Дивеев, Асхат Ибрагимович

Асхат Ибрагимович Дивеев — доктор технических наук, профессор, главный научный сотрудник ВЦ ФИЦ «Информатика и управление» РАН, профессор Департамента механики и мехатроники Инженерной академии РУДН.

Краткая биография

1973-1980 гг. — закончил Московское высшее техническое училище им. Н. Э. Баумана по специальности «Системы автоматического управления».
1980-1984 гг. — инженер по обслуживанию ЭВМ кафедры «Системы автоматического управления» МГТУ им. Н. Э. Баумана.
1984-1987 гг. — аспирантура кафедры «Системы автоматического управления» МГТУ им. Н. Э. Баумана.
1987-1994 г. — младший научный сотрудник, научный сотрудник, старший научный сотрудник Института проблем кибернетики Российской академии наук.
1989 г. — защитил кандидатскую диссертацию в МГТУ им. Н. Э. Баумана на тему «Синтез структурно-устойчивой системы управления летательным аппаратом».
1993 г. — доцент по совместительству новой кафедры «Системы автоматического управления» Российского Университета Дружбы Народов им. Н. Н. Миклухо-Маклая.
1994-1996 гг. — заведующий лаборатории Института высокопроизводительных вычислительных систем.
1997 г. — награждён медалью к 850-летию г. Москвы.
1997-2015 гг. — зав. сектором «Проблем кибернетики» Вычислительного центра им. А. А. Дородницына РАН.
2001 г. — защитил докторскую диссертацию по специальности «Системный анализ, управление и обработка информации» в Вычислительном центре им. А. А. Дородницына РАН на тему «Разработка численного метода решения NP-трудных задач дискретной оптимизации на основе метода Лоулера — Белла».
2001 г по н. в. — профессор по совместительству РУДН.
2009 г. — присвоено звание профессора.
2016 г. — заведующий кафедрой кибернетики и мехатроники РУДН.
2017 г. — награждён золотой медалью Коркыт Ата в честь 80-летия Кызылординского государственного университета им. Коркыт Ата.
2017 г. по н. в. — главный научный сотрудник Федерального исследовательского центра «Информатика и управление» РАН.

Научные интересы

Вычислительные методы для решения задач управления;
Задача синтеза системы управления;
Синтез интеллектуальных систем управления;
Эволюционные вычислительные методы;
Управление группой объектов;
Управление транспортными потоками в сети городских дорог;Методы синтеза интеллектуальных систем управления на основе обучения;
Задача разрешения коллизий при групповом управлении.

Наука

Разработал метод сетевого оператора, который предназначен для решения задач структурно параметрического синтеза систем управления и структурно параметрической идентификации математических моделей. Он позволяет построить алгоритмы для поиска с помощью компьютера структуры и оптимальных параметров математических выражений. Его относят к классу новых методов символьной регрессии, которые появились в конце XX века и предназначены для поиска оптимальных нечисловых решений, структур, графов, алгоритмов, программ, формул.
Сформулировал принцип малых вариаций базисного решения, который представляет собой обобщенный принцип, позволяющий создавать вычислительные алгоритмы для поиска оптимальных решений задач нечисловой оптимизации.
Разработал метод вариационного генетического программирования -усовершенствованный метод символьной регрессии, — то есть метода генетического программирования, который в отличие от метода сетевого оператора кодирует математическое выражение в виде упорядоченного множества кодов символов, определяющих элементарные функции.
Разработал метод вариационного аналитического программирования. Это усовершенствованный метод символьной регрессии — метода аналитического программирования, на основе использования в известном методе принципа малых вариаций базисного решения.
Разработал метод бинарного вариационного генетического программирования. В отличие от метода символьной регрессии новый метод использует только функции с одним или двумя аргументами, кодирование математического выражения в форме композиции функций осуществляется с помощью графа полного бинарного дерева, в котором функции с одним аргументом связаны с дугами графа, а функции с двумя аргументами связаны с узлами графа, листья графа связаны с параметрами, аргументами и с единичными элементами функций с двумя аргументами. при поиске решения используется вариационный генетический алгоритм.
Разработал теорию управляемых сетей, которые обеспечивают управление движением потока в сети с помощью изменения конфигурации сети, в частности отключения и включения дуг сети. На основе данной теории Дивееву А. И. удалась построить математическую модель управления транспортными потоками в сети городских дорог в виде системы рекуррентных конечно-разностных уравнений, аналогичных системе дифференциальных уравнений, описывающих обычные динамические объекты управления. Для полученной модели сформулированы задачи оптимального управления транспортными потоком в сети городских дорог и синтеза оптимального управления.
Сформулирована новая оптимизационная задачи синтезированного оптимального управления. В задаче необходимо первоначально решить задачу синтеза управления и обеспечить стабилизацию объекта управления относительно некоторой точки пространства состояний, а затем найти такие точки стабилизации, переключение которых через определенный интервал времени обеспечит оптимальное движение объекта к цели управления. С одной стороны — это новая задача управления, которая на практике давно решается инженерами для каждого конкретного объекта управления, но задача не могла быть решена в общем случае ранее из-за отсутствия общего метода решения задачи синтеза управления. Использование этого подхода инженерами обосновано тем, что в окрестности точки стабилизации уменьшается влияние неопределенностей. С другой стороны, этот подход можно рассматривать как новый численный метод решения задачи оптимального управления в условиях неопределенностей.
Сформулирована задача синтеза интеллектуальных систем управления как задача обучения числовых конструкции типа нейронных сетей или методов символьной регрессии. Только эти конструкции позволяют генерировать математические выражения, обеспечивающие реализацию операторов условия. Для обучения предложено использовать два подхода, на основе методов эволюционных вычислений или на основе аппроксимации обучающей выборки, если она имеется.

