Выпуск 24 (3), 2025: Информатика и автоматизация

В статье представлен обзор в области систем управления динамическими объектами на базе методов машинного обучения с подкреплением. На основе проведенного анализа сделан вывод о актуальности развития методов управления, базирующихся на обучении с подкреплением. В статье предлагается интеллектуальный алгоритм робастного управления устойчивыми динамическими объектами с одним входом и одним выходом, базирующийся на табличном Q-методе обучения нулевого порядка. Алгоритм осуществляет стабилизацию выходной величины объекта управления с заданной погрешностью, если параметры и внешние возмущения объекта являются кусочно-постоянными неизвестными величинами, а вектор состояния является измеряемым. Новизна предложенного алгоритма заключается в новом инкрементальном способе формирования управления, который позволяет, базируясь на множестве из трех возможных действий, стабилизировать объект управления. Предложенный способ формирования множества управляющих воздействий позволяет обеспечить требуемую точность стабилизации выхода объекта, изменяя амплитуду приращения управления. Также элементом новизны является предложенное выражения для расчета вознаграждения, которое позволяет ограничить изменения управления. Предлагаемый алгоритм обладает высокой вычислительной эффективностью. После обучения вычисление управления сводится к вычислению индексов по результатам измерения, чтению данных из памяти по вычисленным индексам и нахождению максимального значения в векторе небольшой размерности. В работе исследованы условия сходимости алгоритма обучения и ограниченности ошибки управления. Разработанный алгоритм демонстрируется на примере синтеза робастного управления двигателем постоянного тока с независимым возбуждением. В ходе численного моделирования исследуется качество замкнутой системы при изменении параметров и задающего воздействия. Анализ результатов позволяет сделать выводы об эффективности синтезированного алгоритма. В статье приводятся результаты экспериментов, которые демонстрируют техническую реализуемость полученного алгоритма. Данный вопрос является важным, так как анализ источников показывает практически полное отсутствие технической реализации систем управления динамическими объектами, синтезированными с использованием методов обучения с подкреплением.

В работе рассматривается проблема управления ориентацией и высотой квадрокоптера при наличии неопределенностей в модели объекта. При решении данной проблемы особенно актуально учитывать особенности объекта: сильную подверженность колебаниям крена, тангажа и высоты из-за конструкции квадрокоптера и динамики моторов (при этом рыскание наименее подвержено колебаниям из-за динамики моторов по сравнению с другими регулируемыми переменными). Для достижения высокого качества регулирования при наличии неопределенностей, как правило, применяют комбинированное управление. Оно строится как сумма двух частей: базовой стабилизирующей и части, компенсирующей неопределенности с помощью наблюдателя возмущений. Стандартно обе части содержат линейные обратные связи. Однако при отработке выходными переменными объекта негладких задающих воздействий линейные обратные связи могут приводить к перерегулированию и к увеличению колебательности. Для предотвращения этих проблем в работе предложен закон комбинированного управления с гладкими и ограниченными обратными связями в виде гиперболического тангенса. Данные обратные связи используются и в регуляторе, и в наблюдателе возмущений. При этом синтез управлений осуществляется на основе структурных свойств объекта с помощью блочного подхода. Его применение обеспечило инвариантность выходных переменных по отношению не только к согласованным, но и к несогласованным неопределенностям, а также позволило построить наблюдатель возмущений минимально возможного порядка. Кроме того, дополнительно для уменьшения колебаний в закон управления введена часть с ускорениями объекта. Для реализации предложенного подхода достаточно знать номинальные значения некоторых параметров объекта и допустимые границы изменения неопределенностей. Приведены результаты натурных экспериментов на квадрокоптере с рамой F450 и результаты сравнительного анализа предложенного подхода с тем, где используются линейные управления.

