2018 № 3 (40) 

Содержание

  1. Самигулина Г.А., Самигулин Т.И. ОБЗОР СОВРЕМЕННЫХ ПОДХОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ СИСТЕМ УПРАВЛЕНИЯ СЛОЖИВШИМИСЯ ОБЪЕКТАМИ
  2. Кучеров А.В., Мигов Д.А. РАСЧЕТ ОЖИДАЕМОЙ ПЛОЩАДИ ПОКРЫТИЯ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ С НЕНАДЕЖНЫМИ УЗЛАМИ
  3. Ахатов А.Р., Назаров Ф.М. РАЗРАБОТКА МОДЕЛИ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ НЕСТАЦИОНАРНЫХ ДИСКРЕТНЫХ СИСТЕМ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ
  4. Моисеенко В.В. ОПЫТ ИНФОРМАТИЗАЦИИ СОВЕТСКОГО РАЙОНА Г. НОВОСИБИРСКА В 1970-1990 ГОДАХ И ДАЛЬНЕЙШЕЕ ЕГО ИСПОЛЬЗОВАНИЕ (РЕТРОСПЕКТИВНЫЙ ОБЗОР)
  5. Нариньяни А.С.  ВВЕДЕНИЕ В НЕДООПРЕДЕЛЕННОСТЬ

Самигулина Г.А., Самигулин* Т.И.

Институт информационных и вычислительных технологий,050010, г, Алма-Ата, Республика Казахстан
*Казахский технический университет им. К, И, Сатпаева, 050013, Алма-Ата, Республика Казахстан

ОБЗОР СОВРЕМЕННЫХ ПОДХОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ СИСТЕМ УПРАВЛЕНИЯ СЛОЖИВШИ ОБЪЕКТАМИ

УДК 004.89

В статье проведен аналитический обзор интеллектуальных систем управления сложными объ­ектами, построенных на основе генетических алгоритмов, оптимизации роя частиц и алгорит­мов оптимизации муравьиных колоний за период с 2015 но 2018 год. Показаны важность применения биоинсисрированных подходов искусственного интеллекта и перспективы их раз­вития. Приведены основные достоинства и недостатки применения различных интеллектуаль­ных алгоритмов при построении интеллектуальных систем управления сложными объектами. Показана актуальность разработок интеллектуальных систем при создании инновационных интеллектуальных технологий для различных практических приложений в промышленности, нефтегазовой отрасли, транспорте и других областях.
Ключевые слова: аналитический обзор, сложный объект, интеллектуальные системы управления, генетические алгоритмы, оптимизация роя частиц, оптимизация муравьиных ко­лоний.

Работа выполнена по гранту Комитета науки Министерства образования и науки Республики Казах­стан (2018 2020 гг.) по теме „Разработка когнитивной Smart технологии для интеллектуальных систем управления сложными объектами на основе подходов искусственного интеллекта

Библиографическая ссылка: Cамигулина Г.А., Самигулин Т.И. Обзор современных подходов искусственного интеллекта для систем управления сложившимися объектами //журнал Проблемы информатики,  2018, № 3. С.4-20 
 


Кучеров А.В., Мигов* Д.А.

Новосибирский государственный университет 630090, Новосибирск, Россия
*Институт вычислительной математики и математической геофизики СО РАН, 630090, Новосибирск, Россия

РАСЧЕТ ОЖИДАЕМОЙ ПЛОЩАДИ ПОКРЫТИЯ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ С НЕНАДЕЖНЫМИ УЗЛАМИ

УДК 519.17;519.24

Рассматривается беспроводная сенсорная сеть, в которой сенсоры подвержены случайным от­казам. Сеть задается с помощью случайного графа с ненадежными вершинами, распределен­ными в двумерной области. Для каждого узла заданы его координаты и вероятность исправной работы, а также радиус окрестности, в пределах которой сенсор ведет мониторинг. В каче­стве показателей надежности рассматриваются математическое ожидание площади области покрытия и вероятность того, что площадь области мониторинга не меньше заданного напе­ред порогового значения. Предлагаются точные методы для расчета данных показателей. Для вычисления площади покрытия в частных реализациях сети предложено несколько подходов. Представлены результаты численных экспериментов
Ключевые слова: беспроводные сенсорные сети, надежность сети, случайный граф, фак­торизация, связность, область мониторинга.

Работа поддержана РФФИ. Коды проектов № 17-47-540997, № 18-07-00460.

