SCI Библиотека

В данной работе исследуются современные проблемы городской логистики, связанные с необходимостью адаптации маршрутов различных транспортных средств к изменяющимся условиям городской среды. Основное внимание уделяется задаче многих коммивояжеров (MTSP), которая формализована в мультиагентной постановке (MATSP) с обязательным посещением выделенных точек погрузки/разгрузки, поскольку задача в таком контексте позволяет рассматривать сценарии, приближенные к типичным для систем городского распределения. В статье анализируются различные методы решения: эволюционные алгоритмы, алгоритмы роевого интеллекта (пчелиного роя и муравьиной колонии) и алгоритм имитации отжига. В рамках проведенного исследования сформулирована математическая модель задачи MATSP, позволяющая определить основные ограничения, а также целевую функцию, подвергаемую оптимизации. Далее проведены сравнительные вычислительные эксперименты для задачи нескольких коммивояжеров с точками вывоза для определения оценки эффективности на тестовых наборах данных с выделенными областями обслуживания. Данные эксперименты позволяют наглядным образом выявить особенности каждого из алгоритмов, что дает основу для определения целевого алгоритма в зависимости от входных данных. Отдельное внимание уделено классификации задачи MATSP, которая содержит в себе следующие классы: базовый, сбалансированный, динамический и с выделенными точками погрузки/разгрузки. Исследуются как статические, так и динамические аспекты задачи, включая онлайн-добавление точек и перерасчет маршрутов в реальном времени. Полученные результаты исследования демонстрируют перспективность использования мультиагентного подхода для решения задач городской маршрутизации, особенно в условиях изменяющихся параметров и необходимости оперативного реагирования на изменения.

Рассматриваются хеш-функции, основанные на замещении символов алфавита целыми неотрицательными числами. Основным параметром таких функций является отображение T, осуществляющее замещение; основное назначение функций - выполнение статического хеширования; главные преимущества -высокая скорость работы и простота их реализации. Предлагается алгоритм, выполняющий оптимизацию параметра T с целью уменьшения количества коллизий для заданного словаря. Приводятся примеры эффективных хеш-функций, основанных на замещении символов.

Цели. Целью работы является разработка метода оценки выпуклости рельефа целевой функции (ЦФ) в окрестностях экстремума, не требующего выполнения дополнительных расчетов ЦФ и сложной математической обработки, а использующего только данные, собираемые в процессе поиска экстремума.

Методы. Выпуклость рельефа характеризуется показателем степени степенной аппроксимации ЦФ в окрестностях экстремума. Оценка этого показателя осуществляется по парам пробных точек с учетом их расстояний до найденного экстремума и значений ЦФ в них. На основе анализа погрешностей такой оценки в методе предусмотрены отбор пробных точек по их расстояниям от найденного экстремума и отбор пар пробных точек по углу между направлениями на них из найденного экстремума. Для экспериментальной проверки метода использовались тестовые функции с различной выпуклостью, как выпуклые, так и вогнутые. В качестве метода поиска экстремума применялся алгоритм роя частиц (particle swarm optimization, PSO). Результаты экспериментов представлялись в виде статистических характеристик и гистограмм распределений значений оценки показателя степени степенной аппроксимации ЦФ.

Результаты. Эксперименты показали, что при соответствующем выборе параметров отбора пробных точек и их пар метод дает достоверные значения границ диапазона, в который попадают оценки показателя степени степенной аппроксимации.

Выводы. Предложенный метод может стать частью методики анализа свойств рельефа ЦФ. Для этого необходимо дополнить его алгоритмами автоматической настройки параметров отбора пробных точек и их пар. Повышение информативности метода может быть достигнуто путем анализа распределения оценок показателя степени по расстояниям пробных точек от экстремума и направлениям на них.

В данной статье рассматривается проблема прототипирования специализированных вычислительных модулей для реализации в составе сверхбольших интегральных схем.

Задачи, решаемые применением программируемых логических интегральных схем, включают ускорение процесса функциональной верификации, упрощение процесса проверки изделий, уменьшение рисков повреждения изделия в процессе проверки.

В статье рассматривается блок Arria V GX FPGA Development Kit. Данный блок представляет собой плату для программируемых логических интегральных схем 5AGXFB3H4F40, которая используется для отладки программ при разработке конфигурируемых цифровых электронных схем.

Данная плата обеспечивает возможность настройки и анализа работы генератора прямого цифрового синтеза.

Предложен алгоритм разработки программного обеспечения, предназначенного для автоматической проверки вышедших из производства блоков с применением генератора прямого цифрового синтеза.

Актуальность работы обусловлена широким применением методов решения задачи коммивояжера в различных прикладных областях. В статье рассматриваются вопросы, связанные с необходимостью оптимального перестроения составленных маршрутов при добавлением новых пунктов назначения. Рассматривается модифицированный генетический алгоритм решения задачи коммивояжера и проводится анализ эффективности применения данного алгоритма, при построение оптимальных маршрутов.

В данной статье рассматривается проблема оптимизации процесса обучения искусственных нейронных сетей с использованием генетических алгоритмов. Искусственные нейронные сети представляют собой одну из важнейших технологий в современном мире, однако их обучение требует значительных ресурсов. Для решения проблем, с которыми сталкиваются методы градиентного спуска, применяются генетические алгоритмы. В статье представлены две модификации генетических алгоритмов, направленные на улучшение сходимости моделей искусственной нейронной сети с помощью изменения функции приспособленности. Проведён сравнительный анализ эффективности алгоритмов в контексте обучения искусственной нейронной сети, который позволил оценить эффективность модификаций функции приспособленности и их влияние на процесс обучения искусственных нейронных сетей.

