БІЛІМ БЕРУ ІС-ҚЫЗМЕТІНДЕ БЛОГТАРДЫ ҚОЛДАНУ

87 
Estimating the Strategic Motives for AD Filings  
Zaurbekova B.
 
E.A.Buketov Karaganda State University, Karaganda, Kazakhstan
 
E-mail: bal-zau@mail.ru
 
  
Vision, according which, for those industries  that are more significantly injured by imports than trade 
negotiators anticipated, trade liberalization can be achieved if countries have ability to suspend their 
obligations, was formalized by Bagwell and Staiger (1990). They developed a game theoretic model in 
which “special protection”, arises as a short term cooperative remedy for changes in underlying trade flows. 
Bagwell and Staiger use a simple two-country partial equilibrium model of trade in one sector with 
Prisoner’s Dilemma payoff structure. They then assume each country’s output is subject to random shocks 
where positive shocks lead to higher volumes of trade. In the repeated game, cooperation can be sustained by 
means of credible threat to revert forever to the static Nash equilibrium in the event of any defection. They 
show that the level of cooperation, the value of cooperative tariff, depends on the volume of trade and on the 
variance of the shocks. The cooperative tariff rate is increasing in both import size and variance.  
There are four main hypotheses that we examine in our analysis of antidumping (AD) filing behavior. 
These hypotheses are: big supplier, big change in imports, tit for tat (TFT), and club effect. The first two are 
motivated by the Bagwell-Staiger model of special protection and are consistent with the view that AD 
actions are used to prevent unfair trade. The last two are outside the basic Bagwell–Staiger model and are 
consistent with the belief that strategic considerations influence AD actions. 
The “big supplier” hypothesis is that AD cases are filed against a country’s largest import suppliers 
(based on aggregate country data). The “big change” hypothesis is that AD cases are filed against suppliers 
who have the largest percentage change in imports. The TFT hypothesis is that a country is more likely to 
file AD cases against those suppliers who previously have filed an AD case against it.  The club hypothesis 
is that a country is more likely to file AD cases against countries that also use AD, regardless of whether it 
has been directly named in the past.  
In international trade between new and traditional users appear substantial differences. For example, the 
filing patterns of new users seem to more strongly support the strategic hypotheses, TFT and club, than those 
of traditional users. This way, different proportion of countries supplying new and traditional users were AD 
users. 
To identify the individual effects of each hypothesis, we construct mathematical model of each 
country’s decision to file and AD action against each trading partner in each year as a function of economic 
and strategic incentives. We can express the filing decision as shown bellow: 
 
 
F
ijt
 = f (TFT
ijt
, Club
jt, 
Imports
ijt
, % d Imports
ijt
, All_Imports
it
), 
 
Where F
ijt
 is binary variable that denotes whether country I files an AD case against county j in year t;  
TFT
ijt  
denotes whether country j has ever filed an AD case against county I prior to year t; 
Club
jt 
denotes whether country j is a member of the “AD club” prior to year t; 
Imports
ijt 
denotes imports from j to i at time t; 
% d Imports
ijt 
denotes the percentage change in imports from j to I between t-1 and t; 
All_Imports
it
 denotes that overall filing patterns might systematically vary across time.  
That is, everything is equal, countries might differ in their use of AD is in their exposure to imports. 
Variable All_Imports
it 
denotes country i’s import in year t from all sources.   
 
References
 
1. Ethier, Wilfred J. 1982: Dumping. Journal of political economy, 90, 487-506. 
2. Finger, J. Michael (ed.) 1993: AD. Ann Arbor, MI: University of Michigan Press. 
3. Fischer, Ronald D. and Thomas J. Prusa 2003: Contingent protection as better insurance. Review of International 
Economics. 
4. E.Kwan Choi, James C.Hartigan 2008: Handbook of international trade. Economic and legal analyses of Trade Policy 
and Institutions. 
5. Corden, W.Max 1974: Trade Policy and Economic Welfare. OxfordL: Clarendon Press.  
 
