Все выпуски

В работе предлагается многоагентная локально-нелокальная модель образования глобальной структуры городов с условным названием Technoscape. Technoscape можно в определенной степени считать также моделью возникновения глобальной экономики. Текущий вариант модели рассматривает очень простые способы поведения и взаимодействия агентов, при этом модель демонстрирует весьма интересные пространственно-временные паттерны.

Под локальностью и нелокальностью понимаются пространственные характеристики способа взаимодействия агентов друг с другом и с географическим пространством, на котором разворачивается эволюция системы. Под агентом понимается условный ремесленник, семья или промышленно-торговая фирма, причем не делается разницы между производством и торговлей. Агенты размещены на ограниченном двумерном пространстве, разбитом на квадратные ячейки, и перемещаются по нему. Модель демонстрирует процессы высокой концентрации агентов в выделенных ячейках, что трактуется как образование Technoscape: мультиагентная модель эволюции «сетигородов». Происходит постоянный процесс как возникновения, так и исчезновения городов. Агенты живут Technoscape: мультиагентная модель эволюции «сетивечно», не мутируют и не эволюционируют, хотя это перспективное направление развития модели.

Система Technoscape демонстрирует качественно новый вид самоорганизации. Частично эта самоорганизация напоминает поведение модели сегрегации по Томасу Шеллингу, однако эволюционные правила Technoscape существенно иные. В модели Шеллинга существуют лавины, но без добавления новых агентов в системе существуют простые равновесия, в то время как в Technoscape не существует даже строгих равновесий, в лучшем случае квазиравновесные, медленно изменяющиеся состояния.

Нетривиальный результат в модели Technoscape, также контрастирующий с моделью сегрегации Шеллинга, состоит в том, что агенты проявляют склонность к концентрации в больших городах даже при полном игнорировании локальных связей.

При этом, хотя агенты и стремятся в большие города, размер города не является гарантией стабильности. По ходу эволюции системы происходит постоянное Technoscape: мультиагентная модель эволюции «сетипереманивание» жителей в другие города такого же класса.

Данная работа предлагает новый подход к построению высокоточных маршрутов на основе данных от транспортных детекторов в пакете моделирования трафика SUMO. Существующие инструменты, такие как flowrouter и routeSampler, имеют ряд недостатков, таких как отсутствие взаимодействия с сетью в процессе построения маршрутов. Наш rlRouter использует мультиагентное обучение с подкреплением (MARL), где агенты — это входящие полосы движения, а окружающая среда — дорожная сеть. Добавляя в сеть транспортные средства с определенными маршрутами, агенты получают вознаграждение за сопоставление данных с детекторами транспорта. В качестве алгоритма мультиагентного обучения с подкреплением использовался DQN с разделением параметров между агентами и LSTM-слоем для обработки последовательных данных.

Поскольку rlRouter обучается внутри симуляции SUMO, он может лучше восстанавливать маршруты, принимая во внимание взаимодействие транспортных средств внутри сети друг с другом и с сетевой инфраструктурой. Мы смоделировали различные дорожные ситуации на трех разных перекрестках, чтобы сравнить производительность маршрутизаторов SUMO с rlRouter. Мы использовали среднюю абсолютную ошибку (MAE) в качестве меры отклонения кумулятивных данных детекторов и от данных маршрутов. rlRouter позволил добиться высокого соответствия данным с детекторов. Мы также обнаружили, что, максимизируя вознаграждение за соответствие детекторам, результирующие маршруты также становятся ближе к реальным. Несмотря на то, что маршруты, восстановленные с помощью rlRouter, превосходят маршруты, полученные с помощью инструментов SUMO, они не полностью соответствуют реальным из-за естественных ограничений петлевых детекторов. Чтобы обеспечить более правдоподобные маршруты, необходимо оборудовать перекрестки другими видами транспортных счетчиков, например, детекторами-камерами.

