Общий анализ данных приводит к выводу, что экстремальная ситуация сильно влияет на эффективность соревновательной деятельности баскетболистов.
«Экстремальная подготовленность» означает «особую подготовленность» спортсмена. Положительное влияние на готовность к экстремальным игровым ситуациям оказывают эмоциональная устойчивость, психологическая гибкость, смелость, общительность, коллективизм, игровой потенциал, оптимизм.
Негативное влияние имеют такие свойства личности, как агрессивность, страх, подозрительность, изменчивость настроения, возбудимость, пессимизм [2].
Динамику психической готовности к экстремальной соревновательной деятельности с ростом квалификации, можно, объяснить, в связи со стадиями подготовки.
Стадия начальной спортивной специализации.
Соревновательная деятельность для юных спортсменов имеет скорее игровой характер. Они склонны к неадекватному отражению психологической действительности, не знают собственные особенности и возвышают возможности.
Стадия углубленной спортивной специализации.
Происходит первичная профессионализация спортивной деятельности. Спортсмены начинают осознавать значимость занятий спортом. Соревновательная деятельность предъявляет специфические требования к личности. Психофизиологическая адаптация отстает от уровня развития физических качеств.
Стадия высоких достижений.
Происходит окончательная профессионализация спортивной деятельности. Соревновательная деятельность обретает высокую значимость в жизни спортсмена. Спортсмены или приспосабливаются к требованиям соревновательной деятельности, или «выбраковываются» из нее [3].
На основании анализа литературных источников, педагогических наблюдений и экспериментальных данных можно выделить три признака готовности баскетболистов к экстремальным игровым ситуациям: устойчивость, волевая активность, самоконтроль.
Правильная оценка психофизиологического, функционального резерва спортсмена, умение тренера своевременно вскрыть его сильные и слабые стороны, позволяют научно обоснованно корректировать тренировочный процесс, предотвращая кумуляцию утомления и ухудшения здоровья, прогнозировать и оценивать готовность спортсмена к экстремальной соревновательной деятельности.
Список использованных источников
1. Родионов А.В., Вендрих А.Ф. Оценка уровня развития психических функций в целях диагностики подготовленности баскетболистов к ответственным соревнованиям /ГЦОЛИФК.- М., 1971.
2. О С. Васильева, Л.Р. Правдина. Развитие личности в экстремальных условиях./ Основы психофизиологии экстремальной деятельности. Под редакцией доктора педагогических наук, профессора А.Н. Блеера, М. 2006, с. 173.
3. А.Б. Ильин. Особенности личности, действующей в экстремальных условиях./ Основы психофизиологии экстремальной деятельности. Под редакцией доктора педагогических наук, профессора А.Н. Блеера, М. 2006, с. 149-150.
АЛГЕБРА, ГЕОМЕТРИЯ И МАТЕМАТИЧЕСКИЙ АНАЛИЗ
УДК 510.52;510.532
В.С. Усатюк
Братский государственный университет г. Братск, Россия
ИЕРАРХИЯ СЛОЖНОСТИ ЗАДАЧ ТЕОРИИ РЕШЕТОК
В работе представлена иерархия сложности задач теории решеток (по времени выполнения) в зависимости от точности решения. Иерархия получена в результате анализа источников [2...6] и основана на факте редукции задач теории решеток к NP-полным задачам: поиска кратчайшего вектора (SVP-задаче), поиска ближайшего вектора к данному вектору(^Р-задаче).
В рамках направления постквантовой криптографии (криптостойкие к квантовым компьютерам системы шифрования) ключевую роль играет класс криптографий на основе задач теории решеток. Доказательство криптостойкости которых как к квантовым, так и традиционным вычислительным машинам, опирается на сложность решения задач лежащих в основе исследуемого шифрования. Фиксируя
ряд параметров, можно построить иерархию сложности задач теории решеток, которая с одной стороны доказывает криптостойкость шифрования при выбранных параметрах задачи, с другой стороны упрощает проектирование новых систем шифрования на основе таких задач. Суть проектирования шифрования - выбор параметров задачи, которая в результате редукции к фундаментальным SVP,CVP-задачам будет принадлежать необходимому классу сложности. Перед, тем как перейдем непосредственно к иерархии задач, введем необходимую терминологию.
Решетка - дискретная аддитивная подгруппа, заданная на множестве Rn, т. е. решетку L можно представить как множество векторов заданных целочисленным линейно независимым базисным вектором B = {bj,...,bn} с Rn , определенным по модулю некоторого целого числа x е Zn ,
n n
L = 2 b - Z = {Bx : x е Zn } . У решетки может быть множество базисов, L = 2ai ' Z . i=1 i=1 Под кратчайшим вектором решетки будем понимать вектор с координатами
Aj(L) = min x — y = min x . Тогда многомерным обобщением этого понятия будет \ (L) - ог-
x, yeL, x^y xeL, x^Ü
раниченное минимальным r, для которого размерность решетки внутри шара радиуса r больше либо равна k.
Под задачей поиска кратчайшего вектора (shortest vector problem, SVPyp) понимают: по базису
Т rymxn г\
решетки L е Z и вещественному у > Ü , поиск ненулевого вектора
b еLZn \{Ü}: И < у-Api(L).
