предварительного задания числа кластеров. Источником данных о трафике акватории могут служить сервисы Автоматической идентификационной системы. В работе приведены примеры планирования маршрутов перехода через Токийский залив и Сангарский пролив. Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-38-90018. |