сороколетов павел валерьевич биография
Павел Валерьевич Сороколетов
О себе
О себе.
Закончил с отличием МИФИ в 1986 году. Доктор технических наук, действующий ученый. Тридцать лет профессиональной деятельности на стыке физики, кибернетики и вычислительных наук в сфере ядерной физики, космоса, высокотехнологичной медицины. Опыт работы в англоязычных странах и компаниях.
О Вас.
Ваша цель – поступление на программу бакалавриата или специалитета и дальнейшая успешная учеба в ведущих университетах мира. Ваше желание – стать одним из тех, кто создает цивилизацию и облик современного мира высоких технологий.
О принципах обучения.
Физика – язык, на котором говорит Вселенная. Осмысление физических законов в сочетании с математическими приемами их описания, умением составить и запрограммировать алгоритм решения задачи. Придумать и самостоятельно поставить эксперимент, правильно обработать его результаты. Сделать выводы и описать их в эссе или статье на английском языке. Именно такой комплексный подход отличает методику обучения и требования ведущих университетов.
К сожалению, сегодня растет разрыв между этими требованиями и уровнем компетенций, который дают школа и подготовительные курсы. Как показывает опыт, разовое усилие по сдаче вступительных экзаменов в сочетании с элементом удачи не гарантируют последующей успешной учебы. Особенно велик процент отчислений с 4-го триместра или 3-го семестра (в отечественных ВУЗах).
Для заполнения разрыва в знаниях необходимы один-два года целенаправленной, мотивированной индивидуальной работы. Обучение на английском также потребует от Вас уровня IELTS Academic не менее 6.5 баллов.
Are you really ready to work hard? Welcome!
СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ
Бизнесмен СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ ИНН: 501803497385
Регистрация: Нет данных
РЕЕСТР ДИСКВАЛИФИЦИРОВАННЫХ ЛИЦ: Отсутствует
Предпринимательский рейтинг: МАЛО ДАННЫХ
По компаниям, которыми руководит или руководил СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ не было выставленных претензий от партнёров и клиентов на 16.10.2021.
У Вас есть претензии к компаниям которыми руководит СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ?
Выставьте публичную претензию на портале inJust.
По данным ФНС СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ не является в настоящее время руководителем каких-либо юридических лиц.
По данным ФНС СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ не был(а) ранее руководителем юридических лиц.
Является в настоящее время учредителем или совладельцем в следующих компаниях:
Действующая ОГРН 1095018003332 от 30.03.2009
Доля: N/A
Был(а) ранее учредителем или совладельцем в следующих компаниях:
Ликвидирована
Доля: 27000, с 26.12.2003
СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ не имеет в настоящее время регистрации в качестве индивидуального предпринимателя или главы фермерского хозяйстве по данным ФНС.
СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ не имеет по состоянию на 16.10.2021 аннулированных регистраций в качестве индивидуального предпринимателя или главы фермерского хозяйства по данным ФНС.
В этом отчёте вы можете проверить в каких компаниях является руководителем или учредителем СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ, а так же был ли СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ зарегистрирован в качестве индивидуального предпринимателя или главы фермерского хозяйства. По мере появления данных о реальной хозяйственной деятельности связанных компаний, СОРОКОЛЕТОВ ПАВЕЛ ВАЛЕРЬЕВИЧ получит рейтинг как бизнесмен. Рейтинг бизнесмена может косвенно влиять на все связанные компании.
Все данные получены их открытых источников: федеральной налоговой службы, федеральной службы судебных приставов, электронного правосудия, реестра банкротств и реестра залогов. Администрация портала не несёт ответственность за ошибки содержащиеся в источнках данных.
Для использования всех возможностей портала необходимо перейти в личный кабинет. Вход возможен только с помощью ГосУслуг или ЭЦП (для ЮЛ).
Мир на пороге четвертой информационной революции
Человеческая деятельность так или иначе сосредоточена в 4-х сферах:
Материальное производство
Организация и управление бизнес-процессами
Управление социумом
Управление знаниями
Производство материальных предметов, когда-то давно (в античности, например) бывшее искусством – в 19-м веке стало суммой технологий. Управление производством и бизнес-процессами – превратилось в технологию менеджмента во второй половине 20-го века. Управление обществом – стало технологией на наших глазах в конце 20-го века (избирательные технологии и т.п.). Из 4-х сфер только последняя сегодня остается в большой степени искусством: преподавания и усвоения знаний, содержащихся в текстовой и графической информации – среде-носителе знаний.
Статья отвечает на следующие вопросы:
История цивилизации – это история информационных революций.
Информационная революция – качественный скачок в технологии сбора, хранения и передачи информации от субъекта к субъекту (коммуникации).
Автоматическая обработка текстовых и графических файлов с последующей почти мгновенной передачей на расстояние является содержанием современной ИТ. Страны, первыми реализовавшие компьютерную революцию, получили эволюционное преимущество. В частности, превосходство стран Запада над СССР в ИТ стало одной из причин краха последнего. Аналогично предприниматели, первыми освоившие электронные средства ведения бизнеса, получили преимущество.
Но сегодня потенциал 3-й информационной революции исчерпал себя. Вы возразите: ведь бурно развивается Интернет и цифровые телекоммуникации, все более «умными» и изощренными становятся операционные системы компьютеров и прикладные программы – от средств автоматизации офиса до программ аналитики и прогнозирования?
Что действительно меняется, так это быстродействие процессоров, объем памяти, скорость коммуникаций, емкость устройств оптической записи. Все это позволяет производить больше операций в секунду и, соответственнно, писать большие компьютерные программы без снижения видимой скорости их работы.
