Software Journal:
Theory and Applications

Send article

Entrance Registration

Dear colleagues!

[22.12.2022]

The founders and the publisher of the online journal “Software Journal: Theory and Applications” announce the termination of the media from November 1, 2022.

Instead, we are waiting for you on the pages of the top-rated journal “Software & Systems”.

All ads...

О задаче формирования виртуального музейного пространства

С.А. Кириллов (skirillov@jscc.ru) Межведомственный суперкомпьютерный центр Российской академии наук – филиал ФГУ «Федеральный научный центр Научно-исследовательский институт системных исследований Российской академии наук», Москва, Russian Federation;
И.Н. Соболевская (nikfirst@jscc.ru) Межведомственный суперкомпьютерный центр Российской академии наук – филиал ФГУ «Федеральный научный центр Научно-исследовательский институт системных исследований Российской академии наук», Москва, Russian Federation, ph.d;

В статье предложен обзор мультимедийных технологий ряда естественно-научных музеев мира. Также рассмотрена проблема формирования и предоставления пользователю высококачественного цифрового музейного контента по отдельным направлениям науки и культуры для расширения естественно-научного и культурно-просветительского пространства знаний. Кроме того, описана электронная библиотека «Научное наследие России», которая может быть использована как средство для решения задачи интеграции междисциплинарных материалов и коллекций в единый ресурс.


Программа модифицированного метода выбора недоминируемых альтернатив на основе нечеткого отношения предпочтения

А.Ю. Пучков (putchkov63@mail.ru) Филиал ФГБОУ ВО «Национальный исследовательский университет «МЭИ» в г. Смоленске (доцент), Смоленск, Russian Federation, ph.d;

Представлена модификация метода многокритериального выбора недоминируемых альтернатив
на основе нечеткого отношения предпочтения. В основе модификации лежит вычисление матрицы чувствительности выбора к вариациям значений функций принадлежности критериев для каждой альтернативы. Наличие этих вариаций обусловлено субъективностью значений нечетких переменных, что может вызывать недостаточную устойчивость получаемых результатов выбора альтернативы по отношению
к небольшим изменениям нечетких переменных. Кроме этого, задание веса каждого критерия при проведении выбора также является субъективным.

Учитывая, что значения функций принадлежности нормированы к диапазону [0; 1], для всех критериев возможно использование одинакового значения дополнительного параметра s. Этот параметр предложено ввести в алгоритм метода для характеристики отклонений значений функций принадлежности для критериев по каждой альтернативе относительно исходно заданных (серединных).

Отличительной чертой функции чувствительности в рассматриваемой модификации метода выступает ее бинарность, то есть она может принимать только два значения: 0, если выбор не изменяется при
вариациях исходных данных по данному критерию, и 1, если при изменениях осуществляется выбор другой альтернативы. Совокупность значений чувствительности по разным критериям объединяется в матрицу чувствительности. Для обобщенного по критериям количественного анализа устойчивости сделанного выбора предложено анализировать количество ненулевых элементов в матрице чувствительности и/или вычислять норму этой матрицы.

Разработана программа на языке MatLAB с удобным графическим интерфейсом, реализующая предложенный модифицированный метод выбора альтернатив на основе нечеткого отношения предпочтения и анализа чувствительности сделанного выбора.


Применение долгой краткосрочной памяти в диалоговой модели

К.И. Бубякин (goodluckhf@yandex.ru) Донской государственный технический университет, Ростов-на-Дону, Russian Federation;
Е.В. Пучков (puchkoff@i-intellect.ru) Донской государственный технический университет (доцент), Ростов-на-Дону, Russian Federation, ph.d;

В статье рассмотрена генерация текста как подход, применяющийся для автоматического получения ответов на заданные вопросы. Для реализации диалоговой модели была собрана обучающая выборка и проведена ее предварительная подготовка. Описан процесс создания модели Sequence-to-Sequence, в основе которой лежит рекуррентная нейронная сеть LSTM. Модель реализована с помощью библиотеки Tensorflow. Обучение сети проводилось с применением технологии CUDA на облачном сервере Amazon. Представлены результаты работы модели на похожих диалогах.