Система гемостаза представляет собой одну из ключевых защитных систем организма, которая присутствует практически во всех его жидких тканях, но наиболее важна в крови. Она активируется при различных повреждениях стенки сосуда, и взаимодействие ее специализированных клеток и гуморальных систем приводит сначала к формированию гемостатического сгустка, останавливающего потерю крови, а затем к постепенному растворению этого сгустка. Образование гемостатического тромба — уникальный с точки зрения физиологии процесс, так как за время порядка минуты система гемостаза образует сложные структуры, имеющие пространственный масштаб от микрометров (в случае повреждения микрососудов или стыков между отдельными эндотелиальными клетками) до сантиметра (в случае повреждения крупных магистральных артерий). Гемостатический ответ зависит от множества скоординированных и параллельно идущих процессов, включающих адгезию тромбоцитов, их активацию, агрегацию, секрецию различных гранул, изменение формы, состава внешней части липидного бислоя, контракцию тромба и образование фибриновой сети в результате работы каскада свертывания крови. Компьютерное моделирование представляет собой мощный инструмент для исследования этой сложной системы и решения практических задач в этой области на разных уровнях организации: от внутриклеточной сигнализации в тромбоцитах, моделирования гуморальных систем свертывания крови и фибринолиза и до разработки многомасштабных моделей тромбообразования. Проблемы, связанные с компьютерным моделированием биологических процессов, можно разделить на две основные категории: отсутствие адекватного физико-математического описания имеющихся в литературе экспериментальных данных из-за сложности биологических систем (проблема отсутствия адекватной теоретической модели биологических процессов) и проблема высокой вычислительной сложности некоторых моделей, которая не позволяет применять их для исследования физиологически интересных сценариев. Здесь мы рассмотрим как некоторые принципиальные проблемы в области моделирования свертывания крови, которые до сих пор остаются нерешенными, так и прогресс в экспериментальных исследованиях гемостаза и тромбоза, ведущий к пересмотру многих ранее принятых представлений, что необходимо отразить в новых компьютерных моделях этих процессов. Особое внимание будет уделено нюансам артериального, венозного и микрососудистого тромбоза, а также проблемам фибринолиза и тромболизиса. В обзоре также кратко обсуждаются основные типы используемых математических моделей, их сложность с точки зрения вычислений, а также принципиальные вопросы, связанные с возможностью описания процессов тромбообразования в артериях.

Проведение эффективной региональной политики с целью стабилизации производства невозможно без анализа динамики протекающих экономических процессов. Данная статья посвящена разработке математической модели, отражающей взаимодействие нескольких экономических агентов с учетом их интересов. Разработка такой модели и ее исследование может рассматриваться в качестве важного шага в решении теоретических и практических проблем управления экономическим ростом.

Методами математического моделирования оценивается спектр влияния зоопланктона на динамику обилия фитопланктона. Предложена трехкомпонентная модель сообщества «фитопланктон–зоопланктон» с дискретным временем, рассматривающая неоднородность зоопланктона по стадии развития и типу питания, учтено наличие каннибализма в сообществе зоопланктона, в процессе которого зрелые особи некоторых его видов поедают ювенильных. Процессы взаимодействия зоо- и фитопланктона в явном виде учтены в выживаемостях на ранних стадиях жизненного цикла зоопланктона; а также явно рассматривается убыль фитопланктона в результате выедания его биомассы зоопланктоном; используется трофическая функция Холлинга II типа для описания насыщения при потреблении биомассы. Динамика фитопланктонного сообщества представлена уравнением Рикера, что позволяет неявно учитывать ограничение роста биомассы фитопланктона доступностью внешних ресурсов (минерального питания, кислорода, освещенности и т. п.).

Проанализированы сценарии перехода от стационарной динамики к колебаниям численности фито- и зоопланктона при различных значениях внутрипопуляционных параметров, определяющих характер динамики каждого из составляющих сообщество видов, и параметров их взаимодействия. Основное внимание уделено изучению огромного разнообразия сложной динамики сообщества. В рамках используемой в работе модели, описывающей динамику фитопланктона в отсутствие межвидового взаимодействия, происходит усложнение его динамики через серию бифуркаций удвоения периода. При этом с появлением зоопланктона каскад бифуркаций удвоения периода у фитопланктона и сообщества в целом реализуется раньше (при более низких скоростях воспроизводства клеток фитопланктона), чем в случае, когда фитопланктон развивается изолированно. При этом вариация уровня каннибализма зоопланктона способна значительно изменить как существующий в сообществе режим динамики, так и его бифуркацию; при определенной структуре пищевых отношений зоопланктона возможна реализация сценария Неймарка–Сакера в сообществе. Учитывая, что уровень каннибализма зоопланктона может меняться из-за естественных процессов созревания особей отдельных видов и достижения ими плотоядной стадии, можно ожидать выраженные изменения динамического режима в сообществе: резкие переходы от регулярной к квазипериодической динамике (по сценарию Неймарка–Сакера) и далее к точным циклам с небольшим периодом (обратная реализация каскада удвоения периода).

