Рубрика: "1.2.2. Математическое моделирование, численные методы и комплексы программ (технические науки)"
519.87 Моделирование клеточными автоматами эффектов двойных стандартов и мягкой силы при конкуренции
Бобров В. А. (МПГУ), Бродский Ю. И. (ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2021-4-12134
В среде клеточных автоматов рассматривается дискретный аналог классической модели конкуренции А. Лотки – В. Вольтерры. Известно, что в классической модели тип ее эволюции во времени определяется в первую очередь принадлежностью коэффициентов двойных стандартов тем или иным диапазонам их возможных значений. Показано, что такая же ситуация имеет место и для дискретной модели. Для классической модели имеет место эффект мягкой силы. При рассмотрении модели применительно к социальным системам, она превращается в кооперативную позиционную дифференциальную игру, ограничениями которой становится исходная система уравнений конкуренции А. Лотки – В. Вольтерры, а управлениями — коэффициенты двойных стандартов. Эффект мягкой силы состоит в том, что стороны склонны сравнивать конкурентное давление на них популяции соперника с конкурентным давлением внутри собственной популяции и могут принять меньшее давление соперника за благосклонное его к ним отношение, а большее — за враждебное проявление. Тогда как на самом деле — сравнение внешнего конкурентного давления с внутренним в данной игре не информативно — все зависит исключительно от коэффициентов двойных стандартов, которые в этой игре являются управлениями и поэтому не известны сопернику. Имитационные эксперименты с аналогом модели конкуренции, реализованным в среде клеточных автоматов, показывают, что в дискретной модели эффект мягкой силы также имеет место
Бобров В.А., Бродский Ю.И. Моделирование клеточными автоматами эффектов двойных стандартов и мягкой силы при конкуренции. Математическое моделирование и численные методы, 2021, № 4, с. 121–134.
004.942 Математическая модель архитектуры комплекса средств распределенного проектирования
Белов В. Ф. (АУ «Технопарк–Мордовия»/МГУ им. Н.П. Огарева), Гаврюшин С. С. (МГТУ им.Н.Э.Баумана), Занкин А. И. (МГУ им. Н.П. Огарева), Исайкин В. Ю. (МГУ им. Н.П. Огарева)
doi: 10.18698/2309-3684-2024-1-110123
Целью статьи является разработка метода распределения задач проектирования изделий машиностроения на заданном множестве исполнителей работ. При этом исполнители работ структурно и географически связаны со своими цифровыми платформами, образующими в совокупности экосистему проектирования. Разработана математическая модель, которая может успешно применяться для генерации архитектуры комплекса средств, покрывающих задачи инженерии требований, системной архитектуры и испытаний для каждого проекта, закрепленного за одной из платформ. В качестве метода моделирования обосновано применение сети Петри. Её реализация в виде программного приложения для PLM-системы цифровой платформы может существенно повысить качество управления проектами и их портфелями.
Белов В.Ф., Гаврюшин С.С., Занкин А.И., Исайкин В.Ю. Математическая модель архитектуры комплекса средств распределенного проектирования. Математическое моделирование и численные методы, 2024, № 1, с. 110–123.
Бушуев А. Ю. (МГТУ им.Н.Э.Баумана), Резников А. О. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2021-3-6273
Построена модель генетического алгоритма с бинарным кодированием с независимой селекцией Шеффера, позволяющая производить поиск глобального оптимума по нескольким критериям без их скаляризации. При расчетах учитывается область всех возможных перемещений исполнительных органов в условиях неопределённых внешних воздействий в некотором, заранее заданном, диапазоне. Разработан алгоритм, позволяющий хранить промежуточные результаты для устранения проблемы большого количества повторяющихся расчетов в ходе работы эволюционного алгоритма, что позволило снизить время вычислений. Эффективность работы оптимизационного алгоритма демонстрируется на примере решения модельной задачи.
Бушуев А.Ю., Резников А.О. Применение генетического алгоритма в задаче моделирования и оптимизации пневмогидравлической системы синхронизации исполнительных органов. Математическое моделирование и численные методы, 2021, № 3, с. 62–73.