 
 
 
 

88 
ЖЕЛІЛІК МОДЕЛДЕР ЕСЕПТЕРІН EXCEL-ДЕ ШЫҒАРУ 
Иманқұл Т. Ш., Мəжит Г. Б. 
Əл-Фараби атындағы Қазақ Ұлттық Университеті, Алматы, Қазақстан 
E-mail: imankul.t.sh@mail.ru 
   
Бұл  жұмыста  операцияларды  зерттеу  пəнінің    бір  саласы  желілік    жоспарлау  теориясындағы 
моделдер  ретінде  қарастыруға  болатын  көптеген  практикалық  мəселелерді  шешудің  алгоритмдері 
талқыланып, дербес компьютерді қолдану  шаралары қамтылған.  
Соңғы кездегі зерттеулер нақты математикалық программалау есептерінің 70 пайызынан астамы 
желілік  моделдер  қатарына  жататындығын  көрсетіп  отыр.  Ендеше  желілік  есептерді  жете  зерттеу 
өзекті мəселенің бірі болып саналады. Бірнеше нақты мысалдар келтірелік.  
Қабылдау  станциясы  теңіз  жағалауында  орналасқан  бұрғылау  скважиналарын  жалғастыратын 
газ  желісін  тартуды  жобалау.  Мұндағы  мақсатты  функция  газ  желісін  жүргізу  құнын  минимумдау 
қажет.  
Cол  сияқты  түрлі жол  торабындағы  екі қаланың  арасындағы  қысқа  маршрутты  табу    да  өзекті 
мəселелердің бірі болып табылады.  
Көмір шахталарынан электр станцияларына көмір тасымалдауға арналған құбырдың максимум 
өткеру қабілетін анықтау да қазіргі таңдағы маңызды мəселелердің бірі екендігі түсінікті.  
Мұнай  өндіру  пункттерінен  мұнай  өңдеу  зауыттарына  тасымалдау  құны  минимум  болатындай 
мұнай тасу схемасын жасау ел экономикасына  айтарлықтай үлес қосары сөзсіз.  
Құрылыс  жұмыстарының  уақыттық    графигін  жасау,  яғни  жұмыстардың  жеке  кезеңдерінің 
басталу жəне аяқталу мерзімдерін жоспарлау күн тəртібінен түспейтіндігі ақиқат.  
Келтірілген есептерді шешу түрлі желілік алгоритмдерін ең тиімдісін қолдануды талап етеді. Біз 
бұл жұмыста  нақты мысалдарға қолданылуы көрсетілген үш  алгоритмді талдаймыз. Атап айтқанда: 
Минимумды діңгектік бұтақтар құру алгоритмі. Қысқа жол іздеу алгоритмі. Максимум ағын анықтау 
алгоритмі.  
Аталмыш мысалдардан туындайтын есептерді сызықтық программалау  есебі ретінде қисындап, 
шығаруға  болады.  Дегенмен  бұл  есептердің  өздеріне  тəн  ерекшеліктері  стандарт  симплекс-əдіске 
қарағанда анағұрлым ұтымды арнайы желілік алгоритмдер құрастыруға мүмкіндік береді. Сонымен 
арнайы  желілік  алгоритмдер  жасау  маңызды – мəселелердің  бірі  болғандықтан,  тиісті  мысалдарды 
ақпарттық технологияны қолданып, яғни EXCEL-де шығарылуы көрсетілген. 
 
ƏДЕБИЕТТЕР ТІЗІМІ 
1. Айғасалиев С.Ə., Иманқұлов Т.Ш. Тиімділік əдістерінің дəрістері. Алматы. Қазақ университеті. 2000, 165 бет. 
2. Айғасалиев С.Ə., Иманқұлов Т.Ш. Тиімділік əдістерінің дəрістері. Алматы. Қазақ университеті. 2004, 240 бет. 
3. Жолдасбеков Ө.А., Иманқұл Т.Ш. Машинатану терминдерінің орысша – қазақша, өазақша – орысша сөздігі. 
Алматы. Рауан. 2000, 351 бет. 
4. Вагнер Г. Основы исследования операций, - М.: Мир,1972. 
5. Кузнецов Ю.Н., Кузубов В.И., Волощенко А.Б. Математическое программирование. - : Высшая школа, 1976. 
6.  Макаров  И.М.,  Виноградова  Т.М., Рубчинский  А.А.,  Соколов  В.Б. Теория  выбора  ипринятия  решении.  М.: 
1982. 
7. Форд Л.Р., Фалкерсон Д.Р. Потоки в сетях. М.:Мир, 1976 
8. Ху Т. Целочисленное программирование и потоки в снтях. –М.:Мир, 1974. 
 
