Назначение - Моделирование сбора и передачи данных между узлами, размещенными на движущихся объектах транспортной сети (например, данных мониторинга о состоянии окружающей среды).
Область применения - Современные и перспективные сети передачи данных. Мониторинг окружающей среды.
Используемый алгоритм - Рассмотрены алгоритмы широковещательной рассылки сообщений между транспортными средствами с учетом интерференции.

Основные характеристики модели:

•          Построение транспортной сети на заданной пользователем карте. Подложкой может быть карта, взятая из открытых источников.

•          Моделирование динамическое, можно отслеживать дорожную обстановку с помощь настраиваемого модуля симуляции дорожного движения.

•         Тонкая настройка движения как для автомобилей, так и для маршрутного транспорта

•          Получение отчетов по проделанным этапам движения и передачи данных от движущихся узлов.

•          Сохранение и загрузка конфигураций, заданных пользователем.

[1] К. В. Ткачёв, Корсаков С. П., Мишуков В. И. Возможности имитационной модели сбора информации о состоянии атмосферы с помощью датчиков, установленных на общественном транспорте / Тезисы Международной конференции, посвященной 95-летию со дня рождения акад. Г. И. Марчука, Новосибирск, 19-23 октября 2020 , стр.157,DOI: 10.24411/9999-017A-2020-10361

[2] К. В. Ткачёв Имитационная модель сбора информации о состоянии атмосферы используя технологию VANET / Тезисы Международной конференции, посвященной 95-летию со дня рождения акад. Г. И. Марчука, Новосибирск, 19-23 октября 2020 стр. 156, DOI: 10.24411/9999-017A-2020-10360

Инструментальные средства создания - Программа разработана на платформе Visual Studio, с использованием языка С# и современных библиотек отрисовки различных объектов.

Работа поддержана проектом РФФИ № 19-01-00562 и проектом РФФИ и правительства Новосибирской области № 19-47-540007. 

В прилагаемых файлых - скриншоты работы системы моделирования.

В архиве citymonitoring-master.zip все необходимые для работы системы файлы.

Назначение - поиск оптимальной укладки вторичной сети в первичную сеть для модели гиперсети.
Область применения - анализ и проектирование сетей различного назначения.

Используемый алгоритм - В программе реализован классический алгоритм Флойда и  разработанные авторами и описанные в [1-3]  алгоритмы.  

Среди использованных алгоритмов выделены те, которые не учитывают ограничение на надежность:
Floyd — классический Алгоритм Флойда
Greedy — жадный алгоритм
MetrRand, Metr1, Metr2  — В качестве начального решения берется решение Алгоритма Флойда. С помощью некоторой метрики производится сортировка ветвей первичной сети и оптимизация решения для улучшения. 

Следующие алгоритмы учитывают ограничение на надежность:
MaxProb - алгоритм Флойда ведет поиск самых надежных путей (по вероятности)
AntColony – алгоритм муравьинной колонии
Алгоритм k-кратчайших путей (k-path) - последовательное удаление из путей самых дорогих ветвей позволяет найти более дешевые пути, удовлетворяющие ограничение на надежность
Алгоритм k-кратчайших путей - 2 (k-path 2) -это вариация предыдущего алгоритма, только поиск ведется не от самых надежных путей, а от самых дешевых.
AntColony+ k-path - это алгоритм AntColony, в котором для ненайденных путей, используются пути, найденные алгоритмом k-path.

Функциональные возможности - 

1. генерация первичной сети или загрузка ее из текстового файла
2. укладка вторичной сети в первичную несколькими алгоритмами.

Описание программы:

Программа состоит из формы, в верхней части которой есть 3 вкладки: 

• Graph PS, на которой рисуется первичная сеть
• На вкладке Generate PS представлены поля в котроых задаются парметры для генерации графа первичной сети PS (решетка):
• Вкладка AntColony — позволяет выбрать параметры для Алгоритма AntColony и увидеть промежуточные результаты его работы.

В нижней части формы можно задать параметры вторичной сети WS и выбрать алгоритм.

Кнопка FindWS — запускает один из алгоритмов и справа в текстовом поле показывается решение: стоимость укладки ребер, вероятность существования каждого ребра и вершины по которым оно проходит.

[1]. Попков В.К.,Токтошов Г.Ы., Юргенсон А.Н. Об одном подходе к оптимизации инфраструктуры инженерных сетей // Вестник СибГУТИ. – 2012. Т. 3 — С.11–28.
[2]. Guljigit Toktoshov, Anastasiya Yurgenson, Denis Migov. Design of Utility Network Subject to Reliability Constraint // Proc. of International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), Novosibirsk, Russia, 18-22 Sept. 2017, DOI: 10.1109/SIBIRCON.2017.8109864, P. 172-175
[3]. Токтошов Г.Ы., Юргенсон А.Н., Мигов Д.А. Исследование эффективности применения метода k-кратчайших путей для оптимизации топологии иерархических сетей // Труды XVI международной азиатской школы-семинара «Проблемы оптимизации сложных систем», 25-29 августа 2020 г.- С. 38-42 - DOI: 10.24411/9999-018A-2020-100007

Подробное описание программы в прилагаемом файле.

