2014. Том 1. Номер 2

Обзоры и лекции

Основные концепции и результаты робастной оптимизации в применении к линейному программированию с неточными данными

А. С. Немировский
Georgia Institute of Technology
Аннотация. Статья представляет собой обзорную лекцию по одному из современных направлений в прикладной математике, получившего название робастная оптимизация. Настоящее электронное издание включает публикуемое ниже предисловие, подробный список литературы, посвященный истории вопроса, а также видеозапись лекции и слайды, размещенные на странице номера журнала.
Литература
  • [1] Barmish B. R., Lagoa C. M. The uniform distribution: a rigorous justification for the use in robustness analysis // Math. Control, Signals, Systems. 1997, 10. P. 203–222.
  • [2] Bendsøe M. Optimization of Structural Topology, Shape and Material.— Springer-Verlag, Heidelberg, 1995.
  • [3] Ben-Tal A., El Ghaoui L., Nemirovski A. Robust Optimization. Princeton University Press, 2009. (sites.google.com/site/robustoptimization)
  • [4] Ben-Tal A., Nemirovski A. Stable Truss Topology Design via Semidefinite Programming. // SIAM J. on Optimization. 1997, 7:4. P. 991–1016.
  • [5] Ben-Tal A., Nemirovski A. Robust Convex Optimization // Math. of Oper. Res. 1998, 23:4. P. 769–805.
  • [6] Ben-Tal A., Nemirovski A. Robust solutions of uncertain linear programs // OR Letters. 1999, 25. P. 1–13.
  • [7] Ben-Tal A., Ko?cvara M., Nemirovski A., Zowe J. Free Material Design via Semidefinite Programming. The Multiload Case with Contact Conditions // SIAM J. on Optimization. 1999, 9 P. 813–832 // SIAM Review. 2000, 42. P. 695–715.
  • [8] Ben-Tal A., Nemirovski A. Robust solutions of Linear Programming problems contaminated with uncertain data // Math. Progr. 2000, 88. P. 411–424.
  • [9] Ben-Tal A., Nemirovski A. Lectures on Modern Convex Optimization: Analysis, Algorithms and Engineering Applications. — SIAM, Philadelphia, 2001.
  • [10] Ben-Tal A., Nemirovski A. Robust Optimization — methodology and applications // Math. Progr. Series B. 2002, 92. P. 453–480.
  • [11] Ben-Tal A., Nemirovski A. On tractable approximations of uncertain linear matrix inequalities affected by interval uncertainty // SIAM J. on Optimization. 2002, 12. P. 811–833.
  • [12] Ben-Tal A., Nemirovski A., Roos C. Robust solutions of uncertain quadratic and conicquadratic problems // SIAM J. on Optimization. 2002, 13. P. 535–560.
  • [13] Ben-Tal A., Nemirovski A., Roos C. Extended matrix cube theorems with applications to μ-theory in control // Math. of Oper. Res. 2003, 28. P. 497–523.
  • [14] Ben-Tal A., Goryashko A., Guslitzer E., Nemirovski A. Adjustable robust solutions of uncertain linear programs // Math. Progr. 2004, 99. P. 351–376.
  • [15] Ben-Tal A., Golany B., Nemirovski A., Vial J.-P. Supplier-retailer flexible commitments contracts: A robust optimization approach // Manufacturing & Service Operations Management. 2005, 7:3. P. 248–271.
  • [16] Ben-Tal A., Boyd S., Nemirovski A. Extending scope of robust optimization: Comprehensive robust counterparts of uncertain problems // Math. Progr. Series B. 2006, 107:1–2, P. 63–89.
  • [17] Ben-Tal A., Nemirovski A. Selected topics in robust convex optimization // Math. Progr. Series B. 2008, 112:1. P. 125–158.
  • [18] Ben-Tal A., Margalit T., Nemirovski A. Robust modeling of multi-stage portfolio problems // High Performance Optimization. Eds.: H. Frenk, etc. — Kluwer Academic Publishers, 2000. P. 303–328.
  • [19] Ben-Tal A., El Ghaoui L., Nemirovski A. Robust semidefinite programming // Handbook on Semidefinite Programming. Eds: R. Saigal, etc. — Kluwer Academic Publishers, 2000. P. 139–162.
  • [20] Ben-Tal A., Nemirovski A., Roos C. Robust versions of convex quadratic and conicquadratic problems // Proc. 5th International Conference on Optimization Techniques and Applications (ICOTA 2001). 2001, 4. P. 1818–1825.
  • [21] Ben-Tal A., Golany B., Shtern S. Robust multi-echelon, multi-period inventory control. Submitted to Operations Research. 2008.
  • [22] Bernussou J., Peres P. L. D., Geromel J. C. A linear-programming oriented procedure for quadratic stabilization of uncertain systems // Syst. Control Letters. 1989, 13. P. 65–72.
  • [23] Bertsimas D., Sim M. Tractable approximations to robust conic optimization problems // Math. Progr. Series B. 2006, 107:1–2. P. 5–36.
  • [24] Bertsimas D., Pachmanova D. Sim M. Robust linear optimization under general norms // OR Letters. 2004, 32:6. P. 510–516.
  • [25] Bertsimas D., Sim M. The price of robustness // Oper. Res. 2004, 32:1. P. 35–53.
  • [26] Bertsimas D., Sim M. Robust discrete optimization and network flows // Math. Progr. Series B. 2003, 98. P. 49–71.
  • [27] Bertsimas D., Popescu I. Optimal inequalities in probability theory: A convex optimization approach // SIAM J. on Optimization. 2005, 15:3. P. 780–804.
  • [28] Bertsimas D., Popescu I., Sethuraman J. Moment problems and semidefinite programming // Handbook on Semidefinite Programming, Eds.: H. Wolkovitz, R. Saigal. — Kluwer Academic Publishers, 2000. P. 469–509.
  • [29] Bertsimas D., Fertis A. On the equivalence between robust optimization and regularization in statistics. — Submitted to Operations Research, 2008.
  • [30] Bertsimas D., Iancu D. A., Parrilo P. Optimality of Affine Policies in Multi-stage Robust Optimization. — To appear in Math. of Oper. Res, 2008.
  • [31] Bhattacharrya C., Grate L., Mian S., El Ghaoui L., Jordan M. Robust sparse hyperplane classifiers: Application to uncertain molecular profiling data // Journal of Computational Biology. 2003, 11:6. P. 1073–1089.
  • [32] Borell C. The Brunn-Minkowski inequality in Gauss space // Inventiones Mathematicae. 1975, 30:2. P. 207–216.
  • [33] Boyd S., El Ghaoui L., Feron E., Balakrishnan V. Linear Matrix Inequalities in System and Control Theory.— SIAM, Philadelphia, 1994.
  • [34] Boyd S., Vandenberghe L. Convex Optimization. — Cambridge University Press, 2004.
  • [35] Calafiore G., Campi M. C. Uncertain convex programs: Randomized solutions and confidence levels // Math. Progr. 2005, 102:1. P. 25–46.
  • [36] Calafiore G., Campi M. C. Decision making in an uncertain environment: The scenariobased optimization approach // Multiple Participant Decision Making. Eds.: J. Andrysek etc. — Advanced Knowledge International, 2004. P. 99–111.
  • [37] Calafiore G., Topcu U., El Ghaoui L. Parameter estimation with expected and residual-at-risk criteria. — To appear in Systems and Control Letters, 2009.
  • [38] Charnes A., Cooper W. W., Symonds G. H. Cost horizons and certainty equivalents: An approach to stochastic programming of heating oil // Management Science. 1958, 4. P. 235–263.
  • [39] Dan Barb F., Ben-Tal A., Nemirovski A. Robust dissipativity of interval uncertain system // SIAM J. Control and Optimization. 2003, 41. P. 1661–1695.
  • [40] De Farias V.P., Van Roy B. On constraint sampling in the linear programming approach to approximate dynamic programming // Math. of Oper. Res. 2004, 29:3. P. 462–478.
  • [41] Dentcheva D., Pr´ekopa A., Ruszczynski A. Concavity and efficient points of discrete distributions in probabilistic programming // Mathematical Programming. 2000, 89. P. 55–77.
  • [42] Dhaene J., Denuit M., Goovaerts M. J., Kaas R., Vyncke D. The concept of comonotonicity in actuarial science and finance: theory // Insurance: Mathematics and Economics. 2002, 31. P. 3–33.
  • [43] Diamond P., Stiglitz J. E. Increases in risk and in risk aversion // Journal of Economic Theory. 1974, 8. P. 337–360.
  • [44] Eldar Y., Ben-Tal A., Nemirovski A. Robust mean-squared error estimation in the presence of model uncertainties // IEEE Trans. on Signal Processing. 2005, 53:1. P. 168–181. (doi: 10.1109/TSP.2004.838933)
  • [45] El Ghaoui L., Lebret H. Robust solution to least-squares problems with uncertain data // SIAM J. of Matrix Anal. Appl. 1997, 18. P. 1035–1064.
  • [46] El Ghaoui L., Oustry F., Lebret H. Robust solutions to uncertain semidefinite programs // SIAM J. on Optimization. 1998, 9. P. 33–52.
  • [47] El Ghaoui L., Lanckriet G. R. G., Natsoulis G. Robust classification with interval data. Technical Report # UCB/CSD-03-1279. — EECS Department, University of California, Berkeley, 2003. (www.eecs.berkeley.edu/Pubs/TechRpts/2003/5772.html)