Современное сельское хозяйство охватывает огромные территории, и эффективный мониторинг этих территорий играет ключевую роль в точном земледелии. Беспроводные сенсорные сети широко используются для получения оперативной информации о состоянии сельскохозяйственных культур. Однако вручную собирать данные с датчиков затруднительно. В то же время беспилотные летательные аппараты (БПЛА) все чаще используются для обеспечения автоматического высокоточного сбора данных. В данной статье рассматриваются методы построения оптимальной траектории БПЛА, обеспечивающие эффективный сбор данных с распределенных сенсорных узлов. Предложенные методы направлены на минимизацию длины маршрута и полное покрытие зон датчиков за счет учета их пространственного распределения и радиуса действия. Целью исследования заключается оптимизация траектории полета БПЛА минимальной длины, обеспечивающей сбор данных со всех датчиков, полностью покрывая зоны покрытия сенсорных узлов. В рамках исследования были разработаны и сравнены четыре метода построения маршрута: центрированный, трехточечный, тангенциальный и метод оптимального выбора точек внутри границы радиуса. Каждый метод реализован в виде программного алгоритма, включающего этапы построения маршрута, его геометрической оптимизации и охвата зоны покрытия. Все методы были протестированы единообразно на наборе датчиков, размещенных на определенной территории. Оценка проводилась по трем основным показателям: протяженность маршрута, количество точек маневра и время расчета программы. Авторами предложены два ключевых метода оптимизации траектории: метод «центроид», основанный на кластеризационном подходе, и усовершенствованный «трёхточечный» метод, реализующий алгоритм Лина–Кернигана. По результатам экспериментов предложенные методы существенно превосходят ранее рассмотренные методы планирования траектории. Таким образом, в статье предложен комплексный метод к построению маршрутов БПЛА для мониторинга сельскохозяйственных полей с учетом геометрических, алгоритмических и вычислительных факторов, а также даны рекомендации по выбору метода в зависимости от пространственной структуры сенсорной сети.

Беспроводные сенсорные сети (WSN) стали незаменимыми в различных областях применения, от мониторинга окружающей среды до отслеживания состояния здоровья. По мере их развития вопросы безопасности и энергоэффективности остаются приоритетными. В данной аналитической работе проводится сравнение современных методов в рамках двух ключевых категорий протоколов: многоканальных протоколов управления доступом к среде (MAC) и кластерных протоколов. Оценка сосредоточена на различных стратегиях назначения каналов и методах кластеризации, включая статическое и динамическое распределение ресурсов связи, адаптивные методологии и гибридные подходы, а также стратегии выбора и ротации кластерных голов и эффективного агрегирования данных. С помощью комплексного исследования мы выделяем ограничения и потенциал каждого подхода, предлагая гибридную структуру, которая объединяет преимущества обоих типов протоколов для повышения безопасности и энергоэффективности в беспроводных сенсорных сетях. Результаты исследования показывают, что интеграция динамического распределения ресурсов с энергоэффективной кластеризацией и адаптивными стратегиями с ротацией кластерных голов может привести к более надежным и эффективным развертываниям. Данный анализ служит основой для будущих исследований, направленных на разработку усовершенствованных гибридных протоколов, которые отвечают динамическим требованиям WSN, обеспечивая устойчивую и эффективную работу сети.

