Национальная металлургическая академия Украины
Методы многокритериального анализа (МКА) применяются в различных сферах деятельности, связанных с принятием решений: в ранжировании объектов, их классификации, в сравнительном анализе, в проектировании. Метод матрицы решений (ММР) относится к прямым методам количественного анализа решений. В системных задачах целесообразно использовать этот метод совместно с другими, такими как метод анализа иерархий, метод анализа сетей.
На кафедре информационных технологий и систем ведется разработка системы поддержки принятия решений (СППР), базирующейся на методах многокритериального анализа. Работа ведется по нескольким направлениям.
Рассмотрим концепцию системы в целом. Основной блок СППР, – блок многокритериального анализа, - представляет собой двухуровневую систему, включающую блок выбора метода (для конкретной задачи) и набор методов многокритериального сравнительного анализа, включающий метод матрицы решений.
С использованием гибкой методологии разработки SCRUM и языка программирования JavaEE выполнена программная реализация метода матрицы решений и обеспечена его работа в составе СППР. Разработан графический интерфейс.
Система NooTron (и метод анализа иерархий в её составе) будет использоваться в учебном процессе для изучения методов многокритериального анализа, предоставляя студентам среду и возможности для решения трудоемких задач. Также предполагается использование системы в решении научных и практических задач.
ДОСЛІДЖЕННЯ МЕТОДІВ КЛАСИФІКАЦІЇ ЦИФР НА ЗОБРАЖЕННЯХ
Курєвін К. С., керівник доц. Дорош Н.Л.
Національна металургійна академія України
В роботі вирішена задача класифікації цифр, які складають номери залізничних вагонів. Актуальність задачі пов’язана з практичною проблемою розпізнавання номерів вагонів, які получені за допомогою автоматизованих систем з використанням відеозйомки. В сучасних автоматизованих системах візуального контролю руху поїздів виникає проблема помилкової ідентифікації вагонів із-за неправильного розпізнавання номерів.
Методом ідентифікації цифр, які складають номер, обрано дискрімінантний аналіз [1]. Було визначено 12 дескрипторів: моменти F1-F7 [2], число Ейлера Eu, ексцентриситет Ec, коефіцієнт заповнення Ex, координати центру ваги Cx, Cy. Призначено 10 класів відповідно цифрам 1, 2, …, 9, 0. Проведено формування кореляційної і коваріаційної матриць багатовимірних даних.
Проведено розробку програмного засобу для класифікації у системі MatLab. На рисунку 1 проілюстровані вихідні дані для груп навчання (червоні) і тестування (сині).
Середні значення кожного дескриптору показані точками, а діапазон від максімального значення до мінімального - відрізками. Як видно з рисунку, найкращі результати - для цифри «7».
Рисунок 1 – дескриптори для класів цифр
На рисунку 2 показано дерево рішень для групи навчання, яке отримано в результаті використання програмного засобу, який розроблено.
Після етапу навчання було проведено етап тестування. Порівняльний аналіз результатів навчання і тестування показав необхідність проведення кореляційного аналізу дескрипторів, які обрані. За допомогою програмного засобу можно провести аналіз дескрипторів, які можуть бути корельовані. У такому разі необхідно провести класіфікацію з використанням методу головних компонент.
Таким чином, розроблено програмний засіб, який дозволяє проводити класіфікацію цифр, які складають номері вагонів.
Рисунок 2 – приклад результату класіфікаці
Література
1. Гайдышев И. П. Решение научных и инженерных задач средствами Excel, VBA и С/C++. – СПб: БХВ-Петербург, 2004. – 512 с.
2. Яне Б. Цифровая обработка изображений. М: Техносфера, 2007. – 584 с.
ПРОЕКТУВАННЯ ТА ОПТИМІЗАЦІЯ СТРУКТУРИ СИСТЕМИ ВІДЕОСПОСТЕРЕЖЕННЯ ЗА ПЛОЩАМИ ТОРГІВЕЛЬНОГО ЦЕНТРУ
Зєбзєєв Д. О., керівник доц. Дмитрієва І.С.
