Выпуск 24 (5), 2025: Информатика и автоматизация

Создание полностью автономных необитаемых подводных аппаратов и комплексов, способных выполнять различные исследовательские и технологические операции в условиях неопределенности, является актуальной задачей. Ключевой проблемой является автоматическая коррекция миссий в реальном времени на основе данных от бортовых систем. Целью данной работы является разработка метода интеллектуального планирования миссий на стратегическом уровне управления автономными подводными робототехническими комплексами, обеспечивающего автоматическое формирование адаптивных планов и их преобразование в исполнительные команды тактического уровня для работы в изменяющихся условиях среды. В статье авторами определены принципы разработки интеллектуального планировщика миссий автономных подводных робототехнических комплексов (АПРК) на стратегическом уровне и менеджера миссий для управления миссией на тактическом уровне с формированием конкретных заданий исполнителям. Разработана формальная модель планирования миссий через множество линейных участков с предусловиями и постусловиями. Ключевым аспектом предложенного решения является использование онтологического подхода для стандартизации описания миссий и обеспечения их программной интерпретации. Создана специализированная среда разработки миссий на облачной платформе IACPaaS, позволяющая экспертам формировать и адаптировать планы миссий без углубления в технические детали. Разработан комплекс инструментальных средств с модульной архитектурой, обеспечивающий масштабируемость и адаптацию решения для различных классов АПРК и типов миссий. Результаты апробации показали, что предложенное решение позволяет формировать гибкие планы, учитывающие разнообразие ситуаций, и автоматически выбирать последовательности команд в зависимости от поступающих данных. Полученные результаты открывает новые возможности для создания полностью автономных подводных комплексов, способных выполнять сложные исследовательские и технологические операции без постоянного контроля оператора. Дальнейшие исследования направлены на совершенствование алгоритмов менеджера миссий, а также на интеграцию планировщика с другими компонентами бортового обеспечения.

В данной статье представлен интегрированный алгоритм многокритериального группового принятия решений на основе интуиционистского нечеткого гибридного оператора усреднения для выбора оптимальной стратегии эвакуации. Данный алгоритм является многоуровневым, где на первом уровне осуществляется построение модели задачи в виде эвакуационной транспортной сети. На втором уровне производится ранжирование помещений для эвакуации для нахождения их оптимального порядка на основе различных критериев, таких как вместимость помещения, легкость эвакуации, уровень безопасности помещения как убежища, время организации эвакуации из этого места и отдаленность от источника опасности. Ранжирование помещений для эвакуации осуществляется на основе многокритериального группового принятия решений и интуиционистского нечеткого гибридного оператора усреднения для моделирования сомнений и неуверенности экспертов для оценки критериев эвакуации, эвакуационных альтернатив и важности экспертов. Алгоритм оперирует лингвистическими оценками экспертов, позволяя на их основе вычислять веса экспертов и критериев для эффективного принятия решения. Агрегирование оценок осуществляется на основе модифицированного алгоритма, который позволяет оперировать весами критериев, представленными в виде нечетких интуиционистских значений, в отличие от традиционных четких чисел, на основе разработанных модифицированных операторов возведения нечетких чисел в нечеткую степень для учета сомнений и неуверенности группы экспертов. На третьем уровне осуществляется макроскопическая потоковая динамическая эвакуация с учетом возможности размещения пострадавших в помещениях для эвакуации, не являющихся убежищами. Достоинством предложенного алгоритма является возможность моделирования транспортировки эвакуируемых в динамических условиях из опасных зон с учетом их размещения в промежуточных пунктах для максимизации числа спасенных жизней, учитывая неопределённость окружающей среды, нечёткий характер факторов, влияющих на приятие эвакуационных решений, неуверенность и сомнения группы экспертов при оценке эвакуационных стратегий. Для подтверждения эффективности разработанного алгоритма было проведено моделирование эвакуации и создана программная среда, реализованная на языке JavaScript. Проведено сравнение разработанного алгоритма принятия решения на основе оператора IFHA, оперирующего нечеткими весами критериев, с существующими алгоритмами и сделан вывод о достоверности предлагаемого алгоритма . Проведена оценка зависимости времени работы алгоритма от размера входных, подтверждающая возможность использования предложенного алгоритма для больших зданий и транспортных сетей.

Представлены результаты исследования иерархической двухуровневой системы векторного управления многосвязным объектом, эволюция которого описывается вектором состояния, изменяющегося путем воздействия на исполнительные устройства, каждое из которых включает привод и рабочий механизм. Рассматриваемая система управления отличается наличием дополнительного контура настройки виртуального регулятора на верхнем и функционально-логическом уровнях. Синтезирована математическая модель импульсного отклика исполнительного механизма системы, учитывающая сухое трение, люфт и ограничения по скорости и положению рабочего органа управляемого объекта. Исходная модель исполнительного органа представлена в форме Коши, а его импульсный отклик аппроксимирован импульсным откликом линейного звена второго порядка, оптимальным по критерию минимума ошибки аппроксимации. Доказано, что параметры линеаризованного импульсного отклика зависят от эксплуатационных параметров привода. Построена модель замкнутой системы управления объектом в целом и показано, что ее параметры зависят от эксплуатационных параметров приводов, желаемого значения вектора состояния объекта управления и параметров виртуальных регуляторов, реализованных на функционально-логическом и верхнем иерархическом уровнях. Полученные результаты демонстрируют, что изменение эксплуатационных параметров объекта может быть скомпенсировано за счет структурных и параметрических изменений генетического алгоритма управления. Разработана методика синтеза генетического алгоритма управления сложными многоконтурными объектами, реализуемого контроллером верхнего уровня иерархии, базирующаяся на использовании нейронной сети. Показано, что предлагаемый подход обеспечивает достижение синергетического эффекта, когда управляющие воздействия, реализуемые разными модификациями алгоритма управления, оказываются менее эффективными, чем управляющие воздействия, реализуемые с помощью составного алгоритма, подвергающегося эволюционным изменениям в процессе функционирования системы. Корректность теоретических положений подтверждена результатами вычислительного моделирования управления виртуальным регулятором с помощью нейронной сети, продемонстрировавшего существенное улучшение характеристик управления за счет уменьшения времени выхода на установившийся режим и времени перерегулирования.

В работе представлен метод оценки состояния агента многоагентной биологической системы по зашумленным измерениям с помощью рекуррентных фильтров. Рассмотрена проблема масштабируемости существующих подходов к регистрации поведения лабораторных грызунов и отсутствия единого математического описания. Приведено математическое описание агента биологической системы как нелинейной дискретной стохастической системы в пространстве состояний и постановка задачи оценки его состояния. Представлено решение поставленной задачи на примере ключевых точек крысы линии Wistar, которые измеряются с помощью предварительно обученного детектора. В работе предлагается использовать полносвязную нейронную сеть для параметризации неизвестной динамики системы. Для сравнительного анализа выбраны фильтр частиц (последовательный метод Монте-Карло) и ансцентный фильтр Калмана. Сравнение методов производилось на собранном и подготовленном наборе данных, который содержит изображения с разрешением 1060×548 и разметку скелетных точек крысы. Представленные результаты экспериментов по сравнению методов оценки состояния показывают высокую эффективность предложенного метода и его преимущество перед аналитическим описанием нелинейной динамики системы. Среди сравниваемых подходов минимальную среднюю ошибку 6,4 пикселей показала двойная оценка вектора состояния и параметров нейронной сети с помощью двух ансцентных фильтров Калмана. Однако для практического применения в реальном времени больше подходит один фильтр с предварительно обученной нейронной сетью. В таких условиях ансцентный фильтр Калмана показал лучшие результаты по точности, чем фильтр частиц (средняя ошибка 8,1 пикселя против 12,0 пикселей). Результаты работы могут быть использованы для решения задачи автоматической регистрации поведения крыс линии Wistar с помощью параметризации функций, связывающих векторы состояния с выходными векторами индивидуального и группового поведения.

Стремительное развитие технологий оказывает огромное влияние на логистику и грузоперевозки. Эффективное управление графиками перевозок критически важно для предприятий, стремящихся минимизировать затраты, сократить задержки доставки и повысить удовлетворенность клиентов. Одна из ключевых задач в этой области – задача маршрутизации транспортных средств с временными окнами (VRPTW), которая требует не только поиска оптимальных маршрутов доставки, но и соблюдения определенных временных ограничений для каждого клиента или пункта доставки. Традиционные методы оптимизации часто сталкиваются со сложностью и динамичностью реальных логистических процессов, особенно при работе с большими объемами данных и непредсказуемыми факторами, такими как пробки на дорогах или погодные условия. Для устранения этих ограничений в данном исследовании представлена система на основе машинного обучения, которая повышает производительность существующих решений VRPTW. В отличие от традиционных подходов, которые полагаются исключительно на эвристику или статическое планирование, наша система использует современные модели машинного обучения для прогнозирования ключевых временных параметров, включая время доставки, время доступности и время обслуживания, на основе исторических и контекстных данных. Эти возможности прогнозирования позволяют алгоритмам маршрутизации принимать более обоснованные решения, что приводит к более точному и адаптируемому планированию. Опираясь на предыдущие исследования с использованием моделей случайного леса, мы предлагаем более надежную структуру, которая включает в себя передовые методы предварительной обработки и проектирование признаков для повышения точности модели. Обучая и оценивая систему с использованием реальных наборов данных, мы можем моделировать практические сценарии и подтверждать эффективность нашего подхода. Результаты экспериментов показывают, что предложенный метод стабильно превосходит распространенные модели машинного обучения с точки зрения средней абсолютной ошибки (MAE), тем самым подтверждая его потенциал для практического применения. Таким образом, данное исследование вносит свой вклад в масштабируемое и интеллектуальное решение давней логистической проблемы, открывая путь к более гибким и экономически эффективным транспортным системам.