  • [48] Falk J. E., Exact solutions to inexact linear programs // Oper. Res. 1976, 24:4. P. 783–787.
  • [49] Genin Y., Hachez Y., Nesterov Yu., Van Dooren P. Optimization problems over positive pseudopolynomial matrices // SIAM J. Matrix Anal. Appl. 2003, 25. P. 57–79.
  • [50] Lanckriet G. R. G., El Ghaoui L., Bhattacharyya C., Jordan M. I. A robust minimax approach to classification // J. Mach. Learn. Res. 2003, 3. P. 555–582.
  • [51] Goulart P. J., Kerrigan E. C., Maciejowski J. M. Optimization over state feedback policies for robust control with constraints // Automatica. 2006, 42:4. P. 523–533.
  • [52] Grotschel M., Lovasz L., Schrijver A. Geometric Algorithms and Combinatorial Optimization. — Springer-Verlag, Berlin, 1987.
  • [53] Hadar J., Russell W. Rules for ordering uncertain prospects // American Economic Review. 1969, 25. P. 59–34.
  • [54] Hanoch G., Levy H. The efficiency analysis of choices involving risk // Review of Economic Studies. 1969, 36. P. 335–346.
  • [55] Håstad J. Some optimal inapproximability results // J. of the ACM. 2001, 48: 4. P. 798–859. (doi: 10.1145/502090.502098)
  • [56] Hildebrand R. An LMI description for the cone of Lorentz-positive maps // Linear and Multilinear Algebra. 2007, 55:6. P. 551–573. (doi: 10.1080/0308108070125 1249)
  • [57] Hildebrand R. An LMI description for the cone of Lorentz-positive maps II // Linear and Multilinear Algebra. 2011, 59:7. P. 719–731. (doi: 10.1080/03081087.2010. 486243)
  • [58] Huber P. J. Robust Statistics. — John Wiley & Sons, New York, 1981.
  • [59] Iyengar G., Erdogan E. Ambiguous chance constrained problems and robust optimization // Math. Progr. Series B. 2006, 107:1–2. P. 37–61.
  • [60] Johnson W. B., Schechtman G. Remarks on Talagrand’s deviation inequality for Rademacher functions // Func. Analiysis. Lecture Notes. 1991, 1470. P. 72–77. (doi: 10.1007/BFb0090214)
  • [61] Khachiyan L. G. The problem of calculating the volume of a polyhedron is enumerably hard // Russian Math. Surveys. 1989, 44. P. 199–200. (doi: 10.1070/RM1989v044n03ABEH002136)
  • [62] Kouvelis P., Yu G. Robust Discrete Optimization and its Applications. — Kluwer Academic Publishers, London, 1997.
  • [63] Lagoa C. M., Li X., Sznaier M. Probabilistically constrained linear programs and riskadjusted controller design // SIAM J. on Optmization. 2005, 15. P. 938–951.
  • [64] Lebret H., Boyd S. Antenna array pattern synthesis via convex optimization // IEEE Trans on Signal Processing. 1997, 45:3. P. 526–532. (doi: 10.1109/78.558465)
  • [65] Lewis A. S. Robust regularization. Technical Report. — Department of Mathematics, University of Waterloo, 2002.
  • [66] Love S. Inventory Control. — McGraw-Hill, 1979.
  • [67] Miller L.B., Wagner H. Chance-constrained programming with joint constraints // Oper. Res. 1965, 13. P. 930–945.
  • [68] Morari M., Zafiriou E. Robust Process Control. — Prentice-Hall, 1989.
  • [69] Nemirovski A., Roos C., Terlaky T. On maximization of quadratic form over intersection of ellipsoids with common center // Math. Progr. 1999, 86. P. 463–473.
  • [70] Nemirovski A. On tractable approximations of randomly perturbed convex constraints // Proc. 42nd IEEE Conference on Decision and Control Maui, 2003. — P. 2419–2422. (doi: 10.1109/CDC.2003.1272982)
  • [71] Nemirovski A., Shapiro A. Convex approximations of chance constrained programs // SIAM J. on Optimization. 2006, 17:4. P. 969–996.
  • [72] Nemirovski A., Shapiro A. Scenario approximations of chance constraints // Probabilistic and Randomized Methods for Design under Uncertainty. Eds.: G. Calafiore, F. Dabbene. — Springer, 2006.
  • [73] Nemirovski A. Sums of random symmetric matrices and quadratic optimization under orthogonality constraints // Math. Progr. Series B. 2007, 109. P. 283–317.
  • [74] Nemirovski A., Onn S., Rothblum U. Accuracy certificates for computaTIONAL problems with convex structure // Mathematics of Operations Research. 2010, 35:1, P. 52–78. (doi: 10.1287/moor.1090.0427)
  • [75] Nesterov Yu. Squared functional systems and optimization problems // High Performance Optimization. Eds.: H. Frenk etc. — Kluwer, 1999. P. 405–439.
  • [76] Nesterov Yu. Semidefinite relaxation and nonconvex quadratic optimization // Optim. Methods and Software. 1998, 9. P. 141–160.
  • [77] Nikulin Y. Robustness in combinatorial optimization and scheduling theory: An extended annotated bibliography. Working paper. — Christian-Albrechts University in Kiel, Institute of Production and Logistics, 2006 (www.optimization-online.org/DB HTML/2004/11/995.html)
  • [78] Nilim A., El Ghaoui L. Robust control of Markov decision processes with uncertain transition matrices // Oper. Res. 2005, 53:5. P. 780–798.
  • [79] Packard A., Doyle J. C. The complex structured singular value // Automatica. 1993, 29, P. 71–109.
  • [80] Pinter J. Deterministic approximations of probability inequalities // ZOR Methods and Models of Operations Research, Series Theory. 1989, 33:4. P. 219–239. (doi: 10.1007/BF01423332)
  • [81] P´olik I., Terlaky T. A survey of the S-Lemma // SIAM Review. 2007, 49:3. P. 371–418.
  • [82] Polyak B. T. Convexity of quadratic transformations and its use in control and optimization // J. on Optimization Theory and Applications. 1998, 99. P. 553–583.
  • [83] Pr´ekopa A. On probabilistic constrained programming // Proc. of the Princeton Symposium on Mathematical Programming. Princeton University Press, 1970. P. 113–138.
  • [84] Pr´ekopa A. Stochastic Programming. — Kluwer, Dordrecht, 1995.
  • [85] Pr´ekopa A., Vizvari B., Badics T. Programming under probabilistic constraint with discrete random variables // New Trends in Mathematical Programming. Eds.: In: L. Grandinetti etc. — Kluwer, 1997. P. 235–257.
  • [86] Ringertz J. On finding the optimal distribution of material properties // Structural Optimization. 1993, 5:4. P. 265–267. (doi: 10.1007/BF01743590)
  • [87] Rockafellar R. T. Convex Analyis. — Princeton University Press, 1970.
  • [88] Rothschild M., Stiglitz J. E. Increasing risk I: a definition // Journal of Economic Theory. 1970, 2:3. P. 225–243.
  • [89] Rothschild M., Stiglitz J. E. Increasing Risk II: its economic consequences // Journal of Economic Theory. 1971, 3:1. P. 66–84.
  • [90] Shapiro A. Stochastic programming approach to optimization under uncertainty // Math. Program. Series B. 2008, 112:1. P. 183–220. (doi: 10.1007/s10107-006- 0090-4)
  • [91] Shivaswamy P. K., Bhattacharyya C., Smola A. J. Second order cone programming approaches for handling missing and uncertain data // Journal The Journal of Machine Learning Research. 2006, 7. P. 1283–1314.
  • [92] Singh C. Convex programming with set-inclusive constraints and its applications to generalized linear and fractional programming // J. of Optimization Theory and Applications. 1982, 38:1. P. 33–42.
  • [93] Stinstra E., den Hertog D. Robust optimization using computer experiments // European Journal of Operational Research. 2008, 191:3. P. 816–837. (doi: 10.1016/j.ejor.2007.03.048)
  • [94] Soyster A. L. Convex programming with set-inclusive constraints and applications to inexact linear programming // Oper. Res. 1973, 21:5. P. 1154–1157. (doi: 10.1287/opre.21.5.1154)
  • [95] Special Issue on Robust Optimization // Math. Progr. Series B. 2006, 107:1–2 (http://link.springer.com/journal/10107/107/1/page/1)
  • [96] Trafalis T. B., Gilbert R. C. Robust classification and regression using support vector machines // European Journal of Operational Research. 2006, 173:3. P. 893–909. (doi: 10.1016/j.ejor.2005.07.024)
  • [97] Wolkowicz H., Saigal R., Vandenberghe L. (eds). Handbook of Semidefinite Programming. — Kluwer Academic Publishers, 2000.
  • [98] Xu H., Mannor S., Caramanis C. Robustness, risk, and regularization in support vector machines // The Journal of Machine Learning Research. 2009, 10. P. 1485–1510. (dl.acm.org/citation.cfm?id=1755834)
  • [99] Youla D. C., Jabr H. A., Bongiorno J. J. Modern WienerHopf design of optimal controllers — Part II: The multivariable case // IEEE Trans. Automat. Control. 1976, 21:3. P. 319–338. (doi: 10.1109/TAC.1976.1101223)
Смотреть видео-лекцию часть 1
Смотреть видео-лекцию часть 2