В рамках актуальной проблемы кометно-астероидной опасности численно исследуются физические процессы, вызывающие разрушение и фрагментацию метеорных тел в атмосфере Земли. На основе разработанной физико-математической модели, определяющей движение космических объектов естественного происхождения в атмосфере и их взаимодействия с ней, рассмотрено падение трех одних из самых крупных и по некоторым показателям необычных болидов в истории метеоритики: Тунгусского, Витимского и Челябинского. Их необычность заключается в отсутствии каких-либо материальных метеоритных останков и кратеров в районе предполагаемого места падения для двух первых тел и необнаружении, как предполагается, основного материнского тела для третьего тела (из-за слишком малого количества массы выпавших осколков по сравнению с оценочной массой). Изучено воздействие аэродинамических нагрузок и тепловых потоков на эти тела, приводящее к интенсивному поверхностному уносу массы и возможной фрагментации. Скорости изучаемых небесных тел, изменение их масс определяются из модернизированной системы уравнений теории метеорной физики. Важный фактор, который здесь учитывается, — это переменность параметра уноса массы метеорита под действием тепловых потоков (радиационных и конвективных) вдоль траектории полета. Процесс фрагментации болидов в настоящей работе рассматривается в рамках модели прогрессивного дробления на основе статистической теории прочности с учетом влияния масштабного фактора на предел прочности объектов. Выявлены явления и эффекты, возникающие при различных кинематических и физических параметрах каждого из этих тел. В частности, изменение баллистики их полета в более плотных слоях атмосферы, заключающееся в переходе от режима падения к режиму подъема. При этом возможна реализация следующих сценариев события: первый— возврат тела обратно в космическое пространство при его остаточной скорости, большей второй космической; второй — переход тела на орбиту спутника Земли при остаточной скорости, большей первой космической; третий — при меньших значениях остаточной скорости тела возвращение его через некоторое время к режиму падения и выпадение на значительном расстоянии от предполагаемого места падения. Именно реализация одного из этих трех сценариев события объясняет, например, отсутствие материальных следов, в том числе и кратеров в случае Тунгусского болида в окрестности вывала леса. Предположения о возможности таких сценариев события высказывались и ранее другими авторами, а в настоящей работе их реализация подтверждена результатами численных расчетов.

В статье описывается имитационная агентная модель межкультурных взаимодействий в стране, население которой принадлежит к разным культурам. Считается, что пространство культур может быть представлено как гильбертово пространство, в котором различным культурам соответствуют определенные подпространства. В модели понятие «культура» понимается как некоторое структурированное подпространство гильбертова пространства. Это позволяет описывать состояние агентов вектором в гильбертовом пространстве. Считается, что каждый агент описывается принадлежностью к определенной культуре. Численности агентов, принадлежащие определенным культурам, определяются демографическими процессами, которые соответствуют данным культурам, глубиной и целостностью образовательного процесса, а также интенсивностью межкультурных контактов. Взаимодействие между агентами происходит внутри кластеров, на которые по определенным критериям разбивается все множество агентов. При взаимодействии между агентами по определенному алгоритму изменяются длина и угол, характеризующий состояние агента. В процессе имитации в зависимости от количества агентов, относящихся к различным культурам, интенсивности демографических и образовательных процессов, а также интенсивности межкультурных контактов формируются совокупности агентов (кластеры), агенты которых принадлежат разным культурам. Такие межкультурные кластеры не принадлежат целиком ни к одной из рассматриваемых первоначально в модели культур. Такие межкультурные кластеры порождают неопределенности в культурной динамике. В работе приводятся результаты имитационных экспериментов, которые иллюстрируют влияние демографических и образовательных процессов на динамику межкультурных кластеров. Обсуждаются вопросы развития предложенного подхода к изучению (обсуждению) переходных состояний развития культур.

Экспертные системы имитируют профессиональный опыт и мыслительный процесс специалиста при решении задач в различных предметных областях, в том числе в прогнозной диагностике в медицине и технике. При решении подобных задач применяются нечеткие модели принятия решений, что позволяет использовать профессиональные экспертные знания при формировании прогноза, исключая анализ данных непосредственных экспериментов. При построении нечетких моделей принятия решений используются типовые нечеткие ситуации, анализ которых позволяет сделать вывод специалистам о возникновении в будущем времени нештатных ситуаций. При разработке базы знаний экспертной системы прибегают к опросу экспертов: инженеры по знаниям используют мнение экспертов для оценки соответствия между типовой текущей ситуацией и риском возникновения чрезвычайной ситуации в будущем. В большинстве работ рассматриваются методы извлечения знаний с точки зрения психологических, лингвистических аспектов. Множественные исследования по священы проблемам контактного, процедурного или когнитивного слоев процесса извлечения знаний. Однако в процессе извлечения знаний следует отметить значительную трудоемкость процесса взаимодействия инженеров по знаниям с экспертами при определении типовых нечетких ситуаций и оценок рисков нештатных ситуаций. Причиной трудоемкости является то, что число вопросов, на которые должен ответить эксперт, очень велико. В статье обосновывается метод, который позволяет инженеру по знаниям сократить количество вопросов, задаваемых эксперту, а следовательно, снизить трудоемкость разработки базы знаний. Метод предполагает наличие отношения предпочтения, определяемое на множестве нечетких ситуаций, что позволяет частично автоматизировать формирование оценок частоты наступленияне четких ситуаций и тем самым сократить трудоемкость созданий базы знаний. Для подтверждения проверки и целесообразности предложенного метода проведены модельные эксперименты, результаты которых приведены в статье. На основе предложенного метода разработаны и внедрены в эксплуатацию несколько экспертных систем для прогнозирования групп риска патологий беременных и новорожденных.

