This paper describes models and algorithms for intelligent control of a group of autonomous mobile robots, which perform object transportation task in complex environments. The proposed models allow avoiding obstacles in the way of the multi-robot system as well as motion coordination for several robots carrying a large-sized object. We use Q-learning to provide robots adaptability to unknown environments. The 2d-map data collected during system operation joined with actions for several robots serves as an input for the learning subsystem. The primary output is a value of estimated efficiency for the given control decision. The use of a convolutional neural network as a core element of the reinforcement learning module allows for efficient encoding of system operation situations, thus providing for a reliable and efficient control algorithm

В XIX веке в постановке новых типов математических задач и формализации уже существующих теорий произошли серьёзные изменения. Это было началом крупного реформирования математического знания, сравнимого по значению с созданием аксиоматико-дедуктивного подхода к математическому знанию в Древней Греции. Мы обсудим некоторые из причин этих изменений во взглядах математиков, а также последствия происшедших преобразований математики.

Численные данные и математические модели широко используются в экономических и общественных науках, однако понятие «измерений» и разделимость их результатов на содержательный сигнал и случайный, поддающийся минимизации шум для социальных систем весьма условны из-за обилия факторов, влияющих на состояние системы. Стохастические процессы в ряде социальных систем (биржи, транспортных потоков и др.) нестационарны, для их регистрируемых параметров характерны сильные корреляции и негауссовы распределения. Для объективного анализа этих особенностей требуются массивы надежных физических данных, полученных под воздействием социальных факторов. В докладе будут представлены распределения численных параметров атомной структуры кристаллических веществ из компьютерных банков структурных данных, содержащих достоверную физическую информацию примерно о 1 млн. соединений. Эти массивы надежно установленных, воспроизводимых численных параметров получены при сильном влиянии экономических и социальных факторов (государственное регулирование, целевое финансирование, конкуренция научных групп и т.д.) на ход исследований. Большие выборки результатов структурных исследований проявляют явные аналогии с массивами данных в «социальных» науках: уширенные негауссовы распределения с «тяжелыми хвостами», псевдо-квантовая кластеризация точек. Такие распределения, несмотря на точность и достоверности их данных, могут не поддаваться стандартным методам статистической обработки. Будут представлены примеры неклассических «социоподобных» распределений физических параметров и предложена интерпретация этих наблюдений. Литература Y.L.Slovokhotov Bad distributions of good data: unusual statistics of structural databases. Struct. Chem. (2016) 27: 389. DOI:10.1007/s11224-015-0716-3

Рассматриваются методические основы исследования экономических эффектов. На примере приграничных территорий России и Беларуси проводится апробирование методики и оценка эффектов, которые могли иметь место в российско-белорусском приграничье после снятия государственной границы и объединения транспортных систем. Основной особенностью предлагаемой методики является возможность идентифицировать эффекты по сфере реализации.