I. ДЕРЕВЬЯ КАК ГРАФЫ ХАССЕ КОНЕЧНЫХ ПОЛУРЕШЕТОК С РЕТРАКТАМИ
https://doi.org/10.34130/1992-2752_2025_4_4
Евгений Михайлович Вечтомов — Вятский государственный университет, vecht@mail.ru
Аннотация. Рассматриваются элементы теории полурешеток. Главный результат работы — полурешеточная характеризация деревьев. Именно доказано, что произвольный граф является деревом тогда и только тогда, когда он изоморфен графу Хассе некоторой конечной полурешетки, все подполурешетки которой — ретракты.
Ключевые слова: полурешетка, ретракт, полурешетка с ретрактами, дерево, граф Хассе конечного упорядоченного множества.
Список источников
- Биркгоф Г. Теория решеток. М.: Наука, 1984. 568 с.
- Гретцер Г. Общая теория решеток. М.: Мир, 1981. 456 с.
- Вечтомов Е. М., Широков Д. В. Упорядоченные множества и решетки. СПб.: Лань, 2024. 248 с.
- Hamilton H. B. Semilattices whose structure lattice is distributive // Semigroup Forum, 1974. Vol. 8. No 1. Pp. 245–253.
- Фофанова Т. С. О ретрактах структуры // Математические заметки. 1970. Т. 7. Вып. 6. С. 687–692.
- Асанов М. О., Баранский В. А., Расин В. В. Дискретная математика: графы, матроиды, алгоритмы. СПб.: Лань, 2010, 368 с.
Для цитирования: Вечтомов Е. М. Деревья как графы Хассе конечных полурешеток с ретрактами // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2025. Вып. 4 (57). С. 4−14. https://doi.org/10.34130/1992-2752_2025_4_4

II. РЕШЕНИЕ КОНФЛИКТНОЙ СИТУАЦИИ С ЛИНГВИСТИЧЕСКИМИ ОЦЕНКАМИ ПАРАМЕТРОВ
https://doi.org/10.34130/1992-2752_2025_4_15
Владимир Георгиевич Чернов — Владимирский государственный университет
имени Александра Григорьевича и Николая Григорьевича Столетовых, vladimir.chernov44@mail.ru
Аннотация. В антагонистических играх, когда игроки преследуют противоположные цели, в их интересах сохранить в секрете возможные решения, и поэтому вполне возможна ситуация, когда участники игры не могут точно определить, какие действия предпримет противник и какие последствия за ними наступят.
Ключевые слова: антагонистическая игра, платежная матрица, нечеткое множество, лингвистическое значение, функция принадлежности.
Список источников
- Myerson R. B. Game theory: analysis of conflict. London. Harvard: Harvard University Press, 1997. 584 p.
- Geanakoplos J. Common Knowledge // Handbook of GameTheory / ed. by R. Aumann and S. Hart. Netherlands: Elsiever Science B. V, Vol. 2. Pp. 1437–1496.
- Харшаньи Д., Зельтен Р. Общая теория выбора равновесия в играх : пер. с англ. СПб.: Экономическая школа, 2001. 424 с.
- Сигал А. В. Теория игр для принятия экономических решений. Симферополь: Диайпи, 2014. 303 с.
- Krishnaveni G., Ganesan K. A new approach for the solution of fuzzy games // National Conference on Mathematical Techniques and its Applications (NCMTA 18) IOP Publishing IOP Conf. Series: Journal of Physics: Conf. Series 1000. 2018. Pp. 012017. DOI: 10.1088/1742-6596/1000/1/012017.
- Khalifa A. On Solving Two-Person Zero-Sum Fuzzy Matrix Games via Linear Programming Approach // International Journal of Research in Industrial Engineering. 2019. Vol. 8. No 1. Pp. 17–27.
- Xia Zh., Hao S., X. Jin, Moses O. E. On characterization of equilibrium strategy for matrix games with L-R fuzzy payoffs // Journal of the Operations Research Society of Japan. 2021. Vol. 64. Issue 3. Pp. 158–174.
- Maschenko S. O. On a value of matrix game with fuzzy sets of player strategies // Fuzzy Sets and Systems. 2024. Vol. 477. Article no 108798. DOI: 10.1016/j.fss.2023.108798.
- Orlova L. Combined use of statistical and Antagonistic Games // Computer and Industrial Engineering. November 2021. Vol. 161. P.7–19.
- Чернов В. Г. Выбор решений в конфликтной ситуации с нечеткими типами участников // Искусственный интеллект и принятие решений. 2022. № 4. С. 24–36.
