Сборник 70 студ конференции БГТУ

331

Важно отметить, что компьютеры (как и все сложные технические системы) не могут использоваться человеком без совершения ошибок. Таким образом, человеческих ошибок не бывает, бывают ошибки в проектировании систем. Система, неспособная сама обнаружить и исправить ошибки, нуждается в оптимизации. Следовательно, актуальным является исследование способов снижения чувствительности системы к ошибкам.

Первый способ оптимизации интерфейса – это блокировка потенциально опасных действий пользователя. Основной метод – требовать от человека подтверждения выполнения небезопасной команды. Для опытных пользователей следует модифицировать метод и требовать подтвердить действие до выполнения опасной команды. Например, чтобы удалить файл, нужно сначала в контекстном меню выбрать пункт «Разблокировать», после этого выбрать этот же файл и запустить процесс удаления.

Для предотвращения случайного выполнения опасных действий нельзя делать опасные для пользователя кнопки кнопками по умолчанию, а также устанавливать на них фокус ввода.

Второй способ снижения чувствительности системы – проверка действий пользователя перед их принятием. Наиболее популярны два варианта проверки. Первый вариант – это меню, в которое попадают только корректные команды. Второй вариант – запуск действия непосредственным манипулированием объектами. Например, если бы форматирование диска запускалось перенесением пиктограммы диска и сопровождалось показом того, как с диска исчезают все файлы и папки, то это помогло бы снизить вероятность ошибочного форматирования и избавило бы от необходимости предупреждать пользователя о потере данных.

Для ограничения вводимых значений следует использовать специальные элементы управления. Для ввода даты – «Календарь», для чисел

– «Крутилка» или «Ползунок», для текста –«Список», «ЧекБокс», «РадиоБаттон».

Если задача, стоящая перед пользователем, нетривиальна, следует выводить всплывающие подсказки, которые помогут не ошибиться. Если же пользователь уже ввёл некорректные входные данные, можно отображать возможную ошибку заменой цвета фона элемента на красный. Это особенно удобно применять при создании сайтов, например, при заполнении пользователем регистрационной формы.

И последний способ уменьшения числа человеческих ошибок – это самостоятельный выбор системой команд и параметров. Чем меньше действий требуется совершить пользователю, тем меньше вероятность ошибки. Система сама может узнать большинство из тех сведений, которые она запрашивает. Следовательно, следует избегать избыточности входных данных. Главными источниками информации в этом случае являются:

здравый смысл разработчика системы;

предыдущие установленные параметры;

наиболее часто устанавливаемые параметры.

332

Примером этого способа служит печать документов в MS Word. Все элементы заполнены данными, которые используются чаще всего.

Избавится от таких ошибок, которые нельзя исправить во время работы, так же можно, сделав обратную связь с пользователем. Например, с помощью ползунков на линейке в MS Word можно менять абзацные отступы, при этом вместо переформатирования документа по экрану двигается полоска, показывающая, куда передвинется текст.

На основе анализа изученных материалов можно сделать следующие выводы о способах оптимизации интерфейса и эффективности их использования.

1.Наиболее простой при проектировании системы метод предотвращения ошибок – это блокировка потенциально опасных действий, причем лучше требовать сделать дополнительное действие до выбора опасной команды. Но этот способ малоэффективен, так как его применение возможно в малом количестве случаев.

2.Проверку действий пользователя перед их принятием можно реализовать с помощью команд меню, манипулирования объектами, а также используя специальные элементы управления. Этот способ более эффективен, но тоже не способен справиться со всеми ошибками.

3.Самый эффективный способ предотвращения ошибок – это сделать так, чтобы система по возможности сама выбирала действия и их параметры за пользователя. Такой метод очень эффективен, так как охватывает сразу множество типов ошибок, но при этом сложно реализуем.

О.И. Драгуновская ВОЗМОЖНОСТИ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ

СИСТЕМЫ «PROGNOZ PLATFORM»

Объект исследования:система «PROGNOZ Platform».

Результаты, полученные лично автором: обоснована актуальность использования и разработки подобных программ, исследованы возможности системы «PROGNOZ Platform» и изучены способы их применения на практике.

Цель данной работы – разобраться с принципом работы«PROGNOZ Platform», изучить функциональные возможности, проанализировать их применение, выявить основные требования к подобной системе.

