Kharkiv Polytechnic Institute
Electronic National Technical University "Kharkiv Polytechnic Institute" Institutional Repository (eNTUKhPIIR)Not a member yet
93981 research outputs found
Sort by
Estimations of the asymptotic complexity of applied multiple transport algorithms when divisioning them into clusters
No full textПрикладні множинні транспортні алгоритми, як правило, є евристичними та надскладними. За обраною евристикою алгоритму, реальний час на програмну реалізацію залежить від мови програмування, структури представлення вхідних даних та алгоритмічної складності рішення. Дослідження базуються на використанні положень дискретної математики та теорії графів. Показано, що шляхом аналізу асимптотичної складності можливо визначити ефективну евристику. Уточнення моделей прикладних завдань, також, сприяють зменшенню складності. Оскільки, множинність транспортних завдань міститися у дискретному покритті або у функціоналі множинних транспортних засобів, то можливим є спрощення алгоритму шляхом їх декомпозиції на кластери для яких діють умови та обмеження стандартного транспортного завдання. Наведено особливості геометрично та комбінаторного розкладання на кластери. Надано формалізацію алгоритмів побудови кластерів для множинних транспортних завдань. Проведено порівняльний аналіз оптимальних та евристичних алгоритмів вирішення множинних транспортних за вдань. Визначено ієрархію асимптотичної складності евристичних алгоритмів та проаналізовано можливості їх декомпозицій на кластери за якими досягається спрощення вирішення множинних прикладних транспортних завдань. Надано нотації складності рішення та можливості їх оцінки за цільовою функцією обраного алгоритму або за її апроксимацією. Здійснено аналіз асимптотичної складності евристичних алгоритмів для Big-O нотації. Показано, що придатними для реалізації є алгоритми, складності яких не перевищують поліноміальної, а застосування алгоритмів, які мають експонентну оцінку складності та вище є не бажаним. Зазначено, що асимптотичні оцінки складності алгоритму придатні для великих за розмірністю завдань, а для завдань невеликої розмірності доцільними є контрольні прогони
Applied multiple transport algorithms are usually heuristic and overly complex. Depending on the chosen heuristic of the algorithm, the real time of the software implementation depends on the programming language, the structure of the input data representation and the algorithmic complexity of the solution. The research is based on the use of the provisions of discrete mathematics and graph theory. It is shown that by analyzing asymptotic complexity it is possible to determine effective heuristics. Refinement of applied problem models also contributes to reducing complexity. Since the multiplicity of transport tasks is contained in a discrete coverage or in the functionality of multiple vehicles, it is possible to simplify the algorithm by decomposing them into clusters for which the conditions and constraints of the standard transport task apply. The features of geometric and combinatorial decomposition into clusters are presented. The formalization of cluster construction algorithms for multiple transport problems is provided. A comparative analysis of optimal and heuristic algorithms for solving multiple transport problems is carried out. The hierarchy of asymptotic complexity of heuristic algorithms is determined and the possibilities of their decomposition into clusters are analyzed, which simplify the solution of multiple applied transport problems. The notation of the complexity of the solution and the possibility of their evaluation by the objective function of the selected algorithm or by its approximation are provided. An analysis of the asymptotic complexity of heuristic algorithms for Big-O notation has been carried out. It has been shown that algorithms with a complexity not exceeding polynomial are suitable for implementation, and the use of algorithms with an exponential complexity estimate and higher is undesirable. It is noted that asymptotic estimates of algorithm complexity are suitable for large-dimensional tasks, and for tasks of small dimension, control runs are appropriate
Legitimate domination in the age of transformation: weberian types of authority through the prism of modernity
No full textВизначено основні характеристики сучасного суспільства, проаналізовано «три типи легітимного панування» (традиційне, харизматичне, легальне); доведено, що людство, яке стикається з небаченими раніше кризами та трансформаціями, потребує налагодження стабільності та безпеки функціонування у соціумі, чого неможливо досягти без вироблення концепцій сталого розвитку, що зокрема відображається в сучасних політичних процесах, з огляду на такі виклики, як глобалізація, цифровізація, криза лібералізму та зміна складу політичних еліт; приділено увагу етичним аспектам політичного панування, питанням справедливості та відповідальності, аналізу впливу особистих якостей та групових характеристик політичних еліт на їхню діяльність.
The main characteristics of modern society are identified, the “three types of legitimate rule” (traditional, charismatic, legal) are analyzed; It has been proven that humanity, facing unprecedented crises and transformations, needs to establish stability and security of functioning in society, which cannot be achieved without developing concepts of sustainable development, which is reflected in modern political processes, given such challenges as globalization, digitalization, the crisis of liberalism, and the changing composition of political elites; attention is paid to the ethical aspects of political domination, issues of justice and responsibility, and the analysis of the influence of personal qualities and group characteristics of political elites on their activities
Research on the Ukrainian food market demand forecasting using artificial neural network technologies
No full textThe analysis of demand forecasting processes has shown that manual approaches, especially without AI integration, can be time-consuming, prone to errors, and inefficient in handling complex market variables. Designing software components for demand forecasting using Artificial Intelligence (AI) enables the identification of optimal prediction models and resource allocation strategies across diverse geographical markets. This study aims to improve the accuracy of demand forecasting by automating and optimizing forecasting processes through AI-driven software components. Specifically, the research proposes a mathematical model utilizing neural networks to enhance demand forecasting accuracy. The proposed model is examined using a combination of real-world data from a Ukrainian food production company and various AI algorithms, such as deep learning models, to define optimal forecasting solutions
Рекуперація тепла – основа ефективного використання енергоресурсів в умовах промислових підприємств
No full textThe issue of the importance of such an element of the general energy saving system that can be implemented at any industrial enterprise as heat recovery is considered. It is determined that the basic principles of heat recovery at the enterprise can be implemented through the use of: heat exchangers, cooling and air conditioning systems, waste heat boilers, steam turbines, energy management systems. It is substantiated that the implementation of heat recovery technologies is an important step towards achieving energy efficiency in the industry of Ukraine