Библиографическая ссылка: Кучеров А.В., Мигов Д.А. Расчет ожидаемой площади покрытия беспроводной сенсорной сети с ненадежными узлами //журнал Проблемы информатики,  2018, № 3. С.21-33.


Ахатов А.Р., Назаров Ф.М.

Самаркандский государственный университет, 140104, Узбекистан, г. Самарканд

РАЗРАБОТКА МОДЕЛИ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ НЕСТАЦИОНАРНБ1Х ДИСКРЕТНВ1Х СИСТЕМ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ

УДК 621.376.54

В статье рассматриваются вопросы моделирования нестационарных дискретных систем на примерах экономических процессов, которые осуществляются в условиях временных ограниче­ний и запаздывания. Целью исследования является построение систем мониторинга, реализу­ющих функции контроля достоверности, сглаживания, регулирования факторов, приводящих к невыполнению назначенных объемов и сроков. Разработаны модели адаптивного статистиче­ского и нсйросстсвого прогнозирования. Приведены результаты экспериментального анализа на конкретных числовых примерах.
Ключевые слова: нестационарный экономический процесс, временной ряд, адаптивное моделирование, управление, обратная связь, аппроксимация, статистическое прогнозирование, нейронная сеть, среднеквадратическое отклонение, обучение.

Библиографическая ссылка: Ахатов А.Р., Назаров Ф.М. Разработка модели прогнозирования временных рядов нестационарных дискретных систем на основе нейронной сети //журнал Проблемы информатики,  2018, № 3. С.34-50.


Моисеенко В.В.

Институт вычислительной математики и математической геофизики СО РАН, 630090, Новосибирск, Россия

ОПЫТ ИНФОРМАТИЗАЦИИ СОВЕТСКОГО РАЙОНА Г. НОВОСИБИРСКА В 1970-1990 ГОДАХ И ДАЛЬНЕЙШЕЕ ЕГО ИСПОЛЬЗОВАНИЕ (РЕТРОСПЕКТИВНЫЙ ОБЗОР)

УДК 004.031.42

В статье сделан экскурс в историю разработки и эксплуатации территориальных автомати­зированных систем управления (ТАСУ) в стране. Сделан вывод о том, что, несмотря на ряд недостатков, эксплуатация ТАСУ дала положительные результаты. Рассмотрены спроектиро­ванные и внедренные в эксплуатацию подсистемы АСУ Советского района г. Новосибирска. Приведены цели создания иод систем, задачи, решаемые с помощью автоматизации, и показа­тели, которые должны совершенствоваться в процессе эксплуатации подсистем. Дан перечень других разработок но информатизации, проведенных сотрудниками ВЦ СО РАН.
Ключевые слова: городской район, территориальная автоматизированная система управ­ления, информатизация района, функциональные подсистемы АСУ района, распределенные информационно-вы числительные системы.

Библиографическая ссылка: Моисеенко В.В. Опыт информатизации советского района г. новосибирска в 1970-1990 годах и дальнейшее его использование (ретроспективный обзор) //журнал Проблемы информатики,  2018, № 3. С.51-60.


Нариньяни А.С.

Российский НИИ Искусственного Интеллекта

ВВЕДЕНИЕ В НЕДООПРЕДЕЛЕННОСТЬ

УДК 519.65; 519.85; 004.94; 004.82

Недоопределенные модели (Н-модели) — новая теория и технология эффективного решения широкого спектра проблем от прикладных расчетов до обработки знаний и задач искусствен­ного интеллекта. Относится к направлению constraint programming, активно развиваемому в последнее время в мире как одно из наиболее перспективных в ИТ. Качественно расширяет возможности работы с информацией и вычислительными моделями повышенной сложности, позволяя значительно упростить процесс создания систем и технологий следующего поколе­ния, в частности, в таких областях как экономика, менеджмент, управление сложными объ­ектами и производственными процессами, инженерные расчеты и многих других.
Н-модели позволяют активно взаимодействовать со всем пространством решений, чем принци­пиально превосходят возможности традиционных алгоритмических методов и обеспечивают качественный скачок в решении ключевых проблем развития современных информационных технологий.
Ключевые слова: вычислительные модели, программирование в ограничениях, метод недоопределенных моделей, искусственный интеллект, представление знаний, НЕ-факторы.

Статья была впервые издана в виде приложения к журналу «Информационные технологии»: Нари­ньяни А. С. Введение в недоопределенность. М : Новые технологии, 2007. (Информационные технологии; прил. 4).

Библиографическая ссылка: Нариньяни А.С.  Введение в недоопределенность //журнал Проблемы информатики,  2018, № 3. С.61-81.