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 Доступ платный или 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.

Полный текст

Доступ закрыт

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

© Юр-ВАК, 2024

Ссылка на описание лицензии: https://www.urvak.ru/contacts/