«PROGNOZ Platform»– платформа для создания информационноаналитических систем. На ее основе разрабатывается большинство решений компании «Прогноз». Но имеется возможность использовать программу как самостоятельную систему, что и будет рассмотрено в работе.

В современном мире при управлении СЭС люди владеют огромным количеством информации, и для плодотворной работы с ней необходимо

333

систематизировать и анализировать данные, проводить мониторинги. Следовательно, для ЛПР необходим инструмент, позволяющий эффективно выполнять эти задачи.Таким инструментом и является «PROGNOZ Platform».

При выполнении работы был проведен импорт данных из различных источников.Для строковых значений система сама создает справочники, которые затем можно использовать при работе с другими данными (рис. 2).

Рис. 2. Автоматически созданный справочник преподавателей

Инструмент «Аналитические панели» предназначен для формирования документов, отображающих данные с использованием средств деловой графики, изображений и элементов управления(рис. 3).

Рис. 3. Результаты аттестации в «PROGNOZPlatform»

При выполнении работы были изучены возможности интеллектуального анализа данных: кластеризация, ключевые факторы, прогнозирование.

Кластеризация (объединение в группы схожих объектов) является одной из фундаментальных задач в области анализа данных. В системе реализовано два алгоритма: метод К-мод, метод самоорганизующихся карт Кохонена (рис. 4).

Рис. 4. Кластеризация по методу самоорганизующихся карт Кохонена

При использовании средства анализа ключевых факторовсоздается новая таблица с факторами, связанными с результатом, и графически отображается вероятность связи между ними. В качестве фактора были выбрана группа и предмет, в качестве результата – оценка. На основе анализа можно сделать выводы, как обучение в той или иной группе влияет на получение неудовлетворительныхоценок(рис. 5).

Рис. 5. Анализ ключевых факторов

Прогнозирование будущих показателей осуществляется при помощи анализа временных рядов — совокупности математико-статических методов

334

анализа. В системе реализовано три метода: экспоненциальное сглаживание, экстраполяция, метод Грея.

Среди возможностей системы можно выделить использованиесовременных визуализаторов:

пузырьковая диаграмма, используемая, когда число анализируемых показателей больше двух, количество элементов достаточно велико.

пузырьковое дерево, отображающееродителя и потомков в

иерархии;

плоское дерево, используемое, если необходимо визуализировать большое количество элементов и получить общее представление о ситуации.

На рис. 6представлено плоское дерево, построенное для таблицы, хранящей информацию о распределении студентов по дипломным руководителям.

Рис. 6. Плоское дерево

Проанализировав возможности «PROGNOZPlatform», можно выделить следующие общие требования к подобной системе:

1)возможность импорта данных из сторонних источников;

2)поддержка различных методов анализа, реализованных при помощи нескольких алгоритмов, подходящих для разных случаев;

3)наличие средств визуализации, обеспечивающих наглядность результатов анализа и мониторинга.

Работа выполнена под руководством доц. каф. «Информатика и программное обеспечение»,к.т.н. Копелиовича Д. И.

А.И. Евдокимов ПЛАНИРОВАНИЕ ГРУЗОПЕРЕВОЗОК ПРИ ПОМОЩИ

ГЕНЕТИЧЕСКОГО АЛГОРИТМА

Объект исследования: процесс поиска оптимального маршрута с распределением заявок между курьерами.

Результаты, полученные лично автором: реализован алгоритм.

Современный бизнес требует оперативности. И зачастую выгодный контракт заключает именно тот коммерсант, который раньше конкурента успевает отправить партнеру образцы товаров или необходимые документы. Здесь немаловажную роль приобретает курьерская служба доставки, которая гарантирует необходимую скорость, надежность и ответственность.

Планировщик тратит много часов и даже дней на решение задачи оптимизации перевозок в «ручную». Сложность транспортной сети

335

возрастает по мере увеличения числа ее объектов (склад, грузоперевозчик, грузоотправитель, продукты) и числа бизнес-ограничений (график работы объектов, характеристики транспортных средств, маршрутов, скорость на автотрассах и т. д.). Уменьшается наглядность схемы взаимодействия, и выбор оптимального решения становится сложной задачей, решить которую без специализированных компьютерных программ практически невозможно.