Динамический конфигуратор виртуальной распределенной вычислительной среды

Б.М. Шабанов (shabanov@niisi.ru) ФГУ «Федеральный научный центр Научно-исследовательский институт системных иссле-дований Российской академии наук» (доцент, врио директора), Москва, Russian Federation, ph.d;
П.Н. Телегин (pnt@jscc.ru) Межведомственный суперкомпьютерный центр Российской академии наук – филиал ФГУ «Федеральный научный центр Научно-исследовательский институт системных исследований Российской академии наук» (ведущий научный сотрудник), Москва, Russian Federation, ph.d;
A.V. Baranov (antbar@mail.ru) Joint Supercomputer Center of the Russian Academy of Sciences – branch of Federal State Institution «Scientific Research Institute for System Analysis of the Russian Academy of Sci-ences» (Associate Professor), Moscow, Russian Federation, ph.d;
Д.В. Семёнов (sdvbox@gmail.com) ФГУП «Научно-исследовательский институт «Квант» (научный сотрудник), Москва, Russian Federation;
А.В. Чуваев (achuv@yandex.ru) ФГУП «Научно-исследовательский институт «Квант» (научный сотрудник), Москва, Russian Federation;

В настоящее время при объединении высокопроизводительных вычислительных установок в единую распределенную вычислительную среду широко применяются технологии виртуализации, позволяющие решить проблему бинарной переносимости пользовательских заданий между разными вычислительными установками. Для эффективного управления ресурсами распределенной вычислительной среды авторы статьи предлагают подход, основанный на разбиении пользовательских заданий на классы в зависимости от ресурсных требований. Каждому классу заданий ставится в соответствие один или несколько классов виртуальных вычислителей, экземпляры которых динамически разворачиваются на ресурсах распределенной вычислительной среды. За разворачивание и сворачивание экземпляров виртуальных вычислителей отвечает конфигуратор виртуальной вычислительной среды, который, взаимодействуя с метапланировщиком этой среды, обеспечивает равномерную загрузку ее вычислительных ресурсов и позволяет свести к минимуму число реконфигураций.


Механизмы роевого алгоритма поиска решения задачи распределения соединений в многостадийной композитной среде функционирования

Б.К. Лебедев (lebedev.b.k@gmail.com) Институт компьютерных технологий и информационной безопасности Южного федерального университета (профессор), Таганрог, Russian Federation, ph.d;
О.Б. Лебедев (lebedev.ob@mail.ru) Институт компьютерных технологий и информационной безопасности Южного федерального университета (доцент), Таганрог, Russian Federation, ph.d;
Е.О. Лебедева (lbedevakate@mail.ru) Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation, магистрант;

Работа посвящена методу решения задачи распределения соединений между выводами, основанному на моделировании адаптивного поведения муравьиной колонии. Цель перераспределения заключается в уменьшении плотности областей трассировки, уменьшении длины соединений, уменьшении числа пересечений, повышении степени интеграции и т.п. Отличительной особенностью представленного роевого алгоритма является то, что поиск решений агентами производится в многостадийной среде функционирования, имеющей композитную структуру. Тестирование производилось на бенчмарках. По сравнению с существующими алгоритмами достигнуто улучшение результатов на 6–7 %.


Информационно-логистическая поддержка процессов размещения и выполнения проектов по созданию перспективных образцов вооружения и военной техники

В.С. Пахомов (79109393027@yandex.ru) Военная академия воздушно-космической обороны им. Маршала Советского Союза Г.К. Жукова (докторант), Тверь, Russian Federation, ph.d;
В.Ю. Семенов (-1) АО «Московский научно-исследовательский институт связи» (финансовый директор), Москва, Russian Federation;
И.А. Юрьев (-1) НИЦ ФГУП АО «Центральный научно-исследовательский радиотехнический институт им. академика А.И. Берга» (заместитель начальника), Москва, Russian Federation, ph.d;

Опытно-конструкторские работы по созданию перспективных образцов вооружения и военной техники воздушно-космической обороны характеризуются как сложные структурные проекты, для эффективной реализации которых необходимо использовать современные методы проектного управления.


