№ 6 (2023)
Обзоры, прогнозы
Распределенный интеллект мультиагентных систем. Ч. 2. Коллективный интеллект социальных систем
Аннотация
Рассмотрены признаки и эмпирические характеристики распределенного интеллекта (РИ) как способности коллективного агента (социальной системы) воспринимать, обрабатывать и использовать информацию для достижения собственных объективных целей. Во второй части обзора обсуждаются реализации РИ в системах, состоящих из людей: «разум толпы» в неструктурированных сообществах, а также коллективный интеллект малых групп, организационных систем (ОС) и больших систем – государств, народов и цивилизаций в историческом времени. В отличие от роевого РИ, индивидуумы, составляющие коллективный интеллект в человеческих сообществах, способны к глубокой переработке информации и творческой деятельности. Подчеркнута неразрывная взаимосвязь РИ таких систем с индивидуальным человеческим интеллектом; на примере гибкого управления ресурсами в реальном времени отмечен возрастающий вклад ИИ в современный коллективный интеллект. Перечислены факторы, определяющие эффективность РИ мультиагентной системы: когнитивные возможности индивидуумов, структура взаимодействий между ними, коллективное целеполагание, запись, свертывание и обработка внешней информации, создание новых образов окружающей среды и себя в ней. Рассмотрена модульная модель восприятия внешних воздействий.
Проблемы управления. 2023;(6):3-21
3-21
Управление в социально-экономических системах
Формирование поколений новой техники как задача о покрытии множества
Аннотация
Процесс развития любого предприятия предполагает совершенствование механизмов управления фирмой, позволяющих руководителю принимать управленческие решения, основываясь на достижениях науки, а не следуя интуитивным представлениям, базирующимся на его личном опыте. А это, в свою очередь, предполагает совершенствование процесса модельного обеспечения, исключающего совпадение пиков потребления ресурсов при работе над несколькими проектами. Для этой цели может применяться концепция поколения развития новой техники, формируемого из отдельных прототипов, являющихся действующими образцами, на которых можно определить некоторые особенности функционирования разрабатываемого проекта. Естественно, что не весь модельный ряд целесообразно включать в поколение развития новой техники. Именно поэтому возникает задача отбора минимально необходимого числа изделий для этих целей. Такая задача относится к классу задач о покрытии множества, полном – в том случае, когда отобранные прототипы должны обладать всем набором свойств, которыми обладает разрабатываемый модельный ряд, или частичном – в том случае, если требуется, чтобы отобранные образцы обладали только некоторым количеством свойств. Для решения обеих задач представлены точные алгоритмы и приближенные эвристические алгоритмы.
Проблемы управления. 2023;(6):22-31
22-31
Нечеткая рекомендательная система с холодным стартом для выбора траектории обучения
Аннотация
Рассмотрены подходы к решению проблемы выбора образовательной траектории и определены преимущества использования рекомендательных систем для ее решения. Сформулирована задача холодного старта рекомендательных систем и выбран способ ее решения, основанный на создании гибридной рекомендательной системы, объединяющей нечеткую экспертную систему на основе правил и рекомендательную систему с использованием нечеткой совместной фильтрации. Общий подход реализуется применительно к проблеме выбора направления обучения на этапе поступления в высшее учебное заведение. В качестве исходных данных используется модифицированный тест Климова на выбор профессии. Приведены правила оценивания метрик и близости нечетких треугольных данных. На основе принятого нечеткого представления описываются алгоритмы нечеткой экспертной системы и нечеткой рекомендательной системы с совместной фильтрацией. Комбинация двух подходов достигается путем генерации псевдоданных с помощью экспертной системы. Это позволяет решить задачу холодного старта и получить рекомендательную систему, качество которой постепенно улучшается благодаря подстановке значений из реальных запросов пользователей в базу данных. Тестирование программ, реализующих предложенные алгоритмы, подтвердило работоспособность построенной системы нечетких рекомендаций.
Проблемы управления. 2023;(6):33-41
33-41
Устойчивое развитие пойменных территорий зарегулированных рек. Ч. 1. Моделирование динамики комплексной структуры пойменных территорий
Аннотация
Представлен подход к проектированию системы управления устойчивым развитием пойменных социоприродохозяйственных систем (СПХС) на основе моделей динамики структуры пойменной территории и гидротехнических проектов ее стабилизации. Целью управления является достижение и поддержание оптимальной стационарной комплексной структуры пойменной территории, характеризуемой наилучшим проектно достижимым соответствием функционального назначения ее фрагментов характеру их весеннего паводкового затопления. Основой представленного подхода служит модель динамики комплексной структуры пойменной территории, объединяющей в себе изменяющиеся гидрологические и постоянные функциональные свойства. Эта динамическая модель, дополненная экспертной моделью социоприродохозяйственных потенциалов состояния пойменной территории, позволяет найти оптимальные значения параметров гидротехнических и социохозяйственных проектов. Реализация развитого подхода для конкретных пойменных СПХС опирается на методы оптимизации, экспертного оценивания, геоинформационного, численного гидродинамического моделирования, высокопроизводительные вычисления, методы статистического анализа данных природных наблюдений и результатов вычислительных экспериментов. Представлены результаты численного построения ретроспективной, современной и прогнозной комплексных структур территории северной части Волго-Ахтубинской поймы с учетом пространственной неоднородности эффекта русловой деградации р. Волги. Эти результаты являются основой алгоритма поиска параметров гидротехнических проектов обеспечения оптимальной устойчивой комплексной структуры пойменной территории. Данный алгоритм и результаты его численной реализации будут представлены во второй части статьи.
