Academic literature on the topic 'Оптимізація рою частинок'

Abstract. A challenging problem of Civil Engineering is the protection of buildings against dynamic loads and earthquake impacts. The advanced solutions employ lightweight structures equipped with special damping devices. These devices can be active or passive and their application depends on the investments for the project. The active devices change their properties depending on the structural response and they are the most expensive ones. On the other hand, passive devices are essentially cheaper and, in many cases, require minimal costs of installation and maintenance. Last decades, passive friction dampers are widely used for the earthquake protection of multi-storey buildings. The friction dampers make use of the effect of solid friction to dissipate the mechanical energy and to reduce the amplitude of the vibration of the structure. The friction is developed between two solid bodies sliding in relation to one another. As usual, pairs of metal, polymer or concrete components can be utilized. Determination of the optimal location of the friction dampers inside the building presents a complicated task for the practical design. In this paper, a new approach is developed basing on the method of particle swarm optimization (PSO). The PSO method presents an artificial simulation of the phenomenon of collective intelligence, which is observed in many decentralized biological systems like ant colonies, bee swarms, flocks of birds and even social groups of human individuals. As an illustrative example, the 2D model of a ten-storey concrete frame building is considered. The purpose of the analysis is to minimize the objective function, which is the amplitude of the displacements of the top of the structure in a case of the resonance dynamic load with a frequency of the first normal mode. Non-stationary dynamic analysis is performed by the finite elements method using the program package «LIRA-SAPR» and its module «Dynamic-plus». The software implementation of the PSO procedure is developed using the open-source computer algebra system «Maxima». The optimal placement of friction dampers is determined providing the minimal displacements of the frame. The developed approach can be further extended to various problems of the optimal design of buildings and structures.

Збере-ження унікальних культуроценозів одного з найстаріших в Україні ботанічних закладів – де-ндрологічного парку "Олександрія" НАН України – є важливим науковим і практичним пи-танням. За минулі два століття з часу заснування парку відбулися зміни структури деревних насаджень та руйнування значної частини декоративних паркових композицій. Значною мі-рою це стосується досліджуваної ділянки, розташованої на нерівностях мезорельєфу дендро-парку. Обов'язковим компонентом паркових композицій є трав'янистий покрив. В роботі по-дані результати вивчення сучасного стану трав'янистої рослинності історичної ландшафтної ділянки "Східна балка" у дендропарку "Олександрія" для подальшого проведення робіт з її оптимізації. В Східній балці трав'янистий покрив представлений 86 видами з 43 родин: 40 видами, що зростають по схилах, та 46 видами – по берегах водойм і перезволожених ділян-ках днища балки. Значну долю від цієї кількості становлять багаторічні рослини – 77% і 88% відповідно. Адвентивні види складають 17%. Проведення оздоровчих заходів стосовно цін-них насаджень та агролісомеліоративних заходів дозволять відновити тут високодекоративні ландшафти і включити дану територію в загальну рекреаційну зону (екскурсійний маршрут, територію для просвітницьких заходів).

Проблема поводження з твердими відходами є однією з найбільш важливих еколого-економічних і соціальних проблем регіонального розвитку. Щорічно в Полтавській області утворюється близько 480 тис. т (1,6 млн м3) твердих побутових відходів, які видаляються на 377 санкціонованих полігонах та звалищах твердих побутових відходів та 4,5 млн т промислових відходів (з них 200 тис. т – небе-зпечні відходи). Спостерігається тенденція до щорічного збільшення утворення як промислових, у тому числі і небезпечних, так і побутових відходів. При цьому питання, орієнтовані на отримання бажаного ефекту використання потенціалу сфери поводження з відходами, як частини сукупного потенціалу економіки регіону з урахуванням екологічних факторів та як результату сукупної дії уча-сників сфери поводження з твердими відходами, до сих пір не отримали відповідного вивчення. Вра-ховуючи це, у статті розроблено та науково обґрунтовано теоретико-концептуальну модель уп-равління системою поводження з твердими відходами на регіональному рівні, на основі якої сформу-льовано алгоритм прийняття рішень у сфері поводження з відходами, визначені оптимальні управлі-нські стратегії у даній сфері і механізми їх реалізації. Розроблений алгоритм дозволяє вирішувати поставлені задачі оптимізації розвитку сфери поводження з твердими відходами при заданій мно-жині змінних і параметрів стану системи для конкретного типу життєвого циклу відходів або роз-робити оптимальну систему поводження з ними виходячи із заданих параметрів системи у регіоні. Визначені цільові функції управління сферою поводження з відходами, які направлені на оптимізацію економічних, екологічних та соціальних критеріїв розвитку регіону. Також надані рекомендації щодо удосконалення механізмів комплексного регіонального управління сферою поводження з твердими відходами по всіх етапах їх життєвого циклу, які сприяють досягненню екстремальних значень ці-льових функцій управління даної сфери. Отримані результати дослідження спрямовані на створення основ для розробки цільових програм охорони навколишнього природнього середовища, управління відходами в контексті синергічного розвитку регіону.

