Назначение - Разработка рекомендаций для муниципальных и федеральных органов управления. Определение качества жизни в различных регионах России, оценка сложившихся диспропорций. 
Область применения - Медицина. Социальная сфера.
Используемый алгоритм - Предлагаемый способ рачета рейтинга общественного здоровья региона представляет собой совокупность последовательно рассчитываемых показателей.

Региональный показатель здоровья человека,включающий в себя :

• уровень заболеваемости населения;
• уровень смертности населения в трудоспособном возрасте;
• ожидаемая продолжительность жизни.

Расширенный показатель регионального здоровья дополняется следующими компонентами:

• младенческая смертность (число умерших до 1 года на 1000 родившихся за год) (чел.);
• женская смертность в фертильном возрасте (доля умерших женщин в возрасте 15—49 лет к общей численности умерших женщин в данном возрасте) (%).

Социальное здоровье как социальная среда имеет в своей основе следующие индикаторы:

• профессиональные заболевания (доля населения, страдающего профзаболеваниями в общей численности населения);
• социальные заболевания: алкоголизм, наркомания, токсикомания, психические заболевания, туберкулез, венерические заболевания;
• преступность;
• ожидаемая продолжительность жизни (все население).​​​​​​​​​​​​​​

​​​​​​​​​​​​​​Cостояние системы здравоохранения в регионе определяется следующими показателями:

• число больничных коек на 10 000 человек;
• численность врачей на 10 000 человек;
• численность среднего медицинского персонала на 10 000 человек;
• мощность врачебных амбулаторно-поликлинических учреждений на 10 000 человек (количество посещений в смену);
• показатели финансирования здравоохранения: расходы консолидированных бюджетов субъектов Российской Федерации на здравоохранение и спорт; расходование средств ТФОМС; объем платных медицинских услуг населению; инвестиции в здравоохранение.
• профосмотры (на 10 000 населения)

Для проведения рейтинга эталонным значением выбирается средний показатель по России. Экспертно устанавливаются коэффициенты значимости факторов в течение исследуемого периода: v₁, v₂, v₃, v₁+ v₂+ v₃=1. Интегральный показатель рассчитывается по формуле:

I_n =w₁(t)x_n,1(t)+w₂(t)x_n,2(t) +w₃(t)x_n,3(t),

где n — номер (идентификатор) региона, w_k(t)— вес k-ого фактора в год t (равные для всех регионов в один год), статистические данные:  x_n,1(t)—уровень заболеваемости в n-том регионе в год номер t, x_n,2(t)— уровень смертности населения в трудоспособном возрасте в n-том регионе в год номер t,  x_n,3(t)— ожидаемая продолжительность жизни в n-том регионе в год номер t.

Веса w_k(t) подбирались таким образом, чтобы слагаемые w_k(t)x_n,k(t)  без учета знака, вычисленные для региона «Российская Федерация», соответствовали доле, определяемой в выражении |w₁(t)|x_n,1(t)+|w₂(t)|x_n,2(t) +|w₃(t)|x_n,3(t), проценту значимости v_k, определенному экспертами.

Знак коэффициента определим, зная характер фактора: если влияние фактора позитивно, то определяем знак плюс, негативно — минус.

Для первых трех компонентов считаем ожидаемую продолжительность жизни наиболее значимым показателем и придаем этому компоненту вес v₃=0,6, вклад коэффициента смертности в трудоспособном возрасте считаем равным v₂=0,25, общей заболеваемости — v₁=0,15. 

Аналогично находятся и другие интегральные показатели.

Для пятифакторной модели показатель вычисляем по формуле:I_n =w₁(t)x_n,1(t)+w₂(t)x_n,2(t) +w₃(t)x_n,3(t)+w₄(t)x_n,4(t)+w₅(t)x_n,5(t),

где x_n,1(t) — уровень заболеваемости; x_n,2(t) — коэффициенты младенческой смертности (число детей, умерших в возрасте до 1 года, на 1000 родившихся живыми), x_n,3(t) — коэффициенты смертности мужского населения в трудоспособном возрасте (на 100 000 мужчин трудоспособного возраста); x_n,4(t) — коэффициенты смертности женского населения в трудоспособном возрасте (на 100 000 женщин трудоспособного возраста); x_n,5(t) — ОПЖ

Веса определим следующим образом: ожидаемая продолжительность жизни — 0,45, смертность в трудоспособном возрасте (мужчины) — 0,15, смертность в трудоспособном возрасте (женщины) (этим показателем мы заменяем предложенный показатель смертности женщин в фертильном возрасте ввиду недоступности данных по всем регионам ЦФО за все интересующие нас годы) — 0,15, младенческая смертность — 0,15, общая заболеваемость — 0,10. 

