Техническая документация к программному продукту «имитационная объектно-ориентированная модель «Эхо Плутона»»

Владимир Чайко

Техническая документация к программному продукту «имитационная объектно-ориентированная модель «Эхо Плутона»»

Техническая документация Автор: Чайко В.И. Этот документ является официальной технической документацией к имитационной объектно-ориентированной модели «Эхо Плутона». Имитационная объектно-ориентированная модель «Эхо Плутона»: техническая документация/ Чайко В.И. – г. Новокузнецк, 2023 г. – 59 с., ил. Данная техническая документация прилагается к имитационной объектно-ориентированной модели «Эхо Плутона» и описывает ее полностью. Она предназначена для тех, кто хочет разобраться в этой модели и имитационном объектно- ориентированном моделировании. Данная техническая документация может распространяться любыми методами с обязательным указанием ссылки на данный документ.

Информатика

Другие учебные работы

Вуз: Независимое исследование (нет вуза)

ID: 6591f580e4dde50001ad66a8

UUID: 1343f130-8a60-013c-445e-0242ac180005

Язык: Русский

Опубликовано: 4 месяца назад

Просмотры: 0

Владимир Чайко

Сибирский государственный индустриальный университет (СибГИУ)

Комментировать 0

Рецензировать 0

Скачать - 3,0 МБ

Поделиться работой

Техническая документация к программному продукту ИМИТАЦИОННАЯ ОБЪЕКТНО-ОРИЕНТИРОВАННАЯ МОДЕЛЬ «ЭХО ПЛУТОНА» Листов 59 Технический писатель: Чайко Владимир Иванович 2 ноября 2023 г. Изм. Лист № докум Подпись Дата Пров Чайко В.И. Чайко В.И. Н. Контр. Чайко В.И. 02.11.23 Утв Чайко В.И. 02.11.23 Разраб Имитационная объектно-ориентированная модель «Эхо Плутона» Лит. 02.11.23 02.11.23 ИООМ Лист Листов 1 59 Г. Новокузнецк

Техническая документация Автор: Чайко В.И. Этот документ является официальной технической документацией к имитационной объектно-ориентированной модели «Эхо Плутона». Имитационная объектно-ориентированная модель «Эхо Плутона»: техническая документация/ Чайко В.И. – г. Новокузнецк, 2023 г. – 59 с., ил. Данная техническая документация прилагается к имитационной объектно-ориентированной модели «Эхо Плутона» и описывает ее полностью. Она предназначена для тех, кто хочет разобраться в этой модели и имитационном объектноориентированном моделировании. Данная техническая документация может распространяться любыми методами с обязательным указанием ссылки на данный документ. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 2

Содержание Содержание……………………………………………………………………………………………………………………… Введение…………………………………………………………………………………………………………………………… 1. Модель………………………………………………………………………………………………………………… 1.1 Изображения…………………………………………………………………………………………………… 1.2 Звук……………………………………………………………………………………………………………………… 1.3 Генераторы случайных чисел…………………………………………………………… 1.4 Устройство колонии на Плутоне…………………………………………………… 1.5 Колонист…………………………………………………………………………………………………………… 1.6 Место взятия пробы………………………………………………………………………………… 1.7 Жилой модуль………………………………………………………………………………………………… 1.8 Модуль связи………………………………………………………………………………………………… 1.9 Ядерный реактор………………………………………………………………………………………… 1.10 Солнечная батарея…………………………………………………………………………………… 1.11 Кратер………………………………………………………………………………………………………………… 1.12 3 режима работы модели……………………………………………………………………… 2. Моделирование……………………………………………………………………………………………… 2.1 Выбор места взятия пробы колонистом…………………………………… 2.2 Моделирование усталости колониста………………………………………… 2.3 Моделирование эмоционального состояния колониста… 2.4 Моделирование отдыха…………………………………………………………………………… 2.5 Взаимное влияние усталости и состояния…………………………… 2.6 Пространство и время в модели…………………………………………………… 2.7 Имитация взятия пробы………………………………………………………………………… 2.8 Имитация отдыха………………………………………………………………………………………… 2.9 Имитация складирования проб………………………………………………………… 2.10 Влияние полигонов на колониста………………………………………………… 3. Самообучающийся алгоритм………………………………………………………………… 3.1 Самообучающийся алгоритм………………………………………………………………… 3.2 Сложность алгоритма O(N) ……………………………………………………………… 3.3 Накопление опыта алгоритмом………………………………………………………… 3.4 Эффективность……………………………………………………………………………………………… 3.5 Работа алгоритма в потоковом режиме…………………………………… 4. Нейронная сеть…………………………………………………………………………………………… 4.1 Нейрон и нейронная сеть…………………………………………………………………… 4.2 Механизм принятия решения нейронной сетью…………………… 4.3 Функция нейронов нейросети модели………………………………………… 4.4 Механизм генерации начальных значений весов……………… 4.5 Механизм обучения…………………………………………………………………………………… 4.6 Технология генеративно-состязательных сетей (GAN) 4.7 Реализация нейронной сети……………………………………………………………… 4.8 Алгоритм работы нейронной сети………………………………………………… 5. Результаты моделирования………………………………………………………………… 5.1 Результаты……………………………………………………………………………………………………… Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» 3 5 6 6 6 6 7 7 9 10 10 11 12 13 14 16 16 16 21 23 24 25 25 26 26 26 29 29 29 29 31 31 32 32 34 35 36 37 39 40 41 43 43 Лист 3

5.2 Запись в файл CSV…………………………………………………………………………………… 6. Обработка результатов………………………………………………………………………… Заключение……………………………………………………………………………………………………………………… Список источников…………………………………………………………………………………………………… Приложение А. Список используемых формул……………………………………… Приложение Б. Минимальные системные требования……………………… Приложение В. Файлы модели…………………………………………………………………………… Приложение Г. Возможные ошибки и проблемы…………………………………… Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» 43 46 47 48 50 53 54 56 Лист 4

Введение Разработана имитационная объектно-ориентированная модель создания колоний на других небесных телах «Эхо Плутона». В данной модели моделируется создание небольшой колонии на Плутоне для проверки эффективности ее конфигурации. Данная модель доказывает возможность и эффективность проверки существующих технологий постройки колоний на других небесных телах при помощи имитационного объектноориентированного моделирования. В данной модели имитируется деятельность колониста, живущего на поверхности Плутона, осуществляющего взятие проб поверхности (почвы). В результате своей деятельности колонист устает и нуждается в отдыхе в жилом модуле. Даная модель имитирует точное протекание процессов, в результате чего результат моделирования складывается из совокупного течения процессов. Предсказать точный конечный результат моделирования невозможно, т.к. он есть результат протекания процессов. Данная модель доказала, что для осуществления проверки знаний и технологий, в области колонизации небесных тел, возможно применение технологий искусственного интеллекта (самообучающиеся алгоритмы, нейронные сети). Модели, созданные по такому методу, позволят проверить на пригодность знания о колонизации небесных тел прежде, чем они будут испытаны физически. Это приведет к уменьшению количества затрат человечества на проверку всех накопленных технологий. Данная техническая документация будет интересна всем занимающимся проблемами освоения космоса, постройки колоний на небесных телах и просто моделированием. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 5