Преподавание

Читает слушателям программ дополнительного профессионального образования курсы лекций:

«Современные проблемы теории управления»;
«Современные инструментальные средства интеллектуальных систем»;
«Технология интерактивных систем»;
«Управление неопределенными системами»;
«Системный анализ, управление и обработка информации», для аспирантов.

Библиография

Научные монографии

Дивеев А. И., Северцев Н. А. Метод выбора оптимального варианта технической системы. — М.: ВЦ РАН, 2003. — 104 с. ISBN 5-201-09792-8
Дивеев А. И., Северцев Н. А. Универсальные оценки безопасности. — М.: РУДН, 2005. 86 с. ISBN 5-209-00894-0
Дивеев А. И. Теория управляемых сетей и её приложение. М.: ВЦ РАН, 2007. — 158 с. ISBN 5-201-09866-5.
Дивеев А. И. Метод сетевого оператора. М.: ВЦ РАН 2010 г. 178 с. Монография содержит подробное описание нового вычислительного метода символьной регрессии. Метод предназначен для решения задачи синтеза управления. Впервые задача синтеза управления рассматривается в общей постановке без привязки к конкретному объекту. Метод позволяет искать математическое выражение в закодированном виде с помощью эволюционного генетического алгоритма. Метод сетевого оператора кодирует математическое выражение в форме ориентированного графа, узлы которого связаны с функциями с двумя аргументами, а дуги с функциями с одним аргументом. Узлы источники графа связаны с аргументами искомого математического выражения.
Дивеев А. И. Приближённые методы решения задачи синтеза оптимального управления. М.: ВЦ РАН, 2015 г. 184 c. Монография содержит подробное описания различных методов символьной регрессии, известных и новых, и их применение к решению задач синтеза оптимального управления. В монографии содержится описание более 10 различных методов символьной регрессии. Монография предназначена для прикладных математиков и инженеров программистов, занимающихся разработкой систем автоматического управления различными объектами.
Дивеев А. И. Методы символьной регрессии для решения задачи синтеза оптимального управления. М.: РУДН, 2019 г. 192 с. Монография содержит наиболее полное описание необходимого теоретического материала для разработки и применения методов символьной регрессии для решения задачи синтеза оптимального управления. Представлено описание известных и новых методов символьной регрессии, метода вариационного генетического программирования, метода вариационного аналитического программирования, метода бинарного вариационного генетического программирования и др.