В показателе социального здоровья региона вес компонентов распределен следующим образом: ожидаемая продолжительность жизни (все население) — 0,4, уровень заболеваемости социальными болезнями — 0,3, уровень преступности — 0,2, численность пострадавших при несчастных случаях на производстве с утратой трудоспособности на один рабочий день и более и со смертельным исходом (этим показателем заменяем предложенный нами первоначально показатель профессиональных заболеваний) — 0,1.

Показатель социального здоровья определяем по следующей формуле:I_n =w₁(t)x_n,1(t)+w₂(t)x_n,2(t) +w₃(t)x_n,3(t)+w₄(t)x_n,4(t),

где x_n,1(t)— ОПЖ; x_n,2(t)— уровень преступности; x_n,3(t)— уровень заболеваемости социальными болезнями; x_n,4(t)— численность пострадавших при несчастных случаях на производстве с утратой трудоспособности на один рабочий день и более и со смертельным исходом.

Показатели, характеризующие состояние системы здравоохранения, получают одинаковые веса (0,125):

I_n =w₁(t)x_n,1(t)+w₂(t)x_n,2(t) +w₃(t)x_n,3(t)+w₄(t)x_n,4(t)+w₅(t)x_n,5(t)+w₆(t)x_n,6(t)+w₇(t)x_n,7(t)+w₈(t)x_n,8(t),

где x_n,1(t)— число больничных коек на 10 000 человек; x_n,2(t)— численность врачей на 10 000 человек; x_n,3(t)— численность среднего медицинского персонала на 10 000 человек; x_n,4(t)— мощность врачебных амбулаторно-поликлинических учреждений на 10 000 человек ( посещений в смену); x_n,5(t)— расходы консолидированных бюджетов субъектов Российской Федерации на здравоохранение и спорт; x_n,6(t)— расходование средств ТФОМС; x_n,7(t)— объем платных медицинских услуг населению; x_n,8(t)— инвестиции в здравоохранение. 

Функциональные возможности - возможность проведения сопоставительного анализа показателей здоровья населения в регионах РФ за определённый период, рейтингование на основе агрегирования ключевых показателей социальной среды.
Инструментальные средства создания - табличный процессор MS Excel, регрессионные уравнения, экспертные оценки. По построенному алгоритму в среде MS Excel была создана программа, которая производит все описанные расчеты по алгоритму. 

Назначение.  Программа предназначена для решения однородного нестационарного уравнения теплопроводности в многослойной среде, обладающей сдвиговой симметрией.
Область применения - теплофизика.
Используемый алгоритм . В основе алгоритма лежит классический метод решения нестационарных уравнений теплопроводности для однородной среды – метод Фурье. Алгоритм программы реализует совместное применение матричного метода и аппарата обобщенных степеней Берса [1], [2]. Метод обобщенных степеней Берса позволяет по единому алгоритму находить решения задачи теплопроводности с постоянными или переменными (зависящими от координаты) коэффициентами для сред, обладающих сдвиговой, осевой или центральной симметрией. Программа реализует решение для случая сдвиговой симметрии (плоские слои). Матричный метод позволяет проводить расчеты для произвольного числа слоев. Он сводится к последовательному умножению квадратных матриц,  компоненты которых в каждой точке определяются физическими и геометрическими параметрами соответствующего слоя. Подробнее данная методика расчетов описана в [3], [4], а также представлена во вложенном файле.

Программа позволяет находить решение четырех краевых задач однородного нестационарного уравнения теплопроводности в виде непрерывных разложений в ряд Фурье и строит трехмерный график решения, также можно получить двумерные графики для заданных моментов времени.

В качестве входных данных используются количество слоев, физические параметры слоев (коэффициенты уравнения), ширина каждого слоя, краевые условия, количество собственных значений.

Использованные источники:

1. Bers L., Gelbart A. On a class of functions defined by partial differential equations // Transactions of the American Mathematical Society. 1944. V. 56. P. 67-93

2. Гладышев Ю.А. Метод обобщенных степеней Берса и его приложение в математической физике. – Калуга: КГУ им. К.Э. Ци­ол­ковс­кого, 2011. – 204 с.

