CC BY
39
Секция «Информационнее системы и технологии»
УДК 004.428.4:004.021
А. С. Петров Научный руководитель - В. В. Тынченко Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
СОЗДАНИЕ БИБЛИОТЕКИ КЛАССОВ ДЛЯ ЭВОЛЮЦИОННОЙ ОПТИМИЗАЦИИ
Рассматривается проблема создания удобной, гибкой и эффективной программной библиотеки для решения задач оптимизации на основе эволюционного подхода.
Эволюционная оптимизация - активно развивающийся раздел искусственного интеллекта, использующий основные принципы биологической эволюции. Одним из направлений эволюционной оптимизации являются генетические алгоритмы (ГА), нацеленные на создание упрощенных моделей биологической эволюции для решения задач оптимизации [1]. Для повышения удобства использования генетических алгоритмов и скорости решения задач необходимо создать программную библиотеку, содержащую: модули, общие для всех задач и реализующие основные операторы ГА; наиболее общую реализацию генетического алгоритма; абстрактные описания информационных структур для стандартизации представления основных элементов данных, участвующих в реализации ГА.
С учетом указанных требований наиболее адекватной архитектурой для библиотеки является сервис-ориентированная архитектура, представляющая собой модульный подход к разработке программного обеспечения, основанный на использовании распределённых, слабо связанных заменяемых компонентов, оснащённых стандартизированными интерфейсами для взаимодействия. Алгоритм разбивается на отдельные модули со стандартизированными интерфейсами, причем каждый модуль может быть заменен другим модулем, который выполняет такую же функцию и отвечает требованиям стандарта. Данная архитектура позволит быстро конструировать и сравнивать между собой различные модификации генетического алгоритма.
В классическом генетическом алгоритме можно выделить следующие основные модули, требующиеся для его работы: инициализация (определение начальных настроек алгоритма), селекция, скрещивание, мутация, целевая функция, условие остановки алгоритма, способ кодирования параметров задачи. Первые четыре модуля включены в библиотеку, поэтому пользователь, который хочет решить некую оптимизационную задачу с помощью ГА, должен задать только целевую функцию, условие остановки алгоритма и способ кодирования параметров задачи.
Наиболее удобной парадигмой для разработки библиотеки является объектно-ориентированная парадигма программирования. В качестве языка реализации библиотеки выбран С# ввиду его удобства и строгой объектно-ориентированности.
Помимо различных модулей для реализации алгоритма, библиотека содержит так называемый алгоритм по умолчанию, который используется, если пользователь не выбрал конкретные модули для алгоритма. Данная программная библиотека - удобное основание как для экспериментов в области ГА, так и для решения различных оптимизационных задач.
Библиографическая ссылка
1. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М. : Горячая линия-Телеком, 2006. 452 с.
© Петров А. С., 2013
УДК 004.9 (004.41/.42)
И. О. Петрухин, К. В. Белов Научный руководитель - Л. С. Зеленко Самарский государственный аэрокосмический университет имени академика С. П. Королева (национальный исследовательский университет), Самара
РАЗРАБОТКА ПОДСИСТЕМЫ СЕТЕВОГО ВЗАИМОДЕЙСТВИЯ В ДИСТАНЦИОННОЙ ОБУЧАЮЩЕЙ СИСТЕМЕ «ЗБиСАТЮ]]»
Статья посвящена описанию преимуществ сетевого взаимодействия между пользователями виртуальной обучающей системы. Выделены наиболее важные моменты, которые положены в основу разработки подсистемы, определены средства разработки.
Новый век для человека ассоциируется, прежде всего, с информационными технологиями, которые позволяют нам поддерживать общение с другими людьми через сетевые коммуникации, по сети интер-
нет в реальном времени можно передать практически любые объемы информации. Очень важно обеспечивать такое взаимодействие между людьми в процессе обучения, поэтому актуальной является задача разра-
Актуальные проблемы авиации и космонавтики. Информационные технологии
ботки дистанционных обучающих систем, которые дают возможность удаленно использовать различные электронные ресурсы, а также совместно решать учебные задачи.
