Прикладная математика и вопросы управления

Целью данной работы является обеспечение поддержки принятия решений по управлению процессом разработки ПО информационных систем. Новизна полученных результатов определяется тем, что разработанные модели и алгоритмы управления процессом разработки ПО информационных систем обеспечивают повышение качества управленческих решений за счет обеспечения учета неопределенности в оценках экспертов на начальном этапе проекта, автоматизированного расчета объема вносимых изменений, как доли требований, реализованных на предыдущих этапах/итерациях и затронутых при реализации новых требований, на основе вычисленных связей между элементами проекта и автоматизированного расчета оценок трудоемкости и сроков разработки ПО на основе систем нечеткого логического вывода, динамически подстраиваемых по мере накопления ретроспективных данных.

Целью внедрения системы автопилота в транспортное средство является автоматизация его передвижения на динамическом ландшафте. Задачу автопилота можно рассмотреть как разновидность задачи классификации, в которой осуществляется подбор наиболее оптимального набора действий в определенный момент времени в зависимости от состояния, в котором находится объект. За последние годы область обучения такого рода систем получила огромное развитие. Рассказано об актуальных на текущий момент подходах к реализации системы автопилота с акцентированием внимания на портативных аналогах. В частности, охватываются алгоритмы нейронных сетей, пригодные для такого проекта, и проводится сравнительный анализ с использованием доступных на момент написания статьи библиографических материалов. В качестве сравнительных характеристик были выбраны: качество работы, скорость обучения, гарантия сходимости и охват обучения системы. В результате теоретического анализа лучшим алгоритмом для интеграции как в виртуальные, так и в реальные автономные транспортные средства был выбран DQN (глубокое Q-обучение). Также в данной работе приведена информация о полезных для разработчиков готовых решениях: виртуальных платформах и программных пакетах.

Формулируется постановка задачи комплексного оценивания сложных объектов в условиях неопределенности. Приводится семь способов оценивания состояния отдельных свойств сложного объекта, предназначенных для различных условий неопределенности. Источником неопределенности могут служить средства объективного контроля, т.е. оценки частных свойств объекта могут быть как точными значениями на множестве действительных чисел, так и интервальными оценками. Помимо этого, о состоянии отдельных свойств может иметься распределение вероятностей о возможном состоянии объекта. Качественно-описываемые свойства объекта подвержены неопределенности, источником которой является субъективность суждений экспертов, привлекаемых для их оценивания. Важно, что экспертами могут быть оценены и количественные показатели, например, в случаях когда средства объективного контроля недоступны, т.е. субъективные способы ввода применимы не только к качественным показателям, но и количественным. Для агрегирования информации о частных свойствах предлагается использовать известные и полученные автором матричные механизмы комплексного оценивания. Описываются три матричных механизма нечеткого комплексного оценивания с максиминным и аддитивно-мультипликативным подходами к теоретико-множественным операциям, а также два эквивалентных им непрерывных матричных механизма комплексного оценивания. На примере шести модельных примеров показаны процедуры агрегирования двух критериев как с точными действительными значениями, так и с различной неопределенностью: критерии с интервальными оценками, нечеткими значениями и Ф-нечеткими.