Національна металургійна академія України
У наш час охоронне відеоспостереження є найпопулярнішим технічним засобом безпеки у світі. Організація відеоспостереження значно зменшує шанси несанкціонованого проникнення на об'єкт. Система відеоспостереження має структуру, в яку входять відеокамери, облаштування запису (відеореєстратор) і відтворення (монітор). Завдання камери - зняти навколишню територію і передати відеозображення на облаштування запису, яке, у свою чергу, записує те, що відбувається і виводить відео з камер безпосередньо на монітор. Усі системи охоронного відеоспостереження ділять на два типи: дротяні і безпровідні. Застосування тієї або іншої технології залежить від особливостей об'єкту. Ще системи відеоспостереження розділяють на аналогові і цифрові [1]. Цифрове відеоспостереження в рази краще, ніж аналогове, але згодом і ціни на цифрові системи відеоспостереження будуть вищі. За допомогою такої охоронної системи можна забезпечити практично кожен об'єкт.
У цій роботі було вивчено план торгового центру, визначені місця для монтажу камер для вигіднішої і максимально захищеної території для замовника, оптимізували витрати на монтаж обладнання. Для цього було розроблено алгоритм оптимізацій витрат на встановлення мережі кабелів, який ураховує особливості приміщень та існуючю мережу комунікацій.
Література
1. Парк Дж., Маккей С, Райт Э. Передача данных в системах контроля и управления. Практическое руководство. — Группа ИДТ, 2007. — С. 480.
2. Новиков Ф.А. Дискретная математика для программистов. — 2-е изд. — СПб.: «Питер», 2005. — С. 364.
3. Зайцев А.П., Шелупанов А.А. Технические средства и методы защиты информации. Учебное пособие. – Томск: Изд-во Томск. гос. ун-та систем управления и радиоэлектроники, 2005. – 382 с.
ДОСЛІДЖЕННЯ ТА ПРОГРАМНА РЕАЛІЗАЦІЯ ІГРОВИХ СТРАТЕГІЙ
В УМОВАХ КОНФЛІКТНОЇ НЕВИЗНАЧЕНОСТІ
Олефір Т.Л., керівник доц. Новікова К.Ю.
Національна металургійна академія України
Математична теорія ігор зараз бурхливо розвивається, розглядаються динамічні ігри. Однак, математичний апарат теорії ігор - витратний. Його застосовують для виправданих завдань: політика, економіка монополій та розподілу ринкової влади і т.п [1]. Ряд відомих учених стали Нобелівськими лауреатами з економіки за внесок у розвиток теорії ігор, яка описує соціально-економічні процеси.
Ігри являють собою строго певні математичні об'єкти. Гра утворюється гравцями, набором стратегій для кожного гравця і вказівки виграшів, або платежів, гравців для кожної комбінації стратегій [2]. Більшість кооперативних ігор описуються характеристичної функцією, в той час як для інших видів частіше використовують нормальну або екстенсивну форму [3].
Ця робота присвячена дослідженню та програмній реалізації ігрових стратегій в умовах конфліктної невизначеності. У роботі вивчено математичний апарат логіки гри «Техаський Холдем 1 $ / 2 $». Стратегія гра апаратно реалізована з використанням можливостей мови С ++ та Visual Studio.
Література:
1. Петросян Л.А., Зенкевич Н.А., Семина Е.А. Теория игр: Учеб. пособие для ун-тов. — М.: Высш. шк., Книжный дом «Университет», 1998. — С. 304
2. Матричные игры. [Сборник переводов], под редакцией Н. Н.Воробьева, М., 1961
3. Нейман Дж. фон, Моргенштерн О., Теория игр и экономическое поведение, перевод с английского, М., 1970
АНАЛІЗ МЕТАЛОГРАФІЧНИХ ЗОБРАЖЕНЬ З ВИКОРИСТАННЯМ АЛГОРИТМІВ НЕЧІТКОЇ КЛАСТЕРИЗАЦІЇ
Капелюх А.В., керівник доц. Новікова К.Ю.
Національна металургійна академія України
Термін кластерний аналіз включає в себе набір різних алгоритмів класифікації. Загальне питання, що задається дослідниками у багатьох областях, полягає в тому, як організувати спостережувані дані в наочні структури, тобто розгорнути таксономії.
