Цели. Рассматривается задача уменьшения динамического диапазона инфракрасных изображений для их воспроизведения на устройствах отображения с узким динамическим диапазоном. Исследуется метод адаптивного выравнивания гистограммы изображения на основе интегральной функции распределения яркости. Для преобразования яркости пиксела этот метод использует аппроксимацию локальных значений выравнивания ближайших блоков пикселов, на которые делится исходное изображение. Это повышает локальный контраст изображения, но приводит к высокой вычислительной сложности, которая растет с уменьшением размера блока. Целью работы является снижение вычислительной сложности адаптивного выравнивания и сжатия гистограмм инфракрасных изображений при уменьшении их динамического диапазона.

Методы. Используются методы обработки изображений.

Результаты. Для уменьшения вычислительной сложности преобразования динамического диапазона инфракрасных изображений предложена блочно-приоритетная модификация метода адаптивного выравнивания гистограммы. Модификация основана на разделении множества блоков изображения на подмножества высокоприоритетных и низкоприоритетных блоков в зависимости от их яркостных статистических свойств. При интерполяции значений пикселов для высокоприоритетных блоков используются локальные значения выравнивания, а для низкоприоритетных блоков – общие значения выравнивания.

В результате общее число векторов выравнивания сокращается пропорционально соотношению размеров подмножеств и снижается вычислительная сложность преобразования динамического диапазона.

Заключение. При изменении отношения количества высокоприоритетных блоков пикселов инфракрасного изображения к количеству всех блоков в диапазоне 0,25–0,75 предложенный алгоритм более эффективен по сравнению с алгоритмами глобального и адаптивного выравнивания гистограммы.

Цели. Методы, алгоритмы и программы решения задач минимизации дизъюнктивных нормальных форм (ДНФ) представлений булевых функций широко используются при проектировании цифровых систем для уменьшения сложности (площади кристаллов) функциональных комбинационных блоков, размещаемых в составе цифровых СБИС.

Целью работы является сравнение программ, входящих в отечественную систему FLC-2 логической оптимизации, с двумя широко известными и свободно распространяемыми зарубежными программами минимизации Espresso IIC и ABC.

Методы. Для сравнения программ использованы четыре набора примеров входных данных: широко известные примеры, на которых проверялась эффективность программы Espresso IIC, псевдослучайные системы ДНФ и два набора промышленных примеров из практики проектирования логических схем. Предложены программные средства для применения программ совместной минимизации при раздельной минимизации функций. Разработаны алгоритмы и программы распараллеливания вычислений при раздельной минимизации функций в классе ДНФ.

Результаты. Выявлены области предпочтительного использования и время работы программ для исходных (минимизируемых) систем функций, характеризуемых большими значениями параметров (десятками аргументов и функций, десятками тысяч элементарных конъюнкций) и различными формами задания входных данных. Изучена эффективность применения программ минимизации для различных форм задания входных данных: ДНФ, ортогонализованных ДНФ, BDD-представлений систем функций, таблиц истинности и систем совершенных ДНФ.

Заключение. Результаты экспериментов показывают эффективность параллельных программ. Они позволяют сокращать время вычислений и увеличивать размерности решаемых задач раздельной минимизации систем булевых функций.

Цели. Рассматривается задача построения и исследования математической модели стохастической системы с разделением процессора, повторными вызовами и нетерпеливостью запросов. Данная система формализована в виде системы массового обслуживания, построен процесс функционирования системы, найдено условие существования стационарного распределения и предложены алгоритмы вычисления стационарного распределения и стационарных характеристик производительности системы.

Методы. Используются методы теории вероятностей, теории массового обслуживания и теории матриц.

Результаты. Функционирование системы описано в терминах многомерной цепи Маркова. Показано, что эта цепь имеет стационарное распределение, совпадающее с эргодическим, при любых приемлемых значениях параметров, описывающих входной поток, время обслуживания, процесс повторных вызовов и процесс ухода запросов из системы вследствие нетерпеливости.

Заключение. Исследован стационарный режим функционирования системы массового обслуживания с повторными вызовами, разделением процессора и двумя типами запросов, поступающих в систему в соответствии с маркированным марковским потоком. Пропускная способность канала делится между запросами двух типов в некоторой пропорции, а число запросов каждого из типов, одновременно находящихся на приборе, ограничено. Запросы одного из типов, заставшие все отведенные для них каналы занятыми, с некоторой вероятностью уходят из системы необслуженными и с дополнительной вероятностью идут на орбиту бесконечного объема, откуда делают попытки попасть на обслуживание через случайные промежутки времени. Запросы второго типа, заставшие все отведенные для них каналы занятыми, теряются. Запросы, находящиеся на орбите, проявляют нетерпеливость: каждый из них может покинуть орбиту навсегда по истечении экспоненциально распределенного времени при условии, что он не попадет на обслуживание за это время. Времена обслуживания запросов распределены по фазовому закону с разными параметрами. Функционирование системы описано в терминах многомерной цепи Маркова. Доказано, что при любых значениях параметров системы эта цепь имеет стационарное распределение. Предложены алгоритмы вычисления стационарного распределения и ряда характеристик производительности системы. Результаты исследования могут быть использованы для моделирования работы соты фиксированной емкости в беспроводной сотовой сети связи и других реальных систем, функционирующих в режиме разделения процессора.