Вывод: воспринимаемые как «революция» изменения в ИТ на самом деле обусловлены бурным прогрессом физики кристаллов. Это – эволюционирование потенциала уже состоявшейся 3-й информационной революции.
Тогда что же такое 4-я информационная революция?
Четвертая информационная революция – это переход от автоматизированной обработки информации к компьютерному представлению и обмену чистым знанием.
Надо отметить, что термин «база знаний» не нов и в него вкладывают очень разный смысл. Так назывались еще в 80-е годы особым образом структурированные данные в т.н. экспертных системах – программах, имитирующих рассуждения человека-эксперта в какой-либо (очень узкой) предметной области.
Что же такое знание в истинном смысле? Чем оно отличается от информации?
Допустим, я хочу вложить деньги в ценные бумаги (ЦБ). Раньше этого не делал. Передо мной выбор: акции или облигации? Чтобы выбрать, мне необходимо знание – в чем принципиальное, глубинное различие между этими инструментами. Открываю учебник и читаю два текстовых описания:
Акция – ЦБ, свидетельствующая о внесении пая в капитал акционерного общества. Даёт ее владельцу право на присвоение части прибыли в форме дивиденда.
Облигация (от лат. Obligatio – обязательство) – ЦБ на предъявителя, дающая владельцу право на получение годового дохода в виде фиксированного процента (в форме выигрыша или оплаты купонов). Облигация подлежит погашению (выкупу) в течение обусловленного при выпуске займа срока.
Это информация к размышлению. Анализирую ее и выделяю два ключевых фрагмента:
«… свидетельствующая о внесении пая в капитал…» и «… обязательство … при выпуске займа …».
Я извлек знание: приобретая ЦБ, в первом случае я становлюсь совладельцем акционерной компании, а во втором – в чистом виде даю в долг под фиксированный процент. Это фактор, влияющий на характер ликвидности и ценовую динамику бумаги.
При этом в моей памяти сформировалось подобие структуры, которую в теории искусственного интеллекта именуют «семантической сетью» (рис.1).
Такого рода глубинные структуры, которыми оперирует мышление, в сочетании с процедурами моделирования суждений, и можно (упрощенно, конечно) назвать знанием.
Знание – это сложно-структурированная сеть понятий и отношений между ними, выраженных словами естественного языка, привязанная к иерархии категорий мышления и оснащенная процедурами моделирования рассуждений на основе этих категорий.
Соотношение между информацией и знанием понятно из этого примера: информация – это среда-носитель знания. Как золотоносный песок – носитель золота.
Вывод:
Суть четвертой информационной революции – переход от хранения и обмена носителем (информацией) к представлению всех накопленных (цивилизацией, бизнесом, конкретной корпорацией) знаний в очищенном виде.
Содержание четвертой информационной революции – создание технологии автоматизированной обработки знаний:
Предпосылки 4-й информ-революции и почему она начинается лишь сейчас?
К настоящему времени кибернетика и ее важнейший раздел – теория искусственного интеллекта (ТИИ) – построили мощный фундамент. Приобретен (в основном в ВПК) большой опыт проектирования программных систем, основанных на знаниях.
Сегодня оно трансформируется в набор формализованных процедур, позволяющих, не творя «искусственного интеллекта» из фантастических романов, оперировать ЕЯ-текстами и распознавать графические образы с удовлетворительным промышленным качеством. Остался шаг до момента, когда эти лабораторные технологии выплеснутся в сферу гражданского бизнеса, породив принципиально новые продукты и новый рынок.
Как упоминалось, физика кристаллов и порожденные ею технологии позволили за 15 лет на два порядка повысить быстродействие процессоров и объем оперативной памяти компьютеров, одновременно уменьшив их до размера современного ноутбука.
Что это дало? Современный компьютер (даже персональный!) теперь в состоянии манипулировать громоздкими математическими моделями, разработанными ТИИ.
Почему этот процесс неизбежен c точки зрения эволюции цивилизации?
Перечислим ряд факторов, которые можно назвать «факторами давления».
«Фактор информационной лавины»
Сегодня в полной мере проявляется диалектическое противоречие между количеством доступной отдельному человеку информации и качеством ее представления, с одной стороны, и возможностью восприятия среднего человека – с другой.
Возможность восприятия – способность индивида извлечь из потока информации знание, т.е. построить в своем сознании модель фрагмента реального мира, пригодную для осмысленных суждений и планирования действий на основе этих суждений (как это было показано в примере с акцией и облигацией).
В результате парадокс: человек середины 20-го века, пропускающий через себя на порядок меньший поток информации, скрупулезно изучая книги, был интеллектуально более развит, чем сегодняшний «хакер», сутками напролёт «сканирующий» Интернет.
«Фактор мозаичного образования»
Объем знаний, необходимых для работы профессионала, вырос как никогда. Возможно, в первую очередь это, а вовсе не «злой умысел власть предержащих Запада» (как любят писать некоторые газеты) определяет переход от классической к т.н. мозаичной модели среднего и проф. образования.
Но современные компании нуждаются не просто в знающих и квалифицированных спецах – они нуждаются в компетенциях. Для формирования необходимых компетенций все больше времени и средств уходит на тренинги персонала, обучающие курсы и др.
Имеем «ножницы»: вынужденно фрагментарное обучение расходится с потребностью в освоении спецом все большего объема разнородных знаний и навыков.
