UML-орієнтована інформаційна технологія для неперервних задач максимального покриття з об’єктами довільної форми
Анотація
Актуальність. Неперервні задачі максимального покриття з об’єктами довільної форми відіграють важливу роль у геоінформаційних системах, моніторингових платформах, логістичних сервісах, системах безпеки, аналізі просторових даних та рішеннях підтримки прийняття рішень. Зростання обсягів даних, динамічність середовищ і висока складність моделей потребують створення формалізованих, модульних і масштабованих інформаційних технологій. UML, як стандарт моделювання, дозволяє формально описати архітектуру програмних рішень, забезпечуючи надійність, повторюваність та прозорість програмної реалізації.
Мета. Розробити UML-орієнтовану інформаційну технологію розв’язання неперервних задач максимального покриття, що включає архітектурну модель, структуру даних, інформаційні потоки, функціональні компоненти та UML-специфікації модулів для реалізації систем покриття.
Методи дослідження. Застосовано методи об’єктно-орієнтованого та структурного моделювання, UML-діаграмування (Use Case, Class, Activity, Sequence, Component, Composite Structure, State Machine, Deployment), методи архітектурного проєктування, принципи модульності, інверсії залежностей, компонентної декомпозиції та підходи до побудови масштабованих інформаційних систем.
Результати. Побудовано повну UML-специфікацію архітектури інформаційної технології для задач максимального покриття: визначено зовнішні сценарії взаємодії, класи, компоненти, послідовності операцій, логіку поведінки і станів системи, інфраструктурні зв’язки та структуру розгортання. Сформовано інтегровану трирівневу архітектуру (рівень представлення, прикладної логіки, даних). Описано принципи формування модулів просторової аналітики, оптимізації, обчислення критерію покриття, управління сценаріями покриття, візуалізації та інтерфейсів даних. UML-моделі забезпечують формалізовану структуру, що дозволяє розробляти масштабовані й відтворювані ІТ-рішення для задач покриття.
Висновки. Створена інформаційна технологія забезпечує структурну, поведінкову та архітектурну формалізацію системи максимального покриття. UML-орієнтоване моделювання дозволяє підвищити прозорість архітектури, зменшити ризики інтеграційних помилок, забезпечити масштабованість і повторне використання компонентів. Отримані UML-моделі можуть слугувати методологічною основою для побудови інтелектуальних GIS-платформ, оптимізаційних сервісів, систем моніторингу та аналітичних рішень у реальному масштабі.
Завантаження
Посилання
/Посилання
Object Management Group, “Unified Modeling Language (UML), Version 2.5.1,” formal/17-12-05, Dec. 2017. [Online]. Available: https://www.omg.org/spec/UML/2.5.1
J. Arlow and I. Neustadt, UML 2 and the Unified Process: Practical Object-Oriented Analysis and Design, 2nd ed. Boston, MA, USA: Addison-Wesley, 2005, p. 624.
P. Clements, F. Bachmann, L. Bass et al., Documenting Software Architectures: Views and Beyond, 2nd ed. Boston, MA, USA: Addison-Wesley, 2010, p. 624.
L. Bass, P. Clements, and R. Kazman, Software Architecture in Practice, 3rd ed. Boston, MA, USA: Addison-Wesley, 2012, p. 624.
R. N. Taylor, N. Medvidović, and E. M. Dashofy, Software Architecture: Foundations, Theory, and Practice. Hoboken, NJ, USA: Wiley, 2009, p. 736.
I. Rauf, M. Z. Iqbal, and Z. I. Malik, “UML based modeling of web service composition—A survey,” Int. J. Comput. Appl., vol. 1, no. 6, pp. 301–307, 2008. doi: 10.5120/324-524.
P. A. Longley, M. F. Goodchild, D. J. Maguire, and D. W. Rhind, Geographic Information Systems and Science, 3rd ed. Chichester, U.K.: Wiley, 2011, p. 560.
S. Gillies, Shapely: Computational Geometry Library, ver. 2.0.0. Zenodo, 2021. doi: 10.5281/zenodo.7428463.
K. Jordahl et al., “GeoPandas: Python tools for geographic data,” J. Open Source Softw., vol. 9, no. 1083, Art. no. 5660, Mar. 2023. doi: 10.21105/joss.05660.
J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proc. IEEE Int. Conf. Neural Netw. (ICNN'95), Perth, WA, Australia, 1995, vol. 4, pp. 1942–1948. doi: 10.1109/ICNN.1995.488968.
C. J. A. Bastos-Filho et al., “A novel search algorithm based on fish-school behavior,” IEEE Trans. Syst., Man, Cybern., B, Cybern., vol. 39, no. 2, pp. 237–252, Apr. 2009. doi: 10.1109/TSMCC.2009.2030235.