- Воронцов Я. А., Матвеев М. Г. Методы параметризованного сравнения нечетких и трапециевидных чисел // Вестник ВГУ. Серия: Системный анализ и информационные технологии. 2014. № 2. С. 90–97.
- Ухоботов В. И., Стабулит И. С., Кудрявцев К. Н. Сравнение нечетких чисел треугольного типа // Вестник Удмуртского университета. Математика. Механика. Компьютерные науки. 2019. Т. 29. Вып. 2. C. 197–210. DOI: 10.20537/vm190205logo.
- Rao P. P. B., Shankar N. R. Ranking generalized fuzzy numbers using area, mode, spread and weight // International Journal of Applied Science and Engineering. 2012. Vol. 1. No 10. Pp. 41–57.
- Ибрагимов В. А. Элементы нечеткой математики. Баку: Изд-во АГПУ, 2010. 392 с.
- Dubois D., Prade H. New results about properties andsemantics of fuzzy-set-theoretic operators // Fuzzy Sets / ed. by P. P. Wang and S. K. Change. N.Y.: Plenum Press, 1980. Pp.59–75.
- Yager F. F. On solving fuzzy mathematical relationships // Information and Control. 1970. Vol. 41. No 1. Pp. 29–55.
- Capocelli R., De Luca A. Fuzzy sets and decision theory // Information and Control. 1973. Vol. 23. Pp. 44–47.
Для цитирования: Чернов В. Г. Решение конфликтной ситуации с лингвистическими оценками параметров // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2025. Вып. 4 (57). C. 15−37. https://doi.org/10.34130/1992-2752_2025_4_15

III. АНАЛИЗ РАЗВИТИЯ СИСТЕМ УПРАВЛЕНИЯ БАЗАМИ ДАННЫХ
https://doi.org/10.34130/1992-2752_2025_4_38
Юрий Валентинович Гольчевский — Сыктывкарский государственный университет
имени Питирима Сорокина, yurygol@mail.ru
Иван Дмитриевич Захаров — Сыктывкарский государственный университет
имени Питирима Сорокина, zakharovid@syktsu.ru
Аннотация. Требования бизнеса, приведшие к значительному увеличению объёмов накапливаемой и обрабатываемой информации, обусловили необходимость перехода от технологий, использовавшихся в простых системах управления базами данных, к технологиям для работы с платформами больших данных.
Ключевые слова: системы управления базами данных, развитие баз данных, тенденции развития, отечественный рынок СУБД.
Список источников
- Patel S., Choudhary J., Patil G. Revolution of Database Management System: A literature Survey // International Journal of Engineering Trends and Technology. 2023. Vol. 71. No 7. Pp. 189–200. DOI: 10.14445/22315381/IJETT-V71I7P218.
- Гольчевский Ю. В. Изменения в подходах к обработке данных — озера данных // Тридцать вторая годичная сессия Учёного совета Сыктывкарского государственного университета имени Питирима Сорокина [Электронный ресурс]: Февральские чтения: Национальная конференция : сборник статей: Часть 1 / отв. ред. Н. Н. Новикова. Сыктывкар: Изд-во СГУ им. Питирима Сорокина, С. 460–466. EDN: AFDELG.
- Berg K. L., Seymour T., Goel R. History Of Databases // International Journal of Management & Information Systems. 2012. Vol. 17. No 1. Pp. 29–36. DOI: 10.19030/ijmis.v17i1.7587.
- Любченко Д. П. История возникновения баз данных // Вестник науки. 2019. Т. 3. № 10 (19). С. 87–90. EDN: GOERUF.
- Верещагин А. А., Тотмянин Н. Р. Преимущества и недостатки нереляционных баз данных // Научный аспект. 2024. № 3. С. 3571–EDN: BXDFAO.
- Sarasa-Cabezuelo A. New Trends in Databases to NonSQL Databases // Encyclopedia of Information Science and Technology. Fifth Edition / ed. by Mehdi Khosrow-Pour D.B.A. Hershey: IGI Global Scientific Publishing, 2021. Pp. 791–799. DOI: 10.4018/978-1- 7998-3479-3.ch054.