 
ЭКОНОМИКАДАҒЫ ТИІМДІЛІКТІҢ МАТЕМАТИКАЛЫҚ МОДЕЛДЕРІ  
Иманқұл Т. Ш., Секенова А. А. 
Əл-Фараби атындағы Қазақ Ұлттық Университеті, Алматы, Қазақстан 
E-mail
: imankul.t.sh@mail.ru, akzhana.92@mail.ru 
 
Нарықтық  экономика  Жер  байлықтарының  шектеулілігін  ескеріп  энергияны,  материалдарды, 
жұмыс  уақыттарын  тиімді  пайдалануды,  экономиканы,  экологиялық  жəне  табиғи  ғылымдық  түрлі 
процестерді  оңтайлы  басқаруды  талап  етуде.  Осындай  практикалық  қажеттіліктерден  туындаған 
«Тиімділеу əдістерінен» хабардар болу қолданбалы математика, физика, экология мен информатика 
мамандарына ғылыми тұрғыдан жоғары деңгейде болуды қаматамасыз етеді. 
Тиімділеу теориясы  соңғы жылдары қарыштап даму үстінде.  Соның арқасында  дөңес талдам,  
сызықтық емес программалау, сызықтық программалау, тиімді басқару  сияқты жаңа салалар пайда 

89 
болды.  Қазіргі  кезде  олар  жоғары  оқу  орындарының    «қолданбалы  математика», «математика», 
«информатика», «экономикалық  кибернетика»,  «медициналық  кибернетика»  жəне  басқа 
мамандықтарында сыбағалы орындарына ие болып отыр.  
 Егер  аталған  мəселелердің  экономикалық  немесе  басқа  мағаналарына  назар  аудармасақ,  онда 
олардыің бəрі мынадай тиімділеу есебіне келтіріледі:  
қайбір 
B
  кеңістігінің   
U
  жиынындағы 
)
(u
J
  функциясының  немесе  функционалының 
максимумын (немесе минимумын) табу қажет.  
Бұл  жұмыста  сызықты  программалаудың    транспорт  есебін  шешудің  жалпы  əдістерін  қолдану 
мəселелері  қарастырылған.  Кіріспеде  сызықты  программалаудың  қысқаша  тарихы  баяндалып, 
таңдалған тақырыптың өзектілігі көрсетілген.  
Сонымен  қатар,  нақты  экономикалық  есептердің  сызықты  программалау  түріндегі  транспорт 
есебінің математикалық моделі құрылып, оны шешудің  
- 
солтүстік-батыс бұрыш; 
- 
минимум құнды тасымал; 
- 
екі дүркін қабылдау; 
- 
 потенциалдарды үлестіру 
 əдістерінің  теориялық  тұжырымдары  баяндалып,  нақты  мысал-есептер  қарастыру  арқылы 
түсіндірілген,  Ақырында    ашық  жəне  жабық  транспорттық    моделдерді  шешуге    кеңінен  шолу 
жасалып,  мысал  арқылы  қолданымы  көрсетілген.  Қазіргі  заманауи  технология  заманында  осындай 
мəселелі  есептердің  алатын  орны  ерекше  болғандықтан,  осындай  жұмыстардың  рөлі  ерекше  деп 
санаймыз. 
 
ƏДЕБИЕТТЕР ТІЗІМІ 
1. Айсағалиев С.Ə., Иманқұлов Т.Ш. Тиімділік əдістерінің дəрістері. Алматы. Қазақ университеті. 2000. 
2. Айсағалиев С.Ə., Иманқұл Т.Ш. Тиімділеу əдістерінің дəрістері. Алматы. Қазақ университеті. 2004. 
3.Алексеев В.М., Тихомиров В.М., Фомин С.В. Оптимальное управление. М.: Наука, 1979. 
4. Айсагалиев С.А., Айсагалиева С.С. Лекции по методам оптимизации. Алматы, Ғылым, 1996. 
5. Болтянский В.Г. Математические методы оптимального управления. М.: Наука, 1969. 
6. Брайсон А., Хо Ю-ши Прикладная теория оптимального управления. М.: Мир, 1972. 
7. Васильев Ф.П. Лекции по методам решения экстремальных задач. М.: Изд-во МГУ, 1974. 
8. Васильев Ф.П. Численные методы решения экстремальных задач. М.: Наука, 1980. 
9. Габасов Р., Кириллова Ф.М. Методы оптимизации. Минск, Изд-во БГУ, 1980. 
10. Гельфанд И.И., Фомин С.В. Вариационное исчисление. М.: Физматгиз, 1961. 
11. Зубов В.И. Лекции по теории управления. М.: Наука, 1975. 
12. Карманов В.Г. Математическое программирование. М.: Наука, 1975. 
 
