Статья содержит исследование возможности эффективной реализации алгоритмов сортировки с помощью концепции Q-детерминанта. Для проведения исследования используются алгоритмы шейкерной сортировки, сортировки Шелла, быстрой сортировки и четно-нечетной сортировки слиянием Бэтчера. Для этих алгоритмов получены представления в форме Q-детерминантов для сортировки массива, состоящего из небольшого количества элементов. Проведен анализ структуры полученных представлений. На основе результатов анализа описано представление алгоритма сортировки в форме Q-детерминанта для общего случая. Рассмотрено применение для алгоритмов сортировки метода проектирования эффективных программ, использующего концепцию Q-детерминанта. Применение метода апробировано с помощью разработки эффективных программ, реализующих алгоритм сортировки Шелла на общей и распределенной памяти параллельных вычислительных систем.

В статье рассматривается интеграция тесных кванторов в систему проверки согласованности экспертных оценок, что позволяет значительно расширить возможности анализа различных ситуаций. Кванторы существования и всеобщности обеспечивают обработку более сложных логических выражений, увеличивая точность и гибкость системы. Такой подход позволяет учитывать как индивидуальные вероятности факторов, так и их комбинации, что особенно важно при решении комплексных задач, связанных с оценкой рисков и стратегическим управлением. В работе подробно описаны алгоритмы проверки согласованности, включая построение графов для визуализации взаимосвязей между экспертными оценками и методы исправления несогласованностей. Также обсуждается модульный подход к разработке программной системы, обеспечивающей автоматизацию анализа экспертных оценок. Предложенная система демонстрирует высокую универсальность и применимость в задачах управления рисками, прогнозирования и принятия решений, что делает ее важным инструментом для повышения точности прогнозов и разработки более эффективных стратегий управления.

Традиционно отказоустойчивые кластеры СУБД на базе PostgreSQL строятся с использованием механизма потоковой репликации, передающего файлы журнала предзаписи между узлами. При запуске репликации выполняются проверки лишь на целостность файлов журнала. Поэтому при вводе в кластер узлов после отработки отказа и настройки репликации можно получить резервный узел с данными, отличными от основного, либо выходящий из строя при попытке запуска или перезапуска. Существующие системы высокой доступности вынуждены требовать длительного процесса пересоздания узла в данных сценариях. В работе предложен алгоритм, блокирующий запуск репликации в сценариях, когда это заведомо приведет к потере идентичности данных или сбоям при восстановлении узла. Для этого перед запуском выполняется проверка предусловия корректности, основанных на сборе и сравнении информации о состоянии журналов предзаписи узлов кластера. После блокировки возможна автоматическая синхронизация узлов для последующего корректного запуска репликации. Предложен способ встраивания алгоритма в СУБД, проведено тестирование на различных конфигурациях с эмуляцией сбоев. При минимальных накладных расходах алгоритм предотвращает последствия некорректного запуска репликации в большинстве случаев.

В статье предложен метод управления и персонализированных рекомендаций скриптов для Adobe After Effects, реализованный с помощью расширения CSXS и веб-платформы. Проведен анализ существующих методов поиска, установки и запуска скриптов, а также рассмотрены их ограничения, включая необходимость ручного перемещения файлов, отсутствие персонализированного подбора и интеллектуального поиска. Исследована архитектура предложенного решения, включающая использование ExtendScript для выполнения скриптов без перезапуска After Effects, а также реализация системы рекомендаций на базе векторного анализа текста с применением SentenceTransformers и хранения векторных данных в Qdrant. Обоснована целесообразность применения метода k-nearest neighbors для подбора релевантных скриптов и установлен порог схожести для фильтрации нерелевантных результатов. Рассмотрен алгоритм персонализированных рекомендаций, основанный на анализе избранных скриптов и интересов схожих пользователей. Описаны механизмы синхронизации между веб-платформой и расширением, обеспечивающие доступ к сохраненным скриптам с любого устройства.

Данная статья представляет собой исследование методов оценки эффективности алгоритмов отбора признаков и предлагает новую методику их оценки. Отмечено, что существующие методы и подходы к оценке не всегда способны адекватно отразить действительную эффективность алгоритмов, особенно при применении к реальным задачам. В рамках статьи подробно рассматриваются различные мнения исследователей по проблемам внутренней и внешней валидности существующих методов оценки, оценивается влияние разных параметров, включая объем данных, различия в реализациях алгоритмов и другие факторы. Авторы предлагают новый комплексный подход к оценке эффективности алгоритмов, включающий ряд показателей, среди которых затраты ресурсов, стабильность и качество решения задачи. Одной из особенностей предлагаемого подхода является использование искусственно сгенерированных данных, что позволяет учесть специфические характеристики реальных данных и оценить алгоритмы в контролируемых условиях. Это дает возможность более точно определить их эффективность и надежность. Статья также содержит результаты предварительного тестирования предложенной методики на примере искусственных данных. Анализ этих результатов демонстрирует преимущества нового подхода над традиционными методами оценки. В частности, было установлено, что новая методика позволяет более точно оценивать стабильность и качество работы алгоритмов, что имеет важное значение для принятия решений о выборе подходящего алгоритма для конкретных задач.
В заключение, авторы подчеркивают необходимость дальнейшего развития и расширения предложенной методики, а также ее адаптации для решения различных типов задач. Они также указывают на перспективы интеграции этой методики в специализированные программные пакеты, что сделает ее доступной для широкого круга пользователей и ускорит внедрение инновационных алгоритмов в практику.