Растущий спрос на транспортировку товаров, обусловленный расширением глобальных цепочек поставок и растущими ожиданиями клиентов, подчеркивает острую необходимость оптимизации транспортных расходов для повышения эффективности логистики. В условиях быстро развивающегося и конкурентного рынка предприятия сталкиваются с растущими проблемами в управлении сложными транспортными сетями, минимизации эксплуатационных расходов и удовлетворении разнообразных требований клиентов. Для решения этих проблем в данной статье представлено решение, разработанное для снижения транспортных расходов за счет оптимизации потока товаров и повышения эффективности использования ресурсов. Используя передовые методы оптимизации и стратегии на основе данных, предлагаемое решение позволяет выявить неэффективности, упростить процесс принятия решений и улучшить распределение ресурсов. Первые результаты показывают, что этот подход не только значительно снижает эксплуатационные расходы, но и повышает способность предприятий быстро и эффективно реагировать на меняющиеся требования клиентов, обеспечивая как экономическую эффективность, так и удовлетворенность клиентов. Однако по мере дальнейшего развития логистической отрасли и увеличения объемов транзакций ожидается, что сценарии транспортировки станут более сложными, а требования клиентов – более разнообразными. Эти изменения требуют дальнейшего совершенствования и масштабируемости предложенного решения для работы с расширенными сетями, более сложными логистическими задачами и широким спектром потребительских требований. В будущих исследованиях приоритетное внимание будет уделено разработке крупномасштабных моделей, способных включать больше переменных, повышать вычислительную эффективность и обеспечивать более быстрое и точное принятие решений в условиях растущей сложности логистического сектора. Таким образом, предлагаемое решение представляет собой значительный шаг вперед в оптимизации транспортных расходов и повышении эффективности логистики. Первые результаты показывают, что данное решение позволяет сократить транспортные расходы на 19,02–29,65% и повысить вычислительную эффективность в задачах маршрутизации малого и среднего масштаба (10-20 клиентов). Несмотря на его потенциал, необходимы дополнительные исследования для обоснования масштабируемости для более крупных наборов данных. Таким образом, наш подход обеспечивает прочную основу для оптимизации логистики с четкими перспективами расширения и адаптации в реальных условиях.

Рассматривается проблема распределения заданий между группами мобильных роботов в условиях параметрической и стохастической неопределенности, возникающей из-за сенсорных погрешностей, нестационарности среды и ограниченности информации об объектах управления. Основная цель работы – адаптировать разработанные ранее эвристические алгоритмы к реальным условиям, где присутствуют сенсорные ошибки и недостаток информации о состоянии среды. В качестве базовых подходов рассматриваются три алгоритма: муравьиный алгоритм, нейронная сеть Хопфилда и генетический алгоритм. Разработаны специальные модификации для каждого алгоритма, учитывающие неопределенность исходных данных: динамическое обновление феромонных следов, адаптивная коррекция весовых коэффициентов нейронов и интервальная оценка параметров среды. Приведены общая постановка задачи, математические модели и принципы построения предложенных алгоритмов распределения заданий. Было проведено численное моделирование для сравнения модифицированных версий алгоритмов с их базовыми аналогами в условиях различных уровней неопределенности функционирования системы. Установлено, что предложенные адаптивные механизмы улучшают эффективность распределения заданий до 20 % по сравнению с базовыми методами. На основании полученных результатов сформулированы рекомендации по выбору оптимального алгоритма в зависимости от конкретных условий функционирования системы и задач управления. Сделан вывод о целесообразности использования разработанных подходов при проектировании интеллектуальных адаптивных систем группового управления мобильными роботами. Предложенные решения могут применяться и для более широкого круга задач, включая динамическое переназначение ресурсов и организацию кооперативного поведения технических агентов.