Модель 1.1 Изображения Для формирования внешнего вида модель использует цветные изображения в формате BMP и глубиной цвета 24 бит. Формат изображения BMP является простым и распространенным стандартом растровой 2D графики, с которым могут работать все электронные устройства. [1] Глубина цвета 24 бит обеспечивает передачу 16777216 цветов. Изображения блоков (построек) колонии, за исключением жилого модуля, были созданы при помощи нейронной сети «Realistic Vision 4.0». [2] Изображение редакторе. жилого модуля было создано в графическом Поверхность Плутона и кратеры были созданы на основе реальных фотографий Плутона, сделанных автоматической межпланетной станцией NASA «Новые горизонты» в 2015 году. 1.2 Звук Модель имеет звуковое сопровождение. используемые моделью, хранятся в формате WAV. Все звуки, WAV (WAVE) – формат файла-контейнера для хранения звука в цифровом формате без сжатия. Сам же звук хранится в виде импульсно-кодовой модуляции. Данный формат является распространенным. С ним могут работать любые цифровые устройства. [3] 1.3 Генераторы случайных чисел Для точной имитации, каких либо жизненных процессов, требуется наличие некоторого количества случайности, как и в реальной жизни. В различных процессах модели псевдослучайные числа трех типов: 1. Целочисленные 2. Действительные Изм. Лист № докум Подпись Дата требуется генерировать Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 6

3. Целочисленные с нормальным распределением. Для этого модель использует в качестве случайности 3 генератора случайных чисел: генераторов 1. «RAND» - стандартный генератор псевдослучайных чисел языка программирования Blitz BASIC. целых 2. «RND» стандартный генератор псевдослучайных действительных чисел языка программирования Blitz BASIC. 3. «GENERATOR» - специально созданный в виде функции «generator()» генератор целых псевдослучайных чисел с нормальным распределением. В основе данного генератора лежит стандартный генератор «RAND». Для генерации разных последовательностей псевдослучайных чисел в качестве начального значения генератора (семени) используется системное время. [4] 1.4 Устройство колонии на Плутоне Колония состоит из 4-х блоков: 1. Жилой модуль – модуль колонии, в котором осуществляется складирование собранных образцов и отдых колониста. 2. Модуль связи – модуль, осуществляющий функцию связи с Землей. 3. Ядерный реактор – модуль, обеспечения колонии электроэнергией. предназначенный для 4. Солнечная батарея модуль, обеспечения колонии электроэнергией. предназначенный для Состав колонии был разработан совместно с нейронной сетью «YaGPT» от отечественной компании «Яндекс». [5] 1.5 Колонист Колонист – объект, имитирующий человека-колониста. Данный объект описывается 11 переменными, описанными в таблице 1. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 7

Таблица 1. Переменные, описывающие человека № 1 Название Смысл Хранит адрес ячейки памяти, в которой «Внешний вид» содержится изображение 2 3 «Х» «Y» 4 «Выбор» 5 «Статус» 6 «Проб» 7 «Сила» 9 «Сила ℕ» 10 «Психическая сила» 11 «Психическая сила ℕ» Координата по оси Х Координата по оси Y Хранит информацию о том, какое место взятия пробы выбрал человек Хранит информацию о том, идет ли колонист за пробой, или несет его в жилой модуль Хранит информацию о количестве взятых проб колонистом Хранит информацию о количестве сил колониста Хранит информацию о количестве сил человека Хранит информацию о количестве психических сил человека Хранит информацию о количестве психических сил человека Принимаемые значения ∈ℕ 0<X<801 ∈ ℕ 0<X<601 ∈ ℕ 0<=X<=30 ∈ ℕ 0<=X<=1 ∈ ℕ 0<=X<=30 ∈ ℕ 0<=X<=100 ∈ ℝ 0<=X<=100 ∈ ℕ 0<=X<=100 ∈ ℝ 0<=X<=100 ∈ ℕ Колонист, в результате моделирования, принимает решения на основе всех описанных выше 11 переменных. В результате моделирования все эти переменные заменяют свои значения. Их изменение зависит как от внешних факторов, влияющих на колониста, так и от внутренних (самого человека). Изменяя свои значения, они «ставят колониста» в различные ситуации, в результате чего он принимает решение о каком-либо действии. В модели колонист обозначен красным квадратом, как показано Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 8

на рисунке 1. Рисунок 1. Внешний вид колониста 1.6 Место взятия пробы «Место взятия пробы» - полигон, имитирующий место, в котором планируется взятие пробы. Данный объект описан 3 переменными, представленными в таблице 2. Таблица 2. Переменные, описывающие место взятия пробы № Название 1 «X» 2 «Y» 3 «Взято» Принимаемые значения Смысл Хранит координату дерева по оси Х Хранит координату дерева по оси Y Хранит информацию о том, была ли взята проба с данного места. Внешний вид места взятия представлено на рисунке 2. пробы 0<X<700 ∈ ℕ 0<X<500 ∈ ℕ 0<=X<=1 ∈ ℕ обозначается флагом и Рисунок 2. Место взятия пробы. Проба считается взятой, если человек выбрал место взятия пробы, пришел на него и взял пробу. Если колонист графически наложился на флаг, проходя мимо, это место считается нетронутым. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 9

1.7 Жилой модуль «Жилой модуль» - полигон, эмитирующий жилой модуль, в котором живет колонист и хранит пробы. Данный объект описывается 5 переменными, представленными в таблице 3. Таблица 3. Переменные, описывающие дом. № Название 1 «Вид» 2 «X» 3 «Y» 4 «Вход X» 5 «Вход Y» Смысл Хранит адрес ячейки памяти, в которой содержится изображение Хранит координату левой верхней точки полигона по оси Х Хранит координату левой верхней точки полигона по оси Y Хранит координату Х входа в жилой модуль. Хранит координату Y входа в жилой модуль. Принимаемые значения ∈ℕ 0<=X<=696 ∈ ℕ 0<=X<=511 ∈ ℕ 0<=X<=696 ∈ ℕ 0<=X<=511 ∈ ℕ Данный полигон используется объектом «колонист» для того, чтобы отдохнуть (восполнить силы), улучшить эмоциональное состояние и хранения взятых образцов. Для того чтобы колонист начал восстанавливать силы и уровень эмоционального состояния, он должен находится в пределах полигона. Внешний вид жилого модуля представлен на рисунке 3. Рисунок 3. Внешний вид модуля. 1.8 Модуль связи «Модуль связи» - полигон, эмитирующий модуль связи. Данный полигон описывается 3 переменными, представленными в таблице 4. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 10

