АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№4. Том 30. 2024

К оглавлению

УДК 519.816
DOI: 10.17587/it.30.171-183

В. П. Корнеенко, канд. техн. наук, доц., Институт проблем управления им. В. А. Трапезникова РАН, Москва

Метод построения результирующей шкалы в задачах многокритериального оценивания объектов с интервальным типом данных

Для задач многокритериального оценивания и выбора в условиях неопределенностей наиболее точным является представление оценок объектов в интервальном виде, которое позволяет сохранить полноту информации. Кор­ректное применение аддитивного механизма агрегирования данных в многокритериальных задачах, представленных в различных шкалах измерения, требует, чтобы исходные оценки были преобразованы в результирующие однородные шкалы, характеризующиеся одинаковым размахом и числом градаций. При этом возникает проблема преобразования интервальных оценок в точечные. Идея метода для пересекающихся интервальных оценок и большого числа объектов заключается в построении гистограммы, а затем в равномощном разбиении исходной шкалы измерения на отрезки, номера которых отождествляются с балльными градациями результирующей шкалы. Приводится пример решения задачи многокритериального оценивания и сравнения проекта гражданского вертолета относительно конкурентов по тактико-техническим характеристикам и с интервально заданными ценами продаж.
Ключевые слова: исходная и результирующая шкалы измерения, однородная шкала, равномощное разбиение шкалы критерия, каноническая шкала

С. 171–183

УДК 004.023
DOI: 10.17587/it.30.183-189

Е. А. Зарипов, мл. науч. сотр., аспирант, А. М. Мельников, мл. науч. сотр., аспирант, А. С. Акопов, гл . науч . сотр., д - р техн. наук, проф., профессор РАН,
Центральный экономико-математический институт РАН, Москва, Федеральное государственное бюджетное образовательное учреждение высшего образования "МИРЭА — Российский технологический университет", Москва

Имитационное моделирование и оптимизация транспортных потоков в локальных участках уличной дорожной сети с использованием системы AnyLogic*

Представлен подход к имитационному моделированию и оптимизации транспортных потоков в локальных участках уличной дорожной сети с использованием системы AnyLogic и эвристических алгоритмов. Особенностью такого подхода является применение методов агент-ориентированного (АОМ) и дискретно-событийного имитационного моделирования, поддерживаемых в системе AnyLogic. Предложен оригинальный роевой оптимизационный алгоритм ( PSO ), модифицированный для задачи оптимизации дорожно-транспортного движения на реальном участке дороги (вблизи станции метро Юго-Западная г. Москвы). Выполнены численные эксперименты, подтверждающие возможность оптимизации длительности фаз светофоров в целях минимизации среднего времени проезда транспортных средств на смоделированном участке уличной дорожной сети.
Ключевые слова: интеллектуальные транспортные системы, алгоритм роя частиц, имитационное моделирование транспортных потоков, дорожное движение, AnyLogic

C. 183–189

*Исследование выполнено за счет гранта Российского научного фонда (проект № 23-11-00080).

УДК 004.89
DOI: 10.17587/it.30.190-197

П. А. Посохов, программист, Е. А. Рудалева, программист, С. С. Скрыльников, программист, О. В. Махныткина, канд. техн. наук, доц., В. И. Кабаров, старший преподаватель,
Университет ИТМО, Санкт-Петербург

Извлечение информации о персоне из диалоговых данных на русском языке*

Рассматривается совместное применение лингвистических правил и моделей машинного обучения для решения задачи извлечения знаний из диалоговых данных на русском языке. Лингвистические правила на основе морфологических, синтаксических и грамматических признаков используются для автоматической разметки обучающего набора данных. Нейросетевая модель на основе архитектуры T 5 обучалась в режиме многозадачности, которая предполагала решение задач: а) генерации ответа с опорой на историю диалога и найденные релевантные этой истории факты о персоне агента; б) извлечения фактов о персоне методом генерации на основе последней реплики агента. Для проведения экспериментов использовался набор данных Toloka Persona Chat Rus. Значения метрик обоих подходов показывают их применимость для русского языка, для которого исследования ранее не проводились.