Проблемы управления. 2023;(6):42-55
42-55
Рангово-экспертная функция отклонений для классификации сложных объектов
Аннотация
Предложена новая функция для классификации природных, социальных и природно-социальных объектов. В ее основу положена сумма ранговых отклонений сравниваемого объекта от эталонного с учетом значимости характеристик (показателей) объекта. Для оценки характеристик применяются весовые коэффициенты, рассчитываемые по результатам экспертных опросов или другими методами. Разработана вербально-числовая шкала оценки близости сравниваемых объектов по численному значению функции. Показано, что предложенная функция не является метрикой в геометрическом смысле, но является функцией близости, применяемой в задачах многомерного шкалирования. Приведены примеры расчета значений функции для геоэкологической задачи сравнения уязвимости территорий к аварийным разливам нефти, а также для задачи выбора альтернатив при покупке недвижимости. Представлена рекомендованная последовательность применения набора процедур для решения задач с использованием функции отклонений.
Проблемы управления. 2023;(6):56-65
56-65
Информационные технологии в управлении
Численный метод агрегирования автоматных моделей с использованием алгебраических операций над автоматами
Аннотация
Рассматривается задача синтеза автоматов на основе использования алгебраических операций. Для численной реализации операций агрегирования автоматов используются символьные матрицы, которые описывают процесс функционирования автоматов. Для указанных матриц определяется алгебра, носителями которой являются элементы матриц и специальные символы, а сигнатура включает две операции, позволяющие определить действия над этими символами. Это позволяет определить алгебру символьных матриц, сигнатура которой включает три операции. Осуществляется представление классических операций над автоматами в матричной форме с опорой на алгебру символьных матриц. Далее строятся специальные операции над автоматами, за основу которых берутся классические операции над автоматами. Построение специальных операций производится исходя из ограничений и требований предметной области. Рассматривается численный пример синтеза автомата, построенный на основе описания совместной деятельности двух функциональных групп, находящихся в зоне чрезвычайной ситуации.
Проблемы управления. 2023;(6):66-75
66-75
Применение функционально-воксельного метода для решения линейного уравнения в частных производных первого порядка с заданными начальными условиями
Аннотация
Рассматривается подход к решению задачи Коши функционально-воксельным (ФВ) методом для линейного уравнения в частных производных первого порядка. Предложенный подход базируется на принципах дифференцирования и интегрирования, разработанных для ФВ-моделирования, и позволяет применять принципы получения локальных геометрических характеристик результирующей функции в узлах в процессе линейной аппроксимации. Приведён классический подход к решению задачи Коши для дифференциального уравнения в частных производных на выбранном примере с целью построения ФВ-модели как эталона для сравнения с результатами, полученными путём ФВ-моделирования. Описывается алгоритм получения решения дифференциального уравнения средствами ФВ-моделирования. Проводится визуальное и численное сравнение полученного результата ФВ-моделирования с принятым эталоном. Отличием от численных методов решения подобной задачи является вид представления результата. В численных методах результатом является значение функции в узлах аппроксимации, а ФВ-модель в узлах содержит локальные геометрические характеристики (компоненты градиента в пространстве, увеличенном на единицу размерности), что позволяет получить узловую локальную функцию неявного вида, а также дифференциальную локальную функцию явного вида.
Проблемы управления. 2023;(6):76-83
76-83
Хроника
ШЕСТнадцатая международная конференция «УПРАВЛЕНИЕ РАЗВИТИЕМ КРУПНОМАСШТАБНЫХ СИСТЕМ» MLSD’2023
Аннотация
The 16th International Conference on Management of Large-Scale Systems Development (MLSD’2023) was held on September 26–28, 2023. This annual event is organized by the Trapeznikov Institute of Control Sciences, the Russian Academy of Sciences, with the technical support of the IEEE Russia Section. MLSD conferences are intended to discuss research in the theory and applications of computer control and management for developing large-scale manufacturing, transport, energy, financial, and social systems. The MLSD’2023 program included one plenary session and 16 sections with 393 participants. The original proceedings of MLSD’2023 (20 plenary and 224 sectional papers) have been published in Russian and indexed by the RSCI. Of these, 155 papers have been extended and published electronically in English in IEEE Xplore (Scopus indexing).
Проблемы управления. 2023;(6):84-90
84-90