Таблица 4. Переменные, описывающие модуль связи. № Название 1 «Вид» 2 «X» 3 «Y» Смысл Хранит адрес ячейки памяти, в которой содержится изображение Хранит координату левой верхней точки полигона по оси Х Хранит координату левой верхней точки полигона по оси Y Принимаемые значения ∈ℕ 0<=X<=745 ∈ ℕ 0<=X<=550 ∈ ℕ Данный полигон выступает помехой на пути колониста, которую он должен обойти. Внешний вид жилого модуля представлен на рисунке 4. Рисунок 4. Внешний вид модуля связи. 1.9 Ядерный реактор «Ядерный ректор» - полигон, эмитирующий ядерный реактор. Данный полигон описывается 3 переменными, представленными в таблице 5. Таблица 5. Переменные, описывающие ядерный реактор. № Название 1 «Вид» 2 «X» 3 «Y» Изм. Лист № докум Смысл Хранит адрес ячейки памяти, в которой содержится изображение Хранит координату левой верхней точки полигона по оси Х Хранит координату левой верхней точки полигона по оси Y Подпись Дата Принимаемые значения ∈ℕ 0<=X<=700 ∈ ℕ 0<=X<=487 ∈ ℕ Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 11

Данный полигон выступает помехой на пути колониста, которую он должен обойти. Внешний вид жилого модуля представлен на рисунке 5. Рисунок 5. Внешний вид ядерного реактора. 1.10 Солнечная батарея «Солнечная батарея» полигон, эмитирующий солнечную батарею. Данный объект описывается 3 переменными, представленными в таблице 6. Таблица 6. Переменные, описывающие солнечную батарею. № Название 1 «Вид» 2 «X» 3 «Y» Смысл Хранит адрес ячейки памяти, в которой содержится изображение Хранит координату левой верхней точки полигона по оси Х Хранит координату левой верхней точки полигона по оси Y Принимаемые значения ∈ℕ 0<=X<=696 ∈ ℕ 0<=X<=511 ∈ ℕ Данный полигон выступает помехой на пути колониста, которую он должен обойти. Внешний вид солнечной батареи представлен на рисунке 6. Рисунок 6. Внешний вид солнечной батареи. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 12

1.11 Кратер «Кратер» - полигон, эмитирующий кратер на поверхности Плутона. Данный объект описывается 3 переменными, представленными в таблице 7. Количество кратеров, при одном проигрывании, варьируется от 0 до 10. Таблица 7. Переменные, описывающие солнечную батарею. № Название 1 «Вид» 2 «X» 3 «Y» Смысл Хранит адрес ячейки памяти, в которой содержится изображение Хранит координату левой верхней точки полигона по оси Х Хранит координату левой верхней точки полигона по оси Y Принимаемые значения ∈ℕ 0<=X<=700 ∈ ℕ 0<=X<=500 ∈ ℕ Данный полигон выступает помехой для колониста. Во время преодоления кратера он (колонист) замедляется и испытывает большую нагрузку. Это влияет на время выполнения задания и усталость (как физическую, так и психическую). Кратер представляется одним из 5 различных представленными на рисунках 7, 8, 9, 10 и 11. изображений, Рисунок 7. Кратер (Тип 1). Рисунок 8. Кратер (Тип 2). Рисунок 9. Кратер (Тип 3). Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 13

Рисунок 10. Кратер (Тип 4). Рисунок 11. Кратер (Тип 5). 1.12 3 режима работы модели В модель «Эхо Плутона» предусмотрено 3 режима работы: 1. «Человек» расстановкой построек занимается пользователь модели при помощи компьютерной мышки. Внешний вид режима «человек» представлен на рисунке 12. 2. «Самообучающийся алгоритм» - расстановкой построек занимается самообучающийся алгоритм автоматически. Действия пользователя не требуется. Внешний вид режима «человек» представлен на рисунке 13. 3. «Нейронная сеть» расстановкой жилого модуля занимается нейросеть, а все остальные модули расставляются случайно. Внешний вид режима «человек» представлен на рисунке 14. Рисунок 12. Внешний вид режима «Человек» Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 14

Рисунок 13. Внешний вид режима «самообучающийся алгоритм» Рисунок 14. Внешний вид режима «нейронная сеть». Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 15

Моделирование 2.1 Выбор места взятия пробы колонистом Человек во время моделирования выбирает, в каком месте ему взять пробу. Это осуществляется алгоритмом на основе генератора псевдослучайных чисел GENERATOR. Наглядно данный алгоритм представлен в виде схемы на рисунке 15. Рисунок 15. Алгоритм выбора места взятия пробы колонистом 2.2 Моделирование усталости колониста Ключевым параметром, влияющим на деятельность колониста, является его усталость – снижение «запаса сил» во время физических нагрузок. Сегодня наиболее распространена двухпараметрическая формула критической мощности. Она представляет собой гиперболическую зависимость между мощностью и временем с критической мощностью в виде степенной асимптоты и константы кривизны (1). (1) где: P – уровень запаса энергии, M – расход сил без физической активности, W – объем работы, который может быть выполнен человеком, t – время выполнения работы. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 16

График данной функции представлен на рисунке 16. Рисунок 16. График функции (1). Данная функция очень проста в использовании и поэтому используется чаще всего, в том числе и на международных спортивных соревнованиях.[6] Смысл данной функции прост: человек, когда не отдыхает, он устает, даже если ничего не делает. После начала какой-либо деятельности, величина расхода энергии увеличивается и зависит от сложности выполняемой работы. Чем сложнее работа – тем выше величина расхода энергии. Использование в имитационной объектно-ориентированной модели использование формулы (1) невозможно связи с тем, что в ней нет дифференциации труда по уровню сложности. Связи с этим, данная формула требует иного представления. Для дифференциации работ по уровню энергозатратность каждой из данных отдельно по формуле(2). энергозатратности, работ вычисляется (2) где: Pn – энергозатратность работы n, kn – коэффициент энергозатратности работы n, tn – время, на протяжении которого совершалась работа n. График функции (2) представлен на рисунке 17. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 17

6 5 4 3 2 1 0 0 1 2 3 4 5 Рисунок 17. График функции (2) Учитывая, что величина расходуемой энергии (kn) растет во время выполнения работы (в начале работы человек устает медленнее, чем через некоторое время) формулу (2) требуется дополнить многочленом, позволяющим учитывать эту зависимость (3). График функции (3) представлен на рисунке 18. (3) где: Pn – энергозатратность работы n, kn – коэффициент энергозатратности работы n, kf – коэффициент увеличения энергозатратности работы n со временем, tn – время, на протяжении которого совершалась работа n. Данная функция показывает идеальный график увеличения энергозатратности. В реальной жизни все процессы имеют некоторую случайность и не могут быть представлены в виде четкой линии и зависимости f(x). Чтобы имитационная модель могла имитировать реальный процесс увеличение энергозатратности, коэффициенты kn и kf должны быть не константами, а случайным числом из определенного диапазона. Именно поэтому в данной модели, вместо констант используется результат, выданный генератором действительных псевдослучайных чисел «RND». Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 18

1200 1000 800 600 400 200 0 Рисунок 18. График функции (3) Использование генератора псевдослучайных чисел приводит к тому, что функция не имеет одного графика и каждый раз выдает новый (4). Два получившихся графика представлены на рисунках 19 и 20. (4) где: Pn – энергозатратность работы n, x – kn в диапазоне a1≤X≤b1, y – kf в диапазоне a2≤Y≤b2, tn – время, на протяжении которого совершалась работа n. Рисунок 19. Первый график Рисунок 20. Второй график Теперь данный график имитирует увеличение усталости работы Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 19