Ключевую роль в достижении высокой надежности, безопасности, отказоустойчивости и малых задержек обслуживания запросов в распределенных системах (в том числе облачных вычислений) играет консолидация ресурсов обработки и хранения данных в кластерах, эффективность которых повышается при использовании технологий виртуальных машин и контейнерной виртуализации. Сложность построения моделей массового обслуживания систем контейнерной виртуализации вызвана тем, что интенсивность выполнения запросов в каждом контейнере связана с динамическим разделением общих ресурсов между активными (выполняющими функциональные задачи) контейнерами и издержками на поддержку всех развернутых в виртуальной машине контейнеров, в том числе неактивных, ожидающих направления в них запросов для обслуживания. Снижение интенсивности обслуживания в каждом контейнере из-за совместного использования общих ресурсов зависит от многих трудно исследуемых факторов. Для кластеров с контейнерной виртуализацией в данной статье предлагается приближенная граничная оценка среднего времени ожидания запросов и вероятности их своевременного обслуживания. При построении аналитической модели каждый контейнер представляется как отдельная одноканальная система массового обслуживания с бесконечной очередью и простейшим входным потоком. Основное отличие предлагаемой модели виртуального кластера заключается в граничной верхней, нижней и усредненной оценке возможного снижения интенсивности обслуживания в контейнерах из-за разделения между ними общих ограниченных вычислительных ресурсов узла кластера в зависимости от количества развернутых в нем контейнеров и изменяющегося числа активных контейнеров, зависящего от интенсивности входного потока. Показано существование оптимального числа развернутых в узлах контейнеров, при котором среднее время пребывания запросов в системе минимально , либо вероятность выполнения запросов за заданное время максимальна. Предлагаемые модели могут быть применены при структурно-параметрической оптимизации кластеров с конвейерной виртуализацией, в том числе в случае масштабирования и реконфигурации, адаптивной к и изменениям трафика, путем отключения или подключения части развернутых контейнеров в зависимости от изменений нагрузки в системе.

В настоящее время разработка подходов, повышающих живучесть энергетических комплексов, является весьма актуальным направлением исследований. Такие подходы основаны на структурной и параметрической оптимизации структуры исследуемой системы. Как правило, эти подходы тесно связаны с определенным пространственно-временным диапазоном и конкретным методом оптимизации. Применение разработанных подходов в иных диапазонах зачастую приводит к существенному увеличению времени вычислений и возможному снижению точности решения. Эта проблема обусловлена сложностью моделей оптимизации энергосистем и их различиями. Для решения этой проблемы нами разработана методология выбора наиболее подходящих методов проектирования живучих энергетических комплексов в заданном пространственно-временном диапазоне. Методология основана на методах тестирования в рамках специализированного испытательного стенда и многокритериальном анализе результатов испытаний. Критерии оценки методов включают как сводные метрики живучесть, так и параметры эффективности вычислительных ресурсов. Проиллюстрированы преимущества методологии для проектирования живучих национальных и локальных энергетических комплексов. Несколько десятков методов из известной библиотеки Parallel Global Multiobjective Optimizer были эффективно протестированы в течение 10 часов. Анализ результатов тестирования проводился с использованием различных многокритериальных алгоритмов с учетом приоритетности критериев.

Повторная идентификация личности (Re-ID) имеет ключевую роль в системах интеллектуального видеонаблюдения, требуя точного распознавания людей с нескольких точек обзора камеры. Традиционные методы, основанные на метриках расстояния (евклидово и косинусное), сталкиваются с трудностями при обработке вариаций поз и случаев окклюзии, что ограничивает их эффективность. В данном исследовании рассматриваются модели глубокого метрического обучения, в частности сиамские и триплетные сети, для повышения точности повторной идентификации. Мы оцениваем эти методы на наборе данных Market-1501 с использованием кривых кумулятивной характеристики соответствия (CMC) и кумулятивной функции распределения (CDF). Результаты показывают, что триплетная сеть превосходит традиционные подходы на более высоких рангах, достигая точности 78,6% на Rank-5 и точности 93% на Rank-10, при этом демонстрируя низкую точность на Rank-1 (0,06%). Для сравнения, методы на основе евклидова и косинусного расстояний показывают низкую производительность на Rank-1 (2% и 0,30% соответственно), что подчеркивает их ограничения. Кроме того, включение архитектуры VGG16 улучшает извлечение признаков, повышая эффективность распознавания за счет улавливания мельчайших пространственных деталей. Данное сравнительное исследование показывает эффективность методов глубокого метрического обучения и подчеркивает его потенциал для практического применения в системах видеонаблюдения. Однако вычислительные требования глубоких сетей создают сложности для работы в реальном времени. Будущие исследования должны быть сосредоточены на оптимизации эффективности модели, снижении вычислительных затрат и тестировании в реальном времени.