Поставленную задачу поиска оптимальных маршрутов можно описать следующим образом. Имеется некоторое количество автотранспорта, один склад и некоторое количество клиентов. Для каждого транспортного средства требуется составить маршрут, на протяжении которого транспортное средство посещает ряд клиентов. На маршрут каждого транспортного средства накладывается ряд ограничений. Каждый маршрут должен начинаться и заканчиваться в депо. Общее количество товаров, требуемых для доставки клиентам на данном маршруте данного транспортного средства не должно превышать его грузоподъемность. Каждый клиент обслуживается лишь одним транспортным средством и лишь единожды, т. е. не допускается посещение одного клиента двумя и более транспортными средствами. Для данной задачи формулируются следующие цели (целевые функции): первичная цель – минимизировать общее количество транспортных средств; вторичные – минимизировать общее время обслуживания всех клиентов и общее расстояние, пройденное всеми транспортными средствами.

Основным средством по уменьшению общего расстояния является решение задачи коммивояжера.Генетический алгоритм для решения задачи коммивояжера легко преобразовать под решение поставленной задачи, путем изменения хромосомы особи и фитнесс-функции. Такжеправильно подобранный генетический алгоритм способен за приемлемое времяполучитьрешение достаточно близкое к оптимальному.

Хромосома состоит из 2-х генов:

список точек доставки (общий маршрут)

список разделителей маршрута по автомобилям Приспособленность каждой особи рассчитывается по формуле:

Новыеособи формируются следующим образом:

Производится селекция турнирным методом.

К 2-м самым приспособленным особям применяется «жадный» оператор скрещивания.

Вданной реализации жадного оператора происходит следующее:

1.Случайно выбирается позиция, с которой начнется новый маршрут.

2.Исходя из сравнения расстояния до следующей точки маршрута в 1 и 2 родителе, выбирается наиболее предпочтительная и так на каждом шаге, пока не закончатся все точки маршрута.

3.Если маршрут замкнулся преждевременно (не все точки еще пройдены), то мы дополняем маршрут не вошедшими точками в случайном порядке.

336

4.Выбирается случайный индекс разделителя маршрута и выбирается значение от родителя, у которого разделитель дается лучший результат.

Применяется оператор мутации с заданным шансом. Оператор мутации представляется собой случайную замену узлов маршрута между собой, а также случайное перемещение разделителя маршрута.

В итоге реализован алгоритм решения задачи коммивояжера с распределением точек между машинами с учетом ограничения по их грузоподъемности. Тестирование показало приемлемую производительность: на компьютере с процессором AMDFX-8320 при 15 точках маршрута и 3 машинах расчет занимает в среднем 47 секунд. В дальнейшем планируется развитие программной системы: модернизация алгоритма путем добавления новых ограничений (учет расхода топлива автомобилей и т.п.), запуск алгоритма в многопоточном режиме, добавление возможности получения информации о расстояниях (и другой недостающей) с помощью картографических API, таких какGoogleMaps, Яндекс.Карты.

Работа выполнена под руководством доц. каф. «Информатика и программное обеспечение» К.В. Гулакова

В.О. Журин АЛГОРИТМ ЭКСПОНЕНЦИАЛЬНОГО СГЛАЖИВАНИЯ ДЛЯ

ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ РАЗЛИЧНЫХ ПРОЦЕССОВ

Объект исследования:алгоритм экспоненциального сглаживания. Результаты, полученные лично автором:изучен алгоритм

экспоненциального сглаживания для прогнозирования показателей различных процессов, выявлены плюсы применения алгоритма в реальной жизни по сравнению с аналогичными алгоритмами для прогнозирования на основе временных рядов, проанализированы случаи применения.

Цель данной работы – подробный разбор составляющих эффективного подхода прогнозирования на основе временных рядов с применением алгоритма экспоненциального сглаживания.

Временной ряд – совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени.

Ряды являются распространенной и важной формой описания данных, так как позволяют наблюдать всю историю изменения интересующего нас значения. Это даёт возможность судить о поведении величины и об отклонениях от такого поведения. Об относительно простом, но эффективном, по моему мнению, подходе к работе с подобными последовательностями и пойдет речь.

Экспоненциальное сглаживание – способ сглаживания временных рядов, вычислительная процедура которого включает обработку всех предыдущих наблюдений, при этом учитывается устаревание информации по мере удаления от прогнозного периода. Иначе говоря, чем "старше" наблюдение, тем меньше оно должно влиять на величину прогнозной оценки.

337

Идея экспоненциального сглаживания состоит в том, что по мере "старения" соответствующим наблюдениям придаются убывающие веса.

Существует насколько вариантов данного метода.