Кластерний аналіз (або автоматична класифікація, розпізнавання образів без вчителя, чисельна таксономія, кластер-аналіз) займає одне з центральних місць серед методів аналізу даних і представляє собою сукупність підходів, методів та алгоритмів, призначених для знаходження деякого розбиття досліджуваної сукупності об'єктів на підмножини щодо подібних, схожих між собою об'єктів [1].
В даній роботі проводився аналізметалографічних зображень, а саме на модельних зображеннях зразків колісного металу використовуючи алгоритм нечіткої кластеризації FCM - метод нечітких с – середніх [2]. Металографічний аналіз (зразки колісного металу) проводили в світлому полі зору з використанням світлових металографічних мікроскопів "Epiqwant" і "Neofot-21", модернізованого за допомогою установки цифрової відеокамери «Panasonic NV-CS1» підключеної до комп'ютерного комплексу. Шліфи виготовляли за стандартною методикою. Травлення вироблялося кожного зразка окремо і в новій порції травителя [3].
Література:
1. Н.Г. Ярушкина Основы теории нечетких и гибридных систем. Учебное пособие Издательство: Финансы и статистика, 2004 г. - 320 с.
2. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ – Петербург, 2003. – 736с.: ил.
3. ГОСТ 5639-82 «Стали и сплавы. Методы выявления и определения величины зерна» – М.: Издательство стандартов, 1983. – 21с.
РОЗРОБКА СТРУКТУРИ ІНФОРМАЦІЙНО-АНАЛІТИЧНОЇ СИСТЕМИ "ТОРГІВЛЯ ТА СКЛАД" З ВИКОРИСТАННЯМ ПЛАТФОРМИ DEDUCTOR
Лозицький Р.С., керівник доц. Новікова К.Ю.
Національна металургійна академія України
Deductor є аналітичною платформою, тобто основою для створення закінчених прикладних рішень. Реалізовані в Deductor технології дозволяють на базі єдиної архітектури пройти всі етапи побудови аналітичної системи: від створення сховища даних до автоматичного підбору моделей і візуалізації отриманих результатів.
Deductor надає аналітикам інструментальні засоби, необхідні для вирішення найрізноманітніших аналітичних завдань: корпоративна звітність, прогнозування, сегментація, пошук закономірностей - ці та інші завдання, де застосовуються такі методики аналізу, як OLAP, Knowledge Discovery in Databases і Data Mining. Deductor є ідеальною платформою для створення систем підтримки прийняття рішень.
Інформаційно-аналітична система - спеціалізоване програмне забезпечення, яке містить в собі всі інструменти, необхідні для здійснення процесу вилучення прихованих закономірностей з масивів даних. Зазвичай такі системи реалізують їх консолідацію в єдиному джерелі (сховище), вилучення, перетворення і трансформацію, аналітичні алгоритми та засоби візуалізації Data Mining, а також тиражування результатів [1].
"Торгівля і склад" включає в себе кілька важливих елементів, які присутні в переважній більшості проектів, реалізованих на базі Deductor. Воно містить налаштоване сховище даних, розвинену систему аналітичної звітності і великий набір моделей прогнозування продажів товарів і послуг (див. рис. 1) [2].
Рисунок 1 - Структура типового рішення "Торгівля і склад"
Розвиток системи аналізу даних - це процес адаптації під найдрібніші вимоги бізнесу. Будуючи свою інформаційно-аналітичну систему на базі платформи Deductor, можна перетворити цей процес у циклічний. На кожному новому етапі можна повноцінно користуватися розробленими засобами і моделями, не зупиняючи в той же час процес подальшого вдосконалення [3].
Література:
1. Базы знаний интеллектуальных систем / Т.А.Гаврилова, В.Ф.Хорошевский – СПб: Питер, 2000 – 384 с.
2. Інтернет – ресурс: http://www.basegroup.ru/
3. BaseGroup Labs. Deductor. Руководство администратора. Версия 5.2, 2009 – 43 с
4. .
ОБРОБКА ПОСЛІДОВНОСТІ РАСТРОВИХ ЗОБРАЖЕНЬ ДЛЯ ОЦІНКИ ГЕОМЕТРИЧНИХ ХАРАКТЕРИСТИК ПЛАЗМОВОГО ПУЧКА
Півень О.О., керівник доц. Новікова К.Ю.