 
ПРИМЕНЕНИЕ ТЕХНОЛОГИИ MAPREDUCE ДЛЯ РЕШЕНИЯ ЗАДАЧИ РОЕВОЙ 
КЛАСТЕРИЗАЦИИ  
Мансурова М.Е., Беспаева А.З., Мəткерім Б. 
Казахский национальный университет имени аль-Фараби, Алматы, Казакстан 
E-mail: mansurova01@mail.ru 
 
Данная  работа  представляет  собой  исследование  по  применению  технологии  MapReduceдля 
обработки данных дистанционного зондирования. Мультиспектральная информация дистанционного 
зондирования находит применение во многих отраслях экономики. Поэтому актуальными и важными 
являются задачи обработки мультиспектральной информации и дешифрования космических снимков. 
В работе описывается алгоритм роевой кластеризациикак один из наиболее приемлемых алгоритмов 
для  классификации  данных  дистанционного  зондирования,  так  как  он  обеспечивает  большую 
точность  проведения  кластеризации  данных.  Алгоритм  является  трудоемким  и  требует  затраты 
большого  количества  ресурсов.  В  связи  с  этим  для  реализации  алгоритма  предлагается  применить 
высокопроизводительную технологию MapReduceHadoop. 
Кластеризация мультиспектрального изображения с помощью оптимизации роя частиц выглядит 
следущим образом[1]: 
1. Случайным образом проинициализировать 
 средних кластеров для каждой частицы.  
2. Цикл от t=1 до 
 для каждой частицы  
3. Для каждой спектральной сигнатуры пикселя изображения  : 

90 
вычислить d(
,
)для всех кластеров C
ij
 
произвести присвоение сигнатуры пикселя   кластеру 
 на основании сравнения  
 
d(
,
) =
∀
,..,
( ,
)
 
 
4. Вычислить фитнес функцию f( , (t),Z) 
5. Найти лучшее глобальное решение  
 
(t)=min
{ ( ( ), ), ( ( ), ). . . , ( ( ), )}
 
 
6. Пересчитать значения центров кластеров с учетом выражений  
 
 (t + 1) = w (t) + 
( )( ( )) -  (t) + 
(t)( (t) - 
( )) 
(t + 1) =  (t) +  (t + 1) 
Основная  идея  параллельной  реализации  алгоритма  роевой  кластеризации,  основанной  на 
технологии  MapReduce,  заключается  в  задаче  оптимизации  для  получения  наилучшего  решения, 
основанного на минимальных расстояниях между точками и кластерными центрами [2]. MapReduce 
обеспечивает  возможность  автоматического  распараллеливания  как  на  одном  многопроцессорном 
сервере,  так  и  на  кластере,  предоставляет  защиту  от  сбоев  оборудования.  Существенным 
ограничением  технологии  является  поддержка  только  одного  алгоритма  MapReduce, 
ориентированного на параллельное выполнение независимых задач. Однако изображения или группы 
изображений могут обрабатываться независимо, поэтому применение MapReduce оправдано. 
Роевый алгоритм кластеризации схож с алгоритмом кластеризации k-средних, в котором кластер 
представлен своим центроидом. В кластеризации k-средних центроид рассчитывается как 
средневзвешенное значение точек внутри кластера. В роевой кластеризации центроид для каждого 
кластера обновляется на основе скоростей роя частиц. 
Алгоритм делится на два этапа, которые определяются рамками технологии MapReduce. 
Результаты эксперимента демонстрируют, что предлагаемый алгоритм обладает высокой 
масштабируемостью и существенно сокращает время вычислений с увеличением числа узлов. 
 
СПИСОК ЛИТЕРАТУРЫ 
1. Вершовский Е.А. Роевой алгоритм оптимизации в задаче кластеризации мультиспектрального снимка 
//Известия ЮФУ. Технические науки. – 2010. – №5 (106).С. 102-107.  
2. Parallel Particle Swarm Optimization Clustering Algorithm based on MapReduce Methodology // Nature and 
Biologically Inspired Computing (NaBIC), 2012 Fourth World Congress. 5-9 Nov. 2012. P. 104-111. 
 