Системный анализ и системы управления

Метод сетевого оператора для синтеза интеллектуальной системы управления динамическим объектом

Х. М. Атиенсия Вильягомес1, А. И. Дивеев1, 2
1Российский университет дружбы народов, 2Вычислительный центр им. А.А. Дородницына
Аннотация. Рассматривается применение метода сетевого оператора для синтеза интеллектуальной системы управления динамическим объектом. В качестве динамического объекта рассматривается летающий робот типа квадротор. Для синтеза использовано два сетевых оператора, логический — для синтеза логического блока управления, и обычный арифметический оператор — для синтеза системы стабилизации относительно точки пространственной траектории. Приведен пример синтеза интеллектуального управления движением квадротора в окрестности пространственной траектории, построенной с учетом препятствий.
Литература
  • [1] Дивеев А. И. Метод сетевого оператора. — М. : Изд-во ВЦ РАН, 2010.
  • [2] Дивеев А. И., Шмалько Е. Ю. Многокритериальный структурно-параме¬тричес¬кий синтез системы управления спуском космического аппарата на основе метода сетевого оператора // Вестник РУДН. Серия: Инженерные исследования (информационные технологии и управление). 2008. № 4. С. 86–93.
  • [3] Дивеев А. И., Северцев Н. А., Софронова Е. А. Синтез системы управления метеорологической ракетой методом генетического программирования // Проблемы машиностроения и надежности машин. 2008. № 5. С. 104–108.
  • [4] Дивеев А. И., Северцев Н. А. Метод сетевого оператора для синтеза системы управления спуском космического аппарата при неопределенных начальных условиях// Проблемы машиностроения и надежности машин. 2009. № 3. С. 85–91.
  • [5] Diveyev A. I., Sofronova E. A. Application of network operator method for synthesis of optimal structure and parameters of automatic control system // Proc. of 17th IFAC World Congress. Seoul, 2008, P. 6106–6113.
  • [6] Дивеев А. И., Софронова Е. А. Идентификация системы логического вывода методом сетевого оператора // Вестник РУДН. Серия: Инженерные исследования. 2010. № 4. С. 51–58.
  • [7] Дивеев А. И. Синтез адаптивной системы управления методом сетевого оператора // Сб. статей: Вопросы теории безопасности и устойчивости систем. — М. : ВЦ РАН, 2010. Вып. 12. С. 41–55.
  • [8] Atiencia Villagomez J. M., Diveev A. I., Sofronova E. A. The Network Operator Method for Synthesis of Intelligent Control System // 2012 7th IEEE Conference on Industrial Electronics and Applications (ICIEA). — Singapore, 2012. P. 174–179. (doi: 10.1109/ICIEA.2012.6360718)
  • [9] Никульчев Е. В. Многокритериальные системы принятия решений для задач управления //Автоматизация в промышленности. 2005. № 7. С. 45–46.