Національна металургійна академія України
Растрова графіка застосовується у випадках, коли графічний об'єкт представлено у вигляді комбінації точок (пікселів), яким притаманні свій колір та яскравість і які певним чином розташовані у координатній сітці. Такий підхід є ефективним у разі, коли графічне зображення має багато напівтонів і інформація про колір важливіша за інформацію про форму (фотографії та поліграфічні зображення). При редагуванні растрових об'єктів, користувач змінює колір точок, а не форми ліній. Растрова графіка залежить від оптичної роздільності, оскільки її об'єкти описуються точками у координатній сітці певного розміру [1,2].
Експеримент проводився на кафедрі фізики НМетАУ (лабораторія електроно-проміневих процесів), для проведення зйомки використовувалося наступне обладнання:
- дзеркальна фотокамера, зі змінними об’єктивами;
- штатив;
- ноутбук з встановленими допоміжними програмами.
Фотокамера була встановлена на невеликій відстані від установки, в котрій проводився експеримент і налаштована для зйомки яскравих об’єктів у швидкісному режимі.
За результатами експерименту було отримано послідовність растрових зображень, яка представляє собою велику кількість фотографій протікаючого у лабораторії процесу горіння плазми. Кількість зображень у послідовності 60 за секунду. Для подальшої оцінки геометричних характеристик плазмового пучка було обрано ППП MATLAB [3].
Література:
1. Дьяконов В. П., Абраменкова И. В. MATLAB. Обработка сигналов и изображений. Специальный справочник. — СПб.: «Питер», 2002. — С. 608.
2. Інтернет – ресурс: http://matlab.exponenta.ru/imageprocess/
3. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. -Техносфера, 2006. – С. 616.
РОЗРОБКА СТРУКТУРИ СИСТЕМИ ІНТЕЛЕКТУАЛЬНОГО УПРАВЛІННЯ РОЗДРІБНОЇ АПТЕЧНОЇ МЕРЕЖІ
НА ОСНОВІ ПРОГРАМНОГО КОМПЛЕКСУ DEDUCTOR
Усик О.В., керівник доц. Новікова К.Ю.
Національна металургійна академія України
Роздрібний аптечний бізнес в даний час є дуже динамічною і швидко розвивається галуззю. Пов'язано це багато в чому зі зміною структури споживчого попиту і, як наслідок, прагненням бізнесу задовольнити зростаючі потреби клієнтів вести здоровий спосіб життя. За даними соціологічних опитувань, для покупців найбільш важливими факторами ідеальної аптеки є широта асортименту (69%), доступність цін (65%) і зручне місцерозташування (38%). Незаперечна перевага за цими показниками мають мережеві організації. Але управління розгалуженої аптечної мережею є складним завданням, вирішити яку без застосування розвинених засобів побудови звітів, консолідації та аналізу даних практично неможливо. Представлений кейс - аналітичне рішення для оптимізації роботи роздрібної аптечної мережі, побудоване на базі програмного комплексу Deductor [1-3]. Кейс включає в себе:
- сховище даних для консолідованого зберігання інформації про роботу мережі аптек. Зберігання інформації в одному сховищі не тільки прискорює доступ до неї, але також дає можливість при аналізі знаходити такі закономірності у вихідних даних, які в іншому випадку залишилися б непоміченими;
- розвинені механізми аналітичної звітності, без яких неможливо забезпечити прийняття чітких і обґрунтованих рішень з управління бізнесом;
- сценарії аналізу даних, що включають прогнозування обсягів продажів, аналіз сезонності, формування листа замовлень. За допомогою цих механізмів значно спрощується рішення задач оптимізації закупівель у постачальників, управління складськими запасами та формування асортименту [3].
Застосування інтелектуальних алгоритмів [1] для аналізу економічної інформації дозволяє серйозно поліпшити організацію планування та управління бізнесом. Самі по собі накопичені дані марні до тих пір, поки не будуть перетворені в інформацію, необхідну в даний момент часу. Величезним потенціалом в цьому плані мають аналітичні системи, що дозволяють створювати закінчені рішення в різних областях економічної діяльності. В світі сучасного бізнесу володіння інформацією та її вміле використання принесе результати, що здавалися раніше недосяжними.
