Одним из важных этапов построения алгоритма для решения некоторой задачи является оценка его вычислительной сложности. Вычислительная сложность алгоритма обычно оценивается в виде зависимости скорости роста времени его работы от объема входных данных. Такая оценка позволяет сравнивать между собой быстродействие алгоритмов решения одной и той же задачи вне зависимости от аппаратной и программной платформы. В данной работе исследуется несколько алгоритмов решения задач для инженерных сетей, моделируемых в виде графа. В работах, посвященных этим алгоритмам, не приводится оценка их вычислительной сложности. Считается общепринятым оценивать объем входных данных алгоритмов на графах через количество вершин и ребер. Рассматриваемые алгоритмы объединяет то, что их вычислительная сложность напрямую зависит не только от количества вершин и ребер, но и от длины пути и количества путей между двумя вершинами. В работе получены оценки зависимости среднего количества путей и средней длины пути между двумя вершинами графа инженерных сетей. С помощью этих оценок проведен анализ одного из исследуемых алгоритмов, который посвящен решению задачи нахождения критических узлов транспортной сети. Принцип работы этого алгоритма состоит в сведении задачи к эквивалентной задаче целочисленного линейного программирования. Были получены оценки зависимости количества переменных и ограничений от количества узлов транспортной сети.

Для одного класса нелинейных объектов с одинаковым числом выходов и выходов, функционирующих в условиях внешних неконтролируемых возмущений и неполных измерений, рассматриваются принципы построения следящих систем. Основная идея предлагаемого подхода состоит в переходе к канонической форме «вход – выход» в координатном базисе смешанных переменных, которая служит единой основой для синтеза комбинированного управления и наблюдателя смешанных переменных и обобщенных возмущений. Смешанные переменные являются функциями от переменных состояния, внешних воздействий и их производных и подлежат комплексному оцениванию. Такой подход упрощает структуру регулятора и снижает динамический порядок замкнутой системы по сравнению с типовыми решениями, где применяются генераторы внешних воздействий и идентификаторы неопределенных параметров. Изложены преимущества блочного синтеза следящей системы по сравнению с классическим подходом к синтезу модального управления в рамках метода линеаризации обратной связью по выходу. Основными результатами работы являются принцип проектирования и метод синтеза наблюдателя – дифференциатора смешанных переменных и обобщенных возмущений, построенного на основе блочной формы «вход – выход» с линейными локальными связями. Использование кусочно-линейных корректирующих воздействий с насыщением позволяет восстановить обобщенные возмущения без составления их динамической модели. В отличие от аналогичного наблюдателя стандартной структуры, настройка которого требует составления громоздких выражений для оценивания динамики ошибок оценивания, предлагаемый наблюдатель-дифференциатор имеет простую настройку с независим выбором коэффициентов усиления корректирующих воздействий в каждом блоке.

Целью работы является комплексный анализ и практическая адаптация существующего алгоритма Лувена для выявления сообществ в мультиплексных и темпоральных научных сетях. В ходе исследования были систематизированы основные понятия и рассмотрены современные методы кластеризации сетевых структур. Для проведения экспериментов были собраны обширные данные об авторах, публикациях и тематиках исследований из открытой библиометрической платформы OpenAlex. С использованием средств языка программирования Python эти данные были преобразованы и подготовлены для построения специализированных сетевых моделей. Ключевым результатом работы стало применение модификаций алгоритма Лувена, предназначенных для работы с мультиплексными и темпоральными сетями. В мультиплексной сети разработанный модифицированный алгоритм Лувена сравнивался с алгоритмом ABACUS и Flattening. Для кластеризации темпоральных сетей были рассмотрены и протестированы алгоритмы Smoothed Graph, Iterative Match и Smoothed Louvain, в основе которых лежит классический алгоритм Лувена. Адаптированные алгоритмы продемонстрировали высокие показатели следующих метрик: модулярности, нормализованной взаимной информации, коэффициента Жаккара. Это подтверждает эффективность модифицированных методов и перспективность их использования в качестве базовых инструментов в будущих исследованиях.

В данной работе классическая постановка задачи подавления влияния внешних возмущений в линейных системах распространяется на случай нелинейных систем в робастной постановке на основе использования метода динамической компенсации. Робастные свойства замкнутых систем обеспечиваются за счет использования глубоких обратных связей и разрывных управляющих воздействий. В задачах управления по выходным переменным предложено рассматривать часть модели объекта управления в качестве генератора модельных неопределенностей, причем в этом случае, в отличие от генератора возмущений, появляется возможность влиять на динамику модельного генератора. В качестве примера использования предлагаемого подхода решена задача управления по высоте беспилотным летательным аппаратом с пружинным подвесом груза.

Выделены две основные постановки задачи предотвращения конфликтов воздушных судов на основе обучения с подкреплением: автономное разрешение конфликтов между несколькими воздушными судами на основе многоагентного глубокого обучения с подкреплением и генерация решения по предотвращению конфликтов для систем поддержки принятия решений авиадиспетчерами. При современной организации воздушного движения актуальна вторая постановка, поскольку для внедрения полностью автоматических методов имеются серьезные проблемы сертификации методов машинного обучения в гражданской авиации, где критически важна безопасность. В статье рассматривается задача генерации горизонтального маневра предотвращения конфликта двух воздушных судов при помощи обучения с подкреплением. В отличие от работ, в которых рассматриваемая задача решается в непрерывном пространстве действий, предлагается обучать агента действиям в дискретном пространстве, что больше соответствует действиям авиадиспетчеров по централизованному предупреждению конфликтов. Приводится формализация задачи в виде марковского процесса принятия решений. Кратко описаны алгоритмы обучения с подкреплением «двойные глубокие Q-сети» и «проксимальная оптимизация политики», выбранных для решения задачи. Представлены результаты обучения и тестирования агента в разработанной среде моделирования с помощью реализованных алгоритмов, приводится сравнение их эффективности.