Формализация механизмов трансформации параметров и минимизация совокупных издержек трансфера в разнородных средах

В современной науке процессы передачи материальных, информационных и правовых объектов зачастую рассматриваются изолированно, что препятствует выявлению универсальных закономерностей их функционирования и затрудняет оценку совокупных издержек трансфера в разнородных системах. Целью данной работы является разработка единого математического аппарата для описания и оптимизации процессов перехода сущностей различной природы между агентами. Исследование базируется на методах системного анализа и математического моделирования, в рамках которых была проведена классификация структурных подобий (изоморфизмов) в логистических, правовых и информационных процессах. Для формализации воздействий внешней среды использован метод группировки факторов по девяти базовым механизмам трансформации параметров: времени, стоимости, надежности и структурной сложности. В результате работы создана универсальная модель, позволяющая количественно оценивать сопротивление среды через аппарат бинарных флагов чувствительности. Разработан двухэтапный алгоритм оптимизации, реализующий предварительную фильтрацию траекторий по расчетному порогу надежности и последующий поиск минимума целевой функции совокупных издержек. Практическая значимость результатов заключается в возможности обнаружения скрытых потерь ресурсов и временных лагов, которые не фиксируются традиционными узкоспециализированными методами анализа. Предложенный подход позволяет проектировать устойчивые системы трансфера, обеспечивая баланс между скоростью передачи сущности и безопасностью процесса в условиях динамически меняющейся среды.

1. Kabashkin I., Sansyzbayeva Z. Methodological Framework for Sustainable Transport Corridor Modeling Using Petri Nets. Sustainability. 2024;16(2). https://doi.org/10.3390/su16020489

2. Zhou J., Qin X., Ding Y., Ma H. Spatial-Temporal Dynamic Graph Differential Equation Network for Traffic Flow Forecasting. Mathematics. 2023;11(13). https://doi.org/10.3390/math11132867

3. Goudey B., Geard N., Verspoor K., Zobel J. Propagation, detection and correction of errors using the sequence database network. Briefings in Bioinformatics. 2022;23(6). https://doi.org/10.1093/bib/bbac416

4. Hussain A., Hussain T., Attar R.W., et al. Energy-efficient synchronization for body sensor network in the metaverse: an optimized connectivity approach. EURASIP Journal on Wireless Communications and Networking. 2025;2025(1). https://doi.org/10.1186/s13638-025-02433-4

5. Li B., Kong L., Zhang X., et al. Deep Learning-Based Secure Transmission Strategy with Sensor-Transmission-Computing Linkage for Power Internet of Things. Computers, Materials & Continua. 2024;78(3):3267–3282. https://doi.org/10.32604/cmc.2024.047193

6. Mitrea D.A., Marian C.V., Manolescu R.A. Digital Transformation: Design and Implementation of a Blockchain Platform for Decentralized and Transparent Property Asset Transfer Using NFTs. World. 2025;6(4). https://doi.org/10.3390/world6040166

7. Hodgson G.M. Transactions and legal institutionalism: part I – six leading thinkers. Journal of Institutional Economics. 2025;21. https://doi.org/10.1017/S1744137425000049

8. Xue Y., Liu H., Chai Zh., Wang Z. The Decision-Making and Moderator Effects of Transaction Costs, Service Satisfaction, and the Stability of Agricultural Productive Service Contracts: Evidence from Farmers in Northeast China. Sustainability. 2024;16(11). https://doi.org/10.3390/su16114371

9. Fang F., Ma J., Ma Y.-J., Boccaletti S. Social contagion on higher-order networks: The effect of relationship strengths. Chaos, Solitons & Fractals. 2024;186. https://doi.org/10.1016/j.chaos.2024.115149

10. Ali M. Dynamic graph models for evolving social networks. Journal of Mathematical Problems, Equations and Statistics. 2024;5(1):93–99. https://doi.org/10.22271/math.2024.v5.i1a.249

11. Zhang M., Liu L., Wang Y. Research on the dynamic spread of information in social networks based on relationship strength theory and feedback mechanism. Frontiers in Physics. 2024;12. https://doi.org/10.3389/fphy.2024.1327161

12. Dong Y., Huo L., Perc M., Boccaletti S. Adaptive rumor propagation and activity contagion in higher-order networks. Communications Physics. 2025;8(1). https://doi.org/10.1038/s42005-025-02181-3

13. Журавлев М.В., Ашмарина Т.И., Вахрушева И.А., Музалев К.С. Моделирование тепловых потоков в подземных горных выработках с применением параллельного программирования. Известия Тульского государственного университета. Науки о Земле. 2025;(3):292–297.