Література:
1. Базы знаний интеллектуальных систем / Т.А.Гаврилова, В.Ф.Хорошевский – СПб: Питер, 2000 – 384 с.
2. Інтернет – ресурс: http://www.basegroup.ru/
3. BaseGroup Labs. Deductor. Руководство администратора. Версия 5.2, 2009 – 43 с.
ОБРОБКА ТА АНАЛІЗ СИГНАЛІВ У СЕРЕДОВИЩІ LABVIEW
Нагайникова О.М., керівник доц. Новікова К.Ю.
Національна металургійна академія України
Графічні пакети легко освоюються не тільки програмістами - професіоналами, але і користувачами, які не мають досвіду програмування. З одного боку сучасні графічні системи дозволяють створювати програми, практично не поступаються по ефективності програм, написаним в текстових пакетах. З іншого боку в більшості випадків графічні програми більш наочні, легше модифікуються і налагоджують, швидше розробляються. Безсумнівним достоїнством графічних систем програмування є те, що розробником програми може бути сам постановник завдання - інженер, технолог.
LabVIEW (Laboratory Virtual Instrument Engineering Workbench) дозволяє розробляти прикладне програмне забезпечення для організації взаємодії з вимірювальною і управляючою апаратурою, збору, обробки і відображення інформації та результатів розрахунків, а також моделювання як окремих об'єктів, так і автоматизованих систем в цілому. Розробником LabVIEW є американська компанія National Instruments.
На відміну від текстових мов, таких як C, Pascal та ін, де програми складаються у вигляді рядків тексту, в LabVIEW програми створюються у вигляді графічних діаграм, подібних звичайним блок-схемами. Іноді можна створити додаток, взагалі не торкаючись до клавіатури комп'ютера [1].
LabVIEW є відкритою системою програмування і має вбудовану підтримку всіх вживаних в даний час програмних інтерфейсів, таких як Win32 DLL, COM.NET, DDE, мережевих протоколів на базі IP, DataSocket та ін До складу LabVIEW входять бібліотеки управління різними апаратними засобами і інтерфейсами, такими як PCI, CompactPCI / PXI, VME, VXI, GPIB (КОП), PLC, VISA, системами технічного зору та ін Програмні продукти, створені з використанням LabVIEW, можуть бути доповнені фрагментами, азработаннимі на традиційних мовах програмування, наприклад C / С ++, Pascal, Basic, FORTRAN. І навпаки можна використовувати модулі, розроблені в LabVIEW в проектах, які створюються в інших системах програмування. Таким чином, LabVIEW дозволяє розробляти практично будь-які додатки, які взаємодіють з будь-якими видами апаратних засобів, підтримуваних операційною системою комп'ютера.
Використовуючи технологію віртуальних приладів, розробник може перетворити стандартний персональний комп'ютер та набір довільного контрольно-вимірювального обладнання в багатофункціональний вимірювально-обчислювальний комплекс [2].
Безсумнівним достоїнством LabVIEW є те, що розробнику і користувачеві доступні функціонально ідентичні системи програмування для різних операційних систем, таких як Microsoft Windows 95/98/NT/2000/XP, Linux, MacOS.
Література:
1. Н.А. Виноградова, Я.И. Листратов, Е.В. Свиридов. «Разработка прикладного программного обеспечения в среде LabVIEW». Учебное пособие – М.: Издательство МЭИ, 2005.
2. Суранов А. Я. LabVIEW 7: справочник по функциям. – М.: ДМК Пресс, 2005. – 512 с.
ПРОГРАМНА РЕАЛІЗАЦІЯ ТА ДОСЛІДЖЕННЯ РОБОТИ ПРИРОДНИХ АЛГОРИТМІВ ГЛОБАЛЬНОЇ ОПТИМІЗАЦІЇ
Белан Є.П., керівник доц. Михайловська Т.В.