- Feuerlicht G. Database Trends and Directions: Current Challenges and Opportunities // Proceedings of the Dateso 2010 Annual International Workshop on DAtabases, TExts, Specifications and Objects. Stedronin-Plazy, Czech Republic, April 21–23, 2010 / ed. by
J. Pokorn´y, V. Sn´aˇsel, K. Richta. CEUR Workshop Proceedings. 2010. Vol. 567. Pp. 163–174. URL: https://ceur-ws.org/Vol-567/invited1.pdf (дата обращения: 12.05.2025). - Lieponien ˙e J. Recent Trends in Database Technology // Baltic Journal of Modern Computing. 2020. Vol. 8. No 4. Pp. 551–559. DOI: 10.22364/bjmc.2020.8.4.06.
- Akinola S. Trends in Open Source RDBMS: Performance, Scalability and Security Insights // Journal of Research in Science and Engineering. 2024. Vol. 6. No 7. Pp. 22–28. DOI: 10.53469/jrse.2024.06(07).05.
- Гольчевский Ю. В., Ермоленко А. В. Актуальность использования микросервисов при разработке информационных систем // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2020. Т. 35. № 2. C. 25–36. EDN: MYITJK.
- Селезнёв А. И. Технологии виртуализации в системах обработки данных : автореф. дис. … магистра тех. наук: 1-45 80 01. Минск: Белорусский государственный университет информатики и радиоэлектроники, 2024. 10 с.
- Shaw B., Halder B., Sen S., Basak S., Bhattacharya S. AI DBMS in modern-day applications // American Journal of Advanced Computing. 2023. Vol. 2. No 1. URL: https://ajac.smartsociety.org/wp-content/uploads/2023/10/vol-2-iss-1.1.pdf (дата обращения: 12.05.2025).
- Khan M., Bibi S., Toor M., Rashid M. Role Of Artificial Intelligence in Big Database Management // The Asian Bulletin of Big Data Management. 2024. Vol. 4. No 2. Pp. 186–194. DOI: 10.62019/abbdm.v4i02.164.
- Шестакова М. А. Разработка и заполнение базы данных «Миоспоры позднего палеозоя» с использованием технологий искусственного интеллекта // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2025. Т. 54. № 1. C. 52–68. EDN: ILYNQM.
- Когаловский М. Р. Энциклопедия технологий баз данных. М.: Финансы и статистика, 2002. 800 c. EDN: UWBSTT.
- Гурьянов В. И., Гурьянова Э. А. Анализ тенденций рынка СУБД в России // Казанский экономический вестник. 2023. № 3. C. 88–92. EDN: SIJERJ.
- Травкина Е. А. Развитие отечественного рынка инфраструктурного программного обеспечения в условиях внешнеэкономических ограничений // Вектор экономики. 2024. № 10. URL: https://vectoreconomy.ru/images/publications/2024/10/marketingandmanagement/Travkina2.pdf (дата обращения: 12.05.2025). EDN: BGDQQK.
Для цитирования: Гольчевский Ю. В., Захаров И. Д. Анализ развития систем управления базами данных // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2025. Вып. 4 (57). C. 38−58. https://doi.org/10.34130/1992-2752_2025_4_38

IV. ФУНДАМЕНТАЛИЗАЦИЯ МАТЕМАТИЧЕСКОГО ОБРАЗОВАНИЯ В КОНТЕКСТЕ ВЫЗОВОВ ЦИФРОВОЙ ТРАНСФОРМАЦИИ: ТЕОРЕТИКО-МЕТОДИЧЕСКИЙ АСПЕКТ
https://doi.org/10.34130/1992-2752_2025_4_59
Владислав Викторович Сушков — Сыктывкарский государственный университет
имени Питирима Сорокина, vvsu@mail.ru
Аннотация. В статье рассматривается проблема усиления фундаментальной составляющей в математическом образовании студентов профильных направлений (математиков и будущих учителей математики) в условиях цифровой трансформации.
Обосновывается тезис о том, что ответом на вызовы, связанные с распространением систем компьютерной алгебры и искусственного интеллекта, является не отказ от глубины освоения классических дисциплин, а стратегическая переориентация образовательного процесса.
Ключевые слова: фундаментальное математическое образование, цифровая трансформация, искусственный интеллект, математические структуры, методика преподавания математики, профессиональная подготовка.
Список источников
- Кудрявцев Л. Д. Современная математика и ее преподавание. М.: Главная редакция физико-математической литературы издательства «Наука», 1980. 144 с.
- Федеральный государственный образовательный стандарт высшего образования Бакалавриат по направлению подготовки 01.03.02 «Прикладная математика и информатика» [Электронный ресурс]: утв. приказом Министерства науки и высшего образования РФ от 12 августа 2020 г. № 970. URL: https://fgosvo.ru/uploadfiles/FGOS%20VO%203++/Bak/010302_B_3_15062021.pdf (дата обращения: 05.10.2025).
