Рубрика: "1.2.2. Математическое моделирование, численные методы и комплексы программ (технические науки)"
519.6 Агентная модель двух конкурирующих популяций с учетом структурности
Белотелов Н. В. (Вычислительный центр им. А.А. Дородницына ФИЦ ИУ РАН/МГТУ им.Н.Э.Баумана), Бровко А. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-3-7183
В статье описывается агентная имитационная модель двух популяций, конкурирующих за один ресурс. В модели считается, что особь погибает, если её масса-энергия становится неположительной. Предполагается, что особи каждой из рассматриваемых популяций могут образовывать стаи, это позволяет популяциям повышать свою конкурентоспособность. В модели это формализуется посредством возможности организовывать сети, связывающие особей одного вида. При этом особи могут образовывать лишь определенное количество связей с соседями. В модели для описания этого вводится понятие «валентности». Предполагается, что внутри каждой сети происходит мгновенное перераспределение ресурса по всем членам сети, имеющегося у каждого членом стаи. В статье помимо модели описана структура программы, с помощью которой проводились имитационные эксперименты. В результате проведенных имитационных экспериментов было получено следующее. Если ресурс высокопродуктивный, то в процессе конкурентного взаимодействия побеждает популяция, агенты, которой имеют большую «валентность». А в случае низко продуктивного ресурса победу в конкурентном взаимодействии одерживают особи популяции, обладающей меньшей «валентностью». Это связано с тем, что более сложные структуры требуют большей энергии поддержания стаи.
Белотелов Н.В., Бровко А.В. Агентная модель двух конкурирующих популяций с учетом их структурности. Математическое моделирование и численные методы, 2022, № 3, с. 71–83.
519.8 Диффузионная модель эволюции кластера в металлическом расплаве жаропрочного никелевого сплава
Тягунов А. Г. (Уральский Федеральный Университет), Зейде К. М. (Universidad Politècnica Salesiana/University of Genoa), Мильдер О. Б. (Уральский Федеральный Университет), Тарасов Д. А. (Уральский Федеральный Университет)
doi: 10.18698/2309-3684-2023-2-332
В работе производится построение математической модели термо-временной эволюции кластера в расплаве жаропрочного никелевого сплава ЖС6У. Формулируется начально-краевая задача с движущейся границей, для решения которой применяется численное моделирование методом трассировки траектории частиц, а для описания эволюционных процессов используется ряд классических физических теорий. Для проверки точности модели привлекается физический эксперимент построения политерм и изотерм электросопротивления рассматриваемого сплава. Подтверждено, что модель броуновской диффузии и теория проводимости Друде применимы для описания, как временной, так и температурной эволюции кластера. Так же оправдал себя подход к моделированию на основе «твердых шаров». По результатам моделирования, во временном диапазоне от 1690 до 1752 К количество частиц в составе кластера меняется от 5000 до 2000, средняя динамическая вязкость кластера изменяется от 3 до 2 *1010 Па*с, однако предполагается, что центральная часть существенно плотнее периферии, радиус кластера изменяется от 24 до 18, радиус свободной зоны вокруг кластера – от 56 до 43. Определены направления дальнейшего развития модели.
Тягунов А.Г., Зейде К.М., Мильдер О.Б., Тарасов Д.А. Диффузионная модель эволюции кластера в металлическом расплаве жаропрочного никелевого сплава. Математическое моделирование и численные методы, 2023, № 2, с. 3–32.
Никитин А. Д. (Институт автоматизации проектирования РАН), Стратула Б. А. (Институт автоматизации проектирования РАН)
doi: 10.18698/2309-3684-2024-1-1837
На основе данных высокочастотных циклических испытаний корсетных образцов из алюминиевого сплава Д16Т и SLM сплава AlSi10Mg на современных пьезоэлектрических установках выполнен сравнительный анализ усталостной прочности горячекатаного и SLM материалов. Показана относительно низкая циклическая прочность SLM материалов, связанная с их сложной микроструктурой, на которую влияют стратегия лазерного сканирования, параметры лазерного луча, энергия, теплоотдача из зоны плавки, параметры среды в камере. С использованием мультирежимной модели циклической повреждаемости и численного метода расчета кинетики повреждаемости при высокочастотном циклическом нагружении проведено математическое моделирование процесса усталостного разрушения указанных образцов для различных амплитуд и средних напряжений в цикле. Предложенная модель и метод расчета позволяют быстро и эффективно строить усталостные кривые для различных режимов циклического нагружения и коэффициентов асимметрии цикла. Для этого достаточно знать базовые точки бимодальной усталостной кривой для реверсивного цикла.
Никитин А.Д., Стратула Б.А. Моделирование циклической повреждаемости и усталостной прочности при высокочастотном нагружении 3Д-напечатанных образцов из алюминиевого сплава. Математическое моделирование и численные методы, 2024, № 1, с. 18–37.