Останніми роками спостерігаємо кліматичні зміни, що зумовлюють інші підходи до загально-прийнятих технологій вирощування ярих зернових культур. Важливим аспектом цього питання є отримання стабільної врожайності незалежно від погодних умов вегетаційного періоду. Науково обґрунтована система удобрення дає змогу знизити вплив негативних чинників на рослини, забезпе-чуючи отримання високої продуктивності та управління якістю зерна ячменю ярого. Основне за-вдання, поставлене перед запроєктованою системою удобрення, – розкрити біологічний потенціал культури. Цього можна досягти шляхом встановлення збалансованих норм добрив, відповідних строків їхнього внесення, що дозволить оптимізувати процеси поглинання та засвоєння елементів живлення рослинами. Тому метою цієї роботи було дослідити вплив різних видів мінерального жив-лення на ріст і розвиток рослин ячменю ярого в зоні Степу України. Завдання: визначити спектр впливу мінеральних препаратів: на довжину надземної і підземної частини, площу листової поверхні та продуктивність рослин ячменю ярого. Основні методи досліджень – польовий та лабораторний. Дослідження виконувались на дослідних ділянках кафедри біології та агрономії, у відділенні науково-технічної підготовки з аграрного напряму ЛНУ імені Тараса Шевченка (Луганська область, Старо-більський район). Результати проведених досліджень свідчать, що створений шляхом застосування добрив фон мінерального живлення впливав на ріст і розвиток рослин ярого ячменю під час вегета-ційного періоду. Внесення добрив призвело до зміни лінійних параметрів ячменю ярого, таких як ви-сота надземної частини та довжина підземної частини. Для інтенсифікації надземної частини рос-лин ярого ячменю доцільно використовувати в поєднанні препарат АctiBION з Аміачною селітрою, оскільки параметри збільшилися від 2-х до 16-ти см порівняно з контролем. Використання препара-тів у будь-якій кількості призводило до збільшення кореневої системи, а значить і до збільшення пог-линаючої здатності рослин, що веде до підвищення імунітету кожного досліджуваного об’єкту. Найбільша довжина кореневої системи спостерігалась у варіанті з сумісним використанням АctiBION з Аміачною селітрою й досягла збільшення на стадії молочної стиглості на 3 см порівняно з контролем. Найбільшу площу листової пластини забезпечило сумісне застосування препаратів АctiBION з Аміачною селітрою. При цьому площа збільшувалася на 18,2 см2 порівняно з контролем. Протягом 2017‒2019 років спостерігалося підвищення врожайності рослин ячменю ярого під впли-вом різних видів мінерального живлення. Найвищі показники врожайності мали 2019 року у варіанті з сумісним використанням АctiBION та Аміачної селітри, дещо менші показники отримали 2017−2018 років, що пов’язано з різкими погодними змінами навесні. Але порівняно з контролем вони зросли в межах – 5‒16 ц/га, що свідчить про оптимізацію процесів поглинання та засвоєння елемен-тів живлення рослинами ячменю ярого.