На кафедре программных систем СГАУ коллективом студентов разрабатывается дистанционная виртуальная обучающая система (ВОС), которая использует технологию виртуальной реальности. Данная система позволяет обучаемым в игровой форме осваивать учебные курсы. Погружение в виртуальную реальность и возможность соприкоснуться с областью необходимых ему знаний, взаимодействуя с объектами искусственно созданного информационного мира, должны способствовать, по мнению разработчиков, вовлечению учащихся в активный процесс обучения, а также устойчивому отложению в памяти только что изученных фактов.
Пользователь взаимодействует с 3Б-объекты виртуального мира через аватара - трехмерного персонажа, который является своеобразным проводником, гидом в виртуальной реальности, а быть может, даже будет сопоставляться исследователем с самим собой. Для повышения уровня интереса к ВОС и увеличения возможностей обучаемого, необходимо обеспечить ему взаимодействие с другими пользователя системы, поэтому перед авторами была поставлена задача -разработать подсистему сетевого взаимодействия.
Данная подсистема позволит обучаемым оказывать помощь друг другу, если при изучении учебного материала возникли затруднения, обмениваться предметами или просто обсуждать только что пройденный материал. Сетевое взаимодействие позволит включать в процесс обучения задачи, требующие совместного (командного) решения, в этом случае обмен оперативной информацией поможет сократить время решения и повысит эффективность обучения. Такой подход реализован во многих опНпе-играх, где человек видит других игроков, их успехи или поражения, общается с ними и тем самым мотивируется на дальнейшие успехи и достижения.
Введение в ВОС подсистемы сетевого взаимодействия решит ряд проблем: повысит общий интерес учащихся ко всей системе за счет возможности общения, мотивирирует ученика на активное усвоение учебного материала, поможет с освоением самой системы.
Подсистема сетевого взаимодействия разрабатывается на языке С# с применением технологий ASP.NET и сетевого АР1-движка иш1у3Б, она будет интегрирована в общее информационное пространство виртуальной обучающей системы.
© Петрухин И. О., Белов К. В., 2013
УДК 004.652
А. В. Проскурин, А. В. Белоконь Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
АВТОМАТИЧЕСКОЕ АННОТИРОВАНИЕ ЛАНДШАФТНЫХ ИЗОБРАЖЕНИЙ ПО ИХ СОДЕРЖАНИЮ
Рассмотрен метод автоматического аннотирования ландшафтных изображений на основе модели машинного перевода.
За последние годы объем мультимедиа данных возрос в несколько раз. Однако вся эта информация была бы бесполезна без точного, удобного и быстрого поиска по ней. Все существующие методы поиска графической информации можно разделить на два направления: поиск по содержанию (content-based image retrieval - CBIR) и поиск по текстовым аннотациям (description based image retrieval - DBIR). Поиск в CBIR-системах производится на основе анализа и сравнения низкоуровневых характеристик изображения (цвет, текстура и др.), позволяя получать неплохие результаты. Однако у таких систем есть два недостатка. Типичным видом запроса является изображение-образец, что менее удобно для пользователя, чем текстовый запрос. Другим существенным недостатком является проблема семантического разрыва -отсутствия связи между семантикой изображения и его низкоуровневыми характеристиками. Использование текстового запроса позволяет решить проблему запроса-образца и уменьшить семантический разрыв.
В связи с этим становится актуальной задача автоматического аннотирования изображений, используя их низкоуровневые характеристики. В докладе рассматривается задача автоматического аннотирования ландшафтных изображений на основе текстурных признаков.
Существует несколько подходов к автоматическому аннотированию изображений. Все их условно можно разделить на три класса [1]: статистические подходы, классификационные подходы, подходы, связанные с векторным пространством. Основная идея статистических подходов заключается в оценке вероятности связанности изображения с запросом пользователя. После этого изображения ранжируются в соответствии с их вероятностями. Классификационные подходы рассматривают процесс присоединения слов к изображениям как классификацию изображений на ряд предопределенных групп, каждая из которых характеризуется понятием или словом. Подходы, связанные с векторным пространством, как правило,
