Все выпуски

В работе приведены различные модификации алгоритма Frank–Wolfe для задачи поиска равновесного распределения потоков. В качестве модели для экспериментов используется модель Бекмана. В этой статье в первую очередь уделяется внимание выбору направления базового шага алгоритма Frank–Wolfe (FW). Будут представлены алгоритмы: Conjugate Frank–Wolfe (CFW), Bi-conjugate Frank–Wolfe (BFW), Fukushima Frank–Wolfe (FFW). Каждой модификации соответствуют различные подходы к выбору этого направления. Некоторые из этих модификаций описаны в предыдущих работах авторов. В данной статье будут предложены алгоритмы N-conjugate Frank–Wolfe (NFW) и Weighted Fukushima Frank–Wolfe (WFFW). Эти алгоритмы являются некоторым идейным продолжением алгоритмов BFW и FFW. Таким образом, если первый алгоритм использовал на каждой итерации два последних направления предыдущих итераций для выбора следующего направления, сопряженного к ним, то предложенный алгоритм NFW использует $N$ предыдущих направлений. В случае же Fukushima Frank –Wolfe в качестве следующего направления берется среднее от нескольких предыдущих направлений. Соответственно этому алгоритму предложена модификация WFFW, использующая экспоненциальное сглаживание по предыдущим направлениям. Для сравнительного анализа были проведены эксперименты с различными модификациями на нескольких наборах данных, представляющих городские структуры и взятых из общедоступных источников. За метрику качества была взята величина относительного зазора. Результаты экспериментов показали преимущество алгоритмов, использующих предыдущие направления для выбора шага, перед классическим алгоритмом Frank–Wolfe. Кроме того, было выявлено улучшение эффективности при использовании более двух сопряженных направлений. Например, на многих датасетах модификация 3-conjugate FW сходилась наилучшим образом. Кроме того, предложенная модификация WFFW зачастую обгоняла FFW и CFW, хотя и проигрывала модификациям NFW.

Данная работа лежит в области неравновесной статистической механики. Она посвящена изучению пространственно-временного поведения изолированных многочастичных систем. Сформулирована феноменологическая модель, сочетающая законы классической динамики с присутствием случайных переходов между различными микроскопическими состояниями системы. Все процессы, происходящие с такой системой, имеют место на замкнутой гиперповерхности в фазовом пространстве координат-импульсов. Эта поверхность соответствует фиксированному значению энергии системы; она обозначена как ${\mathrm Surf}_{\mathrm E}^{}$. Кинетическое уравнение для плотности вероятностей распределения системы в фазовом пространстве $f(\vec{x},\,t)$ приведено к форме, удобной для нахождения решений этого уравнения ($\vec{x}$ — совокупность фазовых переменных). Дано доказательство того, что экстремум энтропии системы, который находится методом вариационного исчисления, является максимумом. Вблизи своего максимума энтропия пропорциональна интегралу от квадрата вариации $f(\vec{x},\,t)$ по всему объему гиперповерхности ${\mathrm Surf}_{\mathrm E}^{}$. Найдена зависимость энтропии от вариации плотности распределения $f(\vec{x},\,t)$, когда эта вариация имеет постоянные значения в двух подобластях гиперповерхности, причем эти значения могут быть весьма велики. Сформулировано кинетическое уравнение для $D(\vec{x},\,t)$ — отклонения плотности распределения частиц $f(\vec{x},\,t)$ от ее равновесного значения. Найдены аналитические решения этого уравнения для нескольких вариантов зависимости скорости случайных переходов от расстояния между начальным и конечным микроскопическими состояниями перехода. Если эта скорость не зависит от вышеназванного расстояния, то исходная форма $D(\vec{x},\,t)$ сохраняется в течение всего процесса экспоненциального затухания величины $D(\vec{x},\,t)$. Рассмотрен переходный процесс в более общем случае, когда случайные переходы возможны только в ограниченном диапазоне расстояний между микросостояниями. Тогда величина $D(\vec{x},\,t)$ равна сумме пространственных мод, каждая из которых при стремлении плотности распределения к равновесному значению затухает со своей скоростью. Чем выше порядок моды, тем быстрее она затухает. Поэтому в данном случае переходный процесс приводит не только к общему уменьшению $D(\vec{x},\,t)$, но и к сглаживанию первоначальной формы $D(\vec{x},\,t)$. Найдена общая зависимость разности между равновесным и неравновесным значениями энтропии от величины $D(\vec{x},\,t)$.

Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов — регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное обучение — байесовские сети и искусственные нейронные сети; рассуждения на основе прецедентов; техники, базирующиеся на решении задачи фильтрации. Перечислены важнейшие направления разработки математических моделей распространения заболевания: классические аналитические модели, детерминированные и стохастические, а также современные имитационные модели, сетевые и агентные.