Ключевые слова: персонализированные диалоговые агенты, извлечение знаний, факты о персоне, encoder - decoder модели

C. 190–197

*Исследование выполнено за счет гранта Российского Научного Фонда № 22–11-00128, https://www.rscf.ru/project/22-11-00128/

УДК 658.262; 658.512:005
DOI: 10.17587/it.30.198-205

О. Р. Кивчун, канд. техн. наук, доц.,
Балтийский федеральный университет им. И. Канта

Алгоритм проверки данных на негауссовость с использованием алгоритмов векторного рангового анализа

В процессе решения задачи управления большими техническими системами данные, полученные с различных измерительных устройств, обрабатываются известными методами. На основании их анализа формируются допустимые решения, и в результате выбора принимается наилучшее. Часть данных параметризированы и носят стохастический характер, т. е. являются случайными величинами. Однако информация для принятия решений по управлению должна быть строго детерминированной. Поэтому основной задачей обработки стохастических данных является получение детерминированных инвариантов, пригодных для использования в качестве информации в процессе принятия решений. В статье представлен алгоритм проверки данных, позволяющий определить, к какому виду они относятся: гауссовые или негауссовые. Результаты данной проверки позволят осуществить правильный выбор математического аппарата для получения детерминированных инвариантов, что позволит принять качественное решение в управлении.
Ключевые слова: алгоритм, проверка, данные, негауссовость, управление, ресурсы, большая техническая система, векторный ранговый анализ

С. 198–205

УДК 004.021
DOI: 10.17587/it.30.206-213

В. П. Кулагин, д-р техн. наук., проф.,
Московский технический университет связи и информатики,
Н. Д. Муравьев, аспирант,
РТУ МИРЭА

Генерация программ синтеза моделей, основанных на сетях Петри, с ограничениями

Предлагается модифицированный алгоритм генерации программ синтеза сетевых моделей, выраженных в терминах сетей Петри. Алгоритм основан на использовании ограниченно растущих строк и возможности их генерации в лексикографическом порядке. Для сокращения числа возможных программ синтеза рассматривается ввод ограничивающих условий, накладываемых на дерево разбиения множеств. С учетом наложенных ограничений строится новое дерево меньшей размерности, которое также сохраняет лексикографический порядок содержащихся в нем ограниченно растущих строк. Дается оценка эффективности нового алгоритма генерации ограниченно растущих строк с ограничениями. Предложенный алгоритм может использоваться при решении задач синтеза моделей сложных вычислительных структур, при построении параллельных систем, при распараллеливании алгоритмов и решении других задач, связанных с созданием эффективных распределенных систем.
Ключевые слова: сеть Петри, ограниченно растущая строка, числа Белла, разбиение множества, программа синтеза, дерево разбиения множеств

УДК 004.023
DOI: 10.17587/it.30.214-223

В. В. Кузовкин, аспирант,
Томский государственный университет систем управления и радиоэлектроники

Программное обеспечение обучающего веб-портала для учителей, репетиторов и учеников

Обосновывается целесообразность применения Data - Driven -подхода в образовании и создания платформы "одного окна". Описаны достоинства и недостатки современных отечественных и зарубежных ED Tech -продуктов, на основании чего делается вывод о необходимом функционале проектируемой платформы. Рассмотрены требования к программному обеспечению, разработанному с использованием методологии UML , обсуждается выбор инструментов создания платформы и реализация инструментальной системы, включая структуру базы данных. Показано, что подобная схема масштабируема и легко может дополняться и другим функционалом. На базе требований создан прототип проекта; проект состоит из нескольких частей, включая базу данных с задачами, онлайн-тренажер, онлайн-доску, голосовой мессенджер и теоретическую информацию, необходимую для решения задач. Кроме того, в будущем планируется использование адаптивного алгоритма обучения с использованием искусственного интеллекта. Показано, что данный прототип успешно применяется для обучения учащихся. В будущем веб-портал с подобным инструментарием планируется внедрить в работу онлайн-школ.
Ключевые слова: программное обеспечение, ED Tech , педагогика, адаптивное обучение, генератор заданий, база данных, информационно-поисковая система, онлайн-образование

C. 214–223

К оглавлению