3. Гладышев Ю.А., Калманович В.В. Операторные методы при решении задачи переноса в много­слой­ной среде // Прикладные задачи математики. Материалы XXIII международной научно-технической конференции. ФГАОУ ВО "Севастопольский государственный университет". Севастополь, издательство ФГАОУ ВО "Севастопольский государственный университет", 2015, 106-110.

4. Gladyshev Yu.A, Kalmanovich V.V. On some solutions of heat-and-mass transfer equation in multilayer media // The 8th International Conference on Differential and Functional Differential Equations. Moscow, Russia, August 13-20, 2017. International Workshop “Differential Equations and Interdisciplinary Investigations”. Moscow, Russia, August 17-19, 2017: abstracts. – Москва: РУДН, 2017. – 232 с. – С.66.

Функциональные возможности.  Время выполнения расчетов зависит от количества слоев. Основное время выполнения расчетов идет на поиск собственных значений. Например, при 5 слоях с постоянными значениями параметров на поиск 50 собственных значений тратится 95 секунд, при 11 слоях с постоянными значениями параметров на поиск только одного собственного значения тратится примерно 3200 секунд (процессор 2,4 ГГц, ОЗУ 4 ГБ). При большем количестве слоев программа не тестировалась. 
Инструментальные средства создания -  Maple 18.00 .

Система имитационного моделирования ИМОДО разработана для решения задач, связанных с транспортной сетью. 

Рассматривалась задача расстановки стационарных устройств мониторинга для оповещения всех участников движения о чрезвычайных ситуациях.

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.

В качестве модели транспортной сети рассматривается граф с взвешенными ребрами. 

Редактирование графа можно производить непосредственно в системе.

Подложкой является карта, взятая из открытых источников.

Для данной расстановки систем мониторинга вычисляется процент машин, оповещенных о событии.

Алгоритм описан в [1].

1. К. В. Ткачёв, К.А. Волжанкина ЗАДАЧА РАССТАНОВКИ УСТРОЙСТВ ОПОВЕЩЕНИЯ

В ТРАНСПОРТНЫХ СЕТЯХ ПРИ НЕКОТОРЫХ ОГРАНИЧЕНИЯХ

http://conf.nsc.ru/opcs2017/ru/proceedings

Инструментальные средства создания Язык программирования C# ver. 7.2, среда программирования Visual Studio 2017.

– пороговое значение времени для оповещения транспортных средств;

- стоимость установки устройств оповещения в узлах сети;

– ограничение стоимости установки всех устройств.

В прилагаемом архиве находится проект для запуска на Visual Studio.

Назначение    Создание имитационных моделей для анализа прохождения данных в сетях с узлами, установленными на движущихся объектах (например, на транспортных средствах) с целью повышения безопасности на транспорте.
Область применения   Современные и перспективные  сети передачи данных, например, VANET.
Используемый алгоритм  Cети передачи данных с узлами на подвижных объектах имеют свою специфику:

- постоянно меняющееся в пространстве местоположение приемопередающих устройств;

- изменение характеристик передачи радиосигнала из-за условий на местности;

Протоколы передачи данных в этих сетях также очень специальные, например:

- ретрансляция сигнала может зависеть от стороны, с которой был принят сигнал (например, ретранслировать сигнал, если он пришел от машины впереди по ходу движения и не передавать его, если он пришел сзади);

- узлы сети на подвижных носителях не могут образовывать устойчивую сеть с узлами, представленными друг другу (как это бывает в стационарных сетях)

- используемые частоты не предполагают большого расстояния между источником и приемником.

Для моделирования передачи информации в таких сетях была использована система имитационного моделирования MTSS (Manufacturing and Transportation Simulation System, зарегистрирована в ФАП СО РАН, PR11050).

Система MTSS позволяет создавать имитационные модели посредством визуальной компоновки из заранее созданных элементарных моделей (ЭМ), объединенных в библиотеки. Исполнение имитационной модели визуализируется, позволяя контролировать корректность исполнения имитационной модели.