Инструментальные средства создания -Lazarus (OS Linux).

Разработка программы осуществлялась при финансовой поддержке гранта РФФИ № 18-07-00460.

Программа предназначена для обработки данных мониторинга качества (загрязнения) атмосферы и анализа данных микроскопии в контексте теории морфогенов в биологии. Программа позволяет по изображениям полей концентраций заданных химических веществ в финальный момент рассматриваемого отрезка времени, а также по временным рядам концентраций в заданных пространственных точках области, оценить стационарную функцию источников для нестационарной двумерной по пространству модели адвекции-диффузии-реакции. Может быть использована в учреждениях науки, университетах и организациях, тематика которых связана с обработкой данных мониторинга и анализа изображений в терминах моделей адвекции-диффузии-реакции.

В основе программы лежит алгоритм решения обратных задач с использованием операторов чувствительности. Оператор чувствительности строится на основе ансамбля решений сопряженных уравнений модели. Программа позволяет, не решая обратную задачу, оценить вероятную эффективность её решения. Программа реализована на С++ и использует библиотеки Eigen, GNU GSL и NetCDF.

На рисунке во вложенном файле представлен пример работы программы в задаче об идентификации источников загрязнений атмосферы по данным изображений полей концентраций. Слева “точное решение”, справа - результат восстановления.

Разработка опубликована:

Penenko, A. Convergence analysis of the adjoint ensemble method in inverse source problems for advection-diffusion-reaction models with image-type measurements // Inverse Problems & Imaging. – 2020. – V. 14. – P. 757-782. doi: 10.3934/ipi.2020035.

Penenko, A.; Zubairova, U.; Mukatova, Z. & Nikolaev, S. Numerical algorithm for morphogen synthesis region identification with indirect image-type measurement data // Journal of Bioinformatics and Computational Biology, – 2019. – 17. – P. 1940002-1-1940002-18 doi: 10.1142/s021972001940002x

Аннотация: Программа позволяет выполнить нагрузочное тестирование и анализ эффективности системы управления ресурсами (СУР) распределенных вычислительных систем.

Назначение: Программа состоит из двух модулей. Первый используется для создания потока загрузки на функционирующую СУР и запускается для каждого набора политик и алгоритмов планирования PBS Torque. Второй модуль анализирует системные лог файлы и для каждого набора задач рассчитывает показатели, характеризующие эффективность планирования.

Область применения: Высокопроизводительные распределенные вычислительные системы.

Используемые алгоритмы:

На входе программа использует наборы масштабируемых задач, параметры которых соответствуют моделям загрузки промышленных вычислительных систем (Parallel Workload Archive). Набор задач задаётся в XML формате и архивируется с целью экономии места. Файлы с исходными наборами задач могут быть созданы с помощью пакета программ MOJOS. Формат XML:

<JOBSET GUID="1024_bit" CREATIONDATE="date" COUNDJOBS="XXX">

<JOB GUID="1024_bit" ARRIVALTIME="start_time" COUNTREQUESTS="XX">

<REQUEST NODES="XX" TIME="solution_time1" PRIORITY="XX"/>

<REQUEST NODES="YY" TIME="solution_time2" PRIORITY="XX"/>

...

</JOB>

...

</JOBSET>

Показатели эффективности, такие как время решения всех задач набора, среднее время ожидания задач в очереди СУР и % загрузки ресурсов, для всех вариантов настройки СУР и для всех наборов задач на выходе программы сохраняются в таблицу в формате CSV с заголовком:

NODES_COUNT;JOBS_COUNT;RIGID_JOBS_PART;SCHEDULER;POLICY;ALGORITHM;WINDOW;QUEUE_RUN_TIME;AVERAGE_WAIT_TIME;WORKLOAD.

Программа разработана в рамках ГЗ 0306-2016-0018

Назначение - распределение объёмов бункерных накопителей в производственной линии.
Область применения - проектирование производственных систем.
Используемый алгоритм - гибрид алгоритма ветвей и границ и генетического алгоритма, особенность которого - использование приближенного решения в качестве начального рекорда на входе алгоритма ветвей и границ. Приближенное решение построено однократным запуском генетического алгоритма.

