978-5-9500865-1-9 10.21661/a-426 Инновационные технологии в образовании и науке

В сборнике представлены статьи участников II Международной научно-практической конференции, посвященные актуальным вопросам науки и образования. В материалах сборника приведены результаты теоретических и прикладных изысканий представителей научного и образовательного сообщества в данной области.

 chief_editor Широков Олег Николаевич 425954@rambler.ru Абрамова Людмила Алексеевна labramova@interactive-plus.ru executive_editor Яковлева Татьяна Валериановна info@interactive-plus.ru associate_editor Вершинина Лидия Евгеньевна lvershinina@interactive-plus.ru chief_editor Широков Олег Николаевич Бекназаров Рахым Агибаевич Мейманов Бактыбек Каттоевич Абрамова Людмила Алексеевна Иваницкий Александр Юрьевич Инновационные технологии в образовании и науке Innovative technologis in science and education 01 01 1900 Чебоксары Центр научного сотрудничества «Интерактив плюс» 2017 © 2017 Частикова В. А., Мищенко А. И., Поликаренков А. С., Дмитренко А. А. 2017 Частикова В. А., Мищенко А. И., Поликаренков А. С., Дмитренко А. А. Это произведение доступно по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) 464088 Сравнительный анализ алгоритма муравьиной колонии и нейронной сети Хопфилда при решении задачи поиска гамильтонова цикла в полном графе Частикова Вера Аркадьевна chastikova_va@mail.ru Мищенко Артем Игоревич klerrik2309@yandex.ru Поликаренков Александр Сергеевич 11figura11@mail.ru Дмитренко Александр Андреевич alexdmitrenko999@mail.ru ФГБОУ ВО «Кубанский государственный технологический университет» Россия 313 318

задача поиска гамильтонова цикла в полном графе является одной из самых известных задач комбинаторной оптимизации. Применение данной задачи на практике довольно обширно - от оптимизации транспортных процессов до поиска более эффективных алгоритмов разработки программного обеспечения. В статье проведен сравнительный анализ эффективности работы нейронной сети Хопфилда и классического алгоритма муравьиной колонии для решения задачи поиска гамильтонова цикла в полном графе по таким параметрам, как скорость и точность решения. Проведено исследование влияния коэффициентов эвристики и количества агентов муравьиного алгоритма, а также ключевых параметров нейронной сети на эффективность поиска. В ходе исследования был разработан программный комплекс, реализующий рассматриваемые методы.

 муравьиный алгоритм нейронная сеть Хопфилда гамильтонов цикл задача коммивояжера References 1. Нейдорф Р.А. Разработка, оптимизация и анализ параметров классического муравьиного алгоритма при решении задачи коммивояжера в полно-связном графе / Р.А. Нейдорф, О.Т. Ярахмедов // Международный научный журнал «Наука. Технологии. Производство». – 2015. – Т. 2. – №3. – С. 18–22. Нейдорф Р. А. Ярахмедов О. Т. Разработка, оптимизация и анализ параметров классического муравьиного алгоритма при решении задачи коммивояжера в полно-связном графе Международный научный журнал «Наука. Технологии. Производство» 2015 Т. 2 18 22 2. Dorigo M. Ant Colony Optimization / M. Dorigo, Th. Stützle; Massachusetts Institute of Technology. – 2004. – 306 p. Dorigo M. Stu Th. Ant Colony Optimization 3. МакКоннелл Дж. Основы современных алгоритмов. – М.: Техносфера, 2004. – 368 c. МакКоннелл Дж. Основы современных алгоритмов М. Техносфера 4. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: Учебное пособие / А.П. Карпенко. – М.: МГТУ им. Н.Э. Баумана, 2014. – 446 c. Карпенко А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: Учебное пособие М. МГТУ им. Н.Э. Баумана 5. Кутыркин А.В. Использование нейронной сети Хопфилда для решения оптимизационных задач маршрутизации: Методические указания / А.В. Кутыркин, А.В. Сёмин. – М.: МИИТ, 2007. – 15 c. Кутыркин А. В. Использование нейронной сети Хопфилда для решения оптимизационных задач маршрутизации: Методические указания М. МИИТ 6. Лазарев В.М. Нейросети и нейрокомпьютеры: Монография / В.М. Лазарев, А.П. Свиридов. – М., 2011. – 119 c. Лазарев В. М. Свиридов А. П. Нейросети и нейрокомпьютеры: Монография М. 7. Хайкин С. Нейронные сети: Полный курс. Пер. с англ. / С. Хайкин. – М.: Вильямс, 2008. – 1103 c. Хаи С. Хайкин С. Нейронные сети: Полный курс. Пер. с англ М. Вильямс 8. Частикова В.А. Обнаружение DDoS-атак на основе нейронных сетей с применением метода роя частиц в качестве алгоритма обучения / В.А. Частикова, К.А. Власов, Д.А. Картамышев // Фундаментальные исследования. – 2014. – №8–4. – С. 829–832. Частикова В. А. Власов К. А. Картамышев Д. А. Обнаружение DDoS-атак на основе нейронных сетей с применением метода роя частиц в качестве алгоритма обучения Фундаментальные исследования 2014 №8 829 832 9. Частикова В.А. Разработка и сравнительный анализ эвристических алгоритмов для поиска наименьшего гамильтонова цикла в полном графе / В.А. Частикова, К.А. Власов // Фундаментальные исследования. – 2013. – №10–1. – С. 63–67. Частикова В. А. Разработка и сравнительный анализ эвристических алгоритмов для поиска наименьшего гамильтонова цикла в полном графе Фундаментальные исследования 2013 №10 63 67 10. Частикова В.А. Нейросетевой метод защиты информации от DDoS-атак / В.А. Частикова, Д.А. Картамышев, К.А. Власов // Современные проблемы науки и образования. – 2015. – №1–1. – С. 183. Частикова В. А. Картамышев Д. А. Власов К. А. Нейросетевой метод защиты информации от DDoS-атак Современные проблемы науки и образования 2015 №1