Оценка качества моделей прогнозирования на основе строго бинарных деревьев и модифицированного алгоритма клонального отбора

Л. А. Демидова
Рязанский государственный радиотехнический университет
Аннотация. Предложен подход к оценке качества моделей прогнозирования на основе строго бинарных деревьев и модифицированного алгоритма клонального отбора. Показана целесообразность одновременного учета значений средней относительной ошибки прогнозирования и показателя несовпадения тенденций при оценке качества моделей прогнозирования, определяемых при реализации модифицированного алгоритма клонального отбора с использованием аналитических зависимостей, формируемых на основе строго бинарных деревьев.
Литература
  • [1] Бидюк П. И., Баклан И. В., Литвиненко В. И., Фефелов А. А. Алгоритм клонального отбора для прогнозирования нестационарных динамических систем // Штучний інтелект. 2004. № 4. C. 89–99.
  • [2] Демидова Л. А. Разработка однофакторных нечетких моделей для анализа тенденций временных рядов с использованием генетического алгоритма // Научно-технические ведомости СПбГПУ. 2007. № 52(2). С. 156–164.
  • [3] Демидова Л. А. Прогнозирование тенденций временных рядов на основе одно-факторной нечеткой модели с использованием дискретных нечетких множеств второго типа и генетического алгоритма // Бизнес-информатика. 2008. № 4 (6). С. 46–53.
  • [4] Демидова Л. А., Скворцова Т. С. Двухфакторная модель прогнозирования временных рядов с короткой длиной актуальной части с использованием генетического алгоритма // Системы управления и информационные технологии. 2010. № 31. С. 7–12.
  • [5] Демидова Л. А., Корячко А. В., Скворцова Т. С. Модифицированный алгоритм клонального отбора для анализа временных рядов с короткой длиной актуальной части // Системы управления и информационные технологии. 2010. Т. 42. № 4.1. С. 131–136.
  • [6] Демидова Л. А. Модели прогнозирования временных рядов с короткой актуальной частью на основе модифицированного алгоритма клонального отбора // Вестник РГРТУ. 2012. № 39–2. С. 64–71.
  • [7] Демидова Л. А., Пылькин А. Н., Скворцов С. В., Скворцова Т. С. Гибридные модели прогнозирования коротких временных рядов.— М. : Горячая линия—Телеком, 2012.
  • [8] Астахова Н. Н., Демидова Л. А. Использование почти полных строго бинарных деревьев и модифицированного алгоритма клонального отбора при разработке моделей прогнозирования временных рядов с короткой актуальной частью // Вестник РГРТУ. 2013. № 4–2 (46). С. 89–96.
  • [9] Кравец О. Я. Перспективные подходы к исследованию технологий менеджмента в сложных системах управления // Экономика и менеджмент систем управления. 2014. Т. 1. № 1 (11). С. 093–100.
  • [10] Искусственные иммунные системы и их применение / под ред. Д. Дасгупты. — М. : ФИЗМАТЛИТ, 2006.
  • [11] Демидова Л. А., Титов С. Б. Исследование влияния основных параметров алгоритма функционирования искусственной иммунной сети на качество кластеризации объектов // Вестник РГРТУ. 2012. № 40. С. 54–60.
  • [12] Chen S. M. Forecasting enrollments based on high-order fuzzy time series // Cyber-netic Systems. 2002. Vol. 33. № 1. P. 1–16. (doi: 10.1080/019697202753306479)
  • [13] Hwang J.-R., Chen S.-M., Lee C.-H. Handling forecasting problems using fuzzy time series // Fuzzy Sets and Systems. 1998. Vol. 100. No. 1–3. P. 217–228. (doi: 10.1016/S0165-0114(97)00121-8)
  • [14] Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. — М. : Юнити, 1998.
  • [15] Белов В. В. Проблемы факторного прогнозирования социально-экономических показателей // Вестник МГУПИ. 2005. № 2. С. 116.
  • [16] Терехов А. А. Идентификация статистического материала и консолидация временных рядов // Вестник РГРТУ. 2009. № 27. С. 62–70.

Иерархия регуляторов в задачах управления пространственным движением летательными аппаратами

Т. А. Мотиенко1, 2
1Технологический институт Южного федерального университета в г.Таганроге
2Московский технологический институт
Аннотация. Рассмотрен иерархический подход к формированию законов управления пространственным движением летательными аппаратами на основе нелинейных математических моделей. Приведен алгоритм иерархического разбиения задачи синтеза законов управления летательными аппаратами на три уровня. На верхнем уровне синтезируются базовые законы управления. На втором, промежуточном уровне, с помощью известных алгебраических уравнений связи, описывающих зависимость между обобщенными векторами сил и моментов сил и аэродинамическими коэффициентами и углами управления управляющих поверхностей для летательного аппарата определенной аэродинамической схемы, продемонстрирована технология конструирования законов управления «среднего уровня» на основе базовых обобщенных законов «верхнего уровня». Законы «среднего уровня» могут быть использованы в качестве установок для локальных систем управления приводами исполнительных механизмов летательных аппаратов.
Литература
  • [1] Буков В. Н. Адаптивные прогнозирующие системы управления полетом. — М. : Наука. Гл. ред. физ.-мат. лит., 1987.
  • [2] Nikulchev E. V., Kozlov O. V. Identification of Structural Model for Chaotic Systems // Journal of Modern Physics. 2013. Vol. 4. No. 10. P. 1381–1392. (doi: 10.4236/jmp.2013.410166).
  • [3] Никульчев Е. В. Идентификация динамических систем на основе симметрий реконструированных аттракторов. — М. : МГУП, 2010.
  • [4] Мирошник И. В., Никифоров В. О., Фрадков А. Л. Нелинейное и адаптивное управление сложными динамическими системами. — СПб. : Наука, 2000.
  • [5] Веселов Г. Е. Иерархическое управление многосвязными динамическими системами: синергетический подход.— Таганрог: Изд-во ТРТУ, 2003.
  • [6] Колесников А. А., Мушенко А. С. Синергетическое управление процессами пространственного движения летательных аппаратов // Авиакосмическое приборостроение. 2004. № 2. С. 38–45.

Формализация временного ряда методом двойного сглаживания

В. Н. Петрушин1,2, Г. О. Рытиков2
1Финансовый университет при Правительстве РФ
2Московский государственный университет печати имени Ивана Федорова
Аннотация. В работе рассматриваются актуальные вопросы моделирования динамики валового продукта социально-экономических систем, не в полной мере поддающихся типовым эконометрическим методам статистического анализа. Приводится пример соответствующего временного ряда и схема его анализа, излагается концепция метода двойного сглаживания, описывается его применение к рассматриваемому примеру и обсуждается возможность его применения к моделированию динамики некоторых процессов в организационных системах.
Литература
  • [1] Бурков В. Н., Коргин Н. А., Новиков Д. А. Введение в теорию управления организационными системами. — М. : URSS, 2008.
  • [2] Андреев М. Ю., Поспелов И. Г., Поспелова И. И., Хохлов М. А. Технология моделирования экономики и модель современной экономики России. — М. : МИФИ, 2007.
  • [3] Елисеева И. И. Эконометрика. — М. : Финансы и статистика, 2003.
  • [4] Голинков Ю. П. Экономико-математическое моделирование производственных систем полиграфии. — М. : МГУП, 2006.
  • [5] Голинков Ю. П., Марголин Л. Н., Рудяк Ю. В. База данных эконометрического анализа книжного рынка // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. 2007. № 1. С. 181–189.
  • [6] Рытикова А. М. Элементы моделирования металлографского формного процесса // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. 2007. № 2. С. 22–27.
  • [7] Голинков Ю. П., Рудяк Ю. В. Оптимизация загрузки производственного оборудования // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. 2007. № 2. С. 111–116.
  • [8] Александрова И. А., Гончаренко В. М., Денежкина И. Е., Киселев В. В., Набатова Д. С., Попов В. Ю., Шандра И. Г., Шаповал А. Б. Методы оптимальных решений в экономике и финансах. — М. : КНОРУС, 2013.
  • [9] Чирков Ю. Н., Петрушин В. Н. // Метеорология и гидрология. 1987. № 8. С. 103–109.
  • [10] Петрушин В. Н., Чирков Ю. Н. // Метеорология и гидрология. 1988. № 5. С. 103–111.
  • [11] Потапов В. А., Завражнов А. И., Бобрович Л. В., Петрушин В. Н. Биометрия плодовых культур. — Мичуринск : МичГАУ, 2004.