- Концепция развития математического образования в Российской Федерации [Электронный ресурс]: утв. распоряжением Правительства Рос. Федерации от 24 декабря 2013 г. № 2506 р. URL: http://static.government.ru/media/files/41d4b41b9793c0c7a8f5.pdf (дата обращения: 05.10.2025).
- Сушков В. В. О фундаментальной составляющей математического знания как основе блока дисциплин естественно-научного цикла // Вестник Тульского государственного университета. Серия: Современные образовательные технологии в преподавании естественно-научных дисциплин. 2025. № 1 (24). С. 74–77. EDN
HUWWMF. - Тестов В. А. Трансдисциплинарная роль физико-математических дисциплин в современном естественно-научном и инженерном образовании // Образование и наука. 2023. Т. 25. № 7. С. 14–43. DOI: 10.17853/1994-5639-2023-7-14-43. EDN ZJHRWV.
- Садовничий В. А. Традиции и современность // Высшее образование в России. 2003. № 1. С. 11–18. EDN IBLPPJ.
- Сотникова О. А., Чермных В. В. Один пример изучения методов абстрактной алгебры в математическом высшем образовании // Вестник Сыктывкарского университета. Серия 1: Математика. Механика. Информатика. 2024. № 2 (51). С. 44–56. DOI: 10.34130/1992-2752_2024_2_44. EDN ELKIWL.
- Перминов Е. А., Тестов В. А. Математизация профильных дисциплин как основа фундаментализации IT-подготовки в вузах // Образование и наука. 2024. Т. 26. № 7. С. 12–43. DOI: 10.17853/1994-5639-2024-7-12-43. EDN LFGAHT.
- Салмон Х. Трансформация обучения в эпоху искусственного интеллекта. М.: Альпина ПРО, 2025. 243 с.
Для цитирования: Сушков В. В. Фундаментализация математического образования в контексте вызовов цифровой трансформации: теоретико-методический аспект // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2025. Вып. 4 (57). C. 59−72. https://doi.org/10.34130/1992-2752_2025_4_59

V. СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ РОЕВОГО ИНТЕЛЛЕКТА: GWO И ChOA
https://doi.org/10.34130/1992-2752_2025_4_73
Надежда Николаевна Бабикова — Сыктывкарский государственный университет
имени Питирима Сорокина, valmasha@mail.ru.
Надежда Олеговна Котелина — Сыктывкарский государственный университет
имени Питирима Сорокина, nad7175@yandex.ru
Аннотация. Метаэвристические алгоритмы роевого интеллекта находят широкое применение в практических задачах: от определения оптимального положения группы захвата полиции до сегментации изображений и определения оптимальных параметров обучения нейросетей. В статье рассматриваются и сравниваются два алгоритма непрерывной оптимизации, моделирующие процесс коллективной охоты животных: алгоритм оптимизации серых волков и алгоритм оптимизации шимпанзе. Также обсуждаются методические вопросы обучения студентов метаэвристическим алгоритмам.
Ключевые слова: роевой интеллект, алгоритм оптимизации серых волков, алгоритм оптимизации шимпанзе, GWO, ChOA, обучение.
Список источников
- Tansel D., Canturk D., Kucukyilmaz T. A survey on pioneering metaheuristic algorithms between 2019 and 2024 [Электронный ресурс]. URL: https://www.researchgate.net/publication/ 388421856_A_survey_on_ pioneering_metaheuristic_algorithms_ between_2019_and_2024 (дата обращения: 01.10.2025).
- Mirjalili S., Mirjalili S. M., Lewis A. Grey Wolf Optimizer // Advances in Engineering Software. 2014. Vol. 69. Pp. 46–61. DOI: 10.1016/j.advengsoft.2013.12.007.
- Katoch S., Chauhan S.S., Kumar V. A review on genetic algorithm: past, present, and future // Multimed Tools and Applications. 2021. Vol. 80. Pp. 8091–8126. DOI: 10.1007/s11042-020-10139-6.
- Kirkpatrick S., Gelatt C. D., Vecchi M. P. Optimization by Simulated Annealing // Science. 1983. Vol. 220. No 4598. Pp. 671–680. DOI: 10.1126/science.220.4598.671.
- Dorigo M., Birattari M., Stutzle T. Ant colony optimization // Computational Intelligence Magazine, IEEE. 2006. Vol. 1. Pp. 28–39. DOI: 10.1109/MCI.2006.329691.