Построение гибридной биоинспирированной многоагентной системы на примере задачи разбиения

Б.К. Лебедев (lebedev.b.k@gmail.com) Институт компьютерных технологий и информационной безопасности Южного федерального университета (профессор), Таганрог, Russian Federation, ph.d;
О.Б. Лебедев (lebedev.ob@mail.ru) Институт компьютерных технологий и информационной безопасности Южного федерального университета (доцент), Таганрог, Russian Federation, ph.d;
В.А. Ванидовский (vanidovskiy.v.a@gmail.ru) Институт компьютерных технологий и информационной безопасности Южного федерального университета, Таганрог, Russian Federation, аспирант;

В работе рассматривается подход к построению гибридной биоинспирированной многоагентной системы для решения задачи разбиения методом поисковой адаптации. В основе работы адаптивной многоагентной системы лежит ситуационная кооперация между агентами, когда решение о совместных действиях принимаются агентами на каждом такте работы на основе анализа состояния среды функционирования и наличия у агентов условий для кооперации. Двухуровневое представление объекта оптимизации и идеи коллективной адаптации, позволяющие сочетать эволюционную и альтернативную адаптации, использованы с учетом специфики задачи разбиения. Описаны механизмы альтернативной коллективной адаптации, моделируемой вероятностными обучающимися автоматами адаптации, структуры вероятностных обучающихся автоматов адаптации, механизмы переходов, выработки откликов среды, реализации альтернатив.


Вариант построения экспертной системы формирования облика геоинформационной системы морского судна

П.И. Смирнов (p.smirnov@mashtab.org) Санкт-Петербург (доцент), Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, Russian Federation, ph.d;
Т.М. Татарникова (tm-tatarn@yandex.ru) Санкт-Петербург (доцент, профессор), Санкт-Петербургский государственный университет аэрокосмического приборостроения, Russian Federation, ph.d;
Н.В. Яготинцева (-1) Российский государственный гидрометеорологический университет (старший преподаватель), Санкт-Петербург, Russian Federation;

Предлагается концептуальная модель геоинформационной системы морского судна. Модель отличается описанием иерархии компонентов, поддерживающих функциональность геоинформационной системы, их производительностью, стоимостью и занимаемой площадью. Количественное представление модели с качественными характеристиками ее функциональных модулей позволяет выполнить структурную оптимизацию геоинформационной системы принятия решения при управлении судном под цели плавания. Предлагается экспертная система, автоматизирующая приближение архитектуры геоинформационной системы к заданному набору свойств, задающих качество ее функционирования. В диалоговом режиме экспертная система формирует списочный состав функциональных модулей и оборудования, необходимого при проектировании геоинформационной системы морского судна.


Гибридизация роевого интеллекта и генетической эволюции на примере размещения

Б.К. Лебедев (lebedev.b.k@gmail.com) Институт компьютерных технологий и информационной безопасности Южного федерального университета (профессор), Таганрог, Russian Federation, ph.d;
О.Б. Лебедев (lebedev.ob@mail.ru) Институт компьютерных технологий и информационной безопасности Южного федерального университета (доцент), Таганрог, Russian Federation, ph.d;
В.Б. Лебедев (lebedev.b.k@gmail.com) Донской государственный технический университет (доцент), Ростов-на-Дону, Russian Federation, ph.d;

Предлагается композитная архитектура многоагентной системы бионического поиска для решения задачи размещения на основе роевого интеллекта и генетической эволюции. Рассмотрены три подхода к построению такой архитектуры. Связующим звеном такого подхода является единая структура данных, описывающая в виде хромосомы решение задачи. Рассматриваются требования к структуре хромосомы и значениям генов. Общая оценка временной сложности при любом подходе к гибридизации не превышает оценки временной сложности генетического алгоритма и лежит в пределах О(n2) – О(n3).