С помощью системы имитационного моделирования MTSS создана библиотека Элементарных Моделей (ЭМ), с помощью которых можно строить имитационные модели сетей VANET. Библиотека, сформированная средствами MTSS в систему имитационного моделирования распространения мгновенных сообщений в сетях с движущимися ретрансляторами, позволяет решать задачу моделирования передачи сообщений между узлами, расположенными на движущихся объектах:

1. все или некоторые транспортные средства в этой модели имеют приемопередающие радиоустройства с заданными характеристиками частоты, мощности передатчика, чувствительности, количества каналов;
2. данные, которые передаются между радиоустройствами, обрабатываются, и это может привести к изменениям в ее движении (замедление вплоть до полной остановки, ускорение до максимально разрешенной для данной машины);

Для моделирования использованы данные сервиса Open Street Map. Сервис является свободно доступным, постоянно пополняется, содержит избыточное количество сведений о дорогах.

Передача радиосигнала имитируется с использованием формулы затухания радиосигнала в децибелах Lp=Xlog(4πdf/с),

где X – коэффициент ослабления, принятый равным 20 (для открытых пространств), d – расстояние от точки передачи, f – частота сигнала, c – скорость света.

Инструментальные средства создания – язык программирования Java ver. 1.7, среда программирования Eclipse Indigo. Для создания библиотеки использовалась система имитационного моделирования MTSS.

Назначение Восстановление и дополнение информации о пространственном и временном распределении полей концентраций пассивных загрязняющих веществ на территории города и прогноз их изменений на основе математической модели переноса примесей и данных контактных измерений сети мониторинга.

Область применения Оценки загрязнения атмосферы города по данным системы мониторинга в составе технологии "Умного города".

Используемый алгоритм Вариационный алгоритм усвоения данных, в котором усвоение одного и того же набора данных производится квази-независимо на отдельных стадиях схемы расщепления на одном шаге по времени. На каждой стадии схемы расщепления по пространственным переменным, на ограничениях математической модели, прямым алгоритмом матричной прогонки находится условный минимум целевого функционала, совмещающего невязку между измеренными значениями и их смоделированными аналогами, а также некоторый стабилизатор, включающий норму функции неопределенности (управления) и норму её пространственной производной. Такой стабилизатор позволяет получать менее локализованные решения по пространству (по сравнению с алгоритмом, учитывающим только норму самой функции неопределенности), но, тем не менее, согласующиеся с данными измерений. 

Алгоритм представлен в статьях: 

1. Penenko A., Penenko V., Mukatova Z. Direct data assimilation algorithms for advectiondiffusion models with the increased smoothness of the uncertainty functions // 2017 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON). Novosibirsk, 2017. P. 126-130. doi: 10.1109/SIBIRCON.2017.8109853.

2. Пененко А.В., Мукатова Ж.С., Пененко В.В., Гочаков А.В., Антохин П.Н.  Численное исследование прямого вариационного алгоритма усвоения данных в городских условиях // Оптика атмосферы и океана (представлено, положительные рецензии).

Функциональные возможности Программа осуществляет оценку текущего уровня загрязнений на основе данных измерений системы мониторинга, параметров модели переноса примесей (скоростей ветра и коэффициентов диффузии) и начального распределения полей концентраций.

Инструментальные средства создания С++, GSL, NETCDF, boost.

Область применения: сейсмология, сейсморазведка, нефтяная и газовая разработка месторождений.

Программа предназначена для моделирования распространения сейсмического волнового поля в насыщенной минерализованной жидкостью пористой среде с учетом диссипации энергии. 

Пористая среда, состоящая из упруго-деформируемой матрицы, заполненной вязкой жидкостью, является реалистической моделью, которая позволяет объяснять наблюдаемые эффекты сейсмических исследований свойств горных пород при наличии поровой жидкости. В последние годы, численное моделирование распространения сейсмических волны во флюидонасыщенных жидкостью пористых средах, получило значительное внимание из-за его практического применения в различных областях задач геофизики, биомеханики и разработки углеводородных месторождений. В качестве математической модели, как правило, используется модель Френкеля-Био. Особенность подобных моделей - наличие дополнительной второй продольной волны. В теории Френкеля-Био скорости распространения таких волн являются функциями четырех упругих параметров для заданных значений физических параметров среды. В 1989 году Доровский В.Н., основываясь на общих физических принципов, построил нелинейную математическую модель для пористых сред. Так же как в теории Френкеля-Био, в модели Доровского есть три типа звуковых колебаний: поперечный и два типа продольных. В отличие от моделей типа Френкеля-Био в линеаризованной модели Доровского среда описывается тремя упругими параметрами. Эти упругие параметры взаимнооднозначно выражаются тремя скоростями упругих колебаний. Это обстоятельство является важным для численного моделирования распространения сейсмических волн в пористых средах, когда известны распределения скоростей волн и физических плотностей.