Національна металургійна академія України
Як відомо, під оптимізацією розуміють процес вибору найкращого варіанта з усіх можливих. З точки зору інженерних розрахунків методи оптимізації дають можливість вибрати найкращий варіант конструкції, найкраще розподілення ресурсів тощо. У процесі розв’язання задачі оптимізації зазвичай потрібно знайти оптимальне (мінімальне чи максимальне) значення деяких параметрів, які визначають задачу.
При вирішенні конкретної задачі оптимізації дослідник перш за все повинен обрати математичний метод, який приводив би до кінцевих результатів з найменшими витратами на обчислення або ж давав можливість отримати найбільший обсяг інформації про рішення задачі оптимізації. Вибір того чи іншого методу в значній мірі визначається постановкою задачі оптимізації, а також математичною моделлю об'єкта оптимізації.
В останні два десятиліття при оптимізації складних систем дослідники все частіше застосовують природні механізми пошуку найкращих рішень. Це механізми що забезпечують ефективну адаптацію флори і фауни до навколишнього середовища протягом мільйонів років і саме тому є ефективними, для розв’язання тих задач оптимізації які досить складно розв’язати класичними методами.
Сьогодні інтенсивно розробляється науковий напрямок Natural Computing – «Природні обчислення», що об’єднує методи з природними механізмами прийняття рішень, а саме:
– Genetic Algorithms – генетичні алгоритми;
– Evolution Programming – еволюційне програмування;
– Neural Network Computing – нейро-мережеві обчислення;
– DNA Computing – ДНК-обчислення;
– Cellular Automata – клітинні автомати;
– Ant Colony Algorithms –мурашині алгоритми.
У зв’язку з тим, що наведені вище алгоритми є рідко вживаними для розв’язання практичних оптимізаційних задач, програмна реалізація та дослідження роботи природних алгоритмів глобальної оптимізації є актуальною.
АНАЛІЗ ТА ПРОГРАМНА РЕАЛІЗАЦІЯ АЛГОРИТМУ
ПРОГНОЗУВАННЯ ОБСЯГІВ ПРОДАЖІВ НА РИНКУ
ПРИСТРОЇВ ДЛЯ ЗБЕРЕЖЕННЯ ІНФОРМАЦІЇ
Хитренко С.В., керівник доц. Михайловська Т.В.
Національна металургійна академія України
Твердотільні SSD-накопичувачі з’явилися в широкому продажі всього років п’ять тому, хоча в авіаційній і військової техніці вони застосовуються з 1995 року, коли компанія M-Systems представила перші в світі серійні «харди» на основі мікросхем флеш-пам’яті.
Сьогодні вони вважаються одними з найбільш перспективних носіїв даних, які повинні прийти на зміну порядку затримали на ринку «вінчестерам». До переваг SSD накопичувачів відноситься: відсутність механічних складових, швидкість читання і запису відповідає швидкості роботи жорстких дисків з інтерфейсом (SATA2 – 3 Гб/с, SATA3 – 6 Гб/с), низьке споживання енергії, низький рівень шуму (через відсутність рухомих частин), висока стійкість до механічних впливів (падіння, удари), стабільність часу зчитування файлів незалежно від їх розташування або фрагментації, малі габарити і вага, широкий потенціал для поліпшення характеристик і технологій виробництва. Недоліками SSD накопичувачів є: обмеження на кількість циклів перезапису: (MLC, Multi-level cell, багаторівневі комірки пам’яті) флеш-пам’яті – близько 10 000 разів, більш дорогі типи пам’яті (SLC, Single-level cell, однорівневі осередки пам’яті) – близько 100 000 разів та висока ціна SSD накопичувача.
Саме тому задача використання статистичних алгоритмів прогнозування продажів для аналізу ринку пристроїв для збереження інформації є актуальною. Розглянуто переваги та недоліки використання методів Вінтерса та ARIMA в задачі прогнозування продажів на ринку твердотільних SSD-накопичувачів.
ПРОГРАМНА РЕАЛІЗАЦІЯ ТА ТЕСТУВАННЯ МОДИФІКОВАНОГО АЛГОРИТМУ ОБЧИСЛЕННЯ ФРАКТАЛЬНОЇ РОЗМІРНОСТІ ЗОБРАЖЕНЬ