г. Москва и Московская область, Россия
г. Санкт-Петербург и Ленинградская область, Россия
г. Москва и Московская область, Россия
BISAC MAT029000 Probability & Statistics / General
В статье рассматриваются вопросы разработки аксиоматической основы и интерпретации конфликтных ситуаций в условиях высокой неопределенности на основе динамической теории катастроф. Контроль конфликтных ситуаций обеспечивается с помощью прикладного моделирования за счет суперкомпьютерного центра за счет системной интеграции технологий и инструментов обработки больших объемов текущей информации. Функциональные компоненты центра прикладного моделирования реализуют динамическую визуализацию и выработку управленческих решений. Ключевым фактором обеспечения безопасности критических объектов в сложной конфликтной ситуации является оперативность оценки ситуации и выработка адекватных управленческих решений для реализации реагирования. Адекватное управление основывается на опыте, как правило, полученном экспериментально в процессе физического моделирования воздействий (упражнения, тренировки, эксперименты и т. д.). И накопленном в виде базы знаний информационно-аналитической системы поддержки принятия решений. центр прикладного моделирования.
базис, аксиоматика, аксиоматический базис, интерпретация, методы интерпретации, конфликтные ситуации, экстренные вычисления
1. Barseghyan A. A., Kupriyanov M. S. Stepanenko V. V., Kholod I. I. Methods and models of data analysis: OLAPand Data Data Mining. Saint-Petersburg: BHV-Petersburg, 2004. 336 p. (in Russian)
2. Tikhonov A. N., Arsenin V. Ya. Methods of solving ill-posed problems, Moscow: Nauka, 1979, 284 p.
3. Nechaev Yu. I. Theory of catastrophes: a modern approach to decision-making. - Saint Petersburg: Art-Express, 2011, 391 p.
4. Nechaev Yu. I. Topology of nonlinear non-stationary systems: theory and applications. Saint Petersburg: Art-Express, 2015, 325 p.
5. Baluta V. I., Osipov V. P., Chetverushkin B. N., Yakovenko O. Yu. Adaptation of intellectual agents in a neoconflict environment / / SCVRT2019 Proceedings of the International scientific conference. 2019. Pp. 28-35.
6. A.Kh. Khakimova, O.V. Zolotarev, M.A. Berberova. Visualization of bibliometric networks of scientific publications on the study of the human factor in the operation of nuclear power plants based on the bibliographic database Dimensions. Scientific Visualization, 2020, volume 12, number 2, pages 127 - 138, DOI:https://doi.org/10.26583/sv.12.2.10, E-ISSN:2079-3537.
7. M.A.Berberova, S.S.Zolotarev, «NPP risk assessments results dependence study on the composition of the population living around the NPP (on the example of Rostov and Kalinin NPP)», GraphiCon 2019 Computer Graphics and Vision. The 29th International Conference on Computer Graphics and Vision. Conference Proceedings (2019), Bryansk, Russia, September 23-26, 2019, Vol-2485, urn:nbn:de:0074-2485-1, ISSN 1613-0073, DOI:https://doi.org/10.30987/graphicon-2019-2-285-289, http://ceur-ws.org/Vol-2485/paper66.pdf, p. 285-289.
8. M.A.Berberova, K.I.Chernyavskii, «Comparative assessment of the NPP risk (on the example of Rostov and Kalinin NPP). Development of risk indicators atlas for Russian NPPs», GraphiCon 2019 Computer Graphics and Vision. The 29th International Conference on Computer Graphics and Vision. Conference Proceedings (2019), Bryansk, Russia, September 23-26, 2019, Vol-2485, urn:nbn:de:0074-2485-1, ISSN 1613-0073, DOI:https://doi.org/10.30987/graphicon-2019-2-290-294, http://ceur-ws.org/Vol-2485/paper67.pdf, p. 290-294.
9. The synergetic paradigm. Variety of searches and approaches. Moscow: Progress-Traditsiya Publ., 2000. 535 p.
10. Sevryugin N. N., Yudin A.V., Kuznetsov A.V. About the methodology of choosing technical solutions / / automation and modern technologies. 2005. no. 3, pp. 27-30.
11. Casti Jnr. Big systems: connectivity, complexity and catastrophes. Moscow: Mir, 1982, 216 p.
12. Smolentsev, S. V. Application of dynamic semantic network for identification in intelligent measurement systems // Collection of reports of the International conference on soft computing and measurement SCM-2000. Saint Petersburg: 2000. vol. 2, pp. 82-83.
13. Tikhomirov V. A., Tikhomirov V. T., Makushkin A.V. the Principle of constructing an information-probabilistic method for implementing a long-term forecast // Software products and systems. No. 2. 2004, pp. 10-15.
14. Kolmogorov A. N. Information theory and theory of algorithms. - M.: Nauka, 1987, 304 p.
15. Solodovnikov V. V., Tumarkin V. I. Theory of complexity and design of control systems. Moscow: Nauka, 1990, 168 p.
16. Lazarson E. V. Modern technology of automated solution of multivariate problems // Automation and modern technologies. 2009. No. 11, pp. 23-29.
17. Golitsin G. A., Petrov V. M. Harmony and algebra of the living. - Moscow: Znanie, 1990, 128 p.
18. Gubko M. V. Mathematical models of optimization of hierarchical structures, Moscow: LENAND, 2006. 264 p.
19. Mesarovich M., Takahara Ya. Obshchaya Teoriya sistem: Matematicheskie osnovy [General theory of systems: mathematical foundations], Moscow: Mir, 1978, 312 p.
20. Moiseev N. N. Selected works, M. TyRex Co., 2003, 376 p.
21. Nikolis J. (Ed.) Dynamics of hierarchical systems: an evolutionary view, Moscow: Mir publ., 1989, 488 p.
22. Figueira G., Almada-Lobo B. Hybrid simulation-optimization methods: A taxonomy and discussion // Simulation Modelling Practice and Theory. - 2014. - Т. 46. - С. 118-134.
23. Foster I., Zhao Y., Raicu I., Lu S. Cloud Computing and Grid Computing 360-Degree Compared // eprint arXiv:0901.0131, 2008 [Electronic resource]: http://arxiv.org/ftp/arxiv/papers/0901/0901.0131.pdf
24. E. Gallopoulos E.N. Houstis and J.R. Rice, «Computer as Thinker/Doer: Problem-Solving Environments for Computational Science» IEEE Computational Science & Eng., Vol. 1, No. 2, Summer 1994, pp. 11-23.
25. Szalay A. Extreme data-intensive scientific computing // Computing in Science & Engineering. -2011. - T. 13. - No. 6. - СPp. 34-41.
26. Zadeh L. Fuzzy logic, neural networks and soft computing // Соmmutation on the ASM-1994. Vol.37. № 3, p.p.77-84.