14. Kukartsev V.V., Tynchenko V.S., Chzhan E.A., et al. Solving the problem of trucking optimization by automating the management process. Journal of Physics: Conference Series. 2019;1333(7). https://doi.org/10.1088/1742-6596/1333/7/072027

15. Matania O., Klein R., Bortman J. Transfer Across Different Machines by Transfer Function Estimation. Frontiers in Artificial Intelligence. 2022;5. https://doi.org/10.3389/frai.2022.811073

16. Yan Zh., Sun J., Zhang Y., et al. Federated Transfer Learning Strategy: A Novel Cross-Device Fault Diagnosis Method Based on Repaired Data. Sensors. 2023;23(16). https://doi.org/10.3390/s23167302

17. Wang W., Li Zh., Li W. Graph embedding-based heterogeneous domain adaptation with domain-invariant feature learning and distributional order preserving. Neural Networks. 2024;170:427–440. https://doi.org/10.1016/j.neunet.2023.11.048

18. Mu Z., Li D., Zhao J., Jiang H., Shao Q. TransNet: A transfer-augmented domain adaptation model for cross-domain water quality index prediction in data-scarce scenarios. Knowledge-Based Systems. 2025;328. https://doi.org/10.1016/j.knosys.2025.114220

19. Boyko A.A., Kukartsev V.V., Eremeev D.V., et al. The dynamic simulation model of calculating equipment purchase with the bond loan. Journal of Physics: Conference Series. 2019;1399(3). https://doi.org/10.1088/1742-6596/1399/3/033120

20. Si H., Li W., Wang Q., et al. A secure cross-domain interaction scheme for blockchain-based intelligent transportation systems. PeerJ Computer Science. 2023;9. https://doi.org/10.7717/peerj-cs.1678

21. Jia L., Zhang Q., Liu Sh., Kong B., Liu Y. Multi-Station Agricultural Machinery Scheduling Based on Spatiotemporal Clustering and Learnable Multi-Objective Evolutionary Algorithm. AgriEngineering. 2025;7(6). https://doi.org/10.3390/agriengineering7060197

22. Sun Y., Tian Zh. Solving few-shot problem in wind speed prediction: A novel transfer strategy based on decomposition and learning ensemble. Applied Energy. 2025;377(5). https://doi.org/10.1016/j.apenergy.2024.124717

23. Cui T., Shi Y., Wang J., et al. Practice of an improved many-objective route optimization algorithm in a multimodal transportation case under uncertain demand. Complex & Intelligent Systems. 2025;11(2). https://doi.org/10.1007/s40747-024-01725-4

24. Bukhtoyarov V.V., Tynchenko V.S., Petrovsky E.A., Dokshanin S.G., Kukartsev V.V. Research of methods for design of regression models of oil and gas refinery technological units. IOP Conference Series: Materials Science and Engineering. 2019;537(4). https://doi.org/10.1088/1757-899X/537/4/042078

25. Xu Zh., Zheng Ch., Zheng Sh., Ma G., Chen Zh. Multimodal Transportation Route Optimization of Emergency Supplies Under Uncertain Conditions. Sustainability. 2024;16(24). https://doi.org/10.3390/su162410905

26. Lemus-Romani J., Crawford B., Cisternas-Caneo F., Soto R., Becerra-Rozas M. Binarization of Metaheuristics: Is the Transfer Function Really Important? Biomimetics. 2023;8(5). https://doi.org/10.3390/biomimetics8050400

27. Liu Y., Ma C., Huang Y. An Internet of Things-Based Production Scheduling for Distributed Two-Stage Assembly Manufacturing with Mold Sharing. Machines. 2024;12(5). https://doi.org/10.3390/machines12050310

28. Lingyun G., Niffenegger M., Jing Zh. A novel procedure to evaluate the performance of failure assessment models. Reliability Engineering & System Safety. 2022;226(3). https://doi.org/10.1016/j.ress.2022.108667

29. Shang Y., Nogal M., Teixeira R., Wolfert A.R.M. Extreme-oriented sensitivity analysis using sparse polynomial chaos expansion. Application to train-track-bridge systems. Reliability Engineering & System Safety. 2023;243(1). https://doi.org/10.1016/j.ress.2023.109818