«Фактор темпа изменений»
Мир изменился. Капитализм превращается в метакапитализм, производства – в сверхгибкие «цепочки добавленной стоимости», мгновенно осваивающими новые продукты и реагирующими на изменение запросов потребителя. C корость, с которой персонал вынужден усваивать новые знания и оценивать факторы, возросла многократно.
Чтобы соответствовать темпу изменений, профессионал вынужден постоянно и очень быстро учиться.
Общий вывод:
Объективно назрела потребность (необходимое условие) в 4-й информационной революции как основе для дальнейшего эволюционирования цивилизации.
Если деловой мир не перейдет от обмена «сырой» информацией к электронной индустрии знаний – его ждет стагнация.
Как мы показали ранее, к настоящему моменту уже сформировались и предпосылки 4-й информационной революции (достаточное условие).
Заключение. Что делать?
Создание, рост и превращение фундаментальных структур баз знаний в самостоятельный продукт составит, на наш взгляд, первый этап грядущей 4-й информационной революции.
Ценность таких продуктов в том, что любая гуманитарная технология и воплощающая ее система “ Hi Human » не сможет стать промышленным продуктом без подобного ядра.
Базы знаний описанного типа послужат основой для будущих интеллектуальных корпоративных систем, которые смогут:
Любая корпорация (отрасль, страна…), которая овладеет применением продуктов индустрии знаний в своей практике позже других – потеряет темп развития.
Если говорить о корпоративной стратегии, отвечающей вызовам 4-й информационной революции, то становится насущно необходимым:
В заключение хотелось бы отметить, что для России этот момент может стать точкой прорыва в лидеры высоких информационных технологий. Сосредоточив ресурс на создании приоритетной технологии индустрии знаний, страна могла бы сделать то, что не удалось СССР при Хрущеве – «обойти Америку на вираже».
Решение проблемы верификации данных при экономико-математическом анализе учреждений здравоохранения
Аннотация
Для оценки проводимой реформы здравоохранения необходим объективный анализ качества лечения и финансовой устойчивости медицинских учреждений. Инструментом такого анализа являются экономико-математические модели, реализованные в виде программ для ЭВМ. Для получения достоверных результатов моделирования в модель должны быть загружены достоверные и полные начальные данные. Сбор корректных данных и их верификация являются сложной и до настоящего времени слабо формализованной задачей.
На примере исследования большого числа клиник с помощью созданной авторами системы medAudit всесторонне рассмотрены проблемы искажения и недостаточности данных при экономико-математическом моделировании и прогнозировании.
Формализована модель феномена «сопротивления медицинской среды», препятствующего объективному анализу в условиях современного разграничения полномочий клинического и финансово-экономического менеджмента медучреждений.
Предложена комплексная методика сбора достоверных исходных данных, коррекции непреднамеренных либо сознательных искажений данных, заполнения лакун в предоставленных медучреждением данных.
Показано, что применение методики позволяет получать адекватные результаты моделирования даже при частичной неполноте и дисперсии значений параметров модели, обеспечить приемлемый уровень доверительности при оценке финансовой устойчивости и прогнозе развития медучреждений в условиях полного перехода на страховой принцип финансирования здравоохранения.
Разработка и исследование композитных алгоритмов компоновки блоков ЭВА тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Сороколетов, Павел Валерьевич
Оглавление диссертации кандидат технических наук Сороколетов, Павел Валерьевич
1. АНАЛИЗ И СОСТОЯНИЕ ПРОБЛЕМЫ КОМПОНОВКИ БЛОКОВ ЭВА.
1.1 Коммутационные модели блоков ЭВА.
1.2 Постановка задачи компоновки.
1.3 Анализ существующих алгоритмов разбиения графов и гиперграфов на части.
2. РАЗРАБОТКА ПОИСКОВЫХ МЕТОДОВ КОМПОНОВКИ БЛОКОВ ЭВА.
2.1 Использование экспертных систем при построении моделей компоновки блоков.
2.2 Разработка архитектуры, стратегии и принципов компоновки блоков.
2.3 Построение модифицированных генетических операторов.
3. РАЗРАБОТКА КОМПОЗИТНЫХ АЛГОРИТМОВ КОМПОНОВКИ БЛОКОВ ЭВА.
3.1. Разработка алгоритмов компоновки на основе раскраски графов.
3.2. Построение параллельно-последовательных алгоритмов компоновки на основе определение независимых и доминирующих подмножеств.
3.3. Разработка композитного алгоритма компоновки на основе сжатия и построения паросочетаний графа.
4. АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ РАЗРАБОТАННЫХ АЛГОРИТМОВ.
4.1. Краткие сведения об инструментальной среде компоновки блоков ЭВА.
4.2. Цель и средства экспериментальных исследований.
4.3. Результаты экспериментальных исследований.
