ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2019

В Институте динамики систем и теории управления СО РАН исследовались проблемы автоматизации процесса создания имитационных моделей сложных систем.

08.04.2015

При проведении исследований, моделировании и в процессе проектных разработок термин «сложная система» ассоциируется с объектом, состоящим из множества отдельных иерархически устроенных частей, функционирующих в тесном взаимодействии и составляющих единое целое. Например, как сложную систему можно рассматривать город, крупное предприятие, экономику региона и т.п. К настоящему времени накоплен богатый опыт в изучении сложных систем, разработаны разнообразные методологические подходы. К основным этапам моделирования сложных систем относятся построение концептуальной модели системы и ее формализация, алгоритмизация модели системы и ее машинная реализация, получение и интерпретация результатов моделирования системы.

Современные средства автоматизации моделирования (AnyLogic, GPSS World, iThink, Matlab Simulink, PowerSim и др.) предоставляют пользователю возможность определять отношения между компонентами модели и правила их сборки. Основными задачами, решаемыми этими средствами автоматизации, являются построение непротиворечивой и эффективной (по времени и точности) компьютерной модели, соответствующей заданной постановке, многовариантные расчеты с целью оптимизации и настройки параметров, организация обмена данными между модулями, отображение результатов. Однако существующие средства уделяют недостаточно внимания этапу создания концептуальной модели и поддержке ее актуальности в рамках итеративного процесса разработки имитационной модели. Задача обеспечения явного использования формализованного представления концептуальной модели особенно важна при исследовании сложных систем, так как их изучение не укладывается в компетенцию ни одного конкретного специалиста и, следовательно, требует междисциплинарного подхода. Данное свойство сложных систем определяет следующую задачу, которую должны решать системы автоматизации моделирования, – организация совместной работы коллектива специалистов из разных областей знаний: экспертов-предметников, математиков, программистов, инженеров по знаниям. Использование парадигмы агентного моделирования позволяет учесть специфику междисциплинарного исследования за счет разделения областей компетенции экспертов по группам агентов. Для рассматриваемой проблемы важным преимуществом агентного моделирования является то, что в отличие от моделей системной динамики или дискретно-событийных моделей  нет необходимости подробно определять поведение системы в целом – разработку агента можно осуществить, опираясь на знания об индивидуальной логике поведения объектов предметной области.

Подробное описание дается в статье «Архитектура системы поддержки проектирования агентов для имитационных моделей сложных систем», авторы: Павлов А.И., Столбов А.Б. (Институт динамики систем и теории управления СО РАН, г. Иркутск).