Труды КНЦ вып.12 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 5/2021(12))

3 шаг. Сгенерировать ограничения для систематического решения задачи CSP. Предыдущие два этапа позволяют генерировать ограничения не для всех пар кластеризуемых объектов, как было описано ранее. Ограничения представляются с помощью табличных ограничений, а именно предложенных одним из авторов smart-таблиц D-типа [3]. Обработка данных ограничений производится с помощью высокоэффективных авторских методов удовлетворения нечисловых ограничений [3]. 4. шаг. Решить сгенерированную на предыдущем шаге задачу Constrained Clustering с помощью описанных далее эвристик для поиска переменной и её значения. Предлагаемый метод систематического поиска опирается на следующие эвристики выбора переменной на текущем шаге поиска: выбирается переменная, домен которой содержит наименьшее количество значений. При выборе значения переменной руководствуемся следующим правилом: поскольку переменная представляет один из кластеризуемых объектов, а её значение - номер кластера, то присваиваем переменной номер того кластера, который ближе к рассматриваемому объекту (рассчитываются расстояния между соответствующими мультимножествами). В настоящей работе подробно рассматриваются 1 и 2 шаги предлагаемого похода, направленные на снижение количества генерируемых ограничений задачи удовлетворения ограничений, а также на упрощение вида ограничений. В качестве примера применения разработанного метода рассмотрим задачу кластеризации участков горного массива по уровню сейсмической активности. Задача состоит в том, что участок горного массива разделен на определенное количество условных ячеек, в нашем случае их 56 (рис. 1). Каждое пространственная ячейка оценивалась двумя экспертами. На рисунке 2 приведены фрагменты таблиц оценок. Оценка производилась на основании определенного набора факторов, оказывающих, по мнению экспертов, влияние на возникновение сейсмических событий. Рис. 1. Разбиение горного массива на условные ячейки 78