Хайиткулов Б. Х. (Национальный университет Узбекистана)
doi: 10.18698/2309-3684-2023-1-3242
Данная работа посвящена численному решению нестационарной задачи оптимального размещения источников тепла минимальной мощности. Постановка задачи требует одновременного выполнения двух условий. Первое условие — обеспечить нахождение температуры в пределе минимальных и максимальных температур за счет оптимального размещения источников тепла с минимальной мощностью в параллелепипеде. Второе условие заключается в том, чтобы суммарная мощность источников тепла, используемых для обогрева, была минимальной. Эта задача изучалась в стационарных условиях в работах других учёных. Однако в нестационарном случае задача не рассматривалось. Поскольку найти непрерывное решение краевой задачи сложно, то ищем численное решение задачи. Трудно найти интегральный оператор с непрерывным ядром (функция Грина). Найдено численное значение функции Грина в виде матрицы. Предложен новый алгоритм численного решения нестационарной задачи оптимального управления размещением источников тепла с минимальной мощностью в процессах, описываемых дифференциальными уравнениями с частными производными параболического типа. Предложена новая методика численного решения. Построена математическая и численная модель процессов, описываемых уравнением конвекции-диффузии, заданным для первой краевой задачи. Краевая задача изучается для трёхмерного случая. Для численного решения задачи использовалась неявная конечно-разностная схема. По этой схеме была создана система разностных уравнений. Сформированная система разностных уравнений приведена к задаче линейного программирования. Задача линейного программирования решается с помощью М-метода. При каждом значении времени решается задача линейного программирования. Предложен новый подход к численному решению задач. Приведена общая блок-схема алгоритма решения нестационарной задачи оптимального управления размещением источников тепла с минимальной мощностью. Разработан алгоритм и программное обеспечение для численного решения задачи. Приведено краткое описание программного обеспечения. На конкретных примерах показано, что численное решение краевой задачи находится в заданных пределах, сумма оптимально размещенных источников тепла с минимальной мощностью дает минимум функционалу. Визуализированы результаты вычислительного эксперимента.
Хайиткулов Б.Х. Математическое моделирование нестационарной задачи конвекции–диффузии об оптимальном выборе местоположения источников тепла. Математическое моделирование и численные методы, 2023, No 1, с. 32–42.
004.855.5 Нейросетевые методы решения задачи кредитного скоринга
Кадиев А. Д. (МГТУ им.Н.Э.Баумана), Чибисова А. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-4-8192
Продемонстрирован математический вывод представленной модели нейронной сети. Сведение задачи классификации к задаче оптимизации. Произведен разведывательный анализ данных, а также их предобработка для дальнейшего использования в обучении алгоритмов классификации. Были спроектированы архитектуры нейронных сетей, зависящих от функции активации, количества скрытых слоев нейронной сети и количества нейронов в скрытых слоях. Обучено более десяти нейронных сетей, решающих поставленную задачу кредитного скоринга. Произведен расчет времени обучения нейронных сетей. Представлено решение задачи при помощи классических алгоритмов машинного обучения. Можно было заметить, что стандартное отклонение accuracy и ROC AUC для нейронных сетей больше, чем у случайного леса. Это происходит из-за того, что мы выбираем начальные веса случайным образом и градиенты считаем не на всей выборке, а на малых частях, что добавляет некоторую погрешность при обучении. Но эти отклонения были не только в худшую сторону. В лучших ситуациях, по обеим метрикам, нейронные сети показывали результат хуже всего на пару процентов. Произведен анализ резульатов. Сравнительный анализ показывает, что нейронные сети имеют лучшее качество классификации, чем классические алгоритмы машинного обучения, а также, что нейронные сети имеют меньшее время обучения, чем классические алгоритмы машинного обучения. Представлены графики и таблицы, отображающие имеемые результаты.
Кадиев А.Д., Чибисова А.В. Нейросетевые методы решения задачи кредитного скоринга. Математическое моделирование и численные методы, 2022, № 4, с. 81–92.
539.3 Конечно-элементное моделирование нестационарной термоустойчивости композитных конструкций
Димитриенко Ю. И. (МГТУ им.Н.Э.Баумана), Богданов И. О. (МГТУ им.Н.Э.Баумана), Юрин Ю. В. (МГТУ им.Н.Э.Баумана), Маремшаова А. А. (МГТУ им.Н.Э.Баумана), Анохин Д. С. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2024-1-3854
Рассматривается задача моделирования потери устойчивости конструкций из композиционных материалов вследствие нестационарных тепловых воздействий на них, с учетом температурной зависимости свойств компонентов композита. Сформулированы системы уравнений для расчета основного и варьированного состояний конструкции. Предложена классификация задач устойчивости. Описано применение метода конечных элементов для определения критической температуры и отвечающей ей формы потери устойчивости конструкции. Сформулирована локальная обобщенная задача на собственные значения и произведена верификация предложенной модели с помощью программного комплекса SMCM, разработанного в НОЦ «Симплекс» МГТУ им. Н.Э. Баумана, а также с помощью ПК ANSYS. Показано, что результаты расчета собственных форм и собственных значений в тестовой задаче достаточно хорошо совпадают.
Димитриенко Ю.И., Богданов И.О., Юрин Ю.В., Маремшаова А.А., Анохин Д. Конечно-элементное моделирование нестационарной термоустойчивости композитных конструкций. Математическое моделирование и численные методы, 2024, № 1, с. 38–54.