Результаты алгоритма опубликованы в статье:

Dolgui A., Eremeev A.V., Sigaev V.S. HBBA: hybrid algorithm for buffer allocation in tandem production lines // Journal of Intelligent Manufacturing.–– 2007. –– Vol. 18, no. 3. –– P. 411––420.

Функциональные возможности - распределение объёмов бункерных накопителей между единицами оборудования в производственной линии  для максимизации дохода от использования линии за амортизационный период с учётом её средней производительности, капитальных затрат на установку бункерных устройств и стоимости хранения деталей.

Входные данные - файл с описанием линии

Выходные данные - файл с параметрами найденного решения.

Инструментальные средства создания - Lasarus

Система имитационного моделирования ИМОДО, разработанная для решения задач, связанных с транспортной сетью, зарегистрирована в ФАП СО РАН, № PR18002.

В этой программе представлена вторая версия системы ИМОДО, расширенная.

Рассматривалась задача расстановки стационарных устройств мониторинга для оповещения всех участников движения о чрезвычайных ситуациях с учетом дополнительных характеристик.

Учитывается разделение множества узлов на кластеры и другие характеристики.

Назначение Расчет эффективности расстановки устройств оповещения на транспортных сетях, с целью передачи информации о ситуациях на дорогах.
Область применения Современные и перспективные сети передачи данных, например, VANET.

Используемый алгоритм

Поиск оптимальной расстановки стационарных устройств оповещения осуществляется с помощью генетического алгоритма с учетом основных характеристик модели:

– радиус действия каждого устройства оповещения;

– пропускные способности рёбер, позволяющие определить по максимальной нагрузке возможное число транспортных средств;

– скорость движения транспорта, фиксированное значение для проводимого эксперимента;

– узлы, в которых размещены устройства оповещения;

– предельное количечство автомобилей на участке дороги (пробки, возникающие в "узких" местах).

В качестве модели транспортной сети рассматривается граф с взвешенными ребрами.

Редактирование графа можно производить непосредственно в системе.

Подложкой является карта, взятая из открытых источников. Алгоритм описан в [1].

[1] TKACHEV K.V., VOLZHANKINA K.A., SOKOLOVA O.D. On a problem of the monitoring device placement on transport networks, Novosibirsk. https://cloud.mail.ru/public/4Tsd/NymmFx5wP

В прилагаемом архиве находится проект для запуска на Visual Studio.

Назначение - оптимизация сетей различного назначения с целью повышения надёжности.

Область применения - проектирование сетей различного назначения.

Используемый алгоритм - генетический алгоритм. Программа позволяет для заданной структуры сети с ненадёжными вершинами определить оптимальное количество необходимых стоков (узлов, предназначенных для сбора информации с остальных) и их расстановку. Предполагается, что стоки могут быть размещены в узлах сети. Для каждого узла сети задаются значения надёжности и стоимости установки стока в этом узле. Под надёжностью сети понимается вероятность связности заданной доли узлов с каким-либо из стоков (Т).

Поиск ведётся в условиях наперёд заданных ограничений на общую стоимость.

Входные данные программы: структура сети в виде графа, значения надёжности для всех узлов связи (числа от 0 до 1), значения стоимости размещения стока для всех узлов связи, параметры генетического алгоритма (размер популяции, кол-во поколений, размер турнира, вероятность мутации), ограничения на общую стоимость установки, Т - доля узлов сети, которые должны быть связны с каким-либо из стоков.

Инструментальные средства создания - Delphi.

Алгоритм разработан в рамках гранта РФФИ № 18-07-00460.

Назначение - структурная оптимизация сетей различного назначения с целью повышения надёжности.

Область применения - моделирование и проектирование сетей различного назначения.

Программа позволяет для заданного числа узлов и каналов связи сети находить структуру сети, оптимальную или близкую к оптимальной по критерию надёжности. В качестве показателей надёжности рассматриваются вероятность связности сети и вероятность связности выделенных узлов в сети с ограничением на диаметр. Узлы сети предполагаются абсолютно надёжными, т.е. надёжность узлов предполагается на порядки выше надёжности каналов связи. Для каждого канала связи задаются значения надёжности и стоимости прокладки. Поиск ведётся в условиях наперёд заданных ограничений на общую стоимость прокладки каналов связи и диаметр сети. Подход с использованием кумулятивных оценок позволяет быстрее принимать решение о пригодности (непригодности) получаемых в процессе работы алгоритма вариантов топологии сети.

В отличие от Версии № 1 программы, в данной версии появилась возможность проводить оптимизации сети по критерию другого показателя надёжности - вероятности связности выделенных узлов в сети с ограничением на диаметр.

Используемый алгоритм - генетический алгоритм с использованием кумулятивных оценок верхней и нижней границ надёжности с модификацией операторов ГА (ускоренный отсев непригодных решений за счёт того, что учитывается, является ли решение достаточно надёжным по отношению к заданному порогу надежности). 