Выделение объектов переднего плана из потоковых видеоданных в тренажерно-обучающих системах

А.М. Гиацинтов (algts@inbox.ru) Центр визуализации и спутниковых информационных технологий, Научно-исследовательский институт системных исследований РАН (зав. отделом), Москва, Russian Federation;
К.А. Мамросенко (kirillam@ya.ru) Центр визуализации и спутниковых информационных технологий, Научно-исследовательский институт системных исследований РАН (руководитель Центра), Москва, Russian Federation, ph.d;

Одним из видов мультимедийной информации, использующейся в тренажерно-обучающих системах, является графический виртуальный образ инструктора. Для его внедрения в единое синтезированное трехмерное окружение создан метод рир-проекции, базирующийся на методе 3D-кеинга. Основной идеей является выделение объекта с однородного фона. Данный процесс можно описать как процесс создания маски, содержащей информацию о прозрачности изображения, отделяющей объект от остального изображения.

Так как любая реализация рир-проекции является ресурсоемкой, при обработке изображений большого размера на центральном процессоре затруднительно достичь работы подсистемы визуализации в реальном масштабе времени. Это требование к подсистеме визуализации является одним из базовых. Учитывая данное обстоятельство, разработано решение для использования вычислительной мощности графического процессора для реализации метода рир-проекции. Также предложен алгоритм автоматической настройки параметров на основании текущего изображения.


Алгоритм ветвей и границ для задачи о формировании производственных ячеек

И.Е. Уткина (iutkina@hse.ru) Национальный исследовательский университет Высшая школа экономики (преподаватель), Нижний Новгород, Russian Federation;
М.В. Бацын (mbatsyn@hse.ru) Национальный исследовательский университет Высшая школа экономики (доцент), Нижний Новгород, Russian Federation, ph.d;

Задача о формировании производственных ячеек является NP-трудной задачей оптимизации ячеечных производственных систем. Из-за большой вычислительной сложности представленной задачи было создано множество эвристических алгоритмов, но малое количество точных.

В статье предлагается метод ветвей и границ, который находит точное решение для текущей задачи, используя групповую эффективность в качестве целевой функции. Для линеаризации этой целевой функции используется метод Динкельбаха. Представленный алгоритм находит оптимальные решения для 24 из 35 известных тестовых данных из литературы, а для оставшихся находит хорошее решение, близкое к известному. Различие от лучшего известного решения всегда меньше 1,5 % в значении целевой функции.


Разработка методики моделирования анимации объекта низкополигональной трехмерной модели

Н.Е. Тимофеева (timofeevane@yandex.ru) Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевскогo (зав. лабораторией), Саратов, Russian Federation;
А.Ю. Лукьянов (sasha.lukyanoff@yandex.ru) Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевскогo (магистр), Саратов, Russian Federation, магистр науки;

Статья посвящена разработке методики создания анимации объекта. Представлен разработанный универсальный алгоритм моделирования и создания анимации объекта низкополигональной трехмерной модели. Показана его практическая реализация в графическом редакторе на примере персонажа из мультипликационного фильма.


Семейство систем автоматизации проектирования бортовых вычислительных систем реального времени

В.В. Балашов (hbd@cs.msu.su) Московский государственный университет имени М.В. Ломоносова, Ленинские горы, Москва, Russian Federation, ph.d;

В работе рассмотрены задачи планирования вычислений, возникающие при проектировании бортовых вычислительных систем реального времени, сочетающих модульную и федеративную архитектуры. Приведены подходы к планированию вычислений и информационного обмена в таких системах. Описано семейство инструментальных систем поддержки проектирования БВС РВ, реализующих эти подходы. Предложена схема совместного применения этих инструментальных систем.