X.-S. Yang, Nature-Inspired Metaheuristic Algorithms, 2nd ed. Beckington, U.K.: Luniver Press, 2010, p. 148.
J. Nocedal and S. J. Wright, Numerical Optimization, 2nd ed. New York, NY, USA: Springer, 2006, p. 664. doi: 10.1007/978-0-387-40065-5.
W. E. Hart, N. Krasnogor, and J. E. Smith, Eds., Recent Advances in Memetic Algorithms, vol. 166. Berlin, Germany: Springer, 2005. doi: 10.1007/3-540-32363-5.
A. Calvagna, A. Gargantini, and E. Viganò, “An adaptive penalty based parallel tabu search for constrained covering array generation,” Inf. Softw. Technol., vol. 138, Art. no. 106768, Oct. 2021. doi: 10.1016/j.infsof.2021.106768.
J. Kallrath, “Cutting circles and polygons from area-minimizing rectangles,” J. Glob. Optim., vol. 43, no. 2–3, pp. 267–298, Jun. 2009. doi: 10.1007/s10898-007-9251-2.
Y. Shi, H.-Z. Huang, Y. Liu, Y.-F. Li, and X.-Y. Xiao, “A new reliability analysis method based on the efficient Latin hypercube sampling,” Struct. Multidiscip. Optim., vol. 58, no. 6, pp. 2371–2386, Dec. 2018. doi: 10.1007/s00158-018-1978-3.
S. V. Yakovlev, “The concept of modeling packing and covering problems using modern computational geometry software,” Cybern. Syst. Anal., vol. 59, no. 1, pp. 108–119, Jan. 2023. doi: 10.1007/s10559-023-00547-5.
S. Yakovlev, O. Kartashov, and A. Mumrienko, “Formalization and solution of the maximum area coverage problem using library Shapely for territory monitoring,” Radioelectron. Comput. Syst., vol. 2, pp. 35–48, 2022. Available: http://nti.khai.edu/ojs/index.php/reks/article/view/reks.2022.2.03.
S. Yakovlev, O. Kartashov, and D. Podzeha, “Mathematical models and nonlinear optimization in continuous maximum coverage location problem,” Computation, vol. 10, no. 7, Art. no. 119, Jul. 2022. doi: 10.3390/computation10070119.
S. Yakovlev, O. Kiseleva, D. Chumachenko, and D. Podzeha, “Maximum service coverage in business site selection using computer geometry software,” Electronics, vol. 12, no. 10, Art. no. 2329, May 2023. doi: 10.3390/electronics12102329.
S. Yakovlev et al., “Continuous maximum coverage location problem with arbitrary shape of service areas and regional demand,” Symmetry, vol. 17, no. 5, Art. no. 676, 2025. doi: 10.3390/sym17050676.
S. Yakovlev et al., “Optimization of mobile medical service locations based on predictive analytics in crisis scenarios,” in Proc. IADIS Inf. Syst. E-Soc., 2025, pp. 538–541.
K. Leichenko et al., “Assessment of the reliability of wireless sensor networks for forest fire monitoring systems considering fatal combinations of multiple sensor failures,” Cybern. Syst. Anal., vol. 61, no. 1, pp. 137–147, Jan. 2025. doi: 10.1007/s10559-025-00722-w.
S. Skorobohatko et al., “Architecture and reliability models of hybrid sensor networks for environmental and emergency monitoring systems,” Cybern. Syst. Anal., vol. 60, no. 2, pp. 293–304, Mar. 2024. doi: 10.1007/s10559-024-00670-x.
Object Management Group, “Unified Modeling Language (UML), Version 2.5.1,” formal/17-12-05, Dec. 2017. [Online]. Available: https://www.omg.org/spec/UML/2.5.1
J. Arlow and I. Neustadt, UML 2 and the Unified Process: Practical Object-Oriented Analysis and Design, 2nd ed. Boston, MA, USA: Addison-Wesley, 2005, p. 624.
P. Clements, F. Bachmann, L. Bass et al., Documenting Software Architectures: Views and Beyond, 2nd ed. Boston, MA, USA: Addison-Wesley, 2010, p. 624.
L. Bass, P. Clements, and R. Kazman, Software Architecture in Practice, 3rd ed. Boston, MA, USA: Addison-Wesley, 2012, p. 624.
R. N. Taylor, N. Medvidović, and E. M. Dashofy, Software Architecture: Foundations, Theory, and Practice. Hoboken, NJ, USA: Wiley, 2009, p. 736.
I. Rauf, M. Z. Iqbal, and Z. I. Malik, “UML based modeling of web service composition—A survey,” Int. J. Comput. Appl., vol. 1, no. 6, pp. 301–307, 2008. doi: 10.5120/324-524.