так, как оно есть в реальной жизни. Колонист, выполняя одну и ту же работу, устает приблизительно одинаково. Именно такое положение вещей и показывают данные графики: они приблизительно одинаковы (имеют небольшие различия). Каждый раз функция будет выдавать новый график. Модель рассматривает силы колониста как шкалу от 0 до 100%. Таким образом, каждое действие человека отнимает от 100% ту энергию, которую «потратил» человек. Учитывая, что у нас есть расход сил без физической активности (М), а колонист может выполнять несколько работ параллельно (нести пробы + преодолевать кратер), то общая формула расчета потраченной энергии (5) имеет следующий вид: (5) где: P – общий расход сил, M – расход сил без физической активности, P1 – трата сил на 1 работу, P2 – трата сил на 1 работу, Pn – трата сил на n работу. Учитывая, что каждая P в формуле (5) является формулой (4), мы имеем следующую формулу расчета усталости (6). (6) где: P – Общее количество энергозатратности, M – расход сил без физической активности, X1 – k1 в диапазоне a1≤X≤b1, X2 – k2 в диапазоне a2≤X≤b2, X3 – k3 в диапазоне a3≤X≤b3, Y1 – kf1 в диапазоне a4≤Y≤b4, Y2 – kf2 в диапазоне a5≤Y≤b5, Y3 – kf3 в диапазоне a6≤Y≤b6, t1 – время, на протяжении которого совершалась работа 1, t2 – время, на протяжении которого совершалась работа 2, tn – время, на протяжении которого совершалась работа n. На рисунках 21 и 22 представлен график расхода силы Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 20

колониста, рассчитанный по формуле (6), при условии, что он сначала шел, потом взял пробу (продолжая идти), а затем начал преодолевать кратер. Рисунок 21. Первый график Рисунок 22. Второй график Для вычисления падения сил колониста модель отнимает от уже имеющихся сил ту, которая требуется ему для выполнения совершаемой работы. Для этого используется формула(7). (7) где: A – количество оставшихся сил, P – количество расходующихся сил. График формулы (7) представлен на рисунках 23 и 24. Рисунок 23. Первый график Рисунок 24. Второй график 2.3 Моделирование эмоционального состояния колониста Данная модель рассчитывает не только физическое, но и эмоциональное состояние колониста. В данной модели оно (психическое состояние) воспринимается как «запас Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 21

психической энергии» деятельности человека деятельность. и – уменьшается в результате затрат психической силы на Учитывая, что суть запасов энергии и запасов психической силы одинакова, ее моделирование (психической силы, эмоционального состояния) моделируется аналогично моделированию запасов энергии. Формула расчета затрат психической энергии, при совершении конкретной работы, (8) аналогична формуле (4): (8) где: Pn – затраты психической силы при выполнении работы n, x – kn в диапазоне a1≤X≤b1, y – kf в диапазоне a2≤Y≤b2, tn – время, на протяжении которого совершалась работа n. Два получившихся графика рисунках 25 и 26. Рисунок 25. Первый график данной функции представлены на Рисунок 26. Второй график Таким образом, общие затраты психической энергии рассчитываются по формуле (9), аналогичной формуле (6). Для вычисления падения психических сил колониста модель отнимает от уже имеющихся психических сил ту, которая требуется ему для выполнения совершаемой работы. Для этого используется формула(10). График формулы (7) представлен на рисунках 27 и 28. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 22

(9) где: P – Общее количество энергозатратности, M – расход сил без физической активности, X1 – k1 в диапазоне a1≤X≤b1, X2 – k2 в диапазоне a2≤X≤b2, X3 – k3 в диапазоне a3≤X≤b3, Y1 – kf1 в диапазоне a4≤Y≤b4, Y2 – kf2 в диапазоне a5≤Y≤b5, Y3 – kf3 в диапазоне a6≤Y≤b6, t1 – время, на протяжении которого совершалась работа 1, t2 – время, на протяжении которого совершалась работа 2, tn – время, на протяжении которого совершалась работа n. (10) где: A – количество оставшихся сил P – количество расходующихся сил Рисунок 27. Первый график Рисунок 28. Второй график 2.4 Моделирование отдыха Отдых в данной модели рассматривается как процесс, противоположный усталости, как физической, так и психической. Таким образом, «отдых» вычисляется по формуле (11). Два графика формулы (11) представлены на рисунках 29 и 30. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 23

(11) где: A – количество физической или психической силы человека, x – kn в диапазоне a1≤X≤b1, y – kf в диапазоне a2≤Y≤b2, tn – продолжительность отдыха. Рисунок 29. Первый график Рисунок 30. Второй график 2.5 Взаимное влияние усталости и состояния В реальной жизни физическая влияют друг на друга: и эмоциональная усталости 1. Чем сильнее физически устал человек, тем расходуется его эмоциональная сила. 2. Чем сильнее психологически устал человек, тем расходуется его физическая сила. 3. Чем меньше устал физически человек, тем восстанавливается его психологическая сила. 4. Чем меньше психически устал человек, тем восстанавливается его физическая сила. сильнее сильнее быстрее быстрее В модели данные зависимости установлены через влияние на коэффициенты-переменные x и y в формулах (4), (6), (8), (9) и (11), как показано на формуле (12). Значение переменных f1 и f2, для физической усталости, зависит от уровня психической силы («эмоционального состояния»). Значение переменных f1 и f2, для зависит от уровня физической силы. Изм. Лист № докум Подпись Дата психической усталости, Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 24

(12) где: x – коэффициент, генерируемый генератором «RND» a – минимальное значение генерируемого коэффициента b – максимальное значение генерируемого коэффициента f1 – число, на которое изменяется a f2 – число, на которое изменяется b 2.6 Пространство и время в модели В данной модели пространство и время связаны между собой следующим образом: 1 единица пространства = 1 метру в реальной жизни, 1 единица времени = 2 секундам в реальной жизни, Скорость взятия пробы – 5 минут (300 секунд). Расчет (13). времени, в данной модели, происходит по формуле (13) где: t – количество секунд, T – количество итераций основного цикла модели. 2.7 Имитация взятия пробы В данной модели есть возможность имитацию процесса взятия пробы. включать и выключать При включенной имитации производится процесс взятия пробы дерева так, как если бы он проходил на самом деле. Это приводит к тому, что пользователь данной модели вынужден ждать завершение этого процесса. При выключенной имитации процесс взятия пробы заменяется быстрым просчетом, что ведет к «быстрому скачку» на 5 минут вперед. При этом в результатах отчета моделирования данный скачок будет виден, т.к. время в модели и запас силы человека (как физической, так и психической) изменятся моментально. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 25