1) Одинарное сглаживание для рядов: нет тренда и сезонности. Сформулируем точную формулу простого экспоненциального

сглаживания, беря во внимание следующее: метод экспоненциального сглаживания вычисляет значения сглаженного ряда путём обновления значений, рассчитанных на предыдущем шаге, используя информацию с текущего шага. Информация с предыдущего и текущего шагов берётся с

соотношение между не сглаженным значением на текущем шаге и сглаженным значением с предыдущего шага.

промежуточные результаты, и существуют некоторые рекомендации по их использованию, однако, значение лучше оценивать оптимально по данным, чем просто "гадать" или использовать искусственные рекомендации.

Мы получили так называемое рекуррентное соотношение — когда последующий член выражается через предыдущий. Теперь раскроем соотношение рекурсивно. В итоге удается получить формулу прогноза.

Однако если в данных есть тренд, простое сглаживание будет «отставать» от него (либо придётся брать значения α близкими к 1, но тогда сглаживание будет недостаточным). Нужно использовать двойное экспоненциальное сглаживание.

2) Двойное сглаживание для рядов: есть тренд, но нет сезонности. Двойное сглаживание использует уже два уравнения – одно уравнение

оценивает тренд как разницу между текущим и предыдущим сглаженным значениями, потом сглаживает тренд простым сглаживанием. Второе уравнение выполняет сглаживание как в случае простого варианта, но во втором слагаемом используется сумма предыдущего сглаженного значения и тренда.

3) Тройное сглаживание для рядов: есть и тренд, и сезонность. Тройное сглаживание включает ещё один компонент – сезонность, и

использует ещё одно уравнение. При этом различаются два варианта сезонного компонента аддитивный и мультипликативный. В первом случае амплитуда сезонного компонента постоянна и со временем не зависит от базовой амплитуды ряда. Во втором случае амплитуда меняется вместе с изменением базовой амплитуды ряда.

338

Самый прямой способ оценки прогноза, полученного на основе определенного значения,– построить график наблюдаемых значений и прогнозов на один шаг вперед. Имеются также меры ошибки, которые можно использовать для определения оптимального параметра: средняя ошибка, средняя абсолютная ошибка, сумма квадратов ошибок.

Проанализировав изученные материала, можно сделать вывод, что рассматриваемый алгоритм можно использовать при анализе и прогнозировании динамики курсов валют, ежемесячной прибыли предприятий, статистики по продажам какого-либо товара, успеваемости студентов.

В результате выполнения работы мною были сделанывыводы: алгоритмэкспоненциального сглаживания несложно реализуем; существует несколько видов сглаживания подходящих для конкретной ситуации; алгоритм достаточно эффективен и имеет широкое практическое применение.

Работа выполнена под руководством доц. каф. «Информатика и программное обеспечение», к.т.н. Копелиовича Д. И.

И.С. Исаев РАЗРАБОТКА УТИЛИТЫ СИНХРОНИЗАЦИИ КОНСПЕКТА

ЛЕКЦИЙ И РАБОЧЕЙ ПРОГРАММЫ УЧЕБНОЙ ДИСЦИПЛИНЫ

Объект исследования: процесс синхронизации конспекта лекций и рабочей программы учебной дисциплины.

Результаты, полученные лично автором: разработано программное обеспечение утилиты синхронизации конспекта лекций и рабочей программы учебной дисциплины.

Рабочая программа (РП) является локальным (созданным для определенного образовательного учреждения) и индивидуальным (разработанным преподавателем для своей деятельности) документом образовательного учреждения. Она показывает, как с учетом конкретных условий, образовательных потребностей и особенностей развития обучающихся педагог создает индивидуальную педагогическую модель образования на основе государственного образовательного стандарта.

Рабочая программа может включать в себя следующие структурные элементы:титульный лист,пояснительная записка,тематический план,содержание учебнойдисциплины,перечень обязательных лабораторных, практических, контрольных и других видов работ,требования к уровню подготовки учащихся,критерии и нормы оценки знаний обучающихся применительно к различным формам контроля знаний,список литературы для обучающих и педагогов.

Обычно на основе рабочей программы создаётся комплекс методических материалов (учебно-методический комплекс дисциплины,

339

УМКД), включающий в себя помимо прочего ещё и конспект лекций. Однако может сложиться ситуация, когда потребуется обратное преобразование: на основе конспекта создать РП.

