Мельников Борис Феликсович

Преподаваемые дисциплины

- Дополнительные разделы программирования (магистатура)

- Программирование мобильных устройств (магистатура)

- Специальность «Математическое и программное обеспечение…» (аспирантура)

Ученая степень (без сокращений):

доктор физико-математических наук

Ученое звание (без сокращений):

Профессор

Направление подготовки / специальность, которую окончил:

Специальность «Прикладная математика». Окончил Московский государственный университет им. М.В.Ломоносова.

Данные о повышении квалификации и переподготовке (за последние 5 лет)

1. Краткосрочное (72 часа). "Интерактивные методы и технологии в реализации кампитентностного подхода". 20.02.2014. Удостоверение о повышении квалификации № 632400229677.

2. Краткосрочное (72 часа). "Принципы создания и использование электронного курса в образовательном процессе". 13.03.2018. Удостоверение о повышении квалификации № 712425877037.

3. Краткосрочное (36 часов). "Социальная работа. Оказание первой помощи до оказания медицинской помощи". 22.01.2018. Удостоверение о повышении квалификации № 180000409826.

4. Краткосрочное (72 часа). "Информационно-коммуникационные технологии в проектной, образовательной и научно-технической деятельности педагогов и обучающихся". 12.02.2018. Удостоверение о повышении квалификации № 180000409844.

5. Краткосрочное (160 часов). "Инновационные технологии реализации программ высшего образования". 16.02.2018. Удостоверение о повышении квалификации № 180000409862.

6. Профессиональная переподготовка. 27.02.2018. Диплом № 772400002922.

10. Общий стаж работы

34 года

11. Стаж работы по специальности

27 лет

Научная деятельность

1. Мероприятия

Участие в мероприятиях:

– Международная конференция ITNT–2017 г. («Информационные технологии и нанотехнологии), Самара, 2017;

– Международная конференция «Современные информационные технологии и ИТ-образование» – 2017 г., МГУ, 2017;

– Международная конференция ITNT–2018 г. («Информационные технологии и нанотехнологии), Самара, 2018.

Всего 18 (за 7 лет).

2. Проекты

– Гранты РФФИ (более 10 шт., 1999–2013 гг.)

– Грант РГСУ (2018 г.)

Публикации: Скопус 29, ядро РИНЦ 52, список ВАКа 76

Публикации в 2018 г. (приведены только входящие в список ВАКа и Скопус):

1) LINEAR ERROR CORRECTING CODES AND THEIR APPLICATION IN DNA ANALYSIS

Korabelshchikova S.Y., Melnikov B.F., Pivneva S.V., Zyablitseva L.V.

В сборнике: Информационные технологии и нанотехнологии Сборник трудов ИТНТ-2018. Самарский национальный исследовательский университет имени академика С.П. Королева. 2018. С. 2095-2100.

2) THE PROBLEM OF PSEUDO-OPTIMAL PLACEMENT OF A GRAPH ON A PLANE

Melnikov B.F., Dudnikov V.A.

3) SOME NEW HEURISTIC ALGORITHMS IN ANALYSIS OF THE SIMILARITY OF DNA-SEQUENCES

Melnikov B.F., Melnikova E.A., Pivneva S.V.

4) MULTI-HEURISTIC AND GAME APPROACHES IN SEARCH PROBLEMS OF THE GRAPH THEORY

Melnikov B.F., Melnikova E.A., Pivneva S.V., Churikova N.P., Dudnikov V.A., Prus M.Y.

5) О ЗАДАЧЕ ПСЕВДООПТИМАЛЬНОГО РАЗМЕЩЕНИЯ ГРАФА НА ПЛОСКОСТИ И ЭВРИСТИКАХ ДЛЯ ЕЁ РЕШЕНИЯ

Мельников Б.Ф., Дудников В.А.

Информатизация и связь. 2018. № 1. С. 63-70.

6) ПРИМЕНЕНИЕ АЛГОРИТМОВ ГЕНЕРАЦИИ СЛУЧАЙНЫХ ГРАФОВ ДЛЯ ИССЛЕДОВАНИЯ НАДЁЖНОСТИ СЕТЕЙ СВЯЗИ

Мельников Б.Ф., Сайфуллина Е.Ф., Терентьева Ю.Ю., Чурикова Н.П.

Информатизация и связь. 2018. № 1. С. 71-80.

