Статья представляет собой научно-историческое исследование, посвященное проблеме взаимовлияния и обогащения психологии и техники на примере развития робототехники в процессе эволюции базовых инженерно-психологических представлений ключевого представителя отечественной робототехники, учено-го и организатора Центрального научно-исследовательского и опытно-конструкторского института робототехники и технической кибернетики (Санкт-Петербург) доктора технических наук Юревича Евгения Ивановича (1926-2020). Представлены факты его биографии, дан анализ творческой и организационной деятельности, свидетельствующие о тесной междисциплинарной связи психологии и практики инженерно-го проектирования сложных робототехнических систем. Показана роль классической инженерной психо-логии во взглядах Е.И. Юревича как методологической основы при создании дистанционно-управляемых и мобильных роботов. Анализируется эволюция инженерно-психологических представлений Е.И. Юревича в перспективных проектах по созданию роботов с искусственным интеллектом и разумным поведением. Рассматриваются идеи ученого в области концептуального проектирования интеллектуальной робото-техники. Показаны перспективные направления развития психологии робототехники и инженерной психологии в связи с новыми подходами и решениями в области создания сложных технических систем.

Рассматривается одна из актуальных и ключевых задач транспортной отрасли - задача планирования маршрутов следования транспортных средств. Для многих приложений данная задача может быть описа-на и формализована как задача коммивояжера (англ. Traveling Salesman Problem, TSP), которая заключа-ется в поиске для коммивояжера оптимального маршрута, проходящего через указанные города хотя бы по одному разу с последующим возвратом в исходный город. В общем случае при планировании таких маршрутов приходится решать множественную задачу коммивояжера (англ. Multiple Traveling Salesman Problem, MTSP), допускающую более одного коммивояжера и более одного депо - пункта их базирования, в котором начинаются и заканчиваются маршруты. MTSP как задача комбинаторной оптимизации отно-сится к классу NP-трудных задач. В настоящей статье излагается эвристический метод ее решения на ос-нове геопространственной кластеризации исходного множества городов. Сначала рассматривается MTSP с одним депо. Дается двухиндексная математическая формализация данной задачи и излагается метод Миллера-Такера-Землина, сводящий ее к задаче целочисленного линейного программирования. Обсуж-даются метаэвристические методы решения MTSP. Рассматривается более сложная задача - MTSP с не-сколькими депо. Излагается кластерный двухэтапный метод решения данной задачи - метод CFRS ("Cluster First - Route Second"), позволяющий свести ее к семейству MTSP с одним депо. Здесь на первом этапе осуществляется геопространственная кластеризация городов, для которой возможно использовать различные методы кластеризации, включая метод K-средних. На втором этапе для каждого построенного кластера осуществляется выбор депо для его обслуживания и строятся маршруты объезда всех городов данного кластера. Обсуждается методология кластеризации как эффективный инструмент решения MTSP. Приводится числовой пример авиационной логистики - маршрутизация полетов группы БПЛА.

Рассматривается одна из актуальных и ключевых задач транспортной отрасли - задача планирования маршрутов следования транспортных средств. Для многих приложений данная задача может быть описана и формализована как задача коммивояжера (англ. Traveling Salesman Problem, TSP), которая заключается в поиске для коммивояжера оптимального маршрута, проходящего через указанные города хотя бы по одному разу с последующим возвратом в исходный город. В общем случае при планировании таких маршрутов приходится решать множественную задачу коммивояжера (англ. Multiple Traveling Salesman Problem, MTSP), допускающую более одного коммивояжера и более одного депо - пункта их базирования, в котором начинаются и заканчиваются маршруты. MTSP как задача комбинаторной оптимизации относится к классу NP-трудных задач. В настоящей статье излагается эвристический метод ее решения на основе геопространственной кластеризации исходного множества городов. Сначала рассматривается MTSP с одним депо. Дается двухиндексная математическая формализация данной задачи и излагается метод Миллера-Такера-Землина, сводящий ее к задаче целочисленного линейного программирования. Обсуждаются метаэвристические методы решения MTSP. Рассматривается более сложная задача - MTSP с несколькими депо. Излагается кластерный двухэтапный метод решения данной задачи - метод CFRS ("Cluster First - Route Second"), позволяющий свести ее к семейству MTSP с одним депо. Здесь на первом этапе осуществляется геопространственная кластеризация городов, для которой возможно использовать различные методы кластеризации, включая метод K-средних. На втором этапе для каждого построенного кластера осуществляется выбор депо для его обслуживания и строятся маршруты объезда всех городов данного кластера. Обсуждается методология кластеризации как эффективный инструмент решения MTSP. Приводится числовой пример авиационной логистики - маршрутизация полетов группы БПЛА.

Требования к математическим и компьютерным моделям, используемым в процессах управления, должны формироваться исходя из баланса их точности и достоверности, с одной стороны, и быстродействия системы управления, определяемого длительностью построения моделей и расчетов с их использованием. Такой кибернетический подход определяет различную рациональную степень детализации моделей, используемых на разных уровнях управления и на разных стадиях инновационных процессов.

Рассматриваются проблемы изменения стратегического целеполагания развития высокотехнологичных отраслей в современных условиях, переход от "рыночной", коммерческой парадигмы к государственному регулированию и ориентации на достижение государственных целей, требования к методологии стратегического планирования, в т.ч. к качеству обоснования решений, выполнимые только за счет применения экономико-математического моделирования.