- Poli R., Kennedy J., Blackwell T. Particle swarm optimization // Swarm Intell. 2007. Vol. 1. Pp. 33–57. DOI: 10.1007/s11721-007-0002-0.
- Warnakulasooriya K., Segev A. Comparative analysis of accuracy and computational complexity across 21 swarm intelligence algorithms // Evolutionary Intelligence. 2024. Vol. 18. Issue 18. DOI: 10.1007/s12065-024-00997-6.
- Родзин С. И., Эль-Хатиб С. А. Совершенствование алгоритмов сегментации магнитно-резонансных изображений на основе роевого интеллекта // Вестник Чувашского университета. 2016. № 3. С. 217–226.
- Акиншин О. Н., Есиков Д. О., Акиншина Н. Ю. Особенности решения задачи оптимизации инвестиционного портфеля предприятия методом роя частиц // Известия Тульского государственного университета. Технические науки. 2016. № 5. С. 109–116.
- Есиков О. В., Румянцев В. Л., Старожук Е. А. Применение роевых алгоритмов для решения задачи выбора рабочих частот радиотехнических средств системы управления воздушным движением // Известия Тульского государственного университета. Технические науки. 2016. № 2. С. 85–92.
- Пьянков О. В., Попов А. В. Модель принятия решения по повышению оперативности реагирования групп задержания с применением роевых алгоритмов // Вестник Воронежского института МВД России. 2020. № 4. C. 73–83.
- Ахмадиев Ф. Г., Маланичев И. В. Популяционные алгоритмы структурно-параметрической оптимизации в строительном проектировании // Известия Казанского государственного архитектурно-строительного университета. 2018. № 2 (44). С. 215–223.
- Rahmatulloh A., Nugraha G. F., Darmawan I. Hybrid PSOAdam Optimizer Approach for Optimizing Loss Function Reduction in the Dist-YOLOv3 Algorithm // International Journal of Intelligent Engineering and Systems. 2024. Vol. 17. No 5. Pp. 199–209. DOI:
10.22266/ijies2024.1031.16. - Пантелеев А. В., Беляков И. А. Разработка программного обеспечения метода глобальной оптимизации, имитирующего поведение стаи серых волков // Моделирование и анализ данных. 2021. № 2. С. 59–73. DOI: 10.17759/mda.2021110204.
- Khishe M., Mosavi M. R. Chimp optimization algorithm // Expert Systems with Applications. 2020. Vol. 149. P. 113338. DOI: 10.1016/j.eswa.2020.113338.
- Mittal N., Singh U., Sohi B. S. Modified grey wolf optimizer for global engineering optimization // Applied Computational Intelligence and Soft Computing. 2016. Article ID 7950348. (4598). Pp. 1–16. DOI: 10.1155/2016/7950348.
- Yang X.-S. A New Metaheuristic Bat-Inspired Algorithm // Nature Inspired Cooperative Strategies for Optimization (eds. J. R. Gonzalez et al.), Studies in Computational Intelligence, Springer Berlin, 284, Springer. 2010. Pp. 65–74. DOI: 10.1007/978-3-642-12538-6_6.
- Mirjalili S., Lewis A. The Whale Optimization Algorithm // Advances in Engineering Software. 2016. No 95. Pp. 51–67. DOI: 10.1016/j.advengsoft.2016.01.008.
- Mirjalili S. SCA: a sine cosine algorithm for solving optimization problems // Knowl. Based Syst. 2016. Vol. 96. Pp. 120–133. DOI: 10.1016/j.knosys.2015.12.022.
- Pilcevic D., Djuric Jovicic M., Antonijevic M. et al. Performance evaluation of metaheuristics-tuned recurrent neural networks for electroencephalography anomaly detection // Front Physiol. 2023. Nov 14; 14: 1267011. DOI: 10.3389/fphys.2023.1267011.
- Almufti S. M., Asaad R. R., Salim B. W. Review on Elephant Herding Optimization Algorithm Performance in Solving Optimization Problems // International Journal of Engineering & Technology. 2018. 7 (4). Pp. 6109–6114. DOI: 10.14419/ijet.v7i4.23127.
Для цитирования: Бабикова Н. Н., Котелина Н. О. Сравнительный анализ алгоритмов роевого интеллекта: GWO и ChOA // Вестник Сыктывкарского университета. Сер. 1: Математика. Механика. Информатика. 2025. Вып. 4 (57). C. 73−92. https://doi.org/10.34130/1992-2752_2025_4_73












