оптимізація

У статті запропоновано інноваційний підхід до оптимізації маршрутизації в розподілених мережах із використанням методів машинного навчання, зокрема підкріплювального навчання. Використання цього підходу дозволяє значно підвищити ефективність керування потоками даних, оскільки алгоритм адаптивно визначає оптимальні шляхи передачі на основі поточного стану мережі. Це сприяє зменшенню затримок, покращенню використання пропускної здатності та підвищенню загальної продуктивності мережевої інфраструктури.

Зростаюча складність кіберзагроз вимагає розробки ефективних методів виявлення та класифікації атак у мережевому трафіку. У даному дослідженні проаналізовано ефективність трьох популярних алгоритмів машинного навчання: Random Forest, який використовується для виявлення аномалій, Support Vector Machines (SVM), що виконує класифікацію кіберзагроз, та автоенкодерів, які застосовуються для попередньої обробки даних та глибокого аналізу трафіку.

Проведено огляд публікацій, присвячених математичному моделюванню процесу нанофільтрації, встановлено переваги, обмеження та сфери застосування різних підходів до моделювання. Виявлено, що найефективніші підходи ґрунтуються на розширеному рівняння Нернста-Планка, рівновазі Доннана, а також методах обчислювальної гідродинаміки та молекулярної динаміки. Розглянуто використання програмного забезпечення для вирішення завдань моделювання нанофільтрації.

The paper describes a constant time clustering algorithm that can be applied on wireless sensor networks. The scheme for rate control, scheduling, routing, and power control protocol for wireless sensor networks based on compressive sensing has been shown. Using network utility maximization formulations, cross-optimization solutions using Lagrangian multipliers in network access control and physical layers have been presented. The optimization solutions have been developed by solving the optimization model of network utility maximization.

Розглянуто особливості мультиагентного моделювання для оптимізації дорожнього руху в центральних районах міст. Оцінюючи унікальні виклики, пов’язані з високою концентрацією транспорту, пішоходів та історичної забудови, досліджено потенціал мультиагентних систем для ефективного вирішення проблеми заторів, безпеки та якості життя у міських умовах. Потенціал мультиагентного моделювання в контексті управління дорожнім рухом у центральних районах міста дає змогу визначити ключові виклики та можливості.

На прикладі напівпровідникових кристалів Ge, Si, PbTe, PbS, InSb з різними рівнями легування та різними типами провідності проведено оптимізацію геометрії п’єзорезистивного ефекту, а саме визначено такі напрямки вимірювання напруги та прикладання одновісного тиску, які забезпечують максимально досяжне значення ефекту. Оптимізація базується на підході, що використовує побудову та аналіз екстремальних поверхонь, які представляють усі можливі максимуми цільової функції (величини ефекту) при різних просторових орієнтаціях взаємодіючих факторів.

The present study focuses on a new application of a decision-making process using the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method for the optimization of the chemical synthesis output. This investigation is important as many chemical reactions have been performed in labs without any analysis of their optimization. The factors that affect the chemical synthesis output such as catalyst, nanosensor network, and temperature have been considered in this study.