Рузиев З. Д. (Ташкентский государственный технический университет), Сабиров О. И. (Ташкентский государственный технический университет), Корабоев К. А. (Ташкентский государственный технический университет), Сапаев У. К. (Ташкентский государственный технический университет)
doi: 10.18698/2309-3684-2022-1-314
Проведено численное моделирование процессов генерации второй гармоники ультракоротких лазерных импульсов в нелинейных фотонных кристаллах. Примененные численные методы основаны на приближении медленно-меняющихся амплитуд и однонаправленном приближении, применимом для упрощения волнового уравнения с нелинейной поляризацией в диспергирующей среде. При одинаковых условиях эксперимента проведено сравнение результатов этих приближений. Сравнительный анализ показывает, что вплоть до 10 фс длительности основного импульса оба приближенных метода описывают этот процесс преобразования частоты практически одинаково, но ниже 10 фс наблюдается расхождение результатов. Сравнение проводилось, главным образом по формированию временного профиля импульса второй гармоники и её эффективности. Представлена также методика получения временных профилей импульса второй гармоники при использовании однонаправленного приближения, где падающее поле используется целиком, как в спектральной, так и во временной области расчета. При использовании приближения медленно-меняющихся амплитуд учтено влияние дисперсии до третьего порядка малости.
Рузиев З.Дж., Собиров О.И., Корабоев К.А., Сапаев У.К. Численное моделирование генерации второй гармоники ультракоротких лазерных импульсов в нелинейных фотонных кристаллах. Математическое моделирование и численные методы, 2022, № 1, с. 3–14.
Русских С. В. (ФГБУ ВО "Московский авиационный институт"), Шклярчук Ф. Н. (ФГБУ ВО "Московский авиационный институт")
doi: 10.18698/2309-3684-2022-3-1832
Рассматривается нелинейная колебательная система, описываемая обыкновенными дифференциальными уравнениями с переменными коэффициентами. Предполагается, что на рассматриваемом интервале времени решение системы является достаточно гладкими — без разрывов, столкновений и бифуркаций. Из неоднородной системы уравнений выделяются в явном виде члены, линейно зависящие от координат, скоростей и ускорений и члены, зависящие от этих переменных нелинейно. Предлагается новый подход для численного решения шаговым методом начальной задачи, описываемой такой системой обыкновенных дифференциальных уравнений второго порядка. На шаге интегрирования неизвестные функции представляются в виде суммы функций, удовлетворяющих начальным условиям: линейного решения Эйлера и нескольких заданных корректирующих функций в виде полиномов второй и выше степеней с неизвестными коэффициентами. Дифференциальные уравнения на шаге удовлетворяются приближённо в смысле слабого решения по методу Галеркина на системе корректирующих функций. Получаются алгебраические уравнения с нелинейными членами, которые решаются методом итераций, начиная в первом приближении с линейного решения. Полученное решение в конце данного шага используется в качестве начальных условий на последующем шаге. В качестве примера рассмотрено одно однородное дифференциальное уравнение второго порядка без первой производной с сильной кубической нелинейностью по координате (при максимальной амплитуде нелинейная сила в два раза превышает линейную силу). Это уравнение имеет точное периодическое решение в виде интеграла энергии консервативной системы, которое используется для оценки точности численных решений, полученных методами Галеркина, Рунге-Кутта и Адамса второго порядка, а также методами Radau5 и BDF на различных интервалах времени (до 8000 периодов свободных колебаний системы) при использовании различных постоянных шагов интегрирования (от 0,0025 долей периода). При этом в методе Галеркина на каждом шаге использовалось четыре одинаковых корректирующих функций в виде полиномов от второй до пятой степеней. Показано, что на больших интервалах времени вычислений метод Галеркина обладает более высокой точностью по сравнению с другими рассмотренными численными методами. Поэтому он может быть использован для численного решения нелинейных задач, в которых требуется решать их на больших интервалах времени; например при расчете установившихся предельных циклов нелинейных колебаний и хаотических нелинейных колебаний со странными аттракторами.
Русских С.В., Шклярчук Ф.Н. Применение одношагового метода Галеркина для решения системы обыкновенных дифференциальных уравнений с начальными условиями. Математическое моделирование и численные методы, 2022, № 3, с. 18–32.
Пархоменко В. П. (МГТУ им.Н.Э.Баумана/ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2021-2-3853
Целью данной работы является построение глобальной модели цикла углерода. Модель описывает продукционный процесс лесных экосистем с учетом сезонного хода климатических факторов. Она предназначена для моделирования длительного периода времени в составе глобальной климатической модели промежуточной сложности. Установлено, что глобальные характеристики климатической системы выходят на установившейся режим за время около 2000 лет и модель устойчиво работает. Приведены временные и пространственные распределения полученных климатических характеристик и биогеохимического углеродного цикла наземной растительности.
Пархоменко В.П. Глобальная климатическая модель с учетом биогеохимического углеродного цикла растительности суши. Математическое моделирование и численные методы, 2021, № 2, с. 38–53.