Все выпуски

Вывозка лесоматериалов из удаленных лесозаготовительных районов Сибири характеризуется высоким уровнем транспортных издержек. Наличие протяженных участков грунтовых лесовозных дорог, сезонные ограничения (весенняя распутица, зимники) и значительные расстояния от лесосек до магистральных транспортных узлов (50–200 км) обусловливают необходимость систематического решения задачи рационального планирования маршрутов вывозки.

В настоящей работе предложена математическая модель двухэшелонной маршрутизации транспортных средств (2E-VRP), адаптированная к условиям вывозки лесоматериалов в макрорегионе Урала и Сибири. Модель учитывает переменные транспортные затраты (пробег лесовозов), фиксированные затраты на задействование каждой единицы техники ($c_{fix}$ = 30 000 руб./рейс) и ограничения грузоподъемности. Задача приведена к форме QUBO — квадратичной безусловной бинарной оптимизации; емкостные ограничения интегрированы посредством штрафного коэффициента $\lambda_{cap} = 500$. Такое представление обеспечивает совместимость модели с современными специализированными решателями (квантовыми отжигателями и цифровыми аннилерами).

Апробация модели выполнена на реальной географии Уральского и Сибирского федеральных округов: 207 узлов логистической сети, 65 предприятий-потребителей, 8 магистральных транспортных узлов. Предложенный трехстадийный алгоритм «Допустимость прежде всего» формирует допустимый маршрутный план за 1,7 с и обеспечивает снижение суммарных транспортных затрат на 69% относительно базового генетического алгоритма. Последующая оптимизация методом имитации отжига дополнительно улучшает значение целевой функции QUBO на 55%.

Работа посвящена разработке безитерационного метода решения обратной задачи для уравнения параболического типа с неизвестным нестационарным коэффициентом при первой производной по пространственной переменной. Условие переопределения задается в виде определенного интеграла от искомой функции с весовым множителем по области определения пространственной переменной либо по ее части. Актуальность данного исследования обусловлена необходимостью диагностики динамических параметров в прикладных задачах, в частности, при моделировании процессов переноса в биологических жидкостях, где скорость потока может меняться во времени. В отличие от распространенных итерационных методов, требующих значительных вычислительных затрат и тщательного выбора параметров регуляризации, предлагается оригинальный метод, основанный на декомпозиции решения, суть которого состоит в том, что на каждом временном слое в представлении решения обратной задачи в виде линейной комбинации решений двух вспомогательных систем уравнений с одинаковой матрицей и различными правыми частями, с последующим определением неизвестного коэффициента из дискретного аналога заданного условия переопределения. Такой подход позволяет находить неизвестный коэффициент без организации итерационного процесса. При учете неточных условий переопределения наибольшая точность восстановления решения обратной задачи достигается на квазирешении прямой задачи. Представлены результаты численной реализации предложенного вычислительного алгоритма на тестовых примерах, подтвердившие высокую точность определения искомых функций при достаточно слабых возмущениях условия переопределения. Полученные результаты открывают перспективы применения метода в задачах медицинской диагностики и других областях, где требуется оперативная обработка экспериментальных данных.

В статье представлены результаты экспериментальных и теоретических исследований кинетики проникновения эритрозина в молекулы коллагеназы. Рассматривается случай с введением вещества — флуоресцентного зонда, молекул, которого способны образовывать димеры, в раствор фермента в случае инъекции. Показано, что в молекулы фермента могут проникать как мономеры, так и димеры зонда, образуя комплексы мономер-фермент и димер-фермент. При этом в каждый момент времени происходит трансформация спектра флуоресценции зонда: наблюдается сдвиг максимума спектра и изменение его формы. В то же время иммобилизованные димеры красителя вносят существенный вклад в формирование итогового спектра флуоресценции. Хорошее соответствие экспериментальных и теоретических результатов подтверждает достоверность полученных данных.

В современном мире, ориентированном на технологии, легкие устройства, такие как устройства Интернета вещей (IoT) и микроконтроллеры (MCU), становятся все более распространенными. Эти устройства более энергоэффективны и доступны по цене, но часто обладают урезанными возможностями, по сравнению со стандартными версиями, такими как ограниченная память и вычислительная мощность. Современные модели машинного обучения могут содержать миллионы параметров, что приводит к значительному росту требований по объему памяти. Эта сложность не только затрудняет развертывание больших моделей на устройствах с ограниченными ресурсами, но и увеличивает риск задержек и неэффективности при обработке данных, что критично в случаях, когда требуются ответы в реальном времени, таких как автономное вождение или медицинская диагностика.

В последние годы нейронные сети достигли значительного прогресса в методах оптимизации моделей, что помогает в развертывании и инференсе на этих небольших устройствах. Данный обзор представляет собой подробное исследование прогресса и последних достижений в оптимизации нейронных сетей, сосредотачиваясь на ключевых областях, таких как квантизация, прореживание, дистилляция знаний и поиск архитектур нейронных сетей. Обзор рассматривает, как эти алгоритмические решения развивались и как новые подходы улучшили существующие методы, делая нейронные сети более эффективными. Статья предназначена для исследователей, практиков и инженеров в области машинного обучения, которые могут быть незнакомы с этими методами, но хотят изучить доступные техники. В работе подчеркиваются текущие исследования в области оптимизации нейронных сетей для достижения лучшей производительности, снижения потребления энергии и ускорения времени обучения, что играет важную роль в дальнейшей масштабируемости нейронных сетей. Кроме того, в обзоре определяются пробелы в текущих исследованиях и закладывается основа для будущих исследований, направленных на повышение применимости и эффективности существующих стратегий оптимизации.

В статье рассматриваются математические аспекты проблемы идентификации многокомпонентной рассеивающей среды по данным импульсного мультиэнергетического рентгеновского облучения. Задачи рентгеновской диагностики представляют значительный интерес как с теоретической, так и с практической точки зрения, а радиографические методыне заменимы при неразрушающем контроле изделий.

В рамках математической модели на основе нестационарного интегро-дифференциального уравнения переноса излучения сформулированы обратная задача нахождения коэффициента ослабления по излучению, известному на границе области, и задача идентификации вещества по найденным значениям коэффициента ослабления на дискретном наборе энергий облучения среды. Проведена предварительная обработка широкого списка веществ, представляющих интерес в компьютерной томографии, на предмет возможности их идентификации по приближенно заданному коэффициенту ослабления излучения, характеризующему среду. При анализе степени близости веществ в некоторой норме установлено, что множество всех возможных веществ, потенциально содержащихся в среде, распадается на конечное число непересекающихся кластеров. При достаточно малой длительности зондирующего сигнала рассеивающая составляющая выходящего из среды излучения асимптотически мала. Это обстоятельство позволяет свести обратную задачу для уравнения переноса излучения к задаче обращения преобразования Радона от коэффициента ослабления. Методами численного моделирования на специально разработанном цифровом фантоме анализируется возможность однозначной или частичной идентификации вещества при варьировании длительности зондирующего импульса и числа энергетических уровней облучения среды.