Browsing by Author "Levus, Ye. V."

Now showing 1 - 2 of 2

Архітектура розподіленого програмного застосунку для генерування ландшафтів планетоїдів
(Видавництво Львівської політехніки, 2023-02-28) Левус, Є. В.; Пустельник, П. Я.; Моравський, Р. О.; Морозов, М. Ю.; Levus, Ye. V.; Pustelnyk, P. Ya.; Moravskyi, R. O.; Morozov, M. Yu.; Національний університет "Львівська політехніка"; Мюнхенський технічний університет; Lviv Polytechnic National University; Technical University of Munich
Зростання популярності генерування ландшафтів планетоїдів у відеоіграх, фільмах, інструментах симуляції посилює вимоги до якості, унікальності, масштабованості результатів візуалізації, які, водночас, зумовлюють підвищення вимог до обчислювальних ресурсів апаратних засобів. Запропоновано рішення щодо архітектури програмного застосунку для генерування ландшафтів планетоїдів, яке базується на поєднанні розподіленої обчислювальної системи і застосуванні паралелізму на підставі алгоритму Morsel-Driven Query Execution для подолання обмежень апаратного забезпечення. Розроблено обчислювальну модель генерування ландшафтів планетоїдів, яка містить компоненти: основний сервер, який підтримує gRPC з’єднання; сервери-працівники, які паралельно виконують завдання процедур генерування ландшафтів планетоїдів; геопросторова база даних, яка містить векторні дані згенерованих планетоїдів; бінарне сховище тривимірних моделей, які накладаються на згенерований ландшафт планетоїдів; tileset-сховище для зберігання растрових даних, необхідних для генерування; користувачі. Застосовано програмні агенти для уніфікації набору алгоритмів як єдиної сутності, що дає змогу вирішити проблему розширюваності програмного засобу. Для надсилання та опрацювання запитів у логічні канали, створені для послідовності агентів, використано розподілену систему обміну повідомленнями – брокер. Він базується на підході балансування навантаження для доставки запитів на генерування ландшафту до фонових процесів. Проведено обчислювальні експерименти для аналізу швидкодії затосунку при різних кількостях фонових процесів (1, 2; 4; 8; 16) та розмірах сегменту 512, 2048 пікселів. Отримано найменшу середню тривалість генерування одного сегменту при його розмірі 512 пікселів та кількості сегментів 64. Зменшено витрати процесорного часу від 2 до 5 разів, порівняно із застосунком, який використовує підхід збереження запитів у базі даних, за рахунок комплексного архітектурного рішення. Проведено порівняння роботи розробленого програмного засобу із застосунком MapGen. Ефективність рішення особливо помітна при великих обсягах даних, що визначається кількістю сегментів та їх розміром у пікселах.
Рекомендаційний алгоритм із використанням кластеризації даних
(Видавництво Львівської політехніки, 2022-02-28) Левус, Є. В.; Василюк, Р. Б.; Levus, Ye. V.; Vasyliuk, R. B.; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
Розроблено рекомендаційний алгоритм для підвищення якості надання рекомендацій та врахування проблем розрідженості даних і холодного старту, який враховує удосконалення відомих методів колаборативної фільтрації із використанням кластеризації. З'ясовано, що рекомендаційні системи створюють для швидкого знаходження товарів чи послуг в мережі Інтернет, надаючи пропозиції, які точно відповідають інтересам користувачів. Незважаючи на інтенсивний розвиток алгоритмів рекомендаційних систем та незалежно від доменів їх використання (електронна комерція, розваги, послуги, новини, соціальні мережі тощо), актуальними залишаються питання підвищення якості наданих рекомендацій, збільшення швидкодії їх вироблення, масштабованості, забезпечення стійкості в умовах розрідженості даних, холодного старту. Модифіковано алгоритм колаборативної фільтрації, який можна використати для вироблення рекомендацій користувачам системами закупівлі товарів чи надання послуг. Виявлено, що завдання пошуку схожих користувачів за вподобанням вирішують з використанням кластеризації. Поділ користувачів на кластери відбувається за допомогою алгоритму k-середніх із динамічним пошуком оптимальної кількості кластерів і початкових центроїдів. Запропонований рекомендаційний алгоритм надає релевантні рекомендації та працює ефективно за різної кількості вхідних даних. Кластеризація дає змогу алгоритму бути масштабованим і працювати із великою кількістю користувачів системи. Практична реалізація модифікованого рекомендаційного алгоритму здійснена для системи підбору кінофільмів. Наукова новизна отриманих результатів дослідження полягає у розвитку методу колаборативної фільтрації на підставі використання кластеризації із динамічним визначенням кількості кластерів і початкових центроїдів для ідентифікації груп подібних користувачів. Для верифікації результатів модифікований алгоритм було порівняно із іншими наявними імплементаціями – з алгоритмом, заснованим на пам'яті, та алгоритмом, заснованим на сусідстві. Запропонований алгоритм має кращі результати на 25-40 % для проведених тестів. Модифікований рекомендаційний алгоритм не є прив'язаним до певної предметної області, тому його можна інтегрувати в програмні системи різних доменів.