В нейронауке, нейроинженерии и биомедицинской инженерии электроэнцефалография (ЭЭГ) широко используется благодаря своей неинвазивности, высокому временному разрешению и доступности. Однако шум и физиологические артефакты, такие как сердечные, миогенные и глазные артефакты, часто искажают исходные данные ЭЭГ. Методы шумоподавления на основе глубокого обучения (DL) могут уменьшать или устранять эти артефакты, которые ухудшают ЭЭГ-сигнал. Несмотря на наличие этих методов, значительные артефакты всё ещё могут снижать эффективность анализа, что делает удаление шума основным требованием для точного анализа ЭЭГ. Кроме того, для эффективного удаления артефактов представлена оптимизированная иерархическая одномерная сверточная нейронная сеть (1D CNN). Для эффективного извлечения признаков иерархическая CNN сочетает в себе максимальное объединение, функцию активации ReLU и адаптивные сверточные окна. Для оптимизации параметров сети применяется алгоритм отжига кузнечика (AGA), что дополнительно улучшает устранение артефактов. Для обеспечения всестороннего исследования и сходимости к идеальным настройкам CNN, AGA сочетает точность тонкой настройки метода имитации отжига (SA) с глобальными исследовательскими возможностями алгоритма оптимизации кузнечика (GOA). Используя гибридный подход, сеть может более эффективно устранять артефакты на различных иерархических уровнях, что приводит к заметному улучшению чёткости сигнала и общей точности. Очищенные данные ЭЭГ представлены восстановленными элементами в последнем плотном слое иерархической одномерной CNN, использующей сигмоидальную функцию. Согласно экспериментальным результатам, предложенный метод достиг пикового отношения сигнала к шуму (PSNR) 29,5 дБ, средней абсолютной ошибки (MAE) 11,32, среднеквадратической ошибки (RMSE) 0,011 и коэффициента корреляции (CC) 0,93, что превосходит результаты предыдущих работ. Предложенный метод позволяет повысить точность удаления артефактов ЭЭГ, что является полезным дополнением к обработке биомедицинских сигналов и нейроинженерии.

В статье представлена методика идентификации русскоязычных текстов, сгенерированных большими языковыми моделями (LLM). Методика разработана с фокусом на короткие сообщения длиной от 100 до 200 символов. Актуальность работы обусловлена широким распространением генеративных моделей, таких как GPT-3.5, GPT-4o, LLaMA, GigaChat, DeepSeek, Yandex GPT. Методика основана на ансамбле моделей машинного обучения, также используются признаки трех уровней: лингвистические (структура, пунктуация, морфология, лексическое разнообразие), статистические (энтропия, перплексия, частотность n-грамм), семантические (эмбеддинги RuBERT). В качестве базовых моделей применяются LightGBM, BiLSTM и предобученная трансформерная модель RuRoBERTa, объединенные стеккингом через логистическую регрессию. Выбор гибридного ансамблевого подхода обусловлен стремлением учесть признаки на разных уровнях иерархии текста и обеспечить надежность классификации в условиях разных тематик генерируемых текстов, различных версий и видов языковых моделей. Применение ансамбля является преимуществом при анализе коротких текстов, поскольку LightGBM, опирающаяся на усредненные показатели, менее чувствительна к длине (метрика перплексии уже усреднена по всему тексту), тогда как BiLSTM и RoBERTa, способны выявлять локальные признаки LLM-текста, а не только глобальные. Набор данных естественных текстов включает более 2,8 млн пользовательских комментариев из социальной сети «ВКонтакте». Набор данных LLM-текстов содержит 700 тыс. текстов, сгенерированных семью актуальными большими языковыми моделями. При проведении генерации текстов применялись тематическое моделирование (LDA) и ролевая генерация с использованием промпт-инжиниринга. Проведена оценка методики на открытых датасетах русскоязычных LLM-текстов. Результаты экспериментов показали точность до 0,95 в задаче бинарной классификации («Человек–LLM») и до 0,89 в многоклассовой задаче определения модели-генератора. Методика демонстрирует устойчивость к разнообразию источников, стилей и версий LLM.