2.8 Имитация отдыха В данной модели есть возможность включать и выключать имитацию процесса отдыха колониста в жилом модуле. При включенной имитации производится процесс отдыха так, как если бы он проходил на самом деле. Это приводит к тому, что пользователь данной модели вынужден ждать завершение этого процесса продолжительное время. При выключенной имитации процесс отдыха заменяется быстрым просчетом, что ведет к «быстрому скачку» вперед по времени и «быстрому скачку» увеличения сил (как физических, так и психологических). При этом в результатах отчета моделирования данный скачок будет виден. 2.9 Имитация складирования проб В данной модели есть возможность включать и выключать имитацию процесса складирования проб в жилом модуле. При включенной имитации производится процесс складирования проб так, как если бы он проходил на самом деле. Это приводит к тому, что пользователь данной модели вынужден ждать завершение этого процесса продолжительное время. При выключенной имитации процесс складирования заменяется быстрым просчетом, что ведет к «быстрому скачку» вперед по времени и «быстрому скачку» уменьшения сил (как физических, так и психологических). При этом в результатах отчета моделирования данный скачок будет виден. 2.10 Влияние полигонов на колониста Во время своей деятельности, колонист взаимодействует с полигонами «жилой модуль», «модуль связи», «ядерный реактор», «солнечная батарея» и «кратер». Каждый из этих полигонов оказывает свое влияние на человека. Полигон «кратер» оказывает следующее влияние на человека: 1. Уменьшает скорость передвижения по нему. 2. Увеличивает расход колониста в 2 раза. Изм. Лист № докум Подпись Дата движения на физических и 30% из-за сложности психологических Имитационная объектно-ориентированная модель «Эхо Плутона» сил Лист 26

Влияние происходит за чет уменьшения переменной «скорость колониста» и внесение дополнительного многочлена (4), описывающего влияние на человека, в функцию расчета энергозатратности (6). Алгоритм осуществления влияния полигона колониста представлен на рисунке 31. «кратер» на Полигон «жилой модуль» влияет на человека путем увеличения его физического и психического запасов сил. Однако простого нахождения на полигоне недостаточно, человек должен принять решение отдохнуть. Алгоритм влияния полигона «жилой модуль» на человека представлен на рисунке 32. Полигоны «модуль связи», «ядерный реактор», «солнечная батарея» являются помехой, которую колонист должен обойти. При этом, во время обхода, он скрывается под крышей постройки, т.ч. может показаться, что он прошел сквозь нее. Рисунок 31. Схема алгоритма влияния полигона «кратер» на человека Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 27

Рисунок 32. Алгоритм влияния полигона «Жилой модуль». Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 28

Самообучающийся алгоритм 3.1 Самообучающийся алгоритм Самообучающийся алгоритм – это алгоритм, осуществляющий перебор всех вариантов решения задачи из множества возможных решений с накоплением статистических данных (опыта). В модели статистика собирается в «algoritm.model» виде двоичных данных. двоичном файле Расширение «.model» является уникальным, разработано автором модели и не принадлежит к какой-либо программе. 3.2 Сложность алгоритма O(N) Данный алгоритм является линейным, рассчитывается по формуле (14).[7] а его сложность (14) где: n – количество возможных позиций каждого элемента, i – количество элементов. Расчет сложности самообучающегося алгоритма, встроенного в модель, приведен ниже: 3.3 Накопление опыта алгоритмом Накопление накопления решений. опыта данных алгоритмом происходит в об эффективности принятых результате алгоритмом Общий принцип работы алгоритма: 1. Реализует один построек колонии. 2. Проигрывает расстановки. Изм. Лист № докум Подпись из модель, Дата возможных определяя вариантов расстановки эффективность данной Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 29

3. Сравнивает полученную эффективность с наиболее лучшей из ранее полученных. 4. Если только что проигранный на модели вариант расстановки более эффективен, то модель сохраняет в двоичном формате информацию о новом варианте. 5. Если только что проигранный на модели вариант расстановки менее эффективен, то модель не запоминает его и переходит к пункту 1 данного алгоритма. Схема работы алгоритма представлена на рисунке 33. Рисунок 33. Схема работы самообучающегося алгоритма. В результате перебора всего множества вариантов решений самый лучший вариант расстановки будет сохранен как «наиболее эффективный вариант» в файле «algoritm.csv». Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 30

3.4 Эффективность Цель работы самообучающегося алгоритма – найти эффективный вариант расстановки строений колонии. наиболее Под эффективностью понимается время, которое было затрачено на выполнение задачи. Чем больше затрачено времени, тем меньше эффективность. Под наиболее эффективным вариантов расстановки построек понимается такая расстановка, при которой колонист затрачивает наименьшее количество времени на выполнение задачи. Учитывая, что каждый раз колонисту приходится брать пробы из разного количества мест, в качестве затрачиваемого времени принимается среднее время (15). (15) где: E – эффективность, t – время, затраченное на взятие всех проб, k – количество проб. Чем меньше E, тем более расстановка построек. эффективно была осуществлена 3.5 Работа алгоритма в потоковом режиме Самообучающийся алгоритм работает получая данные от нее данные. параллельно с моделью, Таким образом, передача данных организована в виде потока – данные передаются сразу же, а не после окончания работы модели. Данный метод работы алгоритма называется потоковым режимом. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 31

Нейронная сеть 4.1 Нейрон и нейронная сеть Нейронная сеть – компьютерная программа, имитирующая работу головного мозга с целью получить его возможности (интеллект). Под интеллектом понимается способность обоснованные решения на основе имеющегося опыта. принимать Основной принцип работы нейронной сети, как и головного мозга, заключается в получении сигналов, его обработка и выдача указания. Обработка сигналов заключается в их поэтапном прохождении слоев, состоящих из нейронов. [8] Нейрон – минимальная частица головного нейросети), способная осуществлять преобразования сигналов. мозга (или элементарные Нейроны объединяются между собой, образуя сеть, способную обрабатывать сложную информацию и решать сложные логические задачи. Биологический нейрон состоит из 3-х частей: 1. Ядро – основание нейрона, 2. Тело – ядро в оболочке, 3. Дендриты – связи, по которым нейрон принимает сигналы 4. Аксон – выход из нейрона (он один) 5. Терминали – ответвления от аксона для подключения к множеству других нейронов. [9] Наглядно устройство нейрона представлено на рисунке 34. Общий механизм работы нейрона следующий: 1. Получить все входящие по дендритам данные 2. Суммировать все вошедшие данные 3. Преобразовать сумму данных в зависимости от функции 4. Выдать результат, который будет передан на другие нейроны. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 32

Рисунок 34. Устройство нейрона В жизни, в качестве данных, природой используются нервные импульсы – электрические сигналы различной величины (разное напряжение). Для реализации тех же функций, что и у биологического нейрона, не требуется повторять его строение полностью. В качестве данных, в программном нейроне, используются числовые данные. Величина числа, в данном случае, заменяет силу сигнала. В нейронных сетях «программный нейрон» состоит всего лишь из 3-х частей: 1. 2. 3. Ядра Дендритов Аксонов Реализуется «программный нейрон» еще проще – через переменную.[8] Так, чтобы эмитировать работу нейрона, нужно осуществить следующий алгоритм: 1. Взять значения переменных, сложить, сохранить сумму в переменную (вход данных через дендриты от предыдущих нейронов и их суммирование) 2. Преобразовать полученную сумму, приняв ее за аргумент функции. Значение сохранить в эту же переменную. (Обработка нейроном данных). 3. Использовать эту переменную для суммирования с другими переменными и сохранения результата в следующей переменной (передача данных через аксон и терминали). Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 33