Рогулин Р. С. (ФГБОУ ВО «ВВГУ»)
doi: 10.18698/2309-3684-2023-2-129154
Формирование цепочки поставок сырья тесно связано с производственными проблемами деревообрабатывающих предприятий. Построение цепочек поставок сырья и оптимальный расчет ежедневного производства были актуальными темами с начала второй промышленной революции. В данной статье рассматривается предприятие Приморского края деревообрабатывающей промышленности, у которого нет делян в аренде. Цель работы состоит в том, чтобы решить проблему построения цепочки поставок сырья с учетом ежедневной загрузки производственных площадей и поиску оптимального решения. Источником сырья выступает товарно-сырьевая биржа, где лоты появляются ежедневно в случайном порядке в разных регионах добычи. В научной литературе существует множество способов расчета наилучшего значения прибыли с учетом множества ограничений, но в них не учтены многие важные для деревообрабатывающих предприятий особенности. Исходя из обзора научной литературы в данной статье представлена математическая модель, которая выступает в роли механизма по принятию решений в каждый отдельный день, и она отличается тем, что может учитывать коэффициент полезного объема сырья, который дойдет до склада и время в пути. Тестирование модели проводилось на данных Российской товарно-сырьевой биржи и компании в Приморском крае. Результатом тестирования модели является вычисленная оптимальная траектория прибыли для каждого набора данных об объемах сырья, времени лотов в пути, а также множество важных показателей для любого производства: объем прибыли, объем производства товаров. Анализ полеченных решений показал, что существуют сложности в планировании цепочек поставок и объемов производства. Проанализированы регионы в качестве источников сырья, из каких регионов и когда стоит закупать сырье. Приведены недостатки и положительные стороны математической модели.
Рогулин Р.С. Математическая модель формирования цепочек поставок сырья с товарно-сырьевой биржи в условиях риска с опорой на траекторию прибыли за предыдущие периоды. Математическое моделирование и численные методы, 2023,№ 2, с. 129–154.
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.
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.
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.
519.17 Задача о преследовании в 3D-пространстве с произвольными начальными углами прицеливания
Бодряков В. Ю. (Уральский государственный педагогический университет)
doi: 10.18698/2309-3684-2024-2-6884
В статье впервые получено аналитическое решение задачи о преследовании в системе «хищник–жертва» в евклидовом 3D-пространстве для произвольных начальных углов прицеливания. В процессе преследования жертва движется равномерно и прямолинейно, постоянный по модулю вектор скорости хищника нацелен на жертву. Точное решение задачи получено в форме параметрически заданной пространственной кривой преследования. Получены точные выражения для других существенных характеристик процесса преследования (времени преследования, координат жертвы, длины кривой преследования, и др.). Проведено реалистичное компьютерное моделирование взаимного движения хищника и жертвы в пространстве и во времени; определены характерные параметры процесса преследования. Отмечен значительный дидактический потенциал решенной задачи о 3D-преследовании для подготовки будущих специалистов в области механики и управления; задача может служить содержательной основой для выполнения обучающимися исследовательских проектов, курсовых и выпускных квалификационных работ.
Бодряков В.Ю. Задача о преследовании в 3D-пространстве с произвольными начальными углами прицеливания. Математическое моделирование и численные методы, 2024, № 2, с. 68-84.
519.6 Агентная модель культурных взаимодействий на неметризуемых хаусдорфовых пространствах
Белотелов Н. В. (Вычислительный центр им. А.А. Дородницына ФИЦ ИУ РАН/МГТУ им.Н.Э.Баумана), Павлов С. А. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2021-3-105119
Необходимость разработки формализованных компьютерно-ориентированных подходов к проведению междисциплинарных исследований межкультурных взаимодействий является актуальной задачей. В статье описывается подход к разработке агентных моделей межкультурных взаимодействий, основанный на использовании неметризуемых хаусдорфовых пространств с использованием генетических алгоритмов для введения динамических изменений в рассматриваемой структуре культурных агентов. В статье рассматривается прототип агентной модели, в которой состояние агентов описывается в хаусдорфовых пространствах. С помощью выбора опорных точек для каждого агента строится функция Урысона, которая позволяет вводить предпочтения агентов. Далее с помощью технологии генетических алгоритмов, удается получить тактовую динамику изменения всей системы агентов. В статье приводится описание некоторых имитационных экспериментов. Обсуждаются возможные перспективы развития данного подхода.
Белотелов Н.В, Павлов С.А. Агентная модель культурных взаимодействий на неметризуемых хаусдорфовых пространствах. Математическое моделирование и численные методы, 2021, № 3, с. 105–119.