Все выпуски

Разрабатывается программная система интеграции динамических моделей, неоднородных по своим математическим свойствам и/или по требованиям к шагу по времени. Предлагается семейство алгоритмов параллельного расчета гетерогенных моделей с разными шагами по времени. Применительно к слабосвязанным системам обыкновенных дифференциальных уравнений исследуется погрешность таких алгоритмов и их преимущество в затратах времени по сравнению с точными методами решения.

В работе методом Монте-Карло определены доли регулярной и хаотической компонент в динамике трехатомных ван-дер-ваальсовых кластеров при различных значениях полной энергии и углового момента. Используя метод эффективных мод, в работе объяснены немонотонность зависимости объема хаотической компоненты от величины углового момента и причины перехода от регулярного к хаотическому режиму движения.

В работе рассматривается кольцо гауссовых чисел. Методами аналитической теории чисел доказывается оценка модуля некоторого аналога тригонометрической суммы Г. Вейля с суммированием по гауссовым числам, мультипликативная норма которых меньше целого числа.

Предложена модифицированная двухшаговая итерационная техника, построенная по схеме метода наименьших квадратов, определяющая последовательные приближения к периодическим решениям уравнения Матье и его собственным функциям, значительно превосходящие по точности ранее известные результаты.

В работе предложен новый класс безитерационных схем (явно-неявных), который позволяет получать методы, повторяющие на линейных неавтономных задачах свойства лучших неявных жестко-точных методов Рунге–Кутты [Хайрер, Ваннер,1999] – RadauIIA и LobattoIIIC. Для этого используется понятие LN-эквивалентности методов [Ширков, 2012]. С использованием среды аналитических вычислений получены уравнения порядка и затухания таких методов и найдены коэффициенты некоторых схем до 3-го порядка включительно. Проводится численное исследование новых методов на классических тестах, применяемых для проверки схем, разрабатываемых для жестких систем.

Разработан метод преобразования поверхностного представления расчетной области в формат воксельных данных. Предложен алгоритм генерации расчетной шестигранной сетки на основе объемного формата данных.

Многомерные данные, при использовании значительно большего количества признаков относительно меньшего числа наблюдений, порождают хорошо известную проблему переопределённой задачи. В связи с этим, представляется целесообразным описание данных в терминах меньшего числа мета-признаков, которые вычисляются при помощи так называемых матричных факторизаций. Такие факторизации способствуют уменьшению случайного шума при сохранении наиболее существенной информации. Три новых и взаимосвязанных метода предложены в этой статье: 1) факторизационный механизм градиентного спуска с двумя (согласно размерности микрочипа) гибкими и адаптируемыми параметрами обучения, включая явные формулы их автоматического пересчета, 2) непараметрический критерий для отбора количества факторов, и 3) неотрицательная модификация градиентной факторизации, которая не требует дополнительных вычислительных затрат в сравнении с базовой моделью. Мы иллюстрируем эффективность предложенных методов в приложении к задаче направляемой классификации данных в области биоинформатики.

Предложен подход к увеличению эффективности алгоритма Гилла и Мюррея к построению ньютоновских методов безусловной оптимизации с регулировкой шага, основанных на факторизации Холецкого. Доказано, что стратегия выбора направления спуска определяет и решение проблемы масштабирования шагов при спуске, и аппроксимацию не квадратичными функциями, и интеграцию с методом доверительной окрестности.

В работе рассматривается задача распознавания графов коллективом агентов. Два агента-исследователя одновременно передвигаются по графу, считывают и изменяют метки элементов графа, передают необходимую информацию агенту-экспериментатору, который строит представление исследуемого графа. Построен алгоритм распознавания линейной (от числа вершин графа) временной сложности, квадратичной емкостной сложности и коммуникационной сложности равной O(n²·log(n)), где n — число вершин графа. Для распознавания два, передвигающиеся по графу, агента используют по две различные краски (всего три краски). Алгоритм основан на методе обхода графа в глубину.