Выбор значений параметров в эволюционных алгоритмах сильно влияет на их производительность. Многие популярные методы настройки параметров ограничены максимальным числом вычислений целевой функции для поиска хорошего набора значений параметров. Недавно был предложен подход к выбору алгоритмов для решения оптимизационных задач, использующий анализ ландшафта функции приспособленности и машинное обучение для выбора оптимального алгоритма решения задачи на основе особенностей ее ландшафта. Подобное применение анализа ландшафта функции приспособленности мотивирует на дальнейшие исследования, в частности, применительно к настройке параметров эволюционных алгоритмов. Использование признаков ландшафта функции приспособленности позволяет выявлять похожие задачи и использовать данные о настройке параметров, полученные при тестировании на эталоных задачах, что значительно снижает число необходимых вычислений целевой функции при настройке. В этой работе на примере генетического алгоритма (1+( λ, λ)) рассматривается подход к автоматическому выбору параметров с использованием анализа ландшафта целевой функции и машинного обучения. В предлагаемом решении оцениваются особенности ландшафта целевой функции поставленной задачи оптимизации и предлагаются оптимальные значения параметров алгоритма с помощью нейронной сети. Данная сеть была обучена на наборе данных об особенностях ландшафта, выраженных в виде числовых признаков и соответствующих им оптимальных наборов параметров алгоритма. В отличие от подходов к автоматическому выбору алгоритмов оптимизации для конкретной задачи, в данной работе рассматривается задача регрессии параметров алгоритма вместо проблемы классификации наиболее подходящего алгоритма из заданного набора. Результаты экспериментов на различных конфигурациях задачи W-model, а также на задачае MAX-3SAT показывают, что предлагаемый подход к автоматическому выбору параметров с учетом ландшафта целевой функции может помочь определить подходящие значения статических параметров генетического алгоритма (1+( λ, λ)) , так как алгоритм с предложенными значениями параметров превосходит другие рассмотренные варианты (1+( λ, λ)) GA , в среднем требуя меньше вычислений целевой функции для нахождения оптимума, чем остальные рассмотренные алгоритмы.

В статье рассмотрен подход к решению задачи квазиоптимального выбора варианта конфигурации гетерогенной многомодульной вычислительной системы. Вычислительная трудоемкость процесса ограничена в связи с необходимостью получения оценок значений стохастической целевой функции путем имитационного моделирования при исследовании множества возможных конфигураций. Изложен способ обеспечения удовлетворительной для практических задач скорости сходимости эволюционного поиска посредством обоснования числа реализаций целевой функции. Приведены примеры оценки целесообразности применения разработанного подхода.

В статье рассматривается задача построения туристического маршрута с заранее заданными точками начала и конца маршрута. Объекты делятся на два типа. Первые - обязательные, которые наверняка должны войти в результирующий маршрут. Вторые - дополнительные, посещение которых не является необходимым. Маршрут формируется с учетом приоритетов, заранее заданных для объектов туристом исходя из его интересов и предпочтений, при этом суммарное время посещения объектов не должно превышать заданного крайнего срока прибытия в конечную точку маршрута. Для решения поставленной задачи в статье предлагается подход, основанный на построении известными методами маршрута по основным объектам и дальнейшем его расширением с использованием муравьиных стратегий. С этой целью вводится понятие «сытости» муравья и вероятности возврата к основному маршруту, чтобы была возможность контроля оставшегося времени. В завершении статьи приводятся результаты вычислительного эксперимента, направленного на оценку влияния параметров муравьиного алгоритма на полученный маршрут и разработку рекомендаций по настройке этих параметров в зависимости от размерности задачи. Кроме того, проводится сравнительный анализ маршрутов, полученных предложенным алгоритмом и точным методом ветвей и границ по заданному набору объектов, по результатам которого сделан вывод об эффективности предложенного алгоритма.

В настоящее время управление вычислительными ресурсами в современных системах распределенных вычислений является актуальной проблемой. Эволюция потенциала инфраструктуры привела к тому, что распределенные вычисления могут быть организованы в динамичных гетерогенных и географически распределенных вычислительных средах, примерами которых являются среды «туманные» и «краевые». Динамика как нагрузки, так и топологии подразумевает необходимость смены конфигурации системы, а именно закрепления пользовательских задач за вычислительными устройствами с выделением необходимых ресурсов. Последнее актуализирует вопрос повышения эффективности функционирования планировщика (брокера), обеспечивающего управление ресурсами сети в пределах выделенного фрагмента. Алгоритмическое и программное обеспечение планировщиков основано на моделях и методах теории расписаний и, исходя из постановки задачи, реализует либо простые эвристики, либо методы математического программирования, либо метаэвристики. Однако анализ представленных в открытом доступе постановок задач показал, что они, во-первых, являются частными случаями и реализуют определенные ситуации распределения вычислительных ресурсов, во-вторых, не отражают в полной мере свойств гетерогенности, географической распределенности и динамики вычислительных сред. В рамках данного исследования предложена общая модель задачи распределения вычислительных ресурсов с учетом перечисленных свойств и предложен ее метод решения с использованием предметной онтологии метаэвристических методов. Показана целесообразность построения и применения онтологии на примере анализа эффективности генетических алгоритмов в зависимости от значений параметров решаемой задачи распределения вычислительных ресурсов.