Методы и средства автоматизированного обнаружения и устранения отказов гетерогенных вычислительных систем

И.А. Сидоров (ivan.sidorov@icc.ru) ФГБУН Институт динамики систем и теории управления им. В.М. Матросова СО РАН, Иркутск, Russian Federation, ph.d;

Работа посвящена разработке методов и средств повышения отказоустойчивости гетерогенных вычислительных систем. Представленные методы и средства базируются на автоматической диагностике основных программно-аппаратных компонентов этих систем, устранении неисправностей и использовании механизмов автоматической реконфигурации ресурсов вычислительной системы. Оригинальность и новизна предлагаемого подхода заключаются в создании мультиагентной системы с универсальными программными агентами, способными собирать, анализировать и применять необходимые управляющие воздействия непосредственно на вычислительном узле, что позволяет добиться высокой скорости работы и необходимого уровня децентрализации системы диагностики.


Когнитивная аналитическая поддержка процесса трансформации топологического слоя СБИС для технологии двойного шаблона

В.А. Шахнов (v.verstov@gmail.com) Московский государственный технический университет им. Н.Э. Баумана (член-кор. РАН, профессор), Москва, Russian Federation, ph.d;
Л.А. Зинченко (v.verstov@gmail.com) Московский государственный технический университет им. Н.Э. Баумана (профессор), Москва, Russian Federation, ph.d;
В.А. Верстов (v.verstov@gmail.com) Московский государственный технический университет им. Н.Э. Баумана (ассистент), Москва, Russian Federation, ph.d;
В.В. Макарчук (v.verstov@gmail.com) Московский государственный технический университет им. Н.Э. Баумана (доцент ), Москва, Russian Federation, ph.d;

В работе обсуждается ПО, предназначенное для визуализации и аналитической поддержки процесса изготовления шаблонов топологических слоев сверхбольших интегральных схем на примере технологии двойного шаблона. Особо отмечается важность аналитической поддержки для процесса проектирования систем на кристалле.

Показано, что необходимость когнитивной аналитической поддержки является следствием растущего объема информации, который должен учитывать инженер-разработчик сверхбольших интегральных схем. Выделена основная задача аналитики – преобразование данных из формата, позволяющего эффективно производить вычисления, в том числе в параллельном режиме, в формат, удобный для восприятия и познания человеком. В качестве аналитической поддержки процесса проектирования топологического слоя сверхбольших интегральных схем выбрано использование методов кластеризации и когнитивных технологий.

В статье приведены результаты экспериментальных исследований разработанного ПО, обсуждается применение инструментов аналитической поддержки процесса трансформации топологического слоя сверхбольших интегральных схем для технологии двойного шаблона. Процесс основывается на нечетком графе противоречий. Полученные аналитики дают возможность выбора различных вариантов проектных решений.


Когнитивные гибридные системы поддержки принятия решений и прогнозирования

И.С. Повидало (ipovidalo@gmail.com) Государственный университет «Дубна», Дубна, Russian Federation, аспирант;
С.А. Ярушев (sergey.yarushev@icloud.com) Государственный университет «Дубна», Дубна, Russian Federation, аспирант;
А.Н. Аверкин (averkin2003@inbox.ru) Вычислительный центр им. А.А. Дородницына Федерального исследовательского центра «Информатика и управление» РАН, ул. Вавилова, «Московский авиационный институт (национальный исследовательский университет)» (доцент), Москва, Russian Federation, ph.d;
А.В. Федотова (afedotova.bmstu@gmail.com) «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)» (доцент ), Москва, Russian Federation, ph.d;

В работе рассматривается ряд моделей, которые могут быть использованы для поддержки принятия решений в динамических ситуациях, характеризующихся слабой структурированностью, основанной на гибридной системе, интегрирующей нечеткую иерархическую модель оценивания и нечеткую когнитивную модель ситуации. Описываются нейронные сети, в основе которых лежат самоорганизующиеся карты Кохонена и которые могут быть успешно применены для решения задач поддержки принятия решений и прогнозирования временных рядов, а также новые, разработанные и успешно примененные для идентификации динамических объектов модульные нейронные сети, их архитектура, алгоритмы обучения и работы. В статье рассмотрены примеры работы полученных нейронных сетей, а также проведен их сравнительный анализ с рядом других нейросетевых алгоритмов идентификации динамических объектов.