В программе МОДСВИПС используется алгоритм численного решения системы линеаризованных уравнений для двухмерной динамической задачи распространения сейсмических волн в пористых средах с учётом диссипации энергии. Исходная система записывается в виде гиперболической системы в терминах скоростей матрицы, скорости насыщающей жидкости, тензора напряжений и давления жидкости. Для численного решения поставленной задачи используется метод комплексирования аналитического преобразования Лагерра по времени и конечно-разностной аппроксимациии по пространственным координатам. Данный метод решения можно рассматривать как аналог известного спектрально-разностного метода на основе Фурье-преобразования, только вместо частоты мы имеем параметр m - степень полиномов Лагерра. Однако, в отличие от Фурье, применение интегрального преобразования Лагерра по времени позволяет свести исходную задачу к решению системы уравнений, в которой параметр разделения присутствует только в правой части уравнений и имеет рекуррентную зависимость. Это позволяет применить известные устойчивые разностные схемы для последующего решения подобных систем. Такой подход является эффективным при решении нестационарных динамических задач для пористых сред, т.к. из-за наличия второй продольной волны с малой скоростью при использовании разностных схем по всем координатам для устойчивости решения необходимо задание согласованного малого шага дискретизации и по времени, и по пространству, что неизбежно увеличивает объем требуемых вычислений.

Для численного решения системы алгебраических уравнений, полученной в результате данного преобазования, в программе используется алгоритм распараллеливания вычислений на основе метода сопряженных градиентов. Программа написана на языке FORTRAN-90 с использованием команд библиотеки MPI распараллеливания. Теоретическое описание алгоритма опубликовано в статье [1].

В результате работы программы вычисляются значения волнового поля для заданной компоненты в узлах сетки по двум пространственным координатам в фиксированные моменты времени, и записываются в байтовой форме на носитель. Затем эти данные могут быть визуализированы с помощью программы отрисовки типа пакета MatLab.

Объем используемой оперативной памяти при работе программы зависит от размера рассчитываемой области по пространственным координатам и шага дискретизации в разностной сетке. Для пространственной области размером 1000x1000 узлов разностной сетки потребуется около 2 Гбайт оперативной памяти.

[1] Имомназаров Х.Х., Михайлов А.А. Применение спектрального метода для численного моделирования сейсмических волн в пористых средах при наличии диссипации энергии // СибЖВМ, 2014, т. 17, №2, с. 139-147.

Назначение: Существует необходимость моделирования излучения турбулентной плазмы в трехмерной постановке. Для этого разработана программа, позволяющая проводить трехмерное моделирование и ориентированная на использование гибридных суперЭВМ на основе ускорителей Intel Xeon Phi. Показатели эффективности распараллеливания составляют 90% для 200 ускорителей Intel Xeon Phi.

Область применения: Моделирование в высокотемпературной лабораторной и космической плазме, теоретический анализ неустойчивостей, анализ излучения  турбулентной плазмы. Моделирование солнечных вспышек. Моделирование установок инерциального термоядерного синтеза.

Происходит моделирование пролета пучка высокоэнергичных электронов через субтермоядерную плазму. Вследствие резонансного взаимодействия пучка с плазмой в плазме развиваются различные типы неустойчивостей, при этом наблюдается излучение плазмы на терагерцовой частоте.

Вычислительный алгоритм: Программа построена на базе метода частиц в ячейках (A.B Langdon and Charles K. Birdsall, Plasma Physics Via Computer Simulation, 2004). Для расчета электромагнитных полей используется метод конечных разностей во временной области ( Kane Yee (1966). "Numerical solution of initial boundary value problems involving Maxwell's equations in isotropic media". IEEE Transactions on Antennas and Propagation. 14 (3): 302–307). Распараллеливание выпонено методом декомпозиции расчетной области  (с использованием MPI) по частицам и по сетке, также с помощью технологии OpenMP по отдельным частицам.

