В работе исследованы методы построения суррогатных моделей с использованием ансамблевых методов машинного обучения. Суррогатные модели позволяют значительно сократить время, затрачиваемое на поиск рациональных геометрических параметров крыла летательного аппарата. В работе рассмотрена задача поиска рациональных аэродинамических характеристик для профиля крыла летательного аппарата. Обучающий массив данных был сгенерирован комплексом XFOIL - программным обеспечением для анализа характеристик аэродинамических профилей на дозвуковых скоростях. В результате расчетных экспериментов выяснилось, что наилучшей регрессионной моделью-ансамблем для данной задачи является Extra Trees Regressor – ансамбль, основанный на построении нескольких моделей деревьев решений.

Рассмотрена математическая модель системы поддержки принятия решений в условиях неопределенности. Модель основана на семиотической модели ситуации. Предложены методы решения обратной задачи для поиска формальных решений достижения цели. Для интерпретации решений предложено применить векторные модели языка, полученные путем обучения нейронных сетей большим корпусом текста. Рассмотрены примеры интерпретации решений с помощью векторных моделей языка и проанализированы их возможности для принятия решений.

Для оценивания производных непрерывных составных сигналов, описываемых фрагментами алгебраических полиномов, разработан наблюдатель с кусочно-непрерывными корректирующими воздействиями с насыщением. Они обеспечивают асимптотически точное дифференцирование и существенно ограничивают всплески оценочных сигналов вначале переходных процессов по сравнению с наблюдателем с обычной линейной коррекцией.

В работе рассматривается метод попарных сравнений для измерения сложности NP-трудных задач дискретной оптимизации. Данный метод базируется на концепции метрического подхода, использует понятия устойчивости, меры неразрешимости и меры близости задачи, а также вспомогательные методы интерполяции, аппроксимации, декомпозиции и машинного обучения. В случае измерения сложности задачи относительно точности ее решения в результате использования метода будет получено приближенное решение с гарантированной абсолютной погрешностью целевой функции NP-трудной задачи. Это обеспечивается за счет использования знаний о специальных случаях данной задачи и разработанной для нее функции сходства. Под специальным случаем понимается подкласс NP-трудной задачи, в котором найдены закономерности, позволяющие применять к этому подклассу полиномиальный или псевдополиномиальный алгоритм для получения точного решения. В работе показано применение метода попарного сходства для измерения сложности задач дискретной оптимизации относительно ее структуры и применяемых методов декомпозиции.

Рассматриваются проблемы управления развитием крупномасштабных систем. Отмечается, что крупномасштабные системы - основа современной системы управления развитием. Анализируется текущая ситуация и перспективы ее развития. Рассматриваются комплексные модели управления развитием производственно-транспортных систем. Рассмотрен состав комплекса моделей управления развития крупномасштабных систем. Приведена методология разработки инвестиционных проектов для группы предприятий и предприятий со сложной внутренней структурой.