 
ПРИМЕНЕНИЕ ТЕХНОЛОГИИ MPI ДЛЯ МАСШТАБИРОВАНИЯ ИЗОБРАЖЕНИЙ 
Мансурова М.Е., Ислямова А.Н., Мəткерім Б. 
Казахский национальный университет имени аль-Фараби, Алматы, Казакстан 
E-mail: mansurova01@mail.ru 
 
Существует множество методов повышения разрешения и масштабирования цифровых 
изображений. Простейшие методы, называемые линейными, осуществляют интерполяцию с 
помощью полифазной фильтрации. К этому классу относятся метод ближайшего соседа, билинейная 
и бикубическая интерполяции, фильтр Ланцоша и др.[1, 2]. 
Значительных  результатов  можно  достичь  путём  распараллеливания  вычислительного 
процессамасштабирования  цифровых  изображений.  Так  как  последовательно  получаемые  блоки 
пикселей  обрабатываются  полностью  независимо  друг  от  друга,  то  их  распараллеливание  не 
представляется  сложным,  при  этом  оно  даёт  значительное  ускорение  масштабирования [3, 4]. В 
данной  работе  для  масштабирования  изображений  был  выбран  алгоритм  бикубической 
интерполяции, для которого был разработан параллельный вариант реализации. 
Согласно  определению  алгоритма  бикубической  интерполяции  изображения,  значение  каждой 
точки  интерполяции  связано  со  значениями      ближайших  соседних 16-ти  точек.  В  виду  большого 
объема вычислений задача распараллеливания бикубической интерполяции является актуальной. 

91 
В  данной  работе  параллельный  алгоритм  масштабирования  изображений  использует 
декомпозицию  по  стандарту  Master-Slave,  в  котором  Master-процесс  координирует  действия  Slave-
процессов и собирает частичные данные для получения окончательного результата. Программа была 
реализована  на  языке Java с  применением  технологии MPJ. Процесс  продолжается  до  достижения 
заданного уровня масштабирования изображений. 
Основные этапы параллельного алгоритма можно описывать следующим образом: 
1. Master-процесс разделяет оригинальное изображение на k одинаковых по размеру блоков без 
перекрытия  между  различными  блоками.  Затем  отправляет  каждый  блок,  состоящий  из  набора 
пикселей векторов k Slave-процессам.  
2. Каждый Slave-процесс маркирует пиксели f(х, у) в соответствующем блоке. Затем выполняется 
одна  итерация  бикубической  интерполяции.  Для  вычисления  значения  в  некоторой  точке  на 
очередном  шаге  итерации  используются  значения  в  данной  точке,  а  также  значения  в  соседних 
точках  на  предыдущем  шаге  итерации.  Блоки,  полученные  после  первоначального  разбиения, 
предлагается  представить  состоящими    из  трех  частей:  теневых  (ghost),  граничных  (boundary)  и 
внутренних  (interior)  областей.  Преобразования  данных  согласно  алгоритму  могут  проводиться 
независимо от других блоков только для точек внутренней области. Вычисления значений граничной 
области  требуют  значений  граничных  областей  соседей.  Эти  значения  предлагается  хранить  в 
теневых областях данного блока. Таким образом, теневые области содержат дублированные значения 
граничных областей соседей.  
3. После выполнения заданного количества итераций и достижения необходимого уровня 
масштабирования Master-процесс собирает всю информацию, представленную Slave-процессами, и 
объединяет ее. 
Реальные изображения, используемые в промышленных системах технического зрения, 
дефектоскопии, мониторинга процессов и т.д. сложны для автоматического анализа и обладают 
множеством свойств, определяемых не только условиями формирования изображения, но и методами 
его последующей обработки, а также целями использования извлекаемой из них информации. 
Поэтому вопрос ускорения процесса обработки изображений посредством распараллеливания 
остается очень актуальным на сегодняшний день. 
 
СПИСОК ЛИТЕРАТУРЫ 
1.  Лукин  А.  Интерполяция  изображений  с  автоматическимхинтованием  на  основе  разреженного 
градиента. – Лаборатория  математических  методов  обработки  изображений,  факультет  ВМК  МГУ  им.  М.  В. 
Ломоносова. – М.: МГУ, 2011. 
2. GeorgeY. Lu1, DavidW. Wong.Anadaptiveinverse-distanceweightingspatialinterpolationtechnique 
//Computers&Geosciences. –Vol. 34, No.9, 2008.pp.1044-1055. 
3.  Егоров  И.В.,  Внуков  А.А.  Разработка  высокопроизводительного  параллельного  алгоритма 
масштабирования изображений. – М.: МИЭМ НИУ ВШЭ, 2012. 
4. Pughineanu C., Balan I. Parallel Algorithm Evaluation in the Image and Clustering Processing. // Electronics 
and electrical engineering, 2011. – No. 4(110). 
 
 

жүктеу/скачать 2,47 Mb.

Достарыңызбен бөлісу: