Аннотация: Объектом исследования настоящей работы являются однородные коллективы автоматов, обладающие свойством целенаправленного поведения. Предметом настоящего исследования является сравнение различных конструкций таких автоматов при реализации условий игры в размещения.  Целью настоящего исследования является количественная оценка влияния инерционных свойств автоматов и значений глубины памяти на эффективность функционирования коллектива автоматов в рамках игры в размещения. В рассматриваемых коллективах автоматы выполняют действия в заданной среде обитания с различной степенью результативности. Автоматы, в соответствии со своей конструкцией, реагируют на поданный входной сигнал очередным действием. Оценка эффективности автомата определяется, как сумма положительных сигналов, или отрицательных сигналов, полученных автоматом за рассматриваемый промежуток времени. Указанная характеристика зависит, как от заявленной конструкции автомата, так и от глубины его памяти. Требуется определить наиболее простые конструкции автоматов, позволяющие достигать оптимума эффективности в заданной окружающей среде наискорейшим образом. Формализация, как свойство окружающей среды, так и действий автоматов, а также обработка полученных результатов производится при помощи аппарата теории игр. В этом случае значения эффективности функционирования автоматов представляются, как совокупные суммы выигрышей и проигрышей игроков-автоматов. Новизной проведенного исследования является построение интегральной оценки эффективности поведения коллектива автоматов, позволяющей проследить не только стремление коллектива к маскимизации суммы поощрений, но и к минимизации внутриколлективной конкуренции. Полученный результат позволяет проследить влияние инерционных качеств автоматов, реализованных в виде соответствующих конструкций, на эффективность функционирования в заданной окружающей среде, формализованной в виде игры в размещения. Автомат с линейной тактикой и автомат Крылова образуют две предельные реализации автоматной стратегии приближения к оптимуму. Первые за счет высокой скорости смены действий, вторые за счет длительного пребывания в состояниях, близких к оптимальным. Областью применения полученных результатов является дальнейшее исследование более сложных динамических сред при помощи наиболее простых конструкций автоматов, так как синхронные коллективы автоматов в процессе вычислительной реализации плохо поддаются распараллеливанию, что приводит к значительному росту временных и вычислительных затрат при усложнении структуры динамических сред или при увеличении данных оптимизационных задач.

Abstract: The object of research in this work is homogeneous collectives of automata with the property of purposeful behavior. The subject of this study is a comparison of different designs of such machines in the implementation of the conditions of the game of placement. The aim of the study is to establish the best (or similar) structures in terms of properties in order to optimize the time and computational costs of more complex machine learning models based on the principle of reinforcement learning. In the collectives under consideration, automata perform actions in a given habitat (functioning) with varying degrees of effectiveness. The automata, in accordance with their design, react to the input signal with another action. The evaluation of the effectiveness of the machine is defined as the sum of positive signals (rewards) or negative signals (penalties) received by the machine during the considered period of time. This characteristic depends on both the declared design of the machine and the depth of its memory. It is necessary to determine the simplest designs of automata that allow achieving optimal efficiency in a given environment in the shortest possible way. The formalization of both the properties of the environment and the actions of automata, as well as the processing of the results obtained, is carried out using the apparatus of game theory. In this case, the values of the effectiveness of the functioning of the machines are represented as the cumulative amounts of winnings and losses of the slot machine players. As result of the research the designs of automata that provide a given efficiency of functioning with a minimum depth of memory (the least complex design) are presented. The result obtained makes it possible to trace the influence of the inertial qualities of automata, implemented in the form of appropriate structures, on the efficiency of functioning in a given environment, formalized in the form of a game of placement. An automaton with linear tactics and a Krylov automaton form two marginal implementations of an automaton strategy for approaching the optimum. The first is due to the high speed of changing actions, the second is due to a long stay in states close to optimal. The field of application of the results obtained is further investigation of more complex dynamic environments using the simplest designs of automata, since synchronous collectives of automata in the process of computational implementation are difficult to parallelize, which leads to a significant increase in time and computational costs with the complication of the structure of dynamic environments or with an increase in these optimization tasks.

Аннотация: В настоящей работе предметом исследования являются логические алгоритмы распознавания и диагностики, предназначенные для функционирования в слабоформализуемых областях знаний. К подобным алгоритмам можно отнести деревья направленного поиска и логические нейронные сети. Предлагаемая реализация логического алгоритма поиска объектов в рамках заданной предметной области, наиболее полно отвечающих некоторому множеству свойств, основана на применении логических функций, построенных при помощи переменнозначных предикатов. Представление обучающей выборки в виде переменнозначной логической функции позволяет не только устранить избыточность в описании объектов, но и построить все возможные классы объектов по всем признакам, а также, при помощи построенных функций выявить скрытые закономерности в рассматриваемой предметной области.
Основой для построения переменнозначных логических функций является совокупность продукционных правил, каждое из которых содержит как набор свойств, так и определяемый ими объект. Объединение и оптимизация правил производится при помощи логических операций. Научная новизна настоящей работы заключается в следующем:
предложен подход извлечения знаний из начальных баз данных, содержащих информацию о свойствах анализируемых объектов при помощи переменнозначных предикатов; предложен метод получения всевозможных классов структур телекоммуникационных сетей, позволяющий выявить дополнительные свойства и осуществить интеллектуальный выбор искомой топологии.

Abstract: The object of study in this article involves logical algorithms for recognition and diagnostics, which are designed for functioning in weakly formalized areas of knowledge. Directional search trees and logical neural networks can be classified as such algorithms. The proposed implementation of a logical algorithm for searching for objects within a given domain, which are correspondent to a set of properties, is based upon the application of logical functions, which are formed with  variable-valued predicates. The representation of the training sample in the form of variable-valued logic function allows not only to eliminate redundancy in the description of objects, but also to construct all possible classes of objects by all attributes, and also, using the constructed functions, to reveal hidden regularities in the subject domain.The basis for constructing variable-valued logical functions is a set of production rules, each of which contains both a set of properties and an object defined by them. Integration and optimization of rules are performed using logical operations. The scientific novelty of this study is due to the following.  The author proposes knowledge extraction from the initial databases containing information on the properties of the analyzed objects using variable-valued predicates. Then a method is proposed for obtaining all possible classes of structures of telecommunication networks, which makes it possible to reveal additional properties and to make an intelligent choice of the desired topology.