С появлением промышленных роботов робототехника приобретает значение во всемирном масштабе как в экономике, так и в науке. Однако, их возможности сильно ограничены, особенно в части выполнения контактных задач, в которых есть необходимость регулирования или по крайней мере ограничения усилия в контакте. В определенный момент было замечено, что упругость в механической цепи шарнира, считавшаяся ранее негативным фактором, в этомо тношении напротив является полезной. Данное наблюдение привело к появлению роботов с упругими шарнирами, пригодных к выполнению контактных задач и кооперативной деятельности в частности, в результате чего их распространение сегодня становится всё шире. Многие исследователи стремились реализовать подобные устройства не только в виде простейших последовательных упругих приводов, но и посредствомбо лее сложных шарниров с переменной упругостью (ШПУ), способных изменять собственную механическую жесткость. Все упругие шарниры обеспечивают в определенной мере устойчивость к ударным нагрузкам и безопасность взаимодействия с объектами внешней среды, однако изменение жесткости позволяет получить дополнительные преимущества, такие как энерго-эффективность и адаптируемость к задачам.

В настоящей статье представлена новая реализация ШПУ, с магнитной муфтой в качестве упругого элемента. Магнитная передача является бесконтактной, и потому обладает преимуществом с точки зрения снижения чувствительности к смещению и рассогласованию осей. Описание модели трения также упрощается. Кроме того, данная муфта обладает характеристикой жесткости, которая не только не возрастает резко с повышением нагрузки, но становится более плавной, и даже снижается после точки максимума. Вследствие этого, при достижении максимального момента, муфта проскальзывает, после чего положение равновесия уже определяется новой парой полюсов. В итоге данное решение снижает риск механического повреждения. В статье подробно рассмотрен процесс разработки шарнира, представлена его математическая модель. Также предложена реализация системы управления шарниром и проведено компьютерное моделирование, подтверждающее принятые в разработке решения.

Самоорганизация молекул на твердой поверхности является одним из перспективных направлений по созданию материалов с уникальными магнитными, электрическими и оптическими свойствами. Они могут широко применяться в таких областях, как электроника, оптоэлектроника, катализ и биология. Однако на структуру и физико-химические свойства адсорбирующихся молекул оказывает влияние множество параметров, которые необходимо учитывать при изучении процесса самоорганизации молекул. В связи с этим экспериментальное исследование свойств новых материалов данного типа оказывается дорогостоящим, а также довольно часто его проведение затруднительно по различным причинам. В таких ситуациях целесообразнее воспользоваться методами математического моделирования. В рассматриваемых адсорбционных системах одним из параметров является многочастичное взаимодействие, которое часто не учитывается в моделировании из-за усложнения расчетов. В данной работе мы провели оценку влияния многочастичных взаимодействий на общую энергию системы с помощью метода трансфер-матрицы и программного комплекса Materials Studio. За основу была взята модель моноцентровой адсорбции молекул на треугольной решетке с учетом ближайших взаимодействий. Для этой модели были построены фазовые диаграммы в основном состоянии и проведены расчеты ряда термодинамических характеристик (степени покрытия $\theta$, энтропии $S$, восприимчивости $\xi $) при ненулевых температурах. Было обнаружено образование всех четырех упорядоченных структур (решеточный газ с $\theta=0$, $(\sqrt{3} \times \sqrt{3}) R30^{\circ}$ с $\theta = \frac{1}{3}$, $(\sqrt{3} \times \sqrt{3})R^{*}30^{\circ}$ с $\theta = \frac{2}{3}$, плотнейшая фаза с $\theta = 1$) в системе, учитывающей исключительно двухчастичные взаимодействия, и отсутствие фазы  $(\sqrt{3}\times \sqrt{3}) R30^\circ$ при учете только трехчастичных взаимодействий. На основе квантово-механических расчетов на примере атомистической модели адсорбционного слоя тримезиновой кислоты мы определили, что в такой системе вклад многочастичного характера взаимодействий составляет 11,44% от энергии двухчастичных взаимодействий. При таких значениях в решеточной модели возникают только количественные отличия, проявляющиеся в смещении области перехода из структуры $(\sqrt{3} \times \sqrt{3}) R^{*}30^\circ$ в плотнейшую фазу вправо на 38,25% при $\frac{\varepsilon}{RT} = 4$ и влево на 23,46% при $\frac{\varepsilon}{RT} = −2$.