Алгоритм основан на результатах, опубликованных в следующих работах:

[1] Denis A. Migov, Kseniya A. Nechunaeva, Sergei N. Nesterov, Alexey S. Rodionov Cumulative Updating of Network Reliability with Diameter Constraint and Network Topology Optimization, COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2016, PT I. Серия книг: Lecture Notes in Computer Science, Том: 9786,  Стр.: 141-152

[2] Д. А. Мигов, К. А. Нечунаева, А. С. Родионов, Генетический алгоритм структурной оптимизации сетей с применением подхода кумулятивного уточнения границ надёжности. Вестник СибГУТИ, №4, 2015, с. 55-61.

Входные данные программы: количество узлов и каналов связи сети, значения надёжности для всех каналов связи (числа от 0 до 1), значения стоимости прокладки для всех каналов связи, параметры генетического алгоритма (размер популяции, кол-во поколений, размер турнира, вероятность мутации), ограничения на общую стоимость прокладки каналов связи, максимальное значение диаметра графа.

Функциональные возможности - структурная оптимизация сетей с количеством  каналов до 100.

Инструментальные средства создания - Delphi.

Алгоритм разработан в рамках гранта РФФИ № 18-07-00460.

Назначение: Определение индивидуальных параметров, характеризующих особенности заболевания и иммунитета ВИЧ-инфицированного пациента по дополнительной информации о концентрациях Т-лимфоцитов, свободного вируса и иммунных эффекторов в фиксированные моменты времени. Для составления прогноза развития заболевания и подбора наиболее подходящих программ лечения.

Область применения: Медицина. Иммунология. 

Используемый алгоритм: В работе рассмотрена задача определения параметров (обратная задача) для нелинейной системы обыкновенных дифференциальных уравнений, описывающей динамику ВИЧ-инфекции в организме человека. Алгоритм решения обратной задачи основан на комбинации метода наименьших квадратов и генетического алгоритма (стохастического метода) [1],[2]. Обратная задача сводится к задаче минимизации целевого функционала, характеризующего отклонение модельных данных от экспериментальных. С помощью метода наименьших квадратов мы получаем вид целевого функционала. На каждой итерации метода наименьших квадратов получаем минимум целевого функционала с помощью генетического алгоритма.

[1] Kabanikhin S.I., Krivorotko O.I., Yermolenko D.V., Latyshenko V.A., Kashtanova V.N. Inverse problems of immunology and epidemiology // Eurasian Journal of Mathematical and Computer Applications. 2017. 5(2):14-35. ISSN 2306–6172.

[2] H.Th. Banks, S.I. Kabanikhin, O.I. Krivorotko and D.V. Yermolenko. A numerical algorithm for constructing an individual mathematical model of HIV dynamics at cellular level // J.Inverse Ill-Posed Probl. 2018; 26(6):859–873. DOI:10.1515/jiip-2018-0019.

Функциональные возможности:
1. Возможность задать начальные данные для математической модели динамики ВИЧ.
2. Возможность задать вектор точных параметров модели.
3. Возможность задать уровень Гауссовского шума в данных (5% или10% или 15%).
4. Возможность задать количество измерений по времени (4 измерения (измерения берутся раз в месяц) или 8 измерений (измерения берутся раз в 2 недели) или 15 измерений (измерения берутся раз в неделю)).

Программа выдает .txt файлы, содержащие полученные значения определяемых параметров, значения относительных ошибок определяемых параметров, решение прямой задачи (задачи Коши) для полученных параметров.

Функциональные возможности подробно описаны в Инструкции в Приложении.

Инструментальные средства создания: Программа написана на языке программирования C++ в среде разработки Visual Studio 2015.

Назначение - проведение виртуальных лабораторных работ на тему "Маятник Максвелла". Является наглядным примером закона сохранения энергии, равноускоренного движения, а также других физических закономерностей.
Область применения - в сфере образования на уроках по дисциплине «Физика».
Используемый алгоритм - при работе программы используется таймер, который срабатывает один раз в 50 мс. По истечении этого интервала рассчитывается положение маятника, исходя из алгебраических формул (вывод формул - в прикрепленном файле), и перерисовывается изображение.
Функциональные возможности - помимо того, что у маятника можно менять сменные кольца, закрепляемые на диске, в программе можно менять параметры: масса оси, внешний диаметр оси, масса диска, внешний диаметр диска. Регулировка начального положения выполняется кнопками "Выше" и "Ниже". Процесс моделирования движения маятника запускается кнопкой "Старт", приостанавливается кнопкой "Пауза" и полностью прекращается кнопкой "Стоп".
Инструментальные средства создания - виртуальная машина Java, пакет разработчика JDK, среда разработки NetBeans