Когнитивно-интеллектуальная система диагностики, адаптации и обучения детей-аутистов. Часть 2

С.В. Ульянов (ulyanovsv@mail.ru) ГБОУ ВО МО «Университет «Дубна», Институт системного анализа и управления (профессор), Дубна, Russian Federation, ph.d;
А.В. Шевченко (ashevchenko.uni@gmail.com) ГБОУ ВО МО «Университет «Дубна», Институт системного анализа и управления, Дубна, Russian Federation, аспирант;
А.А. Мамаева (allamamaeva.d@gmail.com) ГБОУ ВО МО «Университет «Дубна», Институт системного анализа и управления, Дубна, Russian Federation, аспирант;

В статье рассматривается разработка когнитивно-интеллектуальной системы диагностики, адаптации и обучения детей-аутистов. Описана программная реализация модуля обработки данных этой системы. Проведена оценка возможностей применения методов и средств технологии интеллектуальных вычислений для адаптации и индивидуализации системы под конкретного оператора.


Гибридные нечеткие когнитивные карты в задачах поддержки принятия решений и прогнозирования

Н.А. Ефремова (averkin2003@inbox.ru) «Вычислительный центр им. А.А. Дородницына Федерального исследовательского центра «Информатика и управление» РАН, Russian Federation, ph.d;
А.Н. Аверкин (averkin2003@inbox.ru) Вычислительный центр им. А.А. Дородницына Федерального исследовательского центра «Информатика и управление» РАН, ул. Вавилова, «Московский авиационный институт (национальный исследовательский университет)» (доцент), Москва, Russian Federation, ph.d;
С.А. Ярушев (sergey.yarushev@icloud.com) Государственный университет «Дубна», Дубна, Russian Federation, аспирант;

В настоящей работе предлагается гибридный подход к разработке систем прогнозирования временных рядов, а также поддержки принятия решений, основанный на модулярной архитектуре построения систем прогнозирования, базирующийся на гибридизации нейро-нечеткой нейронной сети ANFIS и нечетких когнитивных картах. С помощью подобной гибридной архитектуры система прогнозирования способна оперировать как качественными данными (субъективными мнениями экспертов), так и количественными (характеристиками исследуемого процесса). В данной работе подробно описан модуль с нечеткой когнитивной картой. Для облегчения задачи настройки весов когнитивной карты использован генетический алгоритм для обучения когнитивной карты, благодаря чему она способна самостоятельно обучиться и производить настройку.


Архитектурные решения построения экспертной системы поддержки принятия решений по управлению проектами в условиях неопределенности

М.И. Дли (midli@mail.ru) филиал ФГБОУ ВО «Национальный исследовательский университет «МЭИ» в г. Смоленске (профессор), Смоленск, Russian Federation, ph.d;
А.В. Офицеров (ofitserov81@inbox.ru) филиал ФГБОУ ВО «Национальный исследовательский университет «МЭИ» в г. Смоленске, Смоленск, Russian Federation, аспирант;
М.В. Черновалова (0208margarita@bk.ru) ФГБОУ ВО «Национальный исследовательский университет «МЭИ», Москва, Russian Federation, аспирант;

Рассмотрена экспертная система поддержки принятия решений по управлению проектами на основе контроллинга, которая рассматривается как составная часть корпоративной информационной системы промышленного предприятия. Описаны программные алгоритмы, реализующие на основе объектно-ориентированного подхода процедуры обработки экспертных и объективных данных с целью поддержки решений по управлению сложными проектами в условиях неопределенности. Приведены варианты архитектурных решений при реализации экспертной системы поддержки принятия решений по управлению проектами, учитывающих особенности сформированной организационной структуры наукоемкого предприятия. Обоснованы пути интеграции рассматриваемой экспертной системы поддержки принятия решений в состав корпоративной информационной системы предприятия, выбор программно-инструментальных средств реализации указанной экспертной системы и проверки ее работоспособности, а также устойчивости используемых алгоритмов к изменениям внешних и внутренних факторов.