ПРИКЛАДНАЯ МАТЕМАТИКА И ВОПРОСЫ УПРАВЛЕНИЯ
Архив статей журнала
Создание генерального плана является ответственным этапом при проектировании промышленного предприятия. На практике для расстановки объектов на плане (зданий, сооружений и т. д.) используется ручной подход, при котором проектировщики самостоятельно размещают объекты. Создание проекта является творческим процессом, а количество вариантов проектирования может быть достаточно большим. Фактически формируются и сравниваются между собой лишь несколько альтернативных вариантов компоновки, из которых в дальнейшем выбирается наилучший. Однако этот выбор нередко основывается на субъективном мнении специалиста и не всегда гарантирует оптимальное решение. Кроме того, оценка вариантов и принятие окончательного решения зависят от квалификации и опыта задействованных инженеров. В связи с этим необходимо автоматизировать этот процесс для создания более качественных проектов за более короткий срок. Цель данной работы - описать формирование генерального плана с математической точки зрения и создать универсальную математическую модель, подходящую для всех возможных вариантов расположения объектов относительно друг друга. На основе полученных результатов данной работы в будущих исследованиях можно будет определить оптимальные численные методы для размещения объектов на генеральном плане. Эффективность применения методов оптимизации зависит от точности математических моделей, используемых для описания задачи. Модели должны точно отражать все ключевые аспекты реальной ситуации, чтобы результаты оптимизации были пригодны для практического использования.
Предлагается простой дискретный алгоритм, моделирующий работу мультиполярного ассоциативного нейрона с синапсами, и простая приближенная математическая модель синапса. Коэффициенты моделей находятся путем решения задачи идентификации по результатам измерений входов и выходов блоков, из которых состоит структурная схема нейрона и синапса. Полученные математические модели частично отражают основные свойства реальных нейронов и синапсов. Они могут использоваться для создания искусственных нейронных сетей и систем искусственного интеллекта при математическом моделировании работы мозга человека.