У статті розглянуто питання ефективності застосування регуляторів росту рослин при виро-щуванні цукрових буряків. Регулятори росту в сучасному сільськогосподарському виробництві є складовою частиною технологій вирощування цукрових буряків. Створення сучасних регуляторів ро-сту і результати наукових досліджень слугують підставою по-новому використати ці препарати в аграрному виробництві. Існують технології використання цих препаратів як для передпосівної обро-бки насіння, так і для обприскування вегетуючих рослин у різні фази вегетації. Рістрегулюючі речо-вини активізують фізіологічні процеси розвитку цукрових буряків, забезпечують реалізацію генетич-ного потенціалу культури, сприяють зниженню залежності вегетативного процесу від абіотичних факторів навколишнього природнього середовища (в результаті оптимізації умов вирощування спо-стерігається підвищення урожайності та цукристості коренеплодів). При проведенні досліджень використовували регулятори росту як для передпосівної обробки насіння, так і комплексно з оброб-кою вегетуючих рослин. При обробці насіння цукрових буряків встановлено, що регулятори росту сприяли підвищенню польової схожості та більш інтенсивному наростанню маси рослин на почат-кових фазах росту і розвитку культури. За даними динаміки наростання маси коренеплодів цукрових буряків протягом вегетації зафіксовано, що застосування регуляторів росту рослин сприяло збіль-шенню цього показника. Однак у разі застосуванні регуляторів росту Стимпо та Регоплант як для обробки насіння, так і для обприскування вегетуючих рослин цукрових буряків спостерігається най-вищий показник. Продуктивність цукрових буряків залежить від багатьох факторів і зокрема від застосування регуляторів росту рослин. Результати проведених досліджень свідчать про те, що застосування рістрегулюючих речовин при вирощуванні цукрових буряків є одним з найбільш ефек-тивних агрозаходів для підвищення продуктивності культури. З’ясовано, що у разі комплексного за-стосування таких регуляторів росту, як Стимпо та Регоплант отримані суттєво вищі показники врожайності і цукристості коренеплодів та збору цукру з одиниці площі.

Актуальність теми дослідження. На сучасному етапі розвитку інформаційних систем та технологій, які базуються на математичних моделях теорії штучного інтелекту (методах та схемах алгоритмічних дерев класифікації), виникає принципова проблема вузької спеціалізації наявних підходів та методів у соціально-економічних, екологічних та інших системах первинного аналізу та обробки великих масивів інформації. Задачі, які об’єднуються тематикою розпізнавання образів, дуже різноманітні та виникають у сучасному світі в усіх сферах економіки та соціального контенту діяльності людини, що приводить до необхідності побудови та дослідження математичних моделей відповідних систем. На сьогодні немає універсального підходу до їх розв’язання, запропоновано декілька досить загальних теорій та підходів, що дозволяють вирішувати багато типів (класів) задач, але їх прикладні застосування відрізняються досить великою чутливістю до специфіки самої задачі або предметної області застосування. Представлена робота присвячена проблемі моделей логічних та алгоритмічних дерев класифікації (схем ЛДК/АДК), пропонує оцінку складності структур алгоритмічних дерев (моделей дерев класифікації), які складаються з незалежних та автономних алгоритмів класифікації і будуть являти собою певною мірою новий алгоритм розпізнавання (зрозуміло, що синтезований із відомих схем, алгоритмів та методів). Постановка проблеми. Нині актуальні різні підходи до побудови систем розпізнавання у вигляді дерев класифікації (ЛДК/АДК), причому інтерес до методів розпізнавання, які використовують дерева класифікації, викликаний багатьма корисними властивостями, якими вони володіють. З одного боку, складність класу функцій розпізнавання у вигляді моделей дерев класифікації, при визначених умовах, не перевищують складності класу лінійних функцій роз-пізнавання (простішого з відомих). З іншого – функції розпізнавання у вигляді дерев класифікації дозволяють виділити в процесі класифікації як причинно-наслідкові зв’язки (та однозначно врахувати їх у подальшому), так і фактори випадковості або невизначеності, тобто врахувати одночасно і функціональні, і стохастичні відношення між властивостями та поведінкою всієї системи. При цьому відомо, що процес класифікації нових, таких, що досі не зустрічалися, об’єктів світу багатьох тварин і людей (за винятком об’єктів, інформація про які передається генетичним шляхом (наслідковим), а також в деяких інших випадках), відбувається за так званим логічним деревом рішень (у зв‘язку з нейромережевою концепцією). Зрозуміло, що доцільно не розробляти новий алгоритм, а запропонувати деяку концепцію раціонального використання вже накопиченого потенціалу алгоритмів та методів класифікації у вигляді моделей алгоритмічних дерев класифікації (структур АДК). Саме тому ця