Функциональные возможности: Число процессоров (процессорных ядер): до 2000
Объем памяти (суммарный): до 500 Гб

Входные данные:

• Размер сетки
• Количество процессоров
• Количество частиц в ячейке
• Размер области
• Размер части области, занятой пучком и плазмой
• Внешнее магнитное поле
• Энергия частиц пучка
• Поперечная температура частиц пучка
• Температура плазмы (X,Y,Z)

Выходные данные (опционально, каждая выдача может быть отключена)

• Списки модельных частиц (координаты, импульсы)
• Плотности электронов, ионов и электронов пучка
• Электрическое и магнитное поля (все три компоненты)
• Ток (три компоненты)
• Одномерная функция распределения электронов (всех, и пучка, и плазмы) по энергии

Техническое описание

•    Язык программирования: Фортран 90
•    Средства распараллеливания: MPI, OpenMP
•    Целевая архитектура: суперЭВМ классической архитектуры на основе, в первую очередь, процессоров Intel Xeon  и ускорителей Intel Xeon Phi

используемые численные методы: Particle-In-Cell (PIC), Finite DifferenceTime Domain (FDTD)

Основные публикации: 
1. NOTE ON QUANTITATIVELY CORRECT SIMULATIONS OF THE KINETIC BEAM-PLASMA INSTABILITY Lotov K.V., Timofeev I.V., Mesyats E.A., Snytnikov A.V., Vshivkov V.A.
Physics of Plasmas. 2015. Т. 22. № 2. С. 024502.

2. ТРЕХМЕРНЫЙ ГИБРИДНЫЙ КОД ДЛЯ МОДЕЛИРОВАНИЯ ГЕНЕРАЦИИ ВЫСОКОЧАСТОТНОГО ЭЛЕКТРОМАГНИТНОГО ИЗЛУЧЕНИЯ ТУРБУЛЕНТНОЙ ПЛАЗМЫ Романенко А.А., Снытников А.В., Тимофеев И.В. Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2016. Т. 14. № 3. С. 81-90.

Назначение - Программа предназначена для исследования математической модели самоорганизации рынка труда для нескольких отраслей экономики с целью определения его устойчивого состояния.

Область применения - Программа может применяться в трудовой сфере для определения устойчивого состояния рынка труда на различном уровне.

С экономической точки зрения устойчивость математической модели означает, что в соответствии с исходным уровнем занятости при небольших отклонениях от начального состояния система с течением времени возвратится опять в начальное состояние. Если же задача является неустойчивой, то даже небольшие отклонения обязательно приведут к другому соотношению числа безработных и занятых на производстве в нескольких отраслях экономики. Если система находится в окрестности устойчивой стационарной точки, то имеет место снижение темпов роста безработицы. В противном случае – темпы роста безработицы прогрессируют. Проанализировав полученные сведения об устойчивых и неустойчивых состояниях рынка труда для n различных отраслей экономики, вполне возможно составить прогноз. Полученный прогноз позволит избежать кризисных состояний на рынке труда. Разработанный программный модуль позволяет автоматизировать процесс определения устойчивого состояния рынка труда, чем облегчает вычислительный процесс.

Пользователь имеет возможность по вводимым статистическим данным о численности трудовых ресурсов, соответствующим им количественным и качественным характеристикам на основании математической модели самоорганизации рынка труда для нескольких отраслей экономики определить его устойчивое состояние. Указав количество трудовых ресурсов, относящихся к условно установленной категории: занятые или безработные, можно получить результаты анализа и обработки данных в виде диаграмм (диаграмма текущего устойчивого или неустойчивого состояний рынка труда) и числовых показателей (количество занятых или безработных).

Используемый алгоритм - В основу программы заложен алгоритм посимвольного шифрования и шифр простой замены. Система реализована в виде Windows-приложения, реализующего необходимый функционал. Программное обеспечение предоставляет базовые функции и может использоваться для демонстрации основных принципов проектирования приложений. Интерфейс программы представляет собой поле для ввода данных и поле для вывода результата. В текстовое поле вводится общая численность населения, которое исследуется с помощью математической модели. Значения доступны в промежутке от 200 до 1500000. Для автоматического распределения всего населения по возрастным категориям служит пиктограмма «Random». Количество людей в каждой категории может быть также задано и вручную. Пиктограммы «SetCat» и «ChangeW» служат для изменения названия категории по умолчанию и изменения матрицы весов математической модели соответственно. Значения в матрице весов можно изменять с учетом того, что сумма вероятностей в каждой строке должна быть равной единице. После того, как заданы названия категорий и инициализированы значения матрицы весов, становится возможной работа с  пиктограммой «Apply». Пиктограмма «Check» запускает алгоритм проверки введенных данных на устойчивость в соответствии с предложенным алгоритмом и выводит результат. Надпись «Not Stable» означает, что предложенная модель распределения рабочей силы не является устойчивой. В случае, когда исследуемая система окажется устойчивой, появится надпись «Stable». Алгоритм подробно описан в статье [1].