Исследование посвящено решению задачи синтеза модели облачной платформы критической информационной инфраструктуры с кибериммунитетом. Актуальность исследования обусловлена необходимостью разрешения проблемной ситуации, характеризующейся наличием противоречий в науке и практике. Противоречие в практике наблюдается между повышенными требованиями к устойчивости функционирования облачных платформ критической информационной инфраструктуры и ростом угроз, связанных с эксплуатацией новых, ранее неизвестных уязвимостей. Противоречие в науке состоит в невозможности обеспечения требуемой устойчивости таких платформ с использованием существующих моделей и методов. Так существующие подходы не в полной мере учитывают особенности облачных платформ критической информационной инфраструктуры, а именно, иерархическую архитектуру, наличие невыявленных уязвимостей, функционирование в условиях целенаправленных информационно-технических воздействий, повышенные требования к устойчивости и необходимость оперативного восстановления штатного функционирования. Поставлена задача синтеза новой модели облачной платформы критической информационной инфраструктуры с кибериммунитетом. Сформулирована гипотеза о том, что учет свойства кибериммунитета положительно влияет на устойчивость функционирования таких платформ в условиях информационно-технических воздействий. Методы исследования включают методы системного анализа, теории вероятностей, семантической теории программ, теории подобия и размерностей, а также методы компьютерной иммунологии. Обоснована идея кибериммунитета, состоящая в наделении облачной платформы способностью противодействовать известным и ранее неизвестным информационно-техническим воздействиям, оперативно восстанавливаться при возникновении нарушений и запоминать вредоносные входные данные, предотвращая их повторную обработку. Обоснованы показатели устойчивости функционирования облачных платформ критической информационной инфраструктуры. Разработана модель облачной платформы критической информационной инфраструктуры с кибериммунитетом. Научная новизна модели заключается в том, что в нее впервые внедрены такие элементы, как обнаружитель нарушений семантики вычислений, восстановитель штатного функционирования и кибериммунная память, в совокупности реализующие новое эмерджентное свойство кибериммунитета. Проведены теоретическое и экспериментальное исследования модели, по результатам которых подтверждена выдвинутая гипотеза. Практическая значимость результатов исследования заключается в доведении их до технических рекомендаций по архитектуре программного комплекса, которые могут быть использованы при разработке средств защиты облачных платформ критической информационной инфраструктуры, в частности, облачной платформы «ГосТех», в условиях информационно-технических воздействий.

Рассматривается задача статического (без запуска) сравнения бинарных исполняемых файлов. Программа и любая ее процедура могут быть представлены в виде ориентированного графа. Для программы соответствующий граф представляет собой граф вызова функций (процедур), где узлами являются сами функции, а ребро из вершины a в b описывает вызов функции b из функции a. Для процедуры такой граф представляет собой граф потока управления, где вершинами являются базовые блоки, а ребро между узлами a и b означает возможное исполнение команд блока b после исполнения команд блока a. В работе предлагается алгоритм сравнения направленных графов, который далее применяется для сравнения программ. В основе алгоритма сравнения графов лежит применение функции похожести узлов. Для сравнения графов процедур в качестве такой функции похожести применяются нечеткая (fuzzy) хеш-функция и криптографическая хеш-функция. Далее этот способ сравнения графов процедур используется как функция похожести узлов при сравнении графов программ. На базе предложенного алгоритма разработан метод сравнения программ, проведено его исследование в рамках двух экспериментов. В первом эксперименте исследовано поведение метода при сравнении программ, полученных с применением разных опций оптимизации (O0, O1, O2, O3 и Os). Во втором эксперименте исследована возможность выявления эффективных и стойких обфусцирующих преобразований в рамках ранее разработанной модели. В первом эксперименте получены свидетельства в пользу верности гипотезы об уменьшении похожести файлов с ростом оптимизации от O1 до O3. Во втором эксперименте подтверждены некоторые полученные ранее результаты, касающиеся эффективности (неэффективности) и стойкости (нестойкости) обфусцирующих преобразований.