?
A Multi-agent genetic algorithm for multi-objective optimization
P. 1391–1395.
Акопов А. С., Hevencev M.A.
В книге
Manchester: IEEE, 2013.
Tito-Corrioso O., Borges-Trenard M. A., Borges-Quintana M. и др., Symmetry 2021 Vol. 13 No. 5 Article 806
Добавлено: 18 сентября 2026 г.
Tito-Corrioso O., Borges-Quintana M., Borges-Trenard M. и др., Entropy 2023 Vol. 25 No. 2 Article 261
Добавлено: 18 сентября 2026 г.
Faizullin R., Tsoy T., Martinez-Garcia E. и др., , in: Proceedings Of The 2024 International Conference On Artificial Life And Robotics February 22 To 25, 2024 J:Com Horutohall, Oita, Japan. 29Th Arob International Meeting Series.: ALife Robotics Corporation Ltd., 2024. P. 170–173.
Добавлено: 19 февраля 2025 г.
Савченко А. В., IEEE Access 2024 Vol. 12 P. 25106–25118
Various mobile and edge devices have significantly different processing capabilities, making it challenging to develop a single universal architecture of a neural network to extract facial embeddings. In this paper, we study the automated machine learning techniques to design a neural network with the best performance on a concrete device. The novel procedure is proposed ...
Добавлено: 22 ноября 2024 г.
Акопов А. С., Бекларян А. Л., Экономика и математические методы 2023 Т. 59 № 3 С. 117–131
В статье представлена новая имитационная модель многоагентной социально-экономической системы (МСЭС), в которой реализуются индивидуальные, в том числе межпродуктовые, взаимодействия. В рамках МСЭС изучаются модели поведения агентов-производителей и агентов-потребителей со своими целевыми функционалами. В частности, производители реализуют собственную производственную стратегию посредством выбора моментов времени для ввода новых основных фондов и трудовых ресурсов. Потребители участвуют в бартерных ...
Добавлено: 25 мая 2024 г.
Andranik S. Akopov, Armen L. Beklaryan, Zhukova A., Cybernetics and Information Technologies 2023 Vol. 23 No. 2 P. 87–104
Добавлено: 8 июня 2023 г.
Бекларян А. Л., Вестник ЦЭМИ 2023 Т. 6 № 1 Статья 5
В статье представлена новая программная платформа для моделирования транспортных потоков с участием беспилотных автомобилей, использующая ряд передовых технологических решений, в частности, инструменты суперкомпьютерного агентного моделирования FLAME GPU, интеллектуальные программные модули на основе нечёткой и иерархической кластеризации, генетические оптимизационные алгоритмы, подсистему визуализации состояния агентов-транспортных средств (ТС) на основе OpenGL и др. В результате, обеспечивается возможность моделирования ...
Добавлено: 4 июня 2023 г.
Газизов Р. Р., Gazizov R., Gazizov T., , in: 2020 Dynamics of Systems, Mechanisms and Machines (Dynamics).: Omsk: IEEE, 2020. P. 1–4.
Добавлено: 16 декабря 2022 г.
Акопов А. С., Бекларян Л. А., Thakur M., IEEE Transactions on Intelligent Transportation Systems 2022 Vol. 23 No. 8 P. 12648–12664
Добавлено: 7 октября 2021 г.
Cham: Springer, 2021.
Добавлено: 8 июля 2021 г.
Акопов А. С., Beklaryan L., Beklaryan A. L., Cybernetics and Information Technologies 2020 Vol. 20 No. 3 P. 45–63
Добавлено: 19 августа 2020 г.
Каленкова А. А., Колесников Д. А., Моделирование и анализ информационных систем 2018 Т. 25 № 6 С. 711–725
Поиск редакционного расстояния между графовыми моделями (определение схожести графовых моделей) является важной задачей в различных областях компьютерных наук, таких как анализ изображений, машинное обучение, химическая информатика. В последнее время, в связи с развитием методов извлечения и анализа процессов, появилась необходимость в адаптации существующих методов сравнения графовых моделей для анализа моделей процессов (аннотированных графов), извлекаемых из ...
Добавлено: 13 октября 2019 г.
Чжо М. А., Сидоренко В. Г., Бучирин В. Г. и др., , in: 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus).: M.: IEEE, 2019. P. 2148–2151.
В данной работе рассматривается применение генетических алгоритмов для планирования технического обслуживания электроподвижного состава. Основная цель заключается в совершенствовании автоматизированной системы планирования движения поездов, обеспечивающей единообразие процесса технического обслуживания при различных ресурсах технического обслуживания, включая ограниченные ресурсы. Методы теории графов и принципа Беллмана позволяют получить весь набор подходящих графиков технического обслуживания и выбрать, какое техническое обслуживание ...
Добавлено: 13 августа 2019 г.
Акопов А. С., Beklaryan L. A., Thakur M. и др., Knowledge-Based Systems 2019 Vol. 174 P. 103–122
Добавлено: 18 апреля 2019 г.
Cham: Springer, 2018.
Добавлено: 10 ноября 2018 г.
Сидоренко В. Г., Чжо М. А., В кн.: Труды XVIII научно-практической конференции «Безопасность движения поездов».: М.: МИИТ, 2017. С. I-23–I-23.
В настоящее время системы искусственного интеллектa, к который относятся и генетические алгоритмы (ГА), широко применяются для решения разнообразных научных и технических задач в транспортной отрасли. Авторами разработано программное обеспечение системы поддержки принятия решения (СППР), реализующей ГА применительно к решению задачи построения графика оборота (ГО) электроподвижного состава (ЭПС) Авторами реализована и апробирована для условии Московского метрополитена ...
Добавлено: 20 августа 2018 г.
Cham, Switzerland: Springer, 2018.
Добавлено: 22 июня 2018 г.
Сидоренко В. Г., Чжо М. А., В кн.: НОВЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ В УПРАВЛЕНИИ ПРОЦЕССАМИ ПЕРЕВОЗОК, АВТОМАТИКЕ И ИНФОКОММУНИКАЦИЯХ.: Хабаровск: ДВГУПС, 2017. С. 197–201.
Добавлено: 9 марта 2018 г.