P. A. Longley, M. F. Goodchild, D. J. Maguire, and D. W. Rhind, Geographic Information Systems and Science, 3rd ed. Chichester, U.K.: Wiley, 2011, p. 560.
S. Gillies, Shapely: Computational Geometry Library, ver. 2.0.0. Zenodo, 2021. doi: 10.5281/zenodo.7428463.
K. Jordahl et al., “GeoPandas: Python tools for geographic data,” J. Open Source Softw., vol. 9, no. 1083, Art. no. 5660, Mar. 2023. doi: 10.21105/joss.05660.
J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proc. IEEE Int. Conf. Neural Netw. (ICNN'95), Perth, WA, Australia, 1995, vol. 4, pp. 1942–1948. doi: 10.1109/ICNN.1995.488968.
C. J. A. Bastos-Filho et al., “A novel search algorithm based on fish-school behavior,” IEEE Trans. Syst., Man, Cybern., B, Cybern., vol. 39, no. 2, pp. 237–252, Apr. 2009. doi: 10.1109/TSMCC.2009.2030235.
X.-S. Yang, Nature-Inspired Metaheuristic Algorithms, 2nd ed. Beckington, U.K.: Luniver Press, 2010, p. 148.
J. Nocedal and S. J. Wright, Numerical Optimization, 2nd ed. New York, NY, USA: Springer, 2006, p. 664. doi: 10.1007/978-0-387-40065-5.
W. E. Hart, N. Krasnogor, and J. E. Smith, Eds., Recent Advances in Memetic Algorithms, vol. 166. Berlin, Germany: Springer, 2005. doi: 10.1007/3-540-32363-5.
A. Calvagna, A. Gargantini, and E. Viganò, “An adaptive penalty based parallel tabu search for constrained covering array generation,” Inf. Softw. Technol., vol. 138, Art. no. 106768, Oct. 2021. doi: 10.1016/j.infsof.2021.106768.
J. Kallrath, “Cutting circles and polygons from area-minimizing rectangles,” J. Glob. Optim., vol. 43, no. 2–3, pp. 267–298, Jun. 2009. doi: 10.1007/s10898-007-9251-2.
Y. Shi, H.-Z. Huang, Y. Liu, Y.-F. Li, and X.-Y. Xiao, “A new reliability analysis method based on the efficient Latin hypercube sampling,” Struct. Multidiscip. Optim., vol. 58, no. 6, pp. 2371–2386, Dec. 2018. doi: 10.1007/s00158-018-1978-3.
S. V. Yakovlev, “The concept of modeling packing and covering problems using modern computational geometry software,” Cybern. Syst. Anal., vol. 59, no. 1, pp. 108–119, Jan. 2023. doi: 10.1007/s10559-023-00547-5.
S. Yakovlev, O. Kartashov, and A. Mumrienko, “Formalization and solution of the maximum area coverage problem using library Shapely for territory monitoring,” Radioelectron. Comput. Syst., vol. 2, pp. 35–48, 2022. Available: http://nti.khai.edu/ojs/index.php/reks/article/view/reks.2022.2.03.
S. Yakovlev, O. Kartashov, and D. Podzeha, “Mathematical models and nonlinear optimization in continuous maximum coverage location problem,” Computation, vol. 10, no. 7, Art. no. 119, Jul. 2022. doi: 10.3390/computation10070119.
S. Yakovlev, O. Kiseleva, D. Chumachenko, and D. Podzeha, “Maximum service coverage in business site selection using computer geometry software,” Electronics, vol. 12, no. 10, Art. no. 2329, May 2023. doi: 10.3390/electronics12102329.
S. Yakovlev et al., “Continuous maximum coverage location problem with arbitrary shape of service areas and regional demand,” Symmetry, vol. 17, no. 5, Art. no. 676, 2025. doi: 10.3390/sym17050676.
S. Yakovlev et al., “Optimization of mobile medical service locations based on predictive analytics in crisis scenarios,” in Proc. IADIS Inf. Syst. E-Soc., 2025, pp. 538–541.
K. Leichenko et al., “Assessment of the reliability of wireless sensor networks for forest fire monitoring systems considering fatal combinations of multiple sensor failures,” Cybern. Syst. Anal., vol. 61, no. 1, pp. 137–147, Jan. 2025. doi: 10.1007/s10559-025-00722-w.
S. Skorobohatko et al., “Architecture and reliability models of hybrid sensor networks for environmental and emergency monitoring systems,” Cybern. Syst. Anal., vol. 60, no. 2, pp. 293–304, Mar. 2024. doi: 10.1007/s10559-024-00670-x.