Продукционный метод синтеза автоматических регуляторов непрерывно-дискретных систем управления

Г. Н. Рогачев
Самарский государственный технический университет
Аннотация. Рассматривается применение продукционного метода в задачах синтеза гибридных непрерывно-дискретных систем управления. Предложен метод синтеза автоматических регуляторов систем управления, базирующийся на совместном использовании достаточных условий оптимальности и процедуры конечномерной оптимизации. Рассмотрены интеллектуальные методы синтеза продукционных моделей автоматических регуляторов с использованием эволюционных вычислений: генетического алгоритма и генетического программирования.
Литература
  • [1] Рогачев Г. Н. Продукционный метод описания, анализа и синтеза автоматических регуляторов непрерывно-дискретных систем управления // Cloud of science. 2014. Т. 1. № 1. С. 17–40.
  • [2] Пантелеев А. В., Бортаковский А. В. Теория управления в примерах и задачах.— М. : Высшая школа, 2003.
  • [3] Garg D., Hager W. W., Rao A.V. Pseudospectral Methods for Solving Infinite-Horizon Optimal Control Problems // Automatica. 2011. Vol. 47. No. 4. P. 829–837 (doi: 10.1016/j.automatica.2011.01.085).
  • [4] Rao A. V., Benson D. A., Darby C. et al. Algorithm 902: GPOPS, A MATLAB Soft-ware for Solving Multiple-Phase Optimal Control Problems Using the Gauss Pseudo-spectral Method // ACM Transactions on Mathematical Software. 2010. Vol. 37. No. 2. P. 1–39. (doi: 10.1145/1731022.1731032)
  • [5] Емельянов В. В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования.— М. : Физматлит, 2003.
  • [6] Рогачев Г. Н. Эволюционный алгоритм настройки обобщенного ПИД-регулятора // Вестник Самарского государственного технического университета. Серия: Технические науки. 2005. № 39. С. 17–21.
  • [7] Goldberg D. E. Genetic Algorithms in Search, Optimzation & Machine Learning. — Addison-Wesley, 1989.
  • [8] Рогачев Г. Н. Генетические алгоритмы в задачах параметрического синтеза оптимальных систем управления // Вестник Самарского государственного технического университета. Серия: Технические науки. 2005. № 33. С. 67–72.
  • [9] Рогачев Г. Н. Использование генетического алгоритма с отсечением по времени в задаче синтеза программного регулятора для машины Дубинса // Вестник Самарского государственного технического университета. Серия: Технические науки. 2011. № 3 (31). С. 27–33.
  • [10] Koza J. R. Genetic Programming: On the Programming of Computers by Means of Natural Selection. — MIT Press, 1992.
  • [11] Рогачев Г. Н. Генетическое программирование в задачах поиска системотехнических решений // Вестник Самарского государственного технического университета. Серия: Технические науки. 2006. № 40. С. 37–42.
  • [12] Данилов В. Р., Шалыто А. А. Методы генетического программирования для генерации автоматов, представленных деревьями решений // Сборник докладов XI Международной конференции по мягким вычислениям и измерениям (SCM’2008). — СПб. : СПбГЭТУ, 2008. C. 248–251.
  • [13] Silva S., Almeida J. GPLAB — A Genetic Programming Toolbox for MATLAB // Proc. of the Nordic MATLAB Conference (NMC—2003). 2003. P. 273–278.
  • [14] Егоров В. А., Рогачев Г. Н. Особенности построения операторов мутации и кроссовера в векторном варианте генетического программирования // Вестник Самарского государственного технического университета. Серия: Технические науки. 2011. № 1 (29). С. 19–27.
  • [15] Егоров В. А., Рогачев Г. Н. Методика и программное средство синтеза гибрид-но-автоматных систем управления техническими объектами // Проектирование инженерных и научных приложений в среде MATLAB. Труды IV Всероссийской научной конференции. — Астрахань : Изд. дом «Астраханский университет», 2009. С. 457–463.

Облачные и сетевые технологии

Применение методов нелинейной динамики и фрактального анализа для оценивания работы инфокоммуникационных систем с протоколом TCP

А. В. Карпухин1, Л. О. Кириченко1, Д. И. Грицив2, А. А. Ткаченко3
1Харьковский национальный университет радиоэлектроники
2Харьковский национальный университет имени В. Н. Каразина
3ПАО «Укртелеком»
Аннотация. В работе рассмотрены вопросы оценки поведения сетевого трафика, обладающего самоподобными свойствами и анализа полученных данных. Полученные результаты дают характеристику производительности работы компьютерной сети. Целью данного исследования было определение условия возникновения хаотических явлений в инфокоммуникационных системах и способы уменьшения их влияния на пропускную способность таких систем.
На данный момент протокол TCP является основным протоколом передачи данных, считающийся основной причиной самоподобия трафика, поскольку статистические характеристики такого трафика обладают свойством временной масштабной инвариантности (самоподобием). Этот факт был подтвержден многочисленными исследованиями процессов в глобальной сети Internet. В работе проведена оценка работы модельной компьютерной сети с помощью метода мультифрактального анализа и методов нелинейной динамики, которые используются для моделирования, анализа и контроля сложных систем в различных областях науки и техники. С ростом глобальной сети Internet увеличивается нагрузка на каналы связи, что в свою очередь накладывает более жесткие требования к качеству обслуживания (QoS). Поскольку сетевой трафик обладает самоподобием, то игнорирование подобных особенностей может привести к увеличению задержки в передаче данных, уменьшению пропускной способности компьютерной сети и даже к потерям пакетов. Это накладывает определенные ограничения на традиционные методы при проектировании современных компьютерных сетей.
В работе предложен метод анализа производительности компьютерных сетей, учитывающий особенности протекающих в них процессов. Данная методика дает возможность дальнейшего прогнозирования поведения сетевого трафика при изменении ключевых параметров, влияющих на работу сети, а также предотвращения сетевых перегрузок и минимизации хаотических явлений.
Литература
  • [1] Федер Е. Фракталы. — М. : Мир, 1991.
  • [2] Leland W. E., Taqqu M. S., Willinger W., Wilson D. V. On the self-similarnature of ethernet traffic // IEEE/ACM Transactions of Networking. 1994. Vol. 2. P. 1–15.
  • [3] Feng W., Tinnakornsrisuphap P. The Adverse Impact of the TCP Congestion-Control Mechanism in Distibuted Systems // Proc. of International Conference on ParallelProcessing (ICPP’00), 2000.
  • [4] Kantelhardt J. W. Fractal and Multifractal Time Series // Encyclopedia of Complexity and Systems Science. Ed.: R. A. Meyers. — New York : Springer, 2009. P. 3754–3779. (doi: 10.1007/978-0-387-30440-3_221)
  • [5] Kantelhardt J. W., Koscielny-Bunde E., Rego H. H. A., Havlin S., Bunde A. Detecting long-range correlations with detrended fluctuation analysis // Physica A: Statistical Mechanics and its Applications. 2001. Vol. 295. No. 3. P. 441–454. (doi: 10.1016/S0378-4371(01)00144-3).
  • [6] Kantelhardt J. W., Zschiegner S. A., Bunde A., Havlin S., Koscielny-Bunde E., Stanley H. E. Multifractal detrended fluctuation analysis of nonstationary time series // Physica A: Statistical Mechanics and its Applications. 2002. V. 316. No.1—4. Р. 87–114. (doi: 10.1016/S0378-4371(02)01383-3).
  • [7] Kantz H., Schreiber T. Nonlinear Time Series Analysis. 2nd edition. — Cambridge : Cambridge University Press, 2003.
  • [8] Карпухин А. В. Особенности реализации протокола TCP в современных компьютерных сетях // Системы обработки информации. 2009. Вып. 6(80). C. 49–53.
  • [9] Кириченко Л. О. Исследование выборочных характеристик, полученных методом мультифрактального флуктуационного анализа // Вестник НТУУ «КПИ». Информатика, управление и вычислительная техника. 2011. № 54. С.101—110.
  • [10] Мандельброт Б. Фрактальная геометрия природы. — М.; Ижевск : ИКИ, 2002.
  • [11] Никульчев Е. В., Паяин С. В., Питиков Д. А., Плужник Е. В. Вычисление характеристик динамического хаоса по трафику компьютерных сетей // Фундаментальные исследования. 2014. № 8–4. C. 812–816.
  • [12] Петров В. В. Статистический анализ сетевого трафика. — М. : МЭИ; ИРЭ, 2003.
  • [13] Pluzhnik E. V., Nikulchev E. V. Use of dynamical systems modeling to hybrid cloud database // International Journal of Communications, Network and System Sciences. 2013. Vol. 6. No. 12. P. 505–512. (doi: 10.4236/ijcns.2013.612054)
  • [14] TISEAN — пакет программ и сопутствующая документация // [Электронный ресурс]. Режим доступа: http://www.mpipks-dresden.mpg.de/~tisean/
  • [15] Шредер М. Фракталы, хаос и степенные ряды. Миниатюры из бесконечного рая. — Ижевск : НИЦ «Регулярная и хаотичекая динамика», 2005.
  • [16] Wireshark — пакет программ и сопутствующая документация [Электронный ресурс] // Режим доступа: http://www.wireshark.org/

Прикладные ИТ-системы и процессы

Разработка программных средств апробации алгоритмов проектирования информационных структур

А. Ю. Громов, А. И. Баранчиков
Рязанский государственный радиотехнический университет
Аннотация. Для исследования алгоритмов построения схем реляционных баз данных необходимо значительное количество тестовых данных. Предлагается свести задачу генерации входных данных к генерации формализованной предметной области, что обеспечивает необходимый объем данных без учета смысла сгенерированной семантической информации. Разработан алгоритм генерации предметных областей с различными количественными характеристиками.
Литература
  • [1] Баранчиков А. И., Громов А. Ю. Алгоритм генерации формализованной модели предметной области // Вестник РГРТУ. 2010. № 33. С. 45–49.
  • [2] Красовский Г. И., Филаретов Г. Ф. Планирование эксперимента.— Минск : Изд-во БГУ, 1982.
  • [3] Вадзинский Р. Н. Справочник по вероятностным распределениям. — СПб. : Изд-во «Наука», 2001.

Система обработки движения губ человека для речевого ввода информации

Е. Е. Ковшов, Т. А. Завистовская
Московский государственный технологический университет «Станкин»
Аннотация. В статье рассматривается способ формирования текстовых сообщений на основе детектирования движения губ, соответствующих определенной фонеме. Построена геометрическая модель лица человека на основе метода активного контура и реализован макет программного обеспечения, автоматически определяющий дескрипторы рта.
Литература
  • [4] Active Shape Models with Stasm [Электронный ресурс]. URL: http://www.milbo.users.sonic.net/stasm/ (дата обращения: 04.02.2012).
  • [5] Ekman P., Friesen W. V., Hager J. C. Facial action coding system. — Salt Lake City : Research Nexus division of Network Information Research Corporation, 2002.
  • [6] Экман П. Психология лжи. Обмани меня, если сможешь / пер. с англ. — СПб. : Питер, 2011.
  • [7] Экман П. Психология эмоций. Я знаю, что ты чувствуешь. 2-е изд. / пер. с англ. — СПб. : Питер, 2011.
  • [8] http://opencv.org/
  • [9] Ковшов Е. Е., Завистовская Т. А. Формирование текстовых сообщений на основе программно-математической обработки изображений лица человека // Системы управления и информационные технологии. 2012. Т. 50. № 4.1. С. 145–150.
  • [10] Ковшов Е. Е., Мартынов П. Н. Разработка средств автоматизации тестирования интерфейсов пользователя в человеко-машинных системах управления // Информационные технологии. 2012. № 7. С. 42–46.
  • [11] Ковшов Е. Е., Митропольский Н. Н., Завистовская Т. А., Рогозина М. М. Построение геометрической модели лица для выделения дескрипторов психологического состояния оператора технологического оборудования // Вестник МГТУ «Станкин». 2012. Т. 2. № 1. С. 66–69.
  • [12] Рогозина М. М. Автоматическое определение дескрипторов эмоционального состояния на основе системы кодирования лицевых движений // Инновационные информационные технологии: Материалы международной научно-практической конференции. — М. : МИЭМ, 2012. С. 305–307.
  • [13] Солдатов С. А. Чтение по губам: распознавание контуров губ // Лаборатория компьютерной графики [Электронный ресурс] URL: http://www.ict.edu.ru/ft/002415/ioi2002sss.pdf

Исследования процессов теплового воздействия лесных пожаров на ткани человека: перспективы создания медицинских информационных систем

Д. В. Коробкина, Н. В. Барановский
Национальный исследовательский Томский политехнический университет
Аннотация. Настоящий обзор посвящен наиболее значимым исследованиям процессов теплового влияния лесных пожаров на ткани человека (особенно на кожные покровы). Проведен анализ различных исследований, выполненных с середины ХХ века по настоящее время. Рассматривается общая характеристика лесных пожаров и их основные типы. Выделены основные методы и подходы, использующиеся при исследовании проблемы теплового воздействия лесных пожаров на ткани человека. Рассматриваются инструментальные, расчетные и расчетно-эксперимен¬тальные методы для анализа проблемы оценки теплового воздействия лесных пожаров на ткани человека. Предлагается в качестве основного метода использовать подход математического моделирования для исследования указанной проблемы. Рассматриваются перспективы разработки программных компонент, реализующих математические модели теплового воздействия лесных пожаров на ткани человека. Такие програм¬мные реализации проблемно-ориентированных алгоритмов могут стать основой для создания медицинских информационных систем для нужд МЧС и скорой медицинской помощи при минимизации и ликвидации социального ущерба от лесных пожаров.
Литература
  • [1] Гусев А. В. Рынок медицинских информационных систем: обзор, изменения, тренды // Врач и информационные технологии. 2012. № 3. С. 6–15.
  • [2] Кузнецов Г. В., Барановский Н. В. Прогноз возникновения лесных пожаром и их экологические последствия. — Новосибирск : Изд-во СО РАН, 2009.
  • [3] Кузнецов В. И., Козлов Н. И., Хомяков П. М. Математическое моделирование эволюции леса для целей управления лесным хозяйством. — М. : ЛЕНАНД, 2005.
  • [4] Гришин А. М., Фильков А. И. Прогноз возникновения и распространения лесных пожаров. — Кемерово : Изд-во Практика, 2005.
  • [5] Барановский Н. В., Барановская С. В., Исакова А. В. Методика оценки влияния лесных пожаров на здоровье населения // Пожарная безопасность. 2007. № 3. С. 71–74.
  • [6] Лесные пожары: виды, причины, способы тушения. Справка [Официальный сайт, Режим достура]. URL: http://ria.ru/documents/20090414/168056182.html.
  • [7] Калинин К. К. Воздействие крупных пожаров на лесные фитоценозы и система лесохозяйственных мероприятий по ликвидации их последствий : дис. .... доктора сель-хоз. наук. — Йошкар-Ола : Марийский государственный технический университет, 2002.
  • [8] Гришин А. М. Математическое моделирование лесных пожаров и новые способы борьбы с ними. — Новосибирск : Наука, Сиб. отд-ние, 1992.
  • [9] Гришин А. М., Фильков А. И. Прогноз возникновения и распространения лесных пожаров. — Кемерово : Практика, 2005.
  • [10] Пинаев В. С., Щербаков В. А. Пожары, вызванные ядерными взрывами, и их последствия // Физика горения и взрыва. 1996. Т. 32. № 5. С. 116–121.
  • [11] Залесов А. С. Классификация лесных пожаров : методические указания по курсу «Лесная пирология». — Екатеринбург : Изд-о УГЛТУ, 2011.
  • [12] Доррер Г. А. Динамика лесных пожаров. — Новосибирск : Наука, 2008.
  • [13] Зайченко О. В. Разработка методов оценки воздействия лесного пожара на воздушную среду населенных территорий : автореф. дис. ...канд. техн. наук. — Владивосток : Комсомольский-на-Амуре государственный технический университет, 2005.
  • [14] Еналеев P. Ш., Теляков Э. Ш., Закиров А. М., Качалкин В. А., Осипова Л. Э. Кинетика теплового поражения человека в чрезвычайных ситуациях // Безопасность жизнедеятельности. 2009. № 9. С. 30–36.
  • [15] Закиров А. М. Количественная оценка опасности поражения человека тепловым излучением при пожарах на химических и нефтехимических предприятиях : дисс. ... канд. техн. наук. — Казань : Казанский государственный технологический университет, 2011.
  • [16] Еналеев Р. Ш., Теляков Э. Ш., Закиров А. М., Чистов Ю. С., Закиров Г. М. Пpогнозиpование санитаpных потеpь от воздействия теплового излучения в чpезвычайных ситуациях // Безопасность жизнедеятельности. 2011. Т. 121. № 1. С. 36–41.
  • [17] Пушкарева А. Е. Лазерный селективный нагрев элементов кожной ткани : дисс. ... канд. техн. наук. — СПб : Санкт-Петербургский государственный университет информационных технологий, механики и оптики, 2006.
  • [18] Xu F., Lu T. J, Seffen K. A. Biothermomechanical behavior of skin tissue // Acta Mechanica Sinica. 2008. Vol. 24. No. 1. P. 1–23. (doi: 10.1007/s10409-007-0128-8)
  • [19] Hummel A., Lyons K. Skin Burn Translation Model for Evaluating Hand Protection in Flash Fire Exposures // Fire Technology. 2014. Vol. 50. No. 5. P. 1285–1299. (doi: 10.1007/s10694-013-0336-7)
  • [20] Академия ГПС МЧС России [Официальный сайт]. URL: http://www.agps-mipb.ru/index.php/2010-12-23-08-05-07/138-8-12-teplovoe-izluchenie-i-ego-dejstvie-na-lyudej.html.
  • [21] Whitton J. T., Everall J. D. The thickness of the epidermis // Br. J. Dermatol. 1973. Vol. 89. No. 5. P. 467–476. (doi: 10.1111/j.1365-2133.1973.tb03007.x)
  • [22] Парамонов Б. А., Порембский Я. О., Яблонский В. Г. Ожоги: руководство для врачей. — СПб. : СпецЛит, 2000.
  • [23] Вильдиева М. В. Обоснование применения мексидапта в комплексном лечении больных с термической травмой : дисс. ... канд. мед. наук. — Саранск : Мордовский государственный университет, 2009.
  • [24] Быков В. Л. Частная гистология человека. Глава 4. Кожа и ее производные. — СПб. : Сотис, 2001. С. 56–70.
  • [25] Еналеев Р. Ш., Закиров А. М., Чистов Ю. С., Теляков Э. Ш. Термодинамические критерии теплового поражения человека в техногенных авариях // Вестник Казанского технологического университета. 2012. Т. 15. № 17. С. 50–55.
  • [26] Гольдзон М. А. Недостаточность кровообращения при тяжелой термической травме и ее патогенетическая коррекция : дисс. ... канд. мед. наук. — Омск : Омская государственная медицинская академия, 2011.
  • [27] ASTM Standard D 4108-87, Standard test method for thermal protective performance of material for clothing by open flame method, American society for testing and materials. — Philadelphia : PA, 1994.
  • [28] ISO Standard 17492. Clothing for protection against heat and flame — determination of heat transmission on exposure to both flame and radiant heat. — Geneva, Switzerland : International Organization for standardization, 2003.
  • [29] Еналеев Р. Ш., Качалкин В. А., Теляков Э. Ш., Чистов Ю. С. Прогнозирование теплового поражения человека при динамическом нагреве // Пожаровзрывобе¬зопасность. 2012. № 5. С. 48–56.
  • [30] Еналеев Р. Ш., Осипов А. М., Качалкин В. А. и др. // Труды Второй Российской национальной конференции по теплообмену. — М. : Изд. МЭИ, 1998. Т. 6. С. 282–285.
  • [31] Incropera F. P., DeWitt D. P. Fundamentals of heat and mass transfer. — New York : Wiley, 1981.
  • [32] Fausett L. V. Numerical methods: algorithms and applications. — Upper Saddle River: Pearson Education, Inc. 2003.
  • [33] Stoll A. M., Greene L. C. Relationship between pain and tissue damage due to thermal radiation // Journal of Applied Physiology. 1959. Vol. 14. No. 3. P. 373–382.
  • [34] Henriques F. C., Moritz A. R. Studies of thermal injury. I. The conduction of heat to and through skin and the temperature attained therein. A theoretical and experimental investigation // The American Journal of Pathology. 1947. Vol. 21. No. 2. P. 531–549.
  • [35] Еналеев Р. Ш., Теляков Э. Ш., Закиров А. М., Закиров Г. М., Качалкин В. А. Математическая модель поражения человека тепловым излучением // Материалы международной конференции "Химическая и радиационная физика«.— Казань : Казанский технологический университет, 2009. С. 73–83.
  • [36] Eisenberg N. A., Lynch C. J., Breeding R. J. Vulnerability model. A Simulation System for Assessing Damage Resulting from Marine Spills. Tech. Report. — Springfield. 1975. P. 105–245.
  • [37] ГОСТ Р 12.3.047-98. Пожарная безопасность технологических процессов. Общие требования. Методы контроля. — М. : Госстандарт России. 1998.
  • [38] Руководство по оценке пожарного риска для промышленных предприятий. — М. : ФГУ ВНИИПО, 2006.
  • [39] Методика определения расчетных величин пожарного риска на производственных объектах. Приложение к приказу МЧС РФ от 10 июля 2009 г. № 404.
  • [40] Mannan S. (ed.). Lees’ Loss prevention in the process industries: Hazard identification, assessment and control. Third Edition. — Butterworth-Heinemann, 2004. Vol. 1. (doi: 10.1016/B978-075067555-0.50090)
  • [41] Столл А. Теплообмен в биотехнике // Успехи теплопередачи : глава в монографии / пер. с англ. — М. : Мир, 1970. С. 81–161.
  • [42] Еналеев Р. Ш., Келин И. А., Качалкин В. А. и др. Применение математического моделирования для исследования термических ожогов // Труды Казанского Ордена Трудового Красного Знамени медицинского института им. С. В. Курашова. 1978. Т. 48. С. 91–95.
  • [43] Enalejev R. Sh., Kachalkin W. A. Mathematical Sumulation of Heat and Mass Transfer Process in Skin Cover at Burn Injury // Annals of the NewYork Academy of Science, 1998. Vol. 858. P. 30–35. (doi: 10.1111/j.1749-6632.1998.tb10137.x)
  • [44] Еналеев Р. Ш., Теляков Э. Ш., Хайруллин И. Р., Качалкин В. А. Критерии опасности теплового поражения человека // Безопасность жизнедеятельности. 2008. № 8. C. 40–43.
  • [45] Еналеев Р. Ш., Теляков Э. Ш., Закиров А. М., Качалкин В. А., Осипова Л. Э. Методы оценки опасности тепло¬вого поражения людей в чрезвычайных ситуациях // Безопасность жизнедеятельности. 2009. № 9. С. 30–36.
  • [46] Weaver U. A., Stoll A. M. Mathematical model of skin exposed to thermal radiation. Aerospace medical research department. Tech. Rep. NADC-MR-6708. 1967.
  • [47] Feng Q., Zhao-yan H., Zheng-kang Z., Li-xing, S. The Establishment of the Mathematical Model of the 2nd Degree Burn Injury of Human Tissues and Its Application // Proc. of the 2005 IEEF Engineering in Medical and Biology 27th Annual Conference.— Shanghai, 2005. P. 2918–2921. (doi: 10.1109/IEMBS.2005.1617085)
  • [48] Lawson J. R. Fire fighter’s protective clothing and thermal environments of structural fire fighting. — Gaithersburg : National institute of standards and technology, MD 20899, 1996. P. 1–22.
  • [49] Behnke W. P. Predicting Flash Fire Protection of Clothing from Laboratory Test Using Second-degree Burn to Rate Performance // Fire and materials. 1984. Vol. 8. No. 2. P. 53–63. (doi: 10.1002/fam.810080202)
  • [50] Бессмертный Б. С. Математическая статистика в клинической профилактической и экспериментальной медицине. — М. : Медицина, 1967.
  • [51] Герасимовой Л. И., Назаренко Г. И. Термические и радиационные ожоги. — М. : Медицина, 2005.
  • [52] Елохин А. Н. Анализ и управление риском: теория и практика. — М. : ЗАО «Индустриальный риск», 2002.
  • [53] Акимов В. А., Быков В. Ю., Востоков В. Ю. и др. Методика оценки рисков чрезвычайных ситуаций и нормативы приемлемого риска чрезвычайных ситуаций // Проблемы анализа риска. 2007. Т. 4. № 4. С. 347–367.
  • [54] Маршалл В. Основные опасности химических производств. — М. : Мир, 1989.
  • [55] Бейкер У., Кокс П., Уэстайн П. и др. Взрывные явления. Оценка и последствия. Кн. 2. / пер. с англ.; под ред. Я. Б. Зельдовича и Б. Е. Гельфанда. — М. : Мир, 1986.

