АННОТАЦИИ СТАТЕЙ ЖУРНАЛА "ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ"
№12. Том 31. 2025

К оглавлению

УДК 004.896
DOI: 10.17587/it.31.619-629

Б. К. Лебедев, д - р техн. наук, проф., О. Б. Лебедев, д-р техн. наук , доц., А. Г. Шмелева, канд. физ.- мат. наук , доц., М. И. Бесхмельнов, аспирант,
МИРЭА — Российский технологический университет , Москва

Обобщенная задача покрытия множества методом роя адаптивных хромосом в аффинном пространстве решений

Поступила в редакцию 30.03.2025
Принята к публикации 18.04.2025

Излагается метод решения обобщенной задачи покрытия множества на основе гибридизации эвристик и механизмов коллективной адаптации и роевого интеллекта. Предложена модернизированная метаэвристика роя агентов, в которой в качестве агентов служат адаптивные хромосомы, а поисковый процесс организован в аффинном пространстве решений. Разработан алгоритм случайного формирования исходной популяции решений в виде набора легальных матриц граничных требований.
Ключевые слова: покрытие множества, рой хромосом, аффинное пространство, оптимизация, автомат адаптации

C. 619-629

Полный текст на eLIBRARY

УДК 004.9
DOI: 10.17587/it.31.630-636

Л. А. Влацкая, канд. техн. наук, доц., Н. Г. Семенова, д-р пед. наук, канд. техн. наук, проф., А. М. Семенов, канд. техн. наук, доц.,
ФГБОУ ВО " Оренбургский государственный университет "

Генетический алгоритм в задачах оперативно-технологического управления электрическими сетями в послеаварийных режимах

Поступила в редакцию 22.03.2025
Принята к публикации 14.05.2025

Разработка программного ресурса по выбору наилучшего варианта послеаварийной схемы электрической сети в условиях цифровизации электроэнергетики является одной из первоочередных задач российской экономики. Решение данной задачи в работе предлагается реализовать посредством адаптированного авторами генетического алгоритма. Выбор наилучшего варианта топологии послеаварийной электрической сети предложено осуществлять посредством многокритериального оценивания каждого из них. В статье представлены результаты программной разработки, которая может быть использована оперативно-диспетчерским персоналом для предотвращения и ликвидации технологических нарушений в электрической сети. Выполнено тести-рованиее алгоритма, которое показало работоспособность разработанного программного ресурса, повышение быстродействия процесса обнаружения аварии и ускорение принятия решения по ее ликвидации.
Ключевые слова: генетический алгоритм, послеаварийные режимы, оперативно-технологическое управление

С. 630-636

Полный текст на eLIBRARY

УДК 004.852:004.056.2
DOI: 10.17587/it.31.637-648

П. М. Нианг, аспирант, В. Г . Сидоренко, д-р техн . наук, проф., проф.,
РУТ (МИИТ), Москва

Защита от состязательных атак систем обнаружения вторжений на основе машинного обучения

Поступила в редакцию 04.07.2025
Принята к публикации 30.07.2025

Рассмотрены базовые механизмы защиты от последствий состязательных атак на данные, которые используются при обнаружении вторжений в системы интернета вещей, включая обнаружение и фильтрацию состязательных шаблонов. Анализируются распространенные типы состязательных атак ( DTA , FGSM и BIM ), использован набор данных UNSW - NB 15. Эксперименты проведены над классификаторами машинного обучения Random Forest (RF) и логистической регрессии (LR) и показывают преимущества RF.

Ключевые слова: система обнаружения вторжений, машинное обучение, состязательные образцы, random forest, логистическая регрессия

C . 637-648

абота выполнена за счёт бюджетного финансиро­вания в рамках государственного задания от 20.03.2025 № 103-00001-25-02.

Полный текст на eLIBRARY

УДК 004.027
DOI: 10.17587/it.31.649-658

С. Г. Бобков, д-р техн. наук, проф., зам. руководителя, Д. Н. Змеев, науч. сотр., А. В. Климов, ст. науч. сотр., , Н. Н. Левченко, канд. техн. наук, вед. науч. сотр.,
Отделение проблем проектирования в микроэлектронике Центра перспективной микроэлектроники НИЦ "Курчатовский институт", Москва

Оптимизация процесса сопоставлений в вычислительных системах, реализующих потоковую модель вычислений с динамически формируемым контекстом

Поступила в редакцию 31.05.2025
Принята к публикации 27.06.2025

Рассматривается один из подходов к повышению реальной производительности вычислительных систем на основе потоковой модели вычислений с динамически формируемым контекстом и реализующей ее архитектуры параллельной потоковой вычислительной системы. Описываются принципы функционирования аппаратной ассоциативной памяти, которая наиболее эффективно реализует данную модель вычислений. Кроме того, обсуждается одна из ключевых проблем ассоциативной памяти — высокое энергопотребление при выполнении операций сопоставления. Предлагаются методы оптимизации процесса сопоставлений, направленные на общее уменьшение числа "лишних" сопоставлений, а также уменьшение числа сопоставляемых битов, участвующих в процессе сопоставления токенов. Приведены результаты исследований, полученные при выполнении различных программ на поведенческой блочно-регистровой модели системы и эмуляторе, демонстрирующие эффективность предложенных методов.
Ключевые слова: ассоциативная память, параллельная потоковая вычислительная система, потоковая модель вычислений, процесс сопоставлений

С. 649-658

Работа проведена в рамках выполнения государственного задания НИЦ "Курчатовский институт".

Полный текст на eLIBRARY

УДК 004.942:004.8:621.382
DOI: 10.17587/it.31.659-669

В. В. Курейчик, д-р техн. наук, проф., В. И. Данильченко, канд. техн. наук, доц.,
Южный Федеральный университет, г. Таганрог

Прогнозирование аномалий при проектировании СБИС

Поступила в редакцию 16.06.2025
Принята к публикации 27.06.2025

Рассматривается задача интеллектуального прогнозирования проектных аномалий на ранних этапах проектирования сверхбольших интегральных схем (СБИС) в условиях усложняющихся топологий и ограничений современных технологических норм. Постановка задачи включает формализацию критериев выявления аномалий, таких как зоны перегрузки, топологические конфликты и нарушения трассировки. В работе в целях повышения точности классификации и адаптивности к различным структурам проектных данных предложена гибридная архитектура, объединяющая метаэвристические методы с алгоритмами машинного обучения. Проведен вычислительный эксперимент с использованием сгенерированных и известных наборов данных, демонстрирующий эффективность стек-модели и графовых нейронных сетей в обеспечении высокого качества прогнозирования при приемлемом времени обучения. В работе также рассматривается влияние кросс-валидации и балансировки классов на устойчивость к переобучению. Полученные результаты подтверждают практическую применимость предложенного подхода в современных CAD -системах проектирования. Статья будет полезна специалистам, занимающимся автоматизацией проектирования и интеллектуальным анализом СБИС, а также исследователям в области применения гибридных методов в инженерных задачах.
Ключевые слова: гибридная архитектура, метаэвристические методы, машинное обучение, классификация, прогнозирование аномалий, СБИС, топологические конфликты, оптимизация проектирования, кросс-валидация

С. 659-669

Исследование выполнено за счет гранта Российского научного фонда No 24-71-00035, https://rscf.ru/project /24-71-00035/ в Южном федеральном университете.

Полный текст на eLIBRARY

УКАЗАТЕЛЬ статей, опубликованных в журнале "Информационные технологии" в 2025 г.
С. 670-672

К оглавлению