Исследование свойств процессов, характеризующихся логистическими кривыми, при помощи вероятностных клеточных автоматов

Обложка

Цитировать

Полный текст

Аннотация

Одним из успешно исследованных процессов является процесс развития систем, либо занимающих ограниченный ареал (популяции), либо имеющих ограниченные возможности развития (технологии), либо связанных с ограниченной емкостью рынка (производители товаров). Такие процессы имеют схожее математическое описание, которое сводится к построению соответствующих логистических кривых. При явной внешней несхожести между собой перечисленных процессов их внутренняя общность была установлена при помощи кибернетической парадигмы. Процессы развития биологических, технических и экономических систем в условиях ограниченных ресурсов, обладая описанием при помощи С-образных кривых, свидетельствуют о кибернетическом характере внутрисистемного механизма взаимодействия.

Цель исследования – выявление общесистемных закономерностей и механизмов развития систем в условиях ограниченных ресурсов.

Метод исследования. В качестве метода исследования процессов развития в условиях ограниченных ресурсов применен одномерный вероятностный клеточный автомат. Автоматы, обладая скалярной степенью развития, конкурируют за разделяемые ресурсы.

Результат. Применение одномерных клеточных автоматов позволило получить легко интерпретируемые результаты и проанализировать влияние различных условий доминирования на внутреннее разнообразие системы.

Выводы. Анализ структур позволил выявить зависимость внутреннего разнообразия системы от направленности выбора доминирующих представителей в процессе конкуренции за ресурсы. Дополнительно сделано предсказание о характере изменения структуры системы в условиях не только внутренних ограничений, но и наличия другой системы, реализующей пару «хищник-жертва».

Об авторах

Дмитрий Петрович Димитриченко

Институт прикладной математики и автоматизации - филиал Кабардино-Балкарского научного центра Российской академии наук

Автор, ответственный за переписку.
Email: dimdp@rambler.ru
ORCID iD: 0000-0003-2399-3538
SPIN-код: 3272-3520

канд. техн. наук, ст. науч. сотр. отдела нейроинформатики и машинного обучения

Россия, 360000, Россия, г. Нальчик, ул. Шортанова, 89 А

Список литературы

  1. Новиков Д. А. Кибернетика: навигатор. История кибернетики, современное состояние, перспективы развития. М.: ЛЕНАНД, 2024. 160 с.
  2. Ризниченко Г. Ю. Математические модели в биофизике и экологии. Ижевск: Институт компьютерных исследований, 2003. 184 с.
  3. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
  4. Бир С. Мозг фирмы. М.: Либроком, 2009. 416 с.
  5. Фостер Р. Обновление производства: атакующие выигрывают. М.: Прогресс, 1987. 272 с.
  6. Альтшуллер Г. С. Творчество как точная наука. М.: Сов. радио, 1979. 184 с.
  7. Винер Н. Кибернетика, или Управление и связь в животном и машине. М.: Наука, 1983. 343 с.
  8. Винер Н. Кибернетика и общество. М.: АСТ, 2019. 288 с.
  9. Эшби У. Р. Введение в кибернетику: пер. с англ. М.: Издательство иностранной литературы, 1959. 430 с.
  10. Тоффоли Т., Марголус Н. Машины клеточных автоматов. М.: Мир, 1991. 284 с.
  11. Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы. М.: Физматлит, 2010. 368 с.
  12. Нетрусов А. И., Котова И. Б. Микробиология. М.: Академия, 2009. 352 с.
  13. Энатская Н. Ю. Теория вероятностей: учебник для вузов. М.: Юрайт, 2025. 204 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Димитриченко Д.П., 2026

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).