Учебные пособия

Дивеев А. И., Софронова Е. А. Основы генетического программирования : учеб.-метод. пос. по напр. «Автоматизация и управление» — М.: РУДН, 2006. — 47 с.;
Дивеев А. И. Современные инструментальные средства интеллектуальных систем ; РУДН, Инновационная образовательная программа. — М.: РУДН, 2008. — 1. CD-ROM.
Дивеев А. И., Софронова Е. А. Метод сетевого оператора и его применение в задачах управления. М.: изд-во РУДН, 2012 г. Учебник представляет собой методический материал для учебного курса по численному методу символьной регрессии для решения задачи синтеза управления.
Дивеев А. И., Софронова Е. А. Параллельное программирование : учебно-методический комплекс. — М.: РУДН, 2013. — 106 с. ISBN 978-5-209-05004-9.
Дивеев А. И. Численные методы решения задачи синтеза управления. — М.: РУДН, 2019. — 189 с.; ISBN 978-5-209-09157-8

Статьи

Дивеев А. И., Шмалько Е. Ю. Эволюционные методы вычислений для синтеза управления группой роботов и поиска оптимальных траекторий их движения // Cloud of Science 2017. T. 4 № 3. С. 395—414.
Дивеев А. И., Константинов С. В. Исследование эволюционных алгоритмов для решения задачи оптимального управления // Труды МФТИ 2017. T. 9 № 3 (35) С. 76-85.
Diveev A.I., Konyrbaev N.B. Sofronova E.A. Method of binary analytic programming to look for optimal mathematical expression // XIIth International Symposium «Intelligent Systems», INTELS’16, 5-7 October 2016, Moscow, Russia, Procedia Computer Science 103 (2017) 597—604.
Diveev A.I. Small Variations of Basic Solution Method for Non-numerical Optimization // Proceedings of 16th IFAC Workshop on Control Applications of Optimization, October 6th- 9th 2015 Garmisch-Partenkirchen. IFAC-PapersOnLine V.48. No 25. P. 28-33.
Дивеев А. И., Пупков К. А., Софронова Е. А. Синтез управления спуском космического аппарата на поверхность Луны методом сетевого оператора // Вестник МГТУ им. Н. Э. Баумана. Сер. «Приборостроение». 2013. № 4. С. 14-29.
Дивеев А. И. Численный метод сетевого оператора для синтеза системы управления с неопределенными начальными значениями // Известия РАН. Теория и системы управления, 2012, № 2, с. 63-78.
A.I. Diveev and S.V. Konstantinov Study of the Practical Convergence of Evolutionary Algorithms for the Optimal Program Control of a Wheeled Robot // Journal of Computer and Systems Sciences International, 2018, Vol. 57, No. 4, pp. 561—580.
Diveev A.I., Sofronova E.A., Shmalko E.Yu. Problem of Optimal Area Monitoring by Group of Robots and its Solution by Evolutionary Algorithm // Proceedings the 13th IEEE Conference on Industrial Electronic and Applications. ICIEA 2018. 31 May — 02 June 2018. Wuhan, Chine. P. 141—146.
Diveev A.I., ShmalkoE.Yu., Sofronova E.A., Zhadnov V.V. Automatic search of reliability function by symbolic regression // Proceedings of the 2017 4th International Conference on Control, Decision and Information Technologies (CoDIT’17). Barcelona, Spain 05-07, April, 2017. P. 0061 — 0066.
Diveev A.I., Shmalko E.Yu., Zakharov D.N. Acceleration of the multilayer network operator method using MPI for mobile robot team control synthesis // XIIth International Symposium «Intelligent Systems», INTELS’16, 5-7 October 2016, Moscow, Russia, Procedia Computer Science 103 (2017) 88 — 93.
Дивеев А. И., Константинов С. В. Исследование практической сходимости эволюционных алгоритмов оптимального программного управления колесным роботом// Известия Российской академии наук. Теория и системы управления. 2018. № 4. С. 80-106.
Diveev A.I., Shmalko E.Yu. Hybrid Evolutionary Algorithm for Synthesized Optimal Control Problem for Group of Interacting Robots // 2019 6th International Conference on Control, Decision and Information Technologies (CoDIT’19) April 23-29, 2019 Le Cnam, Paris, France ID 0236.
Diveev A.I., Sofronova E.A. Numerical method of network operator for multiobjective synthesis of optimal control system // In Proceedings 2009 IEEE International Conference on Control and Automation Christchurch, New Zealand, December 9-11, 2009. P. 701—708.
Diveev A.I., Shmalko E.Yu. Optimal Motion Control for Multi-Robot System by Multilayer Network Operator // Proceedings of the 11th IEEE Conference on Industrial Electronics and Applications (ICIEA 2016), 5 — 7 June 2016, Hefei, China. P. 2164 −2169.
Diveev A.I., Sofronova E.A. Application of network operator method for synthesis of optimal structure and parameters of automatic control system // Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul, Korea, July 6-11, 2008. P. 6106-6113.