CC BY
19142
Секция 8
численных алгоритмов, повышающих уровень программирования, и при этом обеспечивающих удовлетворительную эффективность (по времени выполнения, расходу памяти, нагрузке на сеть и т.п.) исполнения программ. В работе представляются алгоритмы системы LuNA, ориентированные на эффективное исполнение LuNA программ на вычислителях с распределенной памятью, а также представляются результаты экспериментального исследования эффективности работы системы на ряде приложений.
Построение модели изменения во времени содержания тематических кластеров в коллекциях научных текстов
И. С. Пименов1, Н. В. Саломатина2 1Новосибирский государственный университет 2Институт математики им. С. Л. Соболева Email: pimenov. 1330@yandex.ru DOI: 10.24411/9999-017A-2019-10289
В работе представлены результаты решения задачи по оцениванию изменений, происходящих на уровне тематических кластеров в отдельной предметной области. Реализован подход, опирающийся на анализ полных текстов [1]. Выявление терминов, связей между ними и тематическая кластеризация проведены с помощью свободно распространяемой программы VosViewer, позволяющей извлекать термины в форме именных словосочетаний, а также проводить их кластеризацию [2]. Для отслеживания динамики развития и формирования тематических кластеров во времени использованы ориентированные графы, построенные с учетом значимых изменений в кластере. Апробация подхода проведена на материале докладов шести конференций по катализу "EuropaCat" за период времени с 2005 г. по 2015 г. На качественном и количественном уровне дано описание основных тенденций изменения во времени тематических кластеров.
Работа выполнена при финансовой поддержке программы Фундаментальных научных исследований РАН (код проекта 0314-2019-0015).
Список литературы
1. M.J. Cobo, A.G. Lуpez-Herrera, E. Herrera-Viedma, F. Herrera. An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field. URL: https://www. sciencedirect.com/science/article/pii/S1751157710000891 (дата обращения: 26.03. 2019).
2. Van Eck, N.J., & Waltman, L. Text mining and visualization using VOSviewer. [Электрон. ресурс]. URL: https:// pdfs.semanticscholar.org/eebd/8c9e1dce3656de1d6a2c92fa26d82087447e.pdf (дата обращения: 26.03. 2019).
Использование естественного языка при создании имитационных моделей
С. В. Рудометов1, В. В. Окольнишников2
1Институт вычислительной математики и математической геофизики СО РАН
2Институт вычислительных технологий СО РАН
Email: sergersw@gmail.com
DOI: 10.24411/9999-017A-2019-10290
В нашей работе мы воспроизвели действия человека, который пытается анализировать полностью незнакомый текст, в котором ему известно, какие слова и словесные конструкции обозначают сущности (предметы, существ), какие - действия, а какие - те или иные свойства сущностей или действий. При таком анализе, мысленно, человек начинает строить схему, в которой сначала "создает" сущности, затем "снабжает" их свойствами, указанными в тексте, и затем - выясняет их взаимодействие и его свойства.
Специалист в предметной области, разрабатывающий имитационную модель в среде имитационного моделирования MTSS [1], действует по похожей схеме. Сначала он принимает решение об использовании некоторых элементарных моделей (ЭМ), затем создает и размещает (визуально) некоторое количество экземпляров ЭМ (ЭЭМ), затем изменяет их свойства, затем графически соединяет их друг с другом.
Использование естественного языка выглядит в таком случае как применение скриптового языка. Но есть и важное отличие: человеку не нужно учить этот новый язык. Он будет использовать хорошо известные ему и понятные языковые конструкции.
Математическое моделирование в информационных технологиях
143
Существует простой и эффективный способ выделения нужных понятий из размеченного текста на естественном языке, схожий с обычными регулярными выражениями (Stanford NLP, TokenSequencePattem [2] или библиотека Natural Language Toolkit для языка Python [3]). После выделения набора сущностей мы сопоставляем найденные слова с набором строк, которым идентифицирует (именует) себя каждая ЭМ в конкретной библиотеке MTSS. Похожим образом выделяются затем свойства найденных ЭЭМ, и затем - их взаимодействия.
Список литературы
1. S. V. Rudometov, "MTSS simulation system," 2011-10-28. Accessed on: 30.10.2011Available: URL: http://fap. sbras.ru/node/2325 (In Russian).
2. (2018). Stanford Log-linear Part-Of-Speech Tagger. Available: https://nlp.stanford.edu/software/tagger.shtml.
3. E. K. Steven Bird, Edward Loper, Natural Language Processing with Python - Analyzing Text with the Natural Language Toolkit. O'Reilly Media, 2009, p. 504.
Моделирование работы очистного забоя угольной шахты
С. В. Рудометов1, В. В. Окольнишников2, А. А. Ордин2
1Институт вычислительной математики и математической геофизики СО РАН
2Институт вычислительных технологий СО РАН
Email: rsw@inbox.ru
DOI: 10.24411/9999-017A-2019-10291
В системе имитационного моделирования MTSS [1-2] реализована специализированная библиотека моделей горных машин, используемых при добыче угля в длинном очистном забое угольной шахты. С использованием специализированной библиотеки имитационных моделей горных машин разработана комплексная модель технологических процессов подземной добычи угля в очистном забое угольной шахты. Исследованы подходы повышения производительности очистного забоя в зависимости от технических характеристик горных машин, размеров лавы, технологических схем добычи угля в условиях изменяющихся горно-геологических и геомеханических характеристик угольного пласта.
Список литературы
1. Рудометов С.В. Визуально-интерактивная система имитационного моделирования технологических систем // Вестник СибГУТИ. 2011. №3. С. 14-27.
2. Rudometov S.V, Okolnishnikov VV A System for Computer Simulation of Technological Processes // Proceedings of 7th IFAC Conference on Manufacturing Modelling, Management, and Control (MIM 2013). 2013. P. 653-658.
On the global search in d.c. optimization problem
A. S. Strekalovsky
Matrosov Institute for System Dynamics and Control Theory SB RAS
Email: strekal@icc.ru
DOI: 10.24411/9999-017A-2019-10292
We consider the general optimization problem with the cost function and equality and inequality constraints given by d.c. functions. The original problem is reduced to a problem without constraints with the help of the exact penalization theory. Besides, the goal function of the auxiliary penalized problem turns out to be d.c. function. On the base of the idea of consecutive solution of linearized problems we develop a special local search method for the penalized problem and study its convergence [1].
In addition, we study the case when the sets of minimizing sequences of both problems coincide. Further we prove necessary and sufficient conditions for the sequence to be minimizing in the penalized problem [2]. In addition we propose a theoretical method that generates a minimizing sequence for the penalized problem. We also develop a global search scheme and prove that it produces a minimizing sequence in the penalized problem.
Finally, as applications, we consider the problems of numerical finding of a Nash equilibrium point, an optimistic solution of bilevel problems, and solution of system of nonlinear equations by variational approach.