7) PSEUDO-AUTOMATA FOR GENERALIZED REGULAR EXPRESSIONS

Melnikov B.F., Melnikova A.A.

International Journal of Open Information Technologies. 2018. Т. 6. № 1. С. 1-8.

8) МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ УПРАВЛЕНИЯ ОРГАНИЗАЦИЕЙ ПО ЦЕННОСТНЫМ ОРИЕНТИРАМ: МЕТОДИКА ПОСТАНОВКИ ОПТИМИЗАЦИОННЫХ ЗАДАЧ

Мельников Б.Ф., Зубова, Т.Н.

International Journal of Open Information Technologies. 2018. Т. 6. № 2. С. 9-15.

9) МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ УПРАВЛЕНИЯ ОРГАНИЗАЦИЕЙ ПО ЦЕННОСТНЫМ ОРИЕНТИРАМ: АЛГОРИТМЫ КОМПЛЕКСНОЙ ОЦЕНКИ И ОТБОРА ПСЕВДООПТИМАЛЬНЫХ ВОЗДЕЙСТВИЙ

Мельников Б.Ф., Зубова Т.Н.

International Journal of Open Information Technologies. 2018. Т. 6. № 3. С. 1-8.

10) МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПОВЫШЕНИЯ УРОВНЯ БЕЗОПАСНОСТИ В СЛУЧАЕ ОТКАЗОВ АВИАЦИОННОЙ И КОСМИЧЕСКОЙ ТЕХНИКИ

Мельников Б.Ф., Давыдова Е.В.

International Journal of Open Information Technologies. 2018. Т. 6. № 5. С. 1-6.

4. Достижения

Область научных интересов:

Недетерминированные конечные автоматы (НКА) и регулярные языки — альтернативные описания инвариантов регулярных языков, функции разметки состояний, достаточные условия однозначности, алгоритмы эквивалентного преобразования, решение проблемы звёздной высоты с помощью описания множества циклов базисного автомата, альтернативные методы построения универсального автомата Конвэя, точные (переборные) алгоритмы минимизации НКА по различным критериям (вершинной, дуговой и звёздно-высотной), различные формализмы-обобщения НКА, исследование обобщённых регулярных выражений и обобщённой звёздной высоты.

Контекстно-свободные языки — нетрадиционные варианты задания КС-языков (с помощью различных обобщений конечных автоматов), последовательностные КС-языки и описание с их помощью языков программирования, подклассы класса КС-языков с разрешимой проблемой эквивалентности.

Алгебра полугрупп — условия коммутирования в супермоноиде (глобальном надмоноиде свободного моноида), бинарные отношения на элементах супермоноида, описания специальных подмноноидов супермоноида, бесконечные вычисления конечных автоматов (в том числе 2ω-вычисления) и их связь с подмноноидами супермоноида, биллиардные языки (и ω-языки) и мономиальные алгебры, биллиардные языки и функции-ловушки, алгоритмические вопросы алгебры полугрупп и вычислительные методы построения описаний подмоноидов супермоноида и бинарных отношений в нём.

Задачи дискретной оптимизации — применение в различных предметных областях приближённых алгоритмов реального времени (т.н. anytime-алгоритмов). В первую очередь имеются в виду следующие предметные области: классические головоломки, минимизация ДНФ, вершинная, дуговая и звёздно-высотная минимизация НКА, псевдогеометрическая версия задачи коммивояжёра, построение бинарных фазоманипуляционных радиосигналов с минимальными автокорреляционными свойствами.

Эвристические алгоритмы — быстрые алгоритмы принятия решений в случае многокритериальной оптимизации, различные модификации метода ветвей и границ, мультиэвристический подход, генетические алгоритмы и турнирные подходы к самообучению, имитационная нормализация и гибридные алгоритмы. Описание подхода к оценке репрезентативности случайно сгенерированных входных данных. Описание подхода к (эвристическим) оценкам эффективности эвристических алгоритмов. Распределённые вычисления при решении задач дискретной оптимизации. Обобщения понятий аппроксимации и аппроксимационных алгоритмов.

Программирование недетерминированных игр и искусственный интеллект — описание модификаций дерева перебора для различных недетерминированных игр, применение функций риска для выбора хода, турнирное самообучение ГА, имитация мышления противника в различных задачах ИИ, применение аналогов продукционных правил в программировании интеллектуальных игр, примение "игровых" эвристик в задачах дискретной оптимизации.