Рекомендованный список диссертаций по специальности «Системы автоматизации проектирования (по отраслям)», 05.13.12 шифр ВАК
Разработка и исследование комплекса генетических алгоритмов разбиения схем с учетом временных задержек 2008 год, кандидат технических наук Баринов, Сергей Владимирович
Разработка и исследование генетических алгоритмов компоновки блоков ЭВА 2002 год, кандидат технических наук Смирнова, Ольга Валентиновна
Исследование и разработка бионических методов размещения коммутационных схем ЭВА 2005 год, кандидат технических наук Мищенко, Максим Николаевич
Разработка и исследование генетических и эволюционных алгоритмов на графах 2003 год, кандидат технических наук Стасенко, Леонид Александрович
Разработка теории и основных принципов принятия решений в САПР на основе методов, инспирированных природными системами 0 год, доктор технических наук Сороколетов, Павел Валерьевич
Введение диссертации (часть автореферата) на тему «Разработка и исследование композитных алгоритмов компоновки блоков ЭВА»
В настоящее время создание комплексных систем поддержки жизненного цикла изделий определяется прогрессом науки и техники. Основой таких систем являются подсистемы компьютерного интегрированного производства (КИП). В компьютерные системы для автоматизации жизненного цикла продукции включаются системы автоматизации проектирования (CAIIP(CAD)), автоматизированные системы технологической подготовки производства (АСТПП(САМ)), автоматизированные системы управления технологическими процессами (АСУТП(САЕ)). Воплощением концепции информационной поддержки жизненного цикла изделий являются CALS- технологии 3. Стратегией CALS-технологий является создание единого информационного пространства для всех составляющих жизненного цикла изделий, включая пользователя как элемент внешней среды. CALS-технологии позволяют композитно решать проблемы проектирования, конструирования, технологии изготовления и обеспечения качества продукции. В общей проблеме КИП важное место отводится САПР 7. В настоящее время перспективными являются разработки интеллектуальных САПР, способных обучаться в процессе проектирования и принимать решение в неопределенных и нечетких условиях.
В этой связи становится необходимой модернизация структуры традиционных САПР, АСТПП, АСУТП, равно как и основных стратегий, концепций, принципов и методов, входящих в интегрированное информационное, математическое, лингвистическое, программное и методическое обеспечения КИП. Одним из подходов к такой модернизации является использование бионических принципов и стратегий. Они реализуются различными эволюционными методами.
В общем случае процесс автоматизации проектирования, конструирования и технологической подготовки производства состоит из трех основных этапов: системо-технического, схемо-технического и конструкторского. При решении задач конструкторского проектирования должны быть решены вопросы представления и интеграции данных, создания информационных моделей предметной области, обеспечена возможность синтезировать любое количество ресурсов и технологий.
Большой вклад в разработку и исследование ИСАПР внесли В.И. Анисимов, Б.В.Баталов, Д.И.Батищев, A.M. Бершадский, JI.C. Берштейн, Ю.Х. Вермишев, В.М. Глушков, Ж.Н.Зайцева, Г.Г. Казенов, В.П.Корячко, В.М. Курейчик, Н.Я. Матюхин, А.Н.Мелихов, А.И. Петренко, И.П. Норенков, Г.Г. Рябов, В.А. Селютин, Ш. Айкерс, М. Бреуэр, Н. Шервани и многие другие.
На этапе конструкторского проектирования решаются задачи компоновки блоков, размещения, трассировки и верификации 16.
Решение задачи компоновки определяет качество и эффективность всего процесса конструкторского проектирования. Известно, что ЭВА, РЭА и т.п. строится по блочному принципу. В связи с этим в конструкциях ЭВА выделяют ряд структурных иерархических уровней. Элементы структурных уровней называют конструктивными модулями или блоками. Например, на этапе конструкторского проектирования ЭВА выделяют пять уровней: интегральная микросхема, типовой элемент замены (ТЭЗ), панель, блок, стойка, шкаф, вычислительный комплекс. Задачи компоновки на любом уровне тесно связаны между собой и их решение позволяет повысить качество изделий в САПР [7,8,12,14-20]. Задача компоновки состоит в объединении модулей низшего уровня в модули более высокого уровня по заданному критерию или множеству критериев при наличии ограничений и граничных условий.
Разработка методов и алгоритмов для решения задач компоновки осуществляется на протяжении ряда лет, являясь, по-прежнему, актуальной проблемой. Это связано, в первую очередь, с тем, что задачи данного класса являются NP-полными и NP-трудными 25. Поэтому затруднительна разработка универсальных методов и алгоритмов, позволяющих находить оптимальное решение за приемлемое время. Появление новых, более совершенных средств электронно-вычислительной техники, и, как следствие, увеличение их степени интеграции является причиной для разработки новых совершенных технологий решения задач САПР и, в частности, задачи компоновки. Задача компоновки блоков ЭВА, т.е. разбиения коммутационной схемы на части, связана с необходимостью обработки огромных массивов информации. Поэтому разработка новых и модифицированных методов компоновки схем ЭВА с полиномиальной временной сложностью является актуальной и важной задачей.
Цель диссертационной работы состоит в разработке и исследовании композитных алгоритмов компоновки блоков ЭВА.
Достижение указанной цели предполагает решение следующих основных задач:
• Построение универсальных и специализированных моделей для этапа конструкторского проектирования ЭВА.
• Построение многоуровневых архитектур бионического поиска для компоновки блоков ЭВА.
• Разработка композитных методов и алгоритмов компоновки.
Для решения поставленных задач в диссертационной работе используются: методы и элементы теории САПР, эволюционного моделирования, графов и гиперграфов, множеств, алгоритмов.
Научная новизна работы заключается в решении задач компоновки блоков ЭВА, основанном на композитных методах и алгоритмах, использующих бионические принципы. В работе:
1. Построена многоуровневая архитектура композитных методов разбиения графов на части применительно к компоновке блоков ЭВА.
2. Разработаны новые композитные, бионические и поисковые алгоритмы компоновки, позволяющие получать множество локальных оптимумов.
3. Построены модифицированные операторы генетического поиска, ориентированные на задачи компоновки, позволяющие лучшим решениям переходить на следующие генерации.
4. Разработаны новые генетические методы раскраски графов и определения паросочетаний, на основе которых построены эвристические алгоритмы компоновки блоков с полиномиальной временной сложностью.
Решение поставленных задач позволяет автору защищать следующие новые научные результаты:
1. Многоуровневую архитектуру подсистемы принятия решений при компоновке, основанную на бионических принципах.
2. Модифицированные генетические операторы на основе множества Кантора, дихотомического деления, чисел Фибоначчи и «золотого сечения».
3. Генетические алгоритмы, основанные на «жадных» стратегиях и операторах, позволяющие, в отличие от существующих методов компоновки, находить множество квазиоптимальных решений.
4. Новую стратегию раскраски и сжатия графов для компоновки блоков ЭВА, позволяющую находить решения с полиномиальной временной сложностью.
Практическая ценность результатов диссертационной работы определяется созданием комплекса алгоритмов компоновки блоков ЭВА, позволяющих использовать разработанные математические модели, стратегии, концепции, принципы, методы и эвристики, отвечающие конкретным задачам управления жизненным циклом продукции. Разработана программная среда для решения задач компоновки. При построении комплекса программ использовались пакеты Borland С++, Builder, Visual С++. Отладка и тестирование проводились на ЭВМ типа IBM PC с процессорами Intel Pentium-IV и AMD Atlon-2500 с ОЗУ объемом 640Мб. Проведенные экспериментальные исследования показали преимущество композитных поисковых и генетических алгоритмов для решения задач компоновки блоков ЭВА по сравнению с известными методами. Время получения лучших результатов компоновки соответствует полиномиальному времени
0(nlogn)-0(n ), которое требуют эффективные итерационные алгоритмы.
Реализация результатов работы. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетных и хоздоговорных работах, проводимых в Таганрогском государственном радиотехническом университете: грант РФФИ № 01-0100044 «Эволюционное проектирование с адаптацией»; грант РФФИ на проведение фундаментальных исследований в области технических наук № 02-01-01275 «Разработка теории и принципов эволюционного проектирования на основе многоагентных подходов»; госбюджетная работа по заказу Минобразования РФ «Разработка теории и принципов построения интеллектуальных систем автоматизированного проектирования на основе эволюционной адаптации, нейросетевых моделей и методов принятия решений».
Материалы диссертации также использованы в учебном процессе на кафедре САПР в Таганрогском государственном радиотехническом университете в цикле лекций и практических занятий по курсам «автоматизация конструкторского и технологического проектирования», «CALS- и CASE-технологии», «Методы оптимизации» и «Эволюционное моделирование и генетические алгоритмы».
Апробация основных теоретических и практических результатов работы. Результаты работы докладывались и обсуждались на семинаре «Новая информационная технология и проблемы управления» (г.Москва, 1990г.), VI Всесоюзной научно-технической школы «Интеллектуальные банки данных». (г.Тбилиси, 1990г.), международных научно-технических конференциях «Интеллектуальные САПР» (г.Дивноморск 2002-2004гг.), на международных конференциях «Интеллектуальные системы» (г.Дивноморск,
2003, 2004гг.) и на научных семинарах Северо-Кавказкого Научного Центра Высшей Школы (г. Ростов-на-Дону, Таганрог, 2003, 2004г.г.).
Публикации. Результаты диссертации отражены в 9 печатных работах.
Структура и объём диссертационной работы. Диссертационная работа состоит из введения, четырёх разделов, заключения, списка литературы и приложения. Работа содержит 176 стр., а также 64 рис., расположенных 34 стр., список литературы из 112 наименований, 2 стр. приложений и актов об использовании.
Похожие диссертационные работы по специальности «Системы автоматизации проектирования (по отраслям)», 05.13.12 шифр ВАК
Разработка и исследование генетических алгоритмов решения задач компоновки элементов и трассировки СБИС 2006 год, кандидат технических наук Ищенко, Станислав Николаевич
Разработка и исследование гибридных методов решения задач проектирования систем и устройств информатики, моделируемых графовыми моделями 2001 год, кандидат технических наук Старостин, Николай Владимирович
Разработка и исследование алгоритмов решения задачи размещения компонентов СБИС с учетом временных задержек 2008 год, кандидат технических наук Лежебоков, Андрей Анатольевич
Исследование и разработка бионических методов и алгоритмов для решения задач транспортного типа 2010 год, кандидат технических наук Полуян, Анна Юрьевна
Автоматизация проектирования программно-технических средств управления технологическими процессами атомных электростанций с реализацией элементов ИПИ-технологий 2005 год, доктор технических наук Власов, Сергей Евгеньевич
Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Сороколетов, Павел Валерьевич
1. Разработана инструментальная среда по исследованию характеристик алгоритмов компоновки блоков ЭВА, обладающая лучшими характеристиками по сравнению с известными программами эволюционного моделирования.
2. Проведены экспериментальные исследования по данным алгоритмам на тестовых примерах. Определены квазиоптимальные сочетания используемых параметров для разработанных алгоритмов. По результатам экспериментов, для каждого алгоритма даны рекомендации параметров (размер популяции, вероятности применения генетических операторов, число удаляемых элементов и др.), обеспечивающих возможность получения набора локальнооптимальных решений
3. Отметим, что применение композитного алгоритма для решения задачи нахождения максимального паросочетания в двудольном графе уменьшает время нахождения решения в 2-3 раза по сравнению с алгоритмом поиска решений в графе общего вида. При этом качество решений совпадает.
В результате выполненных теоретических и практических исследований по теме диссертационной работы реализованы следующие положения:
1. Приведена постановка задачи компоновки коммутационной схемы, как многоуровневое и бисекционное разбиение графов и гиперграфов на части по критерию числа внешних ребер. Проведен краткий анализ существующих методов разбиения графов и гиперграфов на части. Отмечено, что перспективными исследованиями являются разработка композитных алгоритмов для разбиения графов и гиперграфов, позволяющих частично решать проблемы предварительной сходимости и получать квазиоптимальные и оптимальные решения за полиномиальное время.
2. Разработаны новые и модифицированные генетические операторы, ориентированные на решения задач разбиения графов и гиперграфов на части. Преимущество этих методов в том, что при их использовании увеличивается вероятность «выживания» альтернативных решений с лучшим значением ЦФ и каждая новая генерация генетических алгоритмов приводит к сокращению интервала неопределенности, то есть области поиска.
3. Построена, ориентированная на задачу разбиения графа модификация базовой структуры генетического поиска. Разработан алгоритм компоновки блоков ЭВА на основе модифицированной раскраски графа. Временная сложность алгоритма лежит в пределах полиномиальной зависимости.
4. Построены алгоритмы разбиения графа на части на основе определения независимых, доминирующих подмножеств и клик графа, позволяющие в отличие от существующих получать наборы квазиоптимальных решений за полиномиальное время.
5. Разработан композитный алгоритм реализации стратегии «поиск-эволюция»для разбиения графа. Он использует идеи сжатия графа, построения максимального паросочетания и распаковки графа для получения качественных результатов разбиения за полиномиальное время.
6. Разработана инструментальная среда по исследованию характеристик алгоритмов компоновки блоков ЭВА, обладающая лучшими характеристиками по сравнению с известными программами эволюционного моделирования.
8. Проведены экспериментальные исследования по данным алгоритмам на тестовых примерах. По результатам экспериментов, для каждого алгоритма даны рекомендации параметров (размер популяции, вероятности применения генетических операторов, число удаляемых элементов и др.), обеспечивающих возможность получения набора локальнооптимальных решений за полиномиальное время.
Список литературы диссертационного исследования кандидат технических наук Сороколетов, Павел Валерьевич, 2004 год
1. Норенков И.П. Принципы построения и структура САПР. М.: Высшаяшкола,
2. Норенков И.П., Кузьмик П.К. Информационная поддержка наукоемкихизделии 3. Колчин986.
3. CALS-технологии. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. А.Ф. и др. Управление жизненным циклом продукции. М.: АнархаСис, 2002.
4. Евгеньев Г.Б. и др. CASE- технология создания многоагентных САПР изделий машиностроения. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.2, М.: Физматлит, 2003, с 41-46.
5. Грувер М., Зимерс Э. САПР и автоматизация производства. М.: Мир,19$7.
7. Корячко В.П., Курейчик В.М., Норенков И.П. Теоретические основы САПР. М.: Энергоатомиздат, 1987.
8. Курейчик В.М. Математическое обеспечение конструкторского и технологического проектирования с применением САПР. М.: Радио и связь, 1990.
9. Норенков И.П., Маничев В.Б. САПР ЭВА. М.: Высшая школа, 1983.
10. Гридин В.Н. Теоретические основы построения базовых адаптируемыхкомпонентов САПР МЭА. М.: Наука, 1989.
11. Вермишев Ю.Х. Основы автоматизированного проектирования. М.:1. Радио и связь, 1988.
12. Sherwani Naveed. Algorithms for VLSI Physical Design Automation, Kluwer Academic Publishers, Boston/Dordrecht/London, 1995.
13. Малышев Н.Г., Мицук H.B. Основы оптимального управления процессами автоматизированного проектирования. М.: Энергоатомиздат,
14. Морозов К.К. и др. Методы разбиения схем РЭА на конструктивно законченные части. М.: Советское радио, 1978.
15. Справочник конструктора РЭА. Общие принципы конструирования. Под ред. Р.Г. Варламова. М.: Советское радио, 1980.
16. Морозов К.К., Одиноков В.Г., Курейчик В.М. Автоматизированноепроектирование конструкций РЭА. М.: Радио и связь, 1983.
17. Бершадский A.M. Применение графов и гиперграфов для автоматизации конструкторского проектирования РЭА и ЭВА. Саратов: Изд-во СГУ, 1993.
18. Петухов Г.А., Смолич Г.Г., Юлин Б.И. Алгоритмические методы конструкторского проектирования узлов с печатным монтажом. М.: Радио и связь, 1987.
19. Мелихов А.Н., Берштейн Л.С., Курейчик В.М. Применение графов для проектирования дискретных устройств. М.: Наука, 1974.
20. Автоматизация проектирования БИС. В 6 кн. Под ред. Г.Г. Казеннова. М.: Высшая школа, 1990.
21. Кормен Т., Лейзерсон И., Ривест Р. Алгоритмы: построения и анализ. М.: МЦМО,2000.
22. Панадимитриу X., Стайниц К. Комбинаторная оптимизация. Алгоритмы и сложность. М.: Мир, 1983.
23. Гладков Л.А., Курейчик В.В., Курейчик В.М. Основы теории алгоритмов / под ред. В.М. Курейчика. Учебное пособие по курсу «Математическая логика и теория алгоритмов». Таганрог. ТРТУ, 2002.-82с.
24. Харари Ф. Теория графов. М.: Мир, 1977.
25. Кристофидес Н. Теория графов. Алгоритмический подход. М.: Мир, 1978.
26. Новиков Ф.А. Дискретная математика для программистов. СПб.: Питер, 2000.
27. Иванов Б.Н. Дискретная математика. М.: Лаборатория базовых знаний, 2001.
28. Зыков А.А. Основы теории графов. М.: Наука, 1987.
29. Базилевич Р.П. Декомпозиционные и топологические методы автоматизированного конструирования электронных устройств. Львов: Вища шк., 1981.
30. Петренко А.И. Тетельбаум А.Я. Модели электронных устройств при решении конструкторских задач. Кибернетика,№2,1978, с.47-54.
31. Глушань В.М. Графовые модели представления вычислительных алгоритмов. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.2, М.: Физматлит, 2003, с 133-138.
32. Баталов Б.В., Щемелинин В.М. Проектирование топологии интегральных схем на ЭВМ. М.: Машиностроение, 1979.
33. Нильсон Н. Принципы искусственного интеллекта.- М: Радио и связь, 1985. 376 с.
34. Сороколетов П.В. Коммутационные модели блоков ЭВА. Перспективные информационные технологии интеллектуальные системы, №2 (18), 2004, с.46-53.
35. Мелихов А.Н., Берштейн JI.C. Гиперграфы в автоматизации проектирования дискретных устройств. Ростов на-Дону. Изд-во РГУД981.
36. Курейчик В.М., Глушань В.М., Щербаков Л.И. Комбинаторные аппаратные модели и алгоритмы в САПР. М.: Радио и связь, 1990.
37. Петренко А.И., Тетельбаум А.Я., Шрамченко Б.Л. Автоматизация конструирования электронной аппаратуры (топологический подход). Киев: Вища шк., 1980.
38. Гатчин Ю.А., Коробейников А.Г. Методы представления математических моделей в САПР при концептуальном и инфологическом моделировании. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.2, М.: Физматлит, 2003, с 35-41.
39. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М.: Физматлит,2003.
40. Батищев Д.И., Львович Я.Е., Фролов В.Н. Оптимизация в САПР. Воронеж: Изд-во ВГУ, 1997.
41. Курицкий Б.Я. Оптимизация вокруг нас. Л.: Машиностроение, 1989.
42. Алексеев О.В. и др. Автоматизация проектирования радиоэлектронных средств. М.: Высшая школа,2000.
43. Чернышев Ю.О., Яценко О. В. Определение нечеткости в задачах оптимизации функционально распределенных систем обработки данных и подходы к ее решению. IEEE AIS-02, CAD-2002. Интеллектуальные системы, интеллектуальные САПР, М.: Физматлит, 2002, с. 74-78.
44. Курейчик В.В., Курейчик В.М. Перспективные технологии для решения оптимизационных задач. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.1, М.: Физматлит, 2003, с 59-67.
45. Karypis G., Aggarwal R., Kumar V., and Shekhar S. Multilevel hypergraph partitioning: Application in VLSI domain. In Proceedings of the Design and Automation Conference, 1997.
46. Karypis G., Kumar V. A coarse-grain parallel multilevel k-way partitioning algorithm. In Proceedings of the eighth SIAM conference on Parallel Processing for Scientific Computing, 1997.
47. Karypis G., Kumar V. hMETIS 1.5: A hypergraph partitioning package. Technical report, Department of Computer Science, University of Minnesota, 1998. Available on the WWWat URL http://www.cs.umn.edu/.metis.
49. Wolfe G., Wong J.L. and Potkonjak M.Watermarking Graph Partitioning Solutions. IEEE Transactions on CAD of Integrated Circuits and systems, V. 21, №10, October 2002, pp. 1196 1204.
52. Kernighan В., Lin S. An efficient heuristic procedure for partitioning graphs, Bell Syst. Tech.J., vol 49, Feb 1970, pp. 291-307.
53. Fiduccia C., Mattheyses R. A linear time heuristics for improving network partitions. Proceedings 19th АСМЛЕЕЕ Design automation conference, 1982, pp. 175-181.
54. Saab. Y. A new effective and efficient multi-level partitioning algorithm. Proceedings Design, Automation and Test in Europe Conference 2000, Paris, France, 27-30 March 2000, pp.112-116.
55. Хакен Г. Тайны природы. М.: Институт компьютерных исследований, 2003.
56. Дарвин Ч. Происхождение видов путем естественного отбора. М.: «Тайдекс Ко», 2003.
57. Эволюционная эпистемология и логика социальных наук: Карл Поппер и его критики// Составление Д.Г. Лахути, В.Н. Садовского, В.К. Финна. М.: Эдиториал УРСС, 2000.
58. Хедрик Ф. Генетика популяций. М.: Техносфера, 2003.
59. Holland John Н., Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control, and Artificial Intelligence. USA: University of Michigan, 1975.
60. Goldberg David E. Genetic Algorithms in Search, Optimization and Machine Learning. USA: Addison-Wesley Publishing Company, Inc., 1989.
61. Handbook of Genetic Algorithms. Edited by Lawrence Davis. USA: Van Nostrand Reinhold, New York, 1991.
62. Эволюционные вычисления и генетические алгоритмы. Составители Гудман Э.Д., Коваленко А.П. Обозрение прикладной и промышленной математики. М.: Изд-во ТВП, 1966.
63. Батищев Д.А. Генетические алгоритмы решения экстремальных задач. Воронеж: Изд-во ВГТУ, 1995.
66. Курейчик В.М. Генетические алгоритмы. Обзор и состояние. Новости искусственного интеллекта, №3, 1998, с. 14-64.
67. Курейчик В.М. Генетические алгоритмы: Состояние. Проблемы. Перспективы. Теория и системы управления РАН, Москва, N 1, 1999, с. 144-160.
68. Курейчик В.В., Курейчик В.М. Об управлении на основе генетического поиска. Автоматика и телемеханика. РАН, №10, Москва, 2001, стр. 174187.
69. Курейчик В.М., Курейчик В.В. Генетический алгоритм разбиения графа// Известия АН. Теория и системы управления, № 5, 1999, с.79-87.
70. Плеханов А.С. Компонентное разбиение в совместном проектировании аппаратно-программных средств на основе масштабируемых моделей IEEE AIS-02, CAD-2002. Интеллектуальные системы, интеллектуальные САПР, М.: Физматлит, 2002, с. 349-350.
71. Курейчик В.В.,Сороколетов П.В. Эволюционные алгоритмы разбиения графов и гиперграфов. Известия ТРТУ,№3, 2004, с.23-32.
72. Смирнова О.В. Модели эволюции в задачах компоновки схем ЭВА. Перспективные информационные технологии интеллектуальные системы, №1 (19), 2002, с.47-49.
73. Frohlich N., Glockel V., Fleischmann J. A new partitioning method for parallel simulation of VLSI circuits on transistor level. Proceedings Design,
74. Automation and Test in Europe Conference, 2000, Paris, France, 27-30 March 2000, pp.679-685.
75. Wei Y.C., Cheng C.K. A two-level two-way partitioning algorithm, Tech. report CH2924-9, University of California, San Diego, IEEE, 1990.
76. Ching-Wei Yeh, Chung-Kuan Cheng, Ting-Ting Y. Lin. A general purpose multiple way partitioning algorithm. Proceedings 28th ACM/IEEE Design Automation Conference, paper 25/1, 1991, pp.421-425.
77. Bui T. N., Moon B. R. Genetic algorithm and graph partitioning, IEEE Trans. Comput., vol.45, 1996, pp. 841-855.
78. Chandrasekharam R., Subhramanian and chadhurys. Genetic algorithms for node partitionaly problem and application in VLSI design. IEEE Proc-E, Vol.140, No.5, September, 1993. pp. 167 178.
79. Kling R.M., Banerjee P.: Placement by Simulated Evolution. IEEE Trans, on CAD, Vol.8, No.3, 1989. pp. 245-256.
80. Kling R.M. and Baneijee P. Empirical and Theoretical Studies of the Simulated Evolution Method applied to standard Cell Placement. IEEE Trans, on CAD, Vol.10, No.10, 1991. pp. 1303-1315.
81. Дубинин Н.П. Избранные труды, T.l. Проблемы гена и эволюции. М.: Наука,2000.
83. Попов Э. В. и др. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996.
84. Попов Э.В. Экспертные системы реального времени. Открытые системы №2(10), 1995. http://kiryushin.boom.ru/docs/esrv.htm.
85. Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.
86. Микони С.В. Взаимодействие БЗ и системы выбора. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999,с.68-72.
87. Джексон П. Введение в экспертные системы. М.: Издательский дом «Вильяме», 2001.
88. Дейт К. Введение в системы баз данных (седьмое издание).-М.: Вильяме. 2001.
89. Уотермен О. Руководство по экспертным системам. М.: Мир, 1989.
90. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы. Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990.
92. Тарасов В.Б. Интеллектуальные системы в проектировании. Новости ИИ, №4,1993, с.24-67.
93. Аверкин А.Н. и др. Приобретение и формализация знаний. Искусственный интеллект. М.: Радио и связь, 1990.
95. Сороколетов П.В. Спектральные методы для распознавания и классификации символьных объектов. Доклады 2-й конференции по компьютерной лингвистике. Тарту ЭССР, 1989, с.56-58.
96. Сороколетов П.В. Концепция диалоговой системы формализованных процедур извлечения экспертных знаний. Тезисы докладов отраслевого семинара «Новая информационная технология и проблемы управления». М.: ЦНИИатоминформ, 1990, с.78-80.
97. Ганночка А.В., Сороколетов П.В. Построение и использование баз знаний в среде СУБД типа dBASE/ЛГезисы докладов VI Всесоюзной научно-технической школы «Интеллектуальные банки данных». 7-8 марта 1990 г., пос. Бакуриани ГССР. Тбилиси, 1990, с.16-18.
98. Kelly G. The Psychology of Personal Constructs. Vols 1 and 2. Norton, New York, 1955.
99. Непейвода H.H. Прикладная логика. Издание 2-е. Новосибирск, изд-во Новосибирского университета, 2000.
100. Luger G. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Fourth Edition. Addison-Wesley Publishing Company, 2002.
101. Сороколетов П.В. Методы адаптации в задачах компоновки //Перспективные информационные технологии интеллектуальные системы, №1 (17), 2004, с.29-32.
102. Сороколетов П.В. Генетические операторы мутации на основе чисел Фибоначчи. Известия ТРТУ,№3, 2004, с. 197-198.
103. Лебедев Б.К. Методы поисковой адаптации в задачах автоматизированного проектирования СБИС. Таганрог, Изд-во ТРТУ, 2000.
105. Юб.Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М.: Изд-во МГТУ, 2002.
106. Цетлин М.Л. Исследования по теории автоматов и моделирование биологических систем.- М.: Наука, 1969.
107. Курейчик В.М., Мухлаев А.В. Моделирование адаптации в алгоритмах синтеза топологии электронных систем. Программные продукты и системы,№3, 2000, с. 13-16.
108. Нейман Ю. Вводный курс теории вероятностей и математической статистики. М.: Наука, 1968.
109. Хабарова И.В. Разработка среды эволюционного моделирования с динамическими параметрами DYNGEN. // Известия ТРТУ. 2002.№3, с.227.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.
Научная электронная библиотека disserCat — современная наука РФ, статьи, диссертационные исследования, научная литература, тексты авторефератов диссертаций.