Исследование алгоритмов работы информационной системы с использованием математического аппарата сетей Петри

Д. А. Корнев1, Е. Ю. Логинова1, 2
1Московский государственный университет путей сообщения
2Московский технологический институт
Аннотация. Предложена математическая модель для исследования функционирования информационной системы с использованием математического аппарата расширенных сетей Петри. Приведены результаты моделирования работы аппаратных ресурсов как дискретной динамической системы.
Литература
  • [1] Котов В. Е. Сети Петри. — М. : Наука : Гл. ред. физ.-мат. лит., 1984.
  • [2] Лескин А. А., Мальцев П. А., Спиридонов А.М. Сети Петри в моделировании и управлении. — Л .: Наука, 1989.
  • [3] Наумов В. С. Использование сетей Петри при моделировании процесса транспортно-экспедиционного обслуживания // Автомобильный транспорт. 2009. № 24. С.120—124.
  • [4] Корнев Д. А. Моделирование динамического состояния виртуальной инфра¬структуры с использованием сетей Петри // Программная инженерия. 2014. № 5. С. 14–19.

Методы сокращения вычислительной сложности алгоритмов совмещения разнородных изображений

Е. Р. Муратов, М. Б. Никифоров
Рязанский государственный радиотехнический университет
Аннотация. Повышение осведомленности пилота летательного аппарата о закабинном пространстве в условиях ограниченной видимости или полете на малых высотах в сложном рельефе местности является актуальной научно-технической задачей. Система комбинированного видения позволяет решить эту задачу путем предоставления комплексной информации от датчиков системы технического зрения, дополненной синтезированной моделью местности. В статье рассмотрены вопросы сокращения вычислительной сложности совмещения разнородных изображений.
Литература
  • [1] Костяшкин Л. Н., Логинов А. А., Никифоров М. Б. Проблемные аспекты системы комбинированного видения летательных аппаратов // Известия ЮФУ. 2013. № 5. С. 61–65.
  • [2] Loginov А. А., Muratov E. R., Nikiforov M. B., Novikov A. I. Image vectorization in real time // European Science and Technology: Materials of the IV international research and practice conference. — Munich Germany, 2013. Vol. I. P. 274–280.
  • [3] Руководство Р-315 «По минимальным стандартам характеристик авиационных систем (MASPS) для систем улучшенного видения, систем искусственного видения, комбинированных систем искусственного видения и бортовых систем увеличения дальности видения» Авиационного Регистра Межгосударственного Авиационного Комитета (АР МАК), 2008.
  • [4] Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход / пер. с англ. — М. : Изд. дом «Вильямс», 2004.
  • [5] Герман Е. В., Муратов Е. Р., Новиков А. И. Математическая модель формирования зоны неопределенности в задаче совмещения изображений // Вестник РГРТУ. 2013. Вып. 46–2. С. 10–16.
  • [6] Муратов Е. Р. Скелетизация контуров изображений в авиационных системах комбинированного видения // Техническое зрение в системах управления-2013: научно-техническая конференция. — М. : ИКИ РАН, 2013. С.158—159.
  • [7] Scarpino M. OpenCl in action. How to accelerate graphics and computation. — Manning publication Co., 2012.

Прикладные исследования в экономике

Основные детерминанты объема венчурных сделок в российские ИТ-компании

А. С. Семенов1, 2, 3, Э. Б. Гостева1
1Национальный исследовательский университет «Высшая школа экономики»,
2Московский технологический институт
3VC Group
Аннотация. Работа является продолжением исследований авторов. В статье рассматривается выборка инвестиционных сделок в российские инновационные компании и основные детерминанты объема инвестиций на втором раунде. Исследуется зависимость объема инвестиций от величины предшествующего раунда, темпов роста целевого рынка, наличия в проекте опытных инвесторов. Новым результатом является исследование вероятности получения инвестиций во втором раунде от параметров компании первого раунда.
Литература
  • [1] Каширин А., Семенов А. Венчурное инвестирование в России. — М. : Вершина, 2007.
  • [2] Каширин А., Семенов А. В поисках бизнес-ангела. Привлечение стартовых инвестиций в России. — М. : Вершина, 2007.
  • [3] Никконен А. И., Родионов И. И. Венчурный капитал и прямые инвестиции в инновационной экономике. — СПб. : РАВИ, 2010.
  • [4] MoneyTreeTM: Навигатор венчурного рынка // PwC, ОАО «РВК».
  • [5] Schertler A. Driving Forces of Venture Capital Investments in Europe: A Dynamic Panel Data Analysis. Kiel Working Paper No. 1172. — Kiel Institute for World Economics, 2003.

Подписано в печать: 01.09.2014.