и lip
Под задачей поиска ближайшего вектора к данному (Closes Vector Problem, CVPPy) понимают: по базису решеткиL е Z"" , вещественному у > Ü и заданному вектору j е LRn, поиск ненулевого вектора b е LZ" :|| j — b||p< уА^(L) . Обзор ряда других задач теории решеток представлен в [1].
Таблица 1
Иерархия сложности задач теории решеток (по времени выполнения)
Класс сложности Сложность по времени выполнения от точности решения у
NPC (NP-полная) у0 = 1...2(log"f~crl для SVP ... n(loglogn)—1для CVP ... у, = n°(1)
1 s & ^ s2 -S s с: & Рч » £ NP П coAM ^ ^ ) V log n
NP П coNP n log log n [4n,2 log n ), где n — размерность решетки
BPP (вероятностно полиномиальный) n log log n n (log log n )2 [2 log n 2 log n )
P n (log log n )2 [2 log n , œ )
В табл. 1 представлена иерархия сложности по времени выполнения задач теории решеток, относительно у построенная на основе алгоритмов:
- точного решения задач теории решеток (у = 1) со сложностью 2O(n) и аналогичной сложностью по пространству, NPC (NP-полная) [2];
- приближенного решения задач теории решеток: блочном алгоритме Коркина-Золотарева (block Korkin-Zolotarev, BKZ-LLL), методе приближения рядами Фурье [3] и прочими методами:
1. NPC для у > n(1°slos n) , где n — размерность решетки [3];
2. P для субэкспоненциальной точности у(2п(1°8nlogn) /logn ) [4],[5];
3. Вероятно не NPC (NP П coAM) для у > ,Jn/logn , NP П coNP для у >4ñ, BPP (вероятностно полиномиальные) для у > 2n 1о81°8n/logn [6].
Задачи теории решеток предоставляют широкие возможности построения разнообразных систем шифрования, что делает теорию решеток перспективным направлением фундаментальных и прикладных математических исследований.
Список использованных источников
1. Lattices. Main Lattice Problems [Электронный ресурс] - 2009. - 7 стр. - Режим доступа: http://www. ecrypt.eu. org/wiki/index. php/Lattices
2. Micciancio D., Voulgaris P. A Deterministic Single Exponential Time Algorithm for Most Lattice Problems based on Voronoi Cell Computations [Электронный ресурс] - 2009. - 14 стр. - Режим доступа: http://cseweb.ucsd. edu/~daniele/ papers/Voronoi.pdf
3. Dinur I., Kindler G., Safra S. Approximating CVP to Within Almost-Polynomial Factors is NP-hard. Combinatorica, Springer Berlin, Volume 23 (Num. 2), 2003, pp. 205-243.
4. Schnorr C. P. A hierarchy of polynomial time lattice basis reduction algorithms. Theoretical Computer Science, 53(2-3):201-224, 1987.
5. Lenstra A.K., Lenstra H. W., Lovasz L. Factoring polynomials with rational coefficients. Math. Ann., 261(4):515-534, 1982.
6. Aharonov D., Regev. O. Lattice problems in NP intersect coNP. In Proc. 45th Annual IEEE Symp. on Foundations of Computer Science (FOCS), 2004, pp. 362-371.
ИНФОРМАТИКА
УДК 004.42
Н.А. Лаврухина, Н.И. Абасова
Иркутский государственный университет путей сообщения г. Иркутск, Россия
ПОДХОД К АВТОМАТИЗАЦИИ ЭКСПЕРТИЗЫ КАЧЕСТВА ТЕСТОВЫХ МАТЕРИАЛОВ
В работе представлен анализ проблемы, связанной с автоматизацией процесса экспертизы качества тестовых материалов. Предлагается подход к построению программного комплекса для проведения экспертизы на базе веб-технологий.
Проблема объективной количественной оценки знаний студентов привлекает многих исследователей [1, 2, 3]. Сложность этой проблемы обусловлена многочисленными недостатками традиционной формы контроля [4] : выборочность проверяемых знаний, слабая дифференциация студентов и др. Современные технологии в значительной мере помогают решить данную проблему, используя, наряду с традиционными видами учебного контроля, метод автоматизированного тестирования.
Применение тестов как средства автоматизации оценки знаний, затрагивает в настоящее время не только учебные учреждения, но и производственные предприятия. Основными задачами в данном случае являются: определение уровня квалификации и аттестация персонала, проведение сертифицированных экзаменов, отбор кандидатов на вакантные должности и т.д.
Объективность результатов тестирования в существенной степени определяется качеством используемых тестовых материалов (ТМ). Поэтому, применение метода тестирования сдерживается отсутствием данных о качестве TM, что обуславливает необходимость проведения экспертизы.
Экспертиза качества ТМ - процесс системного исследования характеристик тестового материала в целом совокупностью приемов и методов комплексного измерения. Результатом данного процесса являются итоговые заключения оценочного мероприятия с точки зрения соответствия или несоответствия установленным критериям и показателям качества.
Развитие информационных технологий способствовало разработке и внедрению в практическое использование различных программных комплексов тестирования. Наиболее известные из них: система тестирования и оценки персонала "Профессионал-2"; система комплексной оценки учащихся стар-
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.