Дополнительным обстоятельством является возможная необходимость преобразования вида Конспект-Конспект, так как конспект лекций для УМКД зачастую имеет структуру, отличнуюот структуры обычного конспекта лекций. В конспекте лекций для УМКД обычно отсутствуют главы, а наименования лекций имеют сквозную нумерацию, что усложняет его преобразование в обычный конспект.

Разработка УМКД и в частности рабочей программы и конспекта лекций является творческим процессом. Однако некоторые задачи предполагают механическую обработку текстовых файлов с многократным копированием многочисленных формулировок и применением к копируемым фрагментам разного форматирования, а также шаблонного изменения пунктуации и некоторых других деталей. Решение подобных задач отнимает у преподавателя много времени, но вместе с тем хорошо поддаётся автоматизации. В рамках данной работы создаётся утилита, позволяющая автоматизировать описанные задачи.

Утилита предназначена для дальнейшей интеграции в программный комплекс разработки УМКД, поэтому она позволяет работать в двух режимах:

В режиме управления параметров командной строки при запуске без графического интерфейса.

В режиме диалогового окна, в котором управление осуществляется через графический интерфейс пользователя. Данный режим активируется автоматически при отсутствии необходимых параметров.

Также программа позволяет настроить схему синхронизации:

При подаче на вход конспекта лекций программа генерирует заготовку РП с заполненными таблицами и конспект лекций для УМКД.

При подаче на вход конспекта лекций для УМКД программа генерирует заготовку РП с заполненными таблицами и обычный конспект лекций.

Если же в качестве входных данных выступает РП, то утилита генерирует каркасы конспектов лекций с необходимыми заголовками.

Вкачестве входных используются файлы в формате docx (MS Word 2007-2013), которые структурированы по определённым правилам (применены заранее оговорённые стили и названия разделов документов). На выходе также получаются документы MSWord.

Для разработки утилиты была использована среда разработки MSVisualStudio2012и язык С#. Также для разработки был использован пакетOpen XML SDK, а именно такие его классы, как Tableи Styles.

Работа выполнена под руководством доц. каф. «Информатика и программное обеспечение» Д.И. Булатицкого

340

Р.А. Исаев ПРОГРАММНЫЙ МОДУЛЬ ВИЗУАЛИЗАЦИИ НЕЧЕТКИХ

КОГНИТИВНЫХ КАРТ В СОСТАВЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ «ИГЛА»

Объект исследования: визуальное представление нечетких когнитивных моделей.

Результаты, полученные лично автором:выдвинуты требования к механизмувизуализации нечетких когнитивных моделей, выполнен анализ алгоритмы визуализации графов в приложении к задаче визуализациинечетких когнитивных карт (НКК), разработан программный модуль визуализации НКК для системы поддержки принятия решений «ИГЛА», с помощью которого проведена проверка алгоритмов визуализации на различных когнитивных картах.

Когнитивное моделирование является эффективным способом исследования слабо структурированных систем в социальных, экономических, политических и других гуманитарных областях, а также разработки и анализа стратегий управления такими системами.

В основе когнитивного моделирования лежит математический аппарат нечетких когнитивных карт. С формальной точки зрения НКК допускает представление в виде взвешенного ориентированного графа, вершины которого соответствуют факторам, описывающим моделируемую систему, а дуги – причинно-следственным связям между ними, при этом каждая дуга имеет вес, характеризующий интенсивность соответствующего влияния.

На кафедре «Информатика и программное обеспечение» Брянского государственного технического университета разрабатывается система программной поддержки нечетких когнитивных моделей «ИГЛА» (Интеллектуальный Генератор Лучших Альтернатив).Поскольку для удобной и эффективной работы с нечеткой когнитивной моделью необходимо иметь ее графическое представление, в настоящее время одной из решаемых в рамках развития системы «ИГЛА» задач является совершенствование подсистемы визуализации НКК.

Поскольку НКК допускает представление в виде взвешенного ориентированного графа, задача ее визуализации в целом сводится к задаче визуализации графа соответствующей структуры. Однако, при этом должна быть учтенаограниченность когнитивных возможностей человека при чтении графов.

Можно выделить две группы требований к механизму визуализации НКК.Первая группа задает так называемые критерии когнитивной ясности, в соответствии с которымиспособ визуализации должен:

графически интерпретировать веса дуг;

обеспечивать возможность просмотра цепочек причинно-следственных связей, эффективно выявляя циклы обратных связей;

акцентировать особое внимание на факторы-«ядра»;