робота має намір хоча б частково подолати ці обмеження та присвячена оцінці складності процедури побудови моделей алгоритмічних (логічних) дерев класифікації в галузі задач розпізнавання. Аналіз останніх досліджень і публікацій. У дослідженні розглянуті останні наукові публікації у відкритому доступі, які присвячені загальній проблемі підходів, методів, алгоритмів та схем розпізнавання (моделей ЛДК/АДК) дискретних об’єктів (дискретних зображень) у задачах розпізнавання образів (теорії штучного інтелекту). Виділення недосліджених частин загальної проблеми. Можливість простого та економного методу побудови моделі алгоритмічного дерева класифікації (або структур АДК/ЛДК) та оцінка складності такої процедури (моделі структури АДК/ЛДК) на основі початкових масивів дискретної інформації великого об’єму. Постановка завдання. Дослідження актуального питання складності загальної процедури побудови алгоритмічного дерева класифікації (моделі АДК) на основі концепції поетапної селекції наборів незалежних алгоритмів класифікації (можливих їх різнотипних множин та сполучень), яке для заданої початкової навчальної вибірки (масиву дискретної інформації) будує деревоподібну структуру (модель класифікації АДК), з набору алгоритмів оцінених на кожному кроці схеми побудови моделі за даною початковою вибіркою. Виклад основного матеріалу. Пропонується оцінка складності процедури побудови алгоритмічного дерева класифікації для довільного випадку (для умов слабкого та сильного розділення класів навчальної вибірки). Розв’язок цього питання має принциповий характер, щодо питань оцінки структурної складності моделей класифікації (у вигляді деревоподібних конструкцій), структур АДК дискретних об’єктів для широкого класу прикладних задач класифікації та розпізнавання в плані розробки перспективних схем та методів їх фінальної оптимізації (мінімізації) конструкції. Це дослідження має актуальність не лише для конструкцій алгоритмічних дерев класифікації, але й дозволяє розширити саму схему оцінки складності і на загальний випадок структур логічних дерев класифікації. Висновки відповідно до статті. Досліджені питання структурної складності конструкцій ЛДК/АДК, запропонована верхня оцінка складності для процедури побудови алгоритмічного дерева класифікації в умовах слабкого та сильного розділення класів початкової навчальної вибірки.

Актуальність теми. Оскільки розмір цифрової інформації зростає в геометричній прогресії, потрібно витягувати великі обсяги необроблених даних. На сьогоднішній день існує кілька методів налаштування та обробки даних відповідно до наших потреб. Найбільш поширеним методом є використання інтелектуального аналізу даних (Data Mining). Data Mining застосовується для вилучення неявних, дійсних та потенційно корисних знань із великих обсягів необроблених даних. Видобуті знання повинні бути точними, читабельними та легкими для розуміння. Крім того, процес видобутку даних також називають процесом виявлення знань, який використовувався в більшості нових міждисциплінарних областей, таких як бази даних, статистика штучного інтелекту, візуалізація, паралельні обчислення та інші галузі. Одним із нових і надзвичайно потужних алгоритмів, що використовуються в Data Mining, є еволюційні алгоритми та підходи, що базуються на рії, такі як мурашиний алгоритм та оптимізація рою частинок. В даній роботі запропоновано використати для інтелектуального аналізу даних досить нову ідею алгоритма бджолиного рою для широко розповсюдженої задачі класифікації. Мета роботи: покращення результатів класифікації даних в сенсі в точності і сталості за допомогою алгоритму інтелектуального аналізу даних на основі алгоритму бджолиного рою. Об’єктом дослідження є процес інтелектуального аналізу даних для задачі класифікації. Предметом дослідження є використання алгоритму бджолиного рою для інтелектуального аналізу даних. Методи дослідження. Використовуються методи параметричного дослідження евристичних алгоритмів, а також методи порівняльного аналізу для алгоритмів інтелектуального аналізу даних. Наукова новизна одержаних результатів роботи полягає в тому, що після проведеного аналізу існуючих рішень, запропоновано використати алгоритм бджолиного рою для задачі класифікації, точність і сталість якого перевищує показники існуючих класифікаторів. Практичне значення одержаних результатів полягає в тому, що розроблений алгоритм показує кращі результати в сенсі точності і сталості в порівнянні з іншими алгоритмами інтелектуального аналізу даних. Тобто адаптація бджолиного алгоритму може розглядатися як корисне та точне рішення для такої важливої проблеми, як задача класифікації даних. Апробація роботи. Основні положення й результати роботи були представлені та обговорювались на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2019 (Київ, 2019 р.), а також на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2020 (Київ, 2020 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів, висновків та додатків. У вступі надано загальну характеристику роботи, виконано оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їх впровадження. У першому розділі розглянуто алгоритми інтелектуального аналізу даних, які використовуються для задачі класифікації. Обґрунтовано можливість використання евристичних алгоритмів, а саме алгоритму бджолиного рою для цієї задачі. У другому розділі детально розглянуто алгоритм бджолиного рою та принципи його роботи, також описано запропоновану методику його застосування для інтелектуального аналізу даних, а саме для задачі класифікації. У третьому розділі описано розроблений алгоритм та програмний додаток, в якому він реалізований. У четвертому розділі приведена оцінка ефективності запропонованого алгоритм, на основі тестування алгоритму, а також порівняльного аналізу між розробленим алгоритмом та вже існуючими. У висновках представлені результати магістерської дисертації. Робота виконана на 81 аркуші, містить посилання на список використаних літературних джерел з 18 найменувань. У роботі наведено 38 рисунків та 5 додатків.
Actuality of theme. As the size of digital information grows exponentially, large amounts of raw data need to be extracted. To date, there are several methods to customize and process data according to our needs. The most common method is to use Data Mining. Data Mining is used to extract implicit, valid and potentially useful knowledge from large amounts of raw data. The knowledge gained must be accurate, readable and easy to understand. In addition, the data mining process is also called the knowledge discovery process, which has been used in most new interdisciplinary fields, such as databases, artificial intelligence statistics, visualization, parallel computing, and other fields. One of the new and extremely powerful algorithms used in Data Mining is evolutionary algorithms and swarm-based approaches, such as the ant algorithm and particle swarm optimization. In this paper, it is proposed to use a fairly new idea of the swarm of bee swarm algorithm for data mining for a widespread classification problem. Purpose: to develop an algorithm for data mining for the classification problem based on the swarm of bee swarms, which exceeds other common classifiers in terms of accuracy of results and consistency. The object of research is the process of data mining for the classification problem. The subject of the study is the use of a swarm of bee swarms for data mining. Research methods. Methods of parametric research of heuristic algorithms, and also methods of the comparative analysis for algorithms of data mining are used. The scientific novelty of the work is as follows: 1. As a result of the analysis of existing solutions for the classification problem, it is decided to use such metaheuristics as the swarm of bee swarm. 2. The implementation of the bee algorithm for data mining is proposed. The practical value of the results obtained in this work is that the developed algorithm can be used as a classifier for data mining. In addition, the proposed adaptation of the bee algorithm can be considered as a useful and accurate solution to such an important problem as the problem of data classification. Approbation of work. The main provisions and results of the work were presented and discussed at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2019 (Kyiv, 2019), as well as at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2020 (Kyiv, 2020). Structure and scope of work. The master's dissertation consists of an introduction, four chapters, conclusions and appendices. The introduction provides a general description of the work, assesses the current state of the problem, substantiates the relevance of research, formulates the purpose and objectives of research, shows the scientific novelty of the results and the practical value of the work, provides information on testing and implementation. The first section discusses the data mining algorithms used for the classification problem. The possibility of using heuristic algorithms, namely the bee swarm algorithm for this problem, is substantiated. The second section discusses in detail the algorithm of the bee swarm and the principles of its operation, also describes the proposed method of its application for data mining, namely for the classification problem. The third section describes the developed algorithm and the software application in which it is implemented. In the fourth section the estimation of efficiency of the offered algorithm, on the basis of testing of algorithm, and also the comparative analysis between the developed algorithm and already different is resulted. The conclusions present the results of the master's dissertation. The work is performed on 89 sheets, contains a link to the list of used literature sources with 18 titles. The paper presents 38 figures and 2 appendices.