Основные подходы к формированию математических и имитационных моделей на основе баз знаний в разработке программного обеспечения

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В данной статье рассматривается применение математических и имитационных моделей, основанных на базах знаний, в процессе разработки программного обеспечения. Цель исследования заключается в анализе влияния этих моделей на качество и эффективность создания программных систем, а также в выявлении ключевых этапов их интеграции в процесс разработки. В ходе исследования был проведен анализ существующих практик, что позволило сделать несколько выводов. Во-первых, использование математических и имитационных моделей значительно улучшает понимание сложных взаимодействий в программных системах и способствует более точному прогнозированию их поведения. Во-вторых, доступ к базам знаний ускоряет процесс моделирования и повышает его точность, что приводит к более обоснованному принятию решений и снижению рисков. Наконец, интеграция этих подходов в разработку программного обеспечения позволяет командам оставаться конкурентоспособными и адаптивными в условиях быстро меняющихся технологий. Таким образом, статья подчеркивает важность и необходимость применения математических и имитационных моделей для повышения качества разработки программного обеспечения.

Об авторах

Рустам Уралович Астафьев

МИРЭА – Российский технологический университет

Автор, ответственный за переписку.
Email: astafev@mirea.ru

старший преподаватель, кафедра индустриального программирования; Институт перспективных технологий и индустриального программирования

Россия, Москва

Список литературы

  1. Altuntaş M., Ay Z., Çetin İ. Mathematical modeling in online learning environments: student challenges // Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi. 2024. No. 24 (2). Pp. 1049–1075. doi: 10.17240/aibuefd.2024-1407578.
  2. Feldmann F., Nødland O., Sagen J. et al. IORSim: A mathematical workflow for field-scale geochemistry simulations in porous media // Transp. Porous Med. 2024. No. 151. Pp. 1781–1809. doi: 10.1007/s11242-024-02094-9.
  3. Waleed M., Qazi A.Kh., Waqas R. et al. Development of BIM-based tunnel information modeling prototype for tunnel design // Advances in Civil Engineering. 2024. No. 8118578. 18 p. doi: 10.1155/2024/8118578.
  4. Pal M.K., Ram K. Application of mathematical modelling techniques in optimal design of wastewater treatment plants. In: Biological and hybrid wastewater treatment technology. Earth and environmental sciences library. M.M. Ghangrekar, S. Yadav, R.N. Yadava (eds.). Springer, Cham., 2024. doi: 10.1007/978-3-031-63046-0_18.
  5. Perazzolo S. SAAM II: A general mathematical modeling rapid prototyping environment // CPT Pharmacometrics Syst Pharmacol. 2024. No. 13. Pp. 1088–1102. doi: 10.1002/psp4.13181.
  6. Shchekaturov A.M., Timofeev K.A., Kozlov O.S. Method to develop functional software for NPP APCS using model-oriented approach in SimInTech // Университетский научный журнал. 2015. № 15. С. 80–87. EDN: VCMNXN.
  7. Астафьев Р.У., Шамин Р.В. Основы статистического инструментария для анализа и прогноза качества программных продуктов // Наука и бизнес: пути развития. 2024. № 5 (155). С. 86–90. EDN: DOLXUJ.
  8. Астафьев Р.У., Деревянко Н.В. Реализация алгоритма выбора серверного оборудования для модернизации информационной системы производственного цеха // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2024. № 5. С. 27–32. doi: 10.37882/2223-2966.2024.05.01. EDN: AMAYIV.
  9. Астафьев Р.У., Пронина Е.В., Пихтилькова О.А. и др. Синтез алгоритма выбора реализации методов факторного анализа эконометрических данных в R и Python // Московский экономический журнал. 2023. Т. 8. № 4. doi: 10.55186/2413046X_2023_8_4_183. EDN: PQNFAF.
  10. Богомягков А.В., Пугин А.В. Совершенствование математической модели тепломассопереноса в замораживаемом породном массиве, реализованной в программе frozenwall // Известия Томского политехнического университета. Инжиниринг георесурсов. 2023. Т. 334. № 2. С. 164–174. doi: 10.18799/24131830/2023/2/3808. EDN: ABDTNB.
  11. Зубарев В.Р. Разработка инструментальных систем анализа устойчивости предприятия // Экономика: вчера, сегодня, завтра. 2024. Т. 14. № 2-1. С. 455–463. doi: 10.34670/AR.2024.36.42.028. EDN: ANLSZA.
  12. Иванов И.Е., Мурзин А.Ю. Определение статистических свойств случайной ошибки, сопровождающей синхронизированные векторные измерения токов и напряжений в установившемся режиме // Вестник Ивановского государственного энергетического университета. 2014. № 3. С. 29–38. EDN: SGIVGZ.
  13. Кислицын Е.В., Городничев В.В. Имитационное моделирование развития отдельных отраслей тяжелой промышленности // Бизнес-информатика. 2021. Т. 15. № 1. С. 59–77. doi: 10.17323/2587-814X.2021.1.59.77. EDN: RADPCO.
  14. Пискунов И.В., Панкин А.А., Башкирцева Н.Ю. Математическое моделирование процессов производства нефтяных окисленных битумов (обзор) // Вестник Технологического университета. 2022. Т. 25. № 4. С. 83–94. doi: 10.55421/1998-7072_2022_25_4_83. EDN: UTDUZA.
  15. Сидорякина В.В. Математическая модель процесса распространения нефтяных загрязнений в прибрежных морских системах // Computational Mathematics and Information Technologies. 2023. Т. 7. № 4. С. 39–46. doi: 10.23947/2587-8999-2023-7-4-39-46. EDN: EKBWZN.
  16. Шиков П.А. Применение инструментария математического моделирования и прогнозирования объемов продаж предприятия с учетом сезонных колебаний // Современные аспекты экономики. 2020. № 2 (270). С. 79–86. EDN: MOHQSD.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».