Математические модели содержат ряд параметров, значения которых определяются на основе эмпирических данных. Если моделируемый процесс – это социальное противостояние, то стороны публикуют различную информацию о значениях этих параметров. В работе рассматривается вопрос влияния этой неопределенности на результат моделирования

Описывается проект по созданию распределенной сети центров исследований проблем и перспектив применения гетерогенных групп транспортных средств с электрическим приводом в сложных климатических и ландшафтных условиях для решения задач обеспечения проведения полевых исследований в интересах научных организаций и эксплуатации приборной базы уникальных научных установок и перспективы его дальнейшего развития. Описывается общий подход, основанный на концепции активного планирования из теории управления организационными системами, результаты опытной апробации отдельных элементов концепции на трех пилотных узлах сети на основе инфраструктуры региональных центров РАН, расположенных в регионах со сложными климатическими и ландшафтными условиями и направления дальнейше-го развития проекта. Предложена формальная математическая модель, позволяющая описать процесс согласования интересов в рамках одного узла сети, как центра коллективного пользования с расширяемым функционалом и числом пользователей. В заключение предлагается дальнейшая программа научных исследований по проблеме функционирования гетерогенной группы транспортных средств с электрическим приводом как элементов малой распределенной энергосистемы на базе развиваемой сети полигонов по трем основными направлениям – мобильный транспорт, как элемент энергосистемы, методы идентификации моделей и синтеза управления для подвижных объектов при движении по нежестким поверхностям с изменяемыми характеристиками и методы анализа и синтеза моделей влияния человека для транспортных средств, сопоставимых по массе с весом человека

Дается краткий анализ организации алгоритмов распознавания образов и рассматриваются основные группы для ведущих показателей при организации машинного обучения с использованием современных платформ, основанных на методах нейросетевых технологий. Представлены характеристики и практикуемые показатели с их функциональными возможностями для семантической сегментации геополей.

В данной статье представлена математическая модель системы массового обслуживания с ненадежным прибором, описывающая функционирование коммутатора в условиях негативных воздействий со стороны злоумышленника. Составлен граф состояний системы, записана система уравнений Колмогорова, получены формулы для расчета основных показателей производительности системы, представлены численные результаты для модели M/PH/1/1.

Рассматривается актуальная задача обеспечения готовности беспилотных транспортных средств (агентов) в динамической технической системе (ДТС) в интеллектуальной транспортной среде. Исследуется проблема неравномерного распределения нагрузки между агентами и, как следствие, неэффективного расходования энергии, что сокращает общее время функционирования системы. Для решения проблемы предлагаются оптимизационная модель, включающая в себя целевую функцию, позволяющую максимизировать время работы всей ДТС, и набор ограничений, учитывающих доступную энергию каждого агента. Ключевой аспект модели – обеспечение равномерного распределения энергетической нагрузки между всеми агентами. Для решения задачи оптимизации модель использует алгоритм выполнимости булевых формул CP-SAT с целочисленными ограничениями. В ходе экспериментальной работы с алгоритмом CP-SAT было обнаружено интересное явление: существует корреляция между шагом дискретизации времени (интервалом, за который алгоритм ищет приемлемое решение) и временем работы оптимизационной программы, что позволило предложить эвристический метод изменения шага дискретизации. Основное внимание в исследовании уделено проверке работоспособности предложенной модели и алгоритма оптимизации в условиях реальных, подверженных внешним возмущениям, роботизированных транспортных систем. Модель испытана и показала работоспособность как на программных примерах с полностью известными параметрами системы, так и на реальном стенде, где параметры системы находятся под воздействием возмущений.