Учитывая, что нейрон, по своей сути, является простой переменной, то вся нейронная сеть представляет собой массив переменных. Наглядно устройство рисунке 35. программного нейрона изображено на Рисунок 35. Устройство программного нейрона Каждый нейрон, после суммирования, осуществляет обработку полученной суммы через математическую функцию ( ). Существует большое количество различных функций для нейронов. Наиболее популярными из них являются сигмодиа(16), арктангенс (17), функция ошибки (18) и функция Гуддермана (19). (16) (17) (18) (19) 4.2 Механизм принятия решения нейронной сетью После того как исходные данные поступают на вход нейронов первого слоя, начинается принятие решения. Процесс принятия решений происходит благодаря пропусканию данных через нейроны по очереди (очередность устанавливается связями). Проходя через каждый нейрон эти данные преобразуются. Полученные на последнем слое данные и есть решение. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 34

В программном виде это выглядит как подача на вход нейронной сети числовых данных, которые преобразуются в выходные числовые данные. Числовые данные на выходе – это и есть решение. Наглядно данный процесс показан на 3-х слойной нейронной сети из 9 нейронов на рисунке 36. Рисунок 36. Пример принятия решения нейронной сетью 4.3 Функция нейронов нейросети модели Создаваемая нейронная сеть выдает значения координат жилого модуля. Учитывая, что координаты находятся в диапазоне от 0 до 745 по x (0<=X<=745 ∈ ℕ) и от 0 до 550 по y (0<=X<=550 ∈ ℕ). Это означает, что реализуемая нейронами функция должна иметь возможность выдавать значения в этих диапазонах. Функции (1),(2), (3) и (4) не подходят, т.к. их значения находятся в диапазоне от 0 до 1 (0<=X<=1 ∈ ℝ). Связи с этим, для реализации нейронной сети была использована функция (20): (20) где: y – выходной сигнал, k – коэффициент, x – сумма входящих сигналов. Эта функция очень проста, способна к обучению, значения могут находиться в нужных нам диапазонах. Изм. Лист № докум Подпись Дата а ее Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 35

4.4 Механизм генерации начальных значений весов Перед первым запуском нейронной сети необходимо выставить все коэффициенты k, в функциях нейронов (20), самостоятельно. Значения данных весов должны быть разными. Задание значений коэффициентов, при первом запуске нейронной сети, в модели «Эхо Плутона», осуществляется через генератор случайных чисел RND. Диапазон генерирования значений коэффициентов играет весьма значительную роль. Наиболее эффективным является задание коэффициентов в диапазоне 0<=X<=b ∈ ℝ. Максимальное значение (b) устанавливается по формуле (21) [8]. (21) где: y – максимальное значение диапазона, x – количество нейронов на предыдущем уровне На практике применение формулы (21) привело к тому, что нейронная сеть выдает значения координат гораздо больше необходимого диапазона (выходит за пределы игрового поля). Таким образом, чтобы корректировать диапазон выдаваемых нейронной сетью значений данная формула была модернизирована: введен подстроечный коэффициент k (22). (22) где: y – максимальное значение диапазона, x – количество нейронов на предыдущем уровне k – подстроечный коэффициент. Значение данного путем и равно 5. коэффициента было установлено опытным Итоговая формула определения значения b приведено в формуле (23): Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 36

(23) где: y – максимальное значение диапазона, x – количество нейронов на предыдущем уровне Общее математическое описание нахождение значения переменной (нейрона) приведено в формуле (24): каждой (24) где – нейрон j слоя i, выходной связи нейрона j слоя i. – коэффициент 4.5 Механизм обучения В результате работы нейронной сети накапливается влияющий на принятие решений – происходит обучение. опыт, Реализуется это за счет изменения коэффициентов k в функции нейронов (20). Алгоритм, осуществляющий изменение называется функцией обучения. [8] коэффициентов, Наиболее распространенным методом обучения является алгоритм обратного распространения ошибки. Суть данного метода заключается в следующем: вычисляется ошибка, после чего она «распространяется» на все нейроны – изменяет их значение. Ошибка должна быть дифференцирована: в ней виноваты все слои и все нейроны, поэтому она должна быть учтена каждым нейроном в соответствии с его значимостью. [10] Данный механизм весьма сложен для понимания и реализации, поэтому данный алгоритм был изменен (упрощен) автором модели. Для реализации механизма обучения был реализован метод «минимальной добавочности». Суть метода заключается в следующем: корректировка коэффициентов осуществляется при помощи прибавления к нему некоторого небольшого числа ( ). Значение данного числа одинаково для всех нейронов. Знак Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 37

этого числа ошибки. (+ или -) определяется знаком вычисленной Алгоритм реализованного метода: 1. Вычислить ошибку нейронной сети 2. Если ошибка положительная и не равна 0, то прибавляемое число должно быть отрицательным ( ) 3. Если ошибка отрицательная и не равна 0, то прибавляемое число должно быть положительным (+ ) 4. Прибавить прибавляемое число ко всем коэффициентам. Ошибка нейронной сети вычисляется по формуле (25)[8]: (25) где: O – ошибка, c – правильный ответ, r – ответ нейронной сети. Математическое описание метода представлено в формуле (26): (26) где: – нейрон j слоя i, – коэффициент выхода нейрона j слоя i, – коэффициент минимальной добавочности, – ошибка. Прибавляемое число ( )определяется опытным путем. От его значения зависит 2 фактора: скорость и точность обучения. Чем больше это число, тем быстрее скорость обучения, но меньше его точность. Чем меньше это число, тем меньше скорость обучения, но точнее результат. В модели «Эхо Плутона» данное опытным путем и равно 0,01. число было установлено Данный алгоритм освобождает от дифференцирования ошибки. Схема работы алгоритма представлена на рисунке 37: Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 38

Рисунок 37. Схема работы алгоритма. 4.6 Технология генеративно-состязательных сетей (GAN) Технология генеративно-состязательных сетей заключается в идее объединить нейронную сеть с генератором заданий. Генератор создает задания для нейронной сети, которая учится, выполняя их. Таким образом, из процесса образования исключается человек. Это приводит к значительному ускорению обучения. Генеративно-стостязательная программ: сеть (GAN) состоит 1. Генератор – программа, генерирующая задания. 2. Дискриминатор – нейронная сеть, которая выполняя задания. [11] из двух обучается, Использование в модели «Эхо Плутона» нейронной сети реализует эту технологию: сама модель является программой, Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 39

которая дается задание для решения (генератором), нейронная сеть обучается на них (дискриминатор). а 4.7 Реализация нейронной сети Реализация нейронной сети в модели «Эхо Плутона» была осуществлена по принципу «не усложняй» (KISS principle). [12] На первый слой нейронной сети подаются значения координат всех мест, где требуется осуществить взятие пробы. Максимальное число таких мест – 30. Каждое из них имеет 2 координаты: X и Y. Таким образом на вход нейронной сети подается не более 60 значений. Этим и обусловлен тот факт, что первый слой имеет 60 нейронов. Ответ нейронной сети состоит из 2-х чисел: координат X и Y жилого модуля колониста. Этим обусловлен тот факт, что количество нейронов выходного слоя равно 2. Чтобы снизить количество вычислений, и сложность нейронной сети, было решено сделать каждый последующий слой в 2 раза меньше предыдущего. Каждый последующий слой должен быть меньше предыдущего не более чем в 2 раза, чтобы не снизить эффективность работы нейронной сети. Минимальное необходимое количество вычисляется по формуле (27): слоев нейронной сети (27) где: N – минимальное необходимое количество слоев, n – во сколько раз каждый слой будет меньше предыдущего, m – число нейронов в первом слое. Учитывая, что количество нейронов на первом слое равно 60 (m=60), а коэффициент уменьшения был выбран 2 (n=2), количество слоев должно быть не менее 6 (28). Таким образом, нейронная сеть состоит из 6 слоев по 60, 30, 15, 8, 4 и 2 нейрона соответственно. Общее количество нейронов – 119. Реализована нейронная сеть в виде 19 одномерных массивов Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 40

(28) где: N – минимальное необходимое количество слоев, n – во сколько раз каждый слой будет меньше предыдущего, m – число нейронов в первом слое. разной размерности, состоящих из переменных типа Float. Чертеж нейронной сети представлен на рисунке 38. Рисунок 38. Чертеж нейронной сети. 4.8 Алгоритм работы нейронной сети Во время моделирования нейронная сеть осуществляет накопление опыта, на основании которого делает предположения о том, как лучше расставлять постройки Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 41

колонии. После она проверяет эти предположения на эффективность при помощи модели. Результат моделирования становится новым опытом. Этот процесс цикличен и повторяется до тех пор, пока нейронная сеть не выработает правила правильной расстановки модулей относительно ландшафта. Алгоритм данного процесса представлен на рисунке 39. Рисунок 39. По своей сути, нейронная сеть решает задачу регрессии – взять координаты всех мест, где требуется взять пробу, и выдать координаты, где лучше всего поставить жилой модуль колониста. [13] Для решения этой задачи используется метод градиентного спуска. [14] Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 42

Результаты моделирования 5.1 Результаты Результатом моделирования является не только итоговая картинка, изображенная на экране, но и цифровые данные. Список собираемых цифровых данных представлен в таблице 8. Таблица 8. Список собираемых данных Параметр Значение Единица ∈ℕ ∈ℕ ∈ℕ ∈ℝ ∈ℕ ∈ℝ ∈ℕ Штук Секунды Проценты Проценты Проценты Проценты Штуки Режим «Человек» Итерации Время Сила Сила Психическая сила Психическая сила Количество взятых проб Режим «Самообучающийся алгоритм» Эффективность Время Координаты всех объектов ∈ℕ ∈ℕ ∈ℕ Единиц Секунд X и Y ∈ℝ число Режим «Нейронная сеть» Значение коэффициентов нейронов 5.2 Запись в файл csv Все результаты моделирования автоматически записываются в соответствующие файлы:    Режим «Человек» - файл «oth.csv». Режим «самообучающейся алгоритм» - файл «algoritm.csv». Режим «нейронная сеть» - файл «neiro.csv». Все они находятся в одной папке с файлом запуска модели Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 43

«echo_pkutona.exe». Формат хранения файлов CSV является общедоступным форматом хранения табличных данных и может быть открыт в любой аналитической программе, например «Excel», «Google Sheets» и «Calc», или в какой-либо СУБД (базе данных), в том числе «MySQL», «1C» и «Access». Такой способ хранения данных позволяет свободно их передавать в виде файла и открывать в любой удобной для конкретного пользователя программе для их анализа. [15] Все данные записаны в следующем формате: каждая строка таблицы записывается в виде новой строчки, а ее разделение на столбцы осуществляется знаком «точка с запятой» («;»). Наглядно формат записи изображен на рисунке 40. Результат открытия данного формата в программе «Excel» изображен на рисунке 41. Рисунок 40. Наглядное изображение формата записи результатов Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 44

Рисунок 41. Результат открытия данного формата в программе «Excel» Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 45

Обработка результатов Для обработки результатов необходимо импортировать CSV файл в любую удобную пользователю программу анализа данных. После импорта пользователь может использовать абсолютно весь инструментарий его аналитической программы. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 46

Заключение В данной технической документации описана объектно-ориентированная модель «Эхо Плутона». имитационная Данная модель была создана для того, чтобы доказать пригодность использования имитационного объектноориентированного моделирования, самообучающихся алгоритмов и нейронных сетей для проверки существующих и разработки новых технологий колонизации небесных тел. Учитывая, что модель имитирует все процессы так, как они протекали бы в реальной жизни, чтобы узнать конечный результат, ее нужно «проиграть» полностью. Результат моделирования, как и в реальной жизни, складывается из совокупного течения процессов, поэтому невозможно предсказать, каким образом они повлияют друг на друга и к чему приведут. Основная цель данной документации – дать достаточно полное описание созданной модели, ее принципах и методах. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 47

Список источников 1. Bitmap Image File (BMP), Version 5. // Sustainability of Digital Formats: Planning for Library of Congress Collection. URL: https://www.loc.gov/preservation/digital/formats/fdd/fdd000189.shtml (дата обращения: 24.11.2022.). 2. Realistic Vision 4 & Stable Diffusion: Creating Striking AI Images (Tutorial Guide) | ChatBots.top. — Текст : электронный // chatGPT SHOP : [сайт]. — URL: https://chatgptshop.org/blog/realisticvision-4-stable-diffusion-creating-striking-ai-images-tutorial-guidechatbots-top/#:~:text=Realistic%20Vision%204%20is%20an,your%20AIgenerated%20images%20to%20life (дата обращения: 23.10.2023). 3. Audio File Format Specifications. // Telecommunications & Signal Processing Laboratory. URL: https://wwwmmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html (дата обращения: 24.11.2022.). 4. Sethi M. Game programming. – Second edition. – THOMSON course technology, 2003. 5. YandexGPT 2. — Текст : электронный // YandexGPT : [сайт]. — URL: https://ya.ru/gpt/2 (дата обращения: 23.10.2023). 6. Sreedhara V.S.M. Gregory M.M., Hutchison R.E. A survey of mathematical models of human performance using power and energy. // Sports medicine - Open. - 2019. - №54. URL: https://doi.org/10.1186/s40798-019-0230-z (дата обращения: 24.11.2022). 7. Knuth, Donald. The Art of Computer Programming. "Section 6.1: Sequential Searching". Sorting and Searching. / Donald Knuth. — 3rd ed. — : Addison-Wesley, 1998. — 780 c. — Текст : непосредственный. 8. Rashid, Tariq Make Your Own Neural Network / Tariq Rashid. — CreateSpace, 2016. — 222 c. — Текст : непосредственный. : 9. Нервная ткань. Нейрон. Синапс. Нервы. — Текст : электронный // ЯКласс : [сайт]. — URL: https://www.yaklass.ru/p/biologia/8klass/nervnaia-reguliatciia-16071/stroenie-nervnoi-sistemy-i-eeznachenie-16072/re-85e19745-be2f-4f82-9208-060f40f25bff (дата обращения: 31.10.2023). Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 48

