Представлены результаты исследования приоритетной многолинейной системы массового обслуживания (СМО) с маркированным марковским входным потоком (MMAP), обслуживанием фазового типа PH и очередью конечной ёмкости. Приоритетные классы трафика различаются вероятностью присоединения к очереди, зависящей от количества заявок в ней, и PH-распределением времени обслуживания. Если очередь заполнена, заявка не присоединяется к~системе. Для частного случая такой СМО с двумя классами трафика разработана и исследована аналитическая модель, а также предложен алгоритм вычисления стационарных вероятностей состояния системы, вероятностей потерь, среднего числа заявок в системе и других характеристик. Для общего случая системы с K-классами построена имитационная модель, исследованы характеристики системы.

Diagnosis of railway tracks reveals the deviations of rail parameters in the plan and profile from their nominal values. If the deviations approach the limit values, the speeds of trains must be reduced. Therefore, forecasting changes in the deviations is a topical problem. Despite the significant amount of diagnostic data collected, railway operators underuse machine learning methods to improve the quality of forecasting. The proposed approach differs from known counterparts as follows. First, the dimensionality of the feature space is increased by calculating the variation of the amplitudes of deviations from the nominal values and two types of areas (the deviation length multiplied by the amplitude and the deviation length multiplied by the variation of the amplitude); subsequently, this space is represented in the 3D matrix form. Second, a set of control parameters is formed; it includes the time and space discretization step, the type of seasonal fluctuations, the number of trend change points, etc. Third, the deviations are forecasted in groups differing in type and position along the track. Forecasting is based on minimizing the empirical risk criterion. As a result, a family of autoregressive models is obtained for each discretization interval along the length of the railway track.

Научное электронное издание посвящено исследованию моделей стохастического поллинга для оценки производительности широкополосных беспроводных сетей с централизованным управлением. Впервые предложено использование методов машинного обучения для задач анализа адаптивного поллинга, решение которых не удается получить с использованием традиционных методов теории очередей. Данное издание предназначено для специалистов в области стохастических систем, проектировщиков компьютерных сетей, аспирантов и студентов высших учебных заведений по специальностям «теория вероятностей и математическая статистика», «системы, сети и устройства телекоммуникаций».

Излагаются особенности планирования и моделирования развития крупномасштабных систем и построения комплекса взаимосвязанных моделей на основе агрегативно-декомпозиционного и проектно-программного подходов. Рассматриваются комплексные задачи управления развитием крупномасштабных систем. Описываются инструментальные средства для технико-экономического обоснования инвестиционных проектов и программный комплекс «ТЭО-ИНВЕСТ».

Рассматриваются управляемые системы с геометрическими ограничениями типа включений и смешанными ограничениями типа равенств и неравенств. Для них исследуется вопрос существования допустимых позиционных управлений в классе непрерывных функций. Приводятся достаточные условия существования локальных и глобальных непрерывных допустимых позиционных управлений. Для систем с гладкими ограничениями указанные достаточные условия формулируются в терминах первых производных отображений, определяющих смешанные ограничения. Для систем с липшицевыми ограничениями достаточные условия существования допустимых управлений формулируются в терминах производной Кларка отображений, определяющих смешанные ограничения.