Цели. При переходе от парка дизельных автобусов к парку электробусов актуальной является оптимизация зарядной инфраструктуры, совмещающей технологии медленной зарядки батарей в депо в ночное время и быстрой подзарядки на конечных остановках маршрутов. Цель исследования заключается в создании моделей и методов выработки экономически эффективных решений по выбору зарядной инфраструктуры такого типа для парка электробусов, обслуживающих систему городских маршрутов с учетом ряда специфических условий. Функционирование парка и зарядной инфраструктуры моделируется как для депо в ночной период, так и для конечных остановок в наиболее представительный период дня, характеризующийся наибольшей интенсивностью пассажиропотока и максимальным расходом электроэнергии.

Методы. Используются методы теории множеств, теории графов и линейной аппроксимации.

Результаты. Разработана математическая модель задачи оптимизации зарядной инфраструктуры смешанного типа для парка электробусов. В качестве целевой функции выбрана суммарная дневная стоимость зарядных станций, износа батарей электробусов парка и потребленной электроэнергии. Модель сформулирована в виде задачи смешанного целочисленного линейного программирования.

Заключение. Для решения сформулированной задачи целочисленного линейного программирования могут использоваться стандартные решатели типа IBM ILOG CPLEX. Решение задачи заключается в выборе длительностей и расписаний зарядки электробусов на зарядных станциях малой мощности в депо в ночное время и на зарядных станциях большой мощности конечных остановок в заданном диапазоне часов пик.

Цели. Рассмотрено создание онтологий предметных областей. Целью исследования явилась разработка математической модели онтологии и на ее основе – информационной системы для онтологического моделирования. Поставлена задача снижения трудоемкости онтологического моделирования.

Методы. В качестве методов исследования использовались теория систем гибридного интеллекта, теория множеств, элементы математической логики, методы разработки информационных систем, сравнительный анализ информационных систем, неформальный анализ практического использования информационной системы.

Результаты. Разработана математическая модель онтологии, использующая понятие метаобъекта. Онтологическое моделирование на основе этой модели включает спецификацию, концептуализацию и формализацию. На стадии спецификации построен глоссарий терминов. На стадии концептуализации определены объекты предметной области и их иерархия, затем выявлены связи между объектами. На стадии формализации определены метаобъекты и связи между ними, которые соответствуют объектам и связям между объектами. Это и есть онтология предметной области. На стадии актуализации определены параметры объектов предметной области и их значения, классы, подклассы и экземпляры классов. Параметры, значения параметров, классы, подклассы и экземпляры классов реализуются в онтологии в виде метаобъектов соответствующих типов. Разработана информационная система с уникальной архитектурой, а именно система гибридного интеллекта для автоматизации онтологического моделирования. Заключение. Проведен сравнительный анализ разработанной информационной системы и применяемых сегодня систем для создания онтологий. Анализ показал, что разработанная автором информационная система по большинству параметров не уступает рассмотренным системам и является одновременно более простой при использовании и расширении. Предложенные математическая модель онтологии и информационная система для онтологического моделирования предметных областей апробированы при практическом создании онтологии по экологии. На основе проведенного сравнительного анализа и неформального анализа практического использования сделан вывод о том, что онтологическое моделирование с помощью разработанной информационной системы снижает трудоемкость и ускоряет сроки создания онтологий.

Цели. Целью проведенной аналитической и исследовательской работы являлись разработка и первоначальная оценка возможностей новой среды имитационного моделирования компонентов и приложений в Интернете вещей. Актуальность задачи связана с необходимостью упрощения исследования и тестирования таких приложений в связи с активным развитием и расширением Интернета вещей. При разработке среды имитационного моделирования преследовались следующие основные цели: построение математической модели, реализация программного обеспечения, в рамках которого могут быть проведены эксперименты с данной моделью, обеспечение возможности анализировать результаты и корректировать модель.

Методы. Использовались методы имитационного моделирования.

Результаты. Анализ актуальности и востребованности результатов исследований показал, что в качестве примера для демонстрации методов и средств решения задачи имитационного моделирования компонентов и приложений в Интернете вещей может быть выбрана реализация части модели приложения «умный дом», управляющей энергоэффективностью жилых помещений. Была разработана математическая модель дома, а также среда для моделирования на основе инструмента визуального потокового программирования Node-RED и облачного сервиса Yandex Cloud / Yandex IoT Core.

Заключение. Разработана имитационная модель системы управления энергопотреблением «умного дома», включающая моделирование времени, условий внешней среды, теплопотерь, режимов работы отопительного оборудования и поведения жителей такого дома. На основе реализованной модели проведена первоначальная серия имитационных экспериментов, направленных на проверку базовой функциональности подготовленной среды имитационного моделирования и выбранного примера моделирования системы управления энергопотреблением жилых помещений.