10. Werbos, P. J. Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences / P. J. Werbos. — Cambridge: Harvard University, 1974. — 453 c. — Текст : непосредственный. 11. Goodfellow, I. J. Generative Adversarial Nets / I. J. Goodfellow. — Текст : непосредственный // University of Montreal. — 2014. 12. The Unix Philosophy in One Lesson. — Текст : электронный // Applying the Unix Philosophy. : [сайт]. — URL: http://www.catb.org/~esr/writings/taoup/html/ch01s07.html (дата обращения: 24.10.2023). 13. McCaffrey, J. Тесты - Регрессия нейронной сети. / J. McCaffrey. — Текст : электронный // Microsoft Ignite. : [сайт]. — URL: https://learn.microsoft.com/ru-ru/archive/msdnmagazine/2016/march/test-run-neural-network-regression (дата обращения: 24.10.2023). 14. Lemarechal, C. Cauchy and the Gradient Method. / C. Lemarechal. — Текст : непосредственный // Documenta Math. — 2012. — № . — С. 251–254. 15. Clive H., Chambers M., Keast A. CSV-1203. CSV File Format Specification. - First Edition. - Published in the United Kingdom: mastpoint.com, 2013. - 31 с. URL: https://arquivo.pt/wayback/20160305185525mp_/http://mastpoint.curzonn assau.com/csv-1203/csv-1203.pdf (дата обращения: 24.11.2022). Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 49

Приложение А. Список используемых формул. № Функция (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 50

(15) (16) (17) (18) (19) (20) (21) (22) (23) (24) (25) Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 51

(26) (27) (28) Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 52

Приложение Б. Минимальные системные требования Характеристика Значение CPU Intel Pentium G4400 OEM (3,3 ГГц) AMD FX-4300 BOX (3,8 ГГц) или более поздние ОС Windows 95/98/ME/2000/XP/Vista/7/8/10 RAM 256 Мбайт HDD 18 Мбайт Видеокарта GeForse 210 (1 Гбайт ОЗУ) или более поздняя Разрешение экрана 1280х1024 или выше DirectX 9.0 или выше Звуковая карта 16 бит (48 кГц) или выше Контроллеры Мышь, клавиатура Дополнительно Наушники или колонки Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 53

Приложение В. Файлы модели Название Тип Расширение echo_plutona.exe block.bmp chel.bmp crat1.bmp crat2.bmp crat3.bmp crat4.bmp crat5.bmp flag.bmp knopka_zastav.bmp menu.bmp menu_vibor.bmp menu_vibor_knop1.bmp menu_vibor_knop2.bmp menu_vibor_knop3.bmp menu_vibor_knop4.bmp menu_vibor_knop5.bmp menu_vibor_knop6.bmp menu_vibor2.bmp menu2.bmp menu3.bmp menu4.bmp paus1.bmp paus2.bmp paus3.bmp paus4.bmp perekluch1.bmp perekluch2.bmp polzunok.bmp powerx.bmp reactor.bmp scorost.bmp scorost_max1.bmp scorost_max2.bmp scorost_min1.bmp scorost_min2.bmp scorost1.bmp scorost2.bmp scorost3.bmp sonlc_panel.bmp svaz.bmp Исполнимый файл Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение exe bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp bmp Изм. Лист № докум Подпись Дата Объем (Кбайт) 1696 28 1 21 25 5 7 4 3 28 739 1191 19 18 82 82 28 28 1737 739 739 739 48 48 48 48 2 2 2 1531 34 168 16 16 16 16 7 8 8 8 9 Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 54

text.bmp text_algoritm.bmp text_neiro.bmp text_zastav.bmp verx.bmp vixod1.bmp vixod2.bmp zanovo1.bmp zanovo2.bmp zastav.bmp zelob.bmp zvuk_minus.bmp zvuk_plus.bmp zvuki.bmp knop_menu_vibor.wav molot.wav pause.wav perekluchatel.wav stroika.wav zanovo.wav zapret.wav zastav.wav Изм. Лист № докум Подпись Дата Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Изображение Звуковой файл Звуковой файл Звуковой файл Звуковой файл Звуковой файл Звуковой файл Звуковой файл Звуковой файл bmp 77 bmp 279 bmp 279 bmp 360 bmp 238 bmp 48 bmp 48 bmp 41 bmp 44 bmp 1055 bmp 13 bmp 1 bmp 2 bmp 3 wav 49 wav 36 wav 349 wav 14 wav 457 wav 266 wav 159 wav 827 Общий вес: 14606,75 Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 55

Приложение Г. Возможные ошибки и проблемы Ошибка/Сложность Модель, в результате запуска, сама открылась и закрылась несколько раз. Описание и решение Причина: Антивирусная программа запустила модель в «безопасном режиме», параллельно проверяя ее на вирусы. Исправление: После проверки антивирус убедится, что в модели нет вирусов, и Вы можете закрыть и открыть модель заново – больше она сама открываться и закрываться не будет. Модель не запускается, выдавая окно ошибки с надписью «Stream does not exist». Причина: У Вас открыт один из CSV файлов. В то время как он открыт, модель не может обратиться к нему и записать туда результаты своего моделирования. Исправление: Закройте файл и запустите модель заново. В открытом CSV файле неправильные данные, ошибки, некорректные данные из-за чего невозможно построить графики и анализировать результаты. Изм. Лист № докум Подпись Дата Причина: В результате открытия был изменен формат данных, изменены сами данные (округлились числа) либо данные считались некорректно. Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 56

Исправление: Некоторые программы, например «Excel», могут автоматически при открытии файлов «подгонять» их под формат, округляя и изменяя данные. Чтобы избежать такого, необходимо открывать файл путем его импорта: «Данные» - «Получить внешние данные» -> «Из текста» Data -> Get External Data -> From Text Во время моделирования модель, иногда, подвисает. Причина: Генератор псевдослучайных чисел не может генерировать большое количество случайных чисел с такой скоростью, как требуется модели. Это приводит к тому, что модель вынуждена ждать, когда он выдаст ей необходимое случайное число. Исправление: Данную проблему можно решить, используя процессоры с более быстрыми генераторами псевдослучайных чисел. Однако задержки модели не приводят к искажению результатов моделирования, поэтому кроме некоторого неудобства данная проблема не принесет. Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 57

Во время моделирования, Причина: иногда, кажется, что колонист не взял пробу. Память видеокарты работает не так быстро, как этого требует модель. Это приводит к тому, что она не успевает отобразить на экране удаление флага. Исправление: Данную проблему можно решить, используя видеокарты с более быстрой памятью. Однако данная проблема не сказывается на результатах моделирования, поэтому кроме некоторого неудобства данная проблема не принесет. Во время моделирования Причина: колонист проходит сквозь постройки колонии. На самом деле колонист обходит эти постройки. Он так близко к стенке, что скрывается под крышей строения, поэтому его не видно. Исправление: Это не ошибка. График, построенный на Причина: основе данных CSV файла неправильный. Программа по оси Х указывает не количество секунд, а номер строки записи файла CSV. Исправление: Для построения графика воспользуйтесь точечным типом диаграммы, указав Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 58

первым аргументом значение столбца «Time». Изм. Лист № докум Подпись Дата Имитационная объектно-ориентированная модель «Эхо Плутона» Лист 59

Рецензии:

Авторизуйтесь, чтобы добавить рецензию

- у работы пока нет рецензий -

Отзывы:

Авторизуйтесь, чтобы оставить отзыв