1. Зайцева И.В. Программная реализация алгоритма исследования на устойчивость математической модели самоорганизации рынка труда // Наука. Инновации. Технологии, №4,  2016. С. 35-42.

Инструментальные средства создания - Программа реализована на языке программирования C# (C Sharp), с использованием компилятора Microsoft Visual Studio 2012

Назначение - Программа предназначена для определения оптимальных значений распределения трудовых ресурсов и расчета числовых характеристик трудового потенциала методами математического моделирования
Область применения - Программа может применяться в трудовой сфере для управления трудовыми ресурсами оранизации, отрасли, региона, страны.
Используемый алгоритм - В основу программы заложен алгоритм посимвольного шифрования и шифр простой замены. Система реализована в виде Windows-приложения, реализующего необходимый функционал. Программное обеспечение предоставляет базовые функции и может использоваться для демонстрации основных приипнцов проектирования приложений. Интерфейс программы представляет собой поле для ввода данных и поле для вывода результата. В правом верхнем углу располагается текстовое поле для ввода общей численности населения, которое исследуется с помощью математической модели. Значения доступны в промежутке от 200 до 1500000. Для автоматического распределения всего населения по возрастным категориям служит пиктограмма «Random». Количество людей в каждой категории может быть также задано и вручную. Пиктограммы «Source» и «Dest» служат для вывода результатов моделирования. При отсутствии ошибок во входных данных для математической модели на центральной панели появится графическое представление распределения по категориям. Алгоритм подробно описан в статье [1].

1. Зайцева И.В., Немова А. В. Определение оптимального распределения трудового потенциала региона методами математического моделирования // Вестник Северо-Кавказского федерального университета, 2016, № 4(55). - С. 73-78.

Функциональные возможности - Пользователь имеет возможность рассчитать показатели трудового потенциала по вводимым статистическим данным о численности трудовых ресурсов, соответствующим им количественным и качественным характеристикам. Указав количество трудовых ресурсов, относящихся к условно установленной категории, доходы от реализуемой деятельности и затраты на их содержание, можно получить результаты анализа и обработки данных в виде диаграмм (диаграмма текущего состояния распределения трудовых ресурсов, диаграмма оптимизированного состояния распределения трудовых ресурсов на основе исходных значений) и числовых показателей (суммарных значений доходов, затрат и прибыли).
Инструментальные средства создания - Программа реализована на языке программирования C# (C Sharp), с использованием компилятора Microsoft Visual Studio 2012

Назначение - Составление маршрутов передвижения людей в здании согласно специфике планов этажей. Размещение объектов мониторинга на плане здания, с учетом заданных требований. 
Область применения - Отделы безопасности на предприятиях.
Используемый алгоритм - Были модифицированы известные алгоритмы для решения транспортной задачи [1], задачи принятия решений [2] и задачи о покрытии [3]. По входным данным (план этажа), рассчитываются рекомендации для мест установки камер видеонаблюдения, тревожных кнопок, датчиков противопожарной сигнализации. Выходными данными являются: информация о необходимой пропускной способности дверей, изображения с местами для расстановки систем мониторинга опасных ситуаций. 

Во время работы программы происходит:

• Загрузка планов здания в формате bmp
• Построение маршрутов передвижения моделируемых личностей
• Подсчёт реальной проходимости дверных проемов
• Размещение объектов согласно условиям, введённым пользователем
• Вывод изображения с полученным результатом

В результате работы предлагается вариант размещения объектов мониторинга на плане здания. 

[1] Семенов В. В. Математическое моделирование динамики транспортных потоков мегаполиса, 2004. - 44 с.: ил. - (Препринт № 34, Москва, 2004 / Институт прикладной математики им. М.В. Келдыша)

[2] Волновой алгоритм поиска пути https://habrahabr.ru/post/264189/ 

[3] Астраков С.Н., Ерзин А.И. Сенсорные сети и покрытие полосы эллипсами //Вычислительные технологии. 2013. Т. 18. № 2. C. 3-11

Функциональные возможности - Для обработки больших входных данных (количество людей в здании больше 10000) требуются компьютеры с оперативной более чем 512мб. и процессором не менее чем Core 2 Duo.

Инструментальные средства создания - пакет прикладных программ MATLAB.