Теория Демпстера — Шейфера: разработка новой программной реализации и создание бенчмарка

Авторы

DOI:

https://doi.org/10.32603/2071-2340-2026-2-57-73

Ключевые слова:

теория Демпстера--Шейфера, бенчмаркинг, профилирование производительности, Python, открытые библиотеки, воспроизводимость экспериментов

Аннотация

В работе представлена открытая платформа для воспроизводимого тестирования и сравнения реализаций основных алгоритмов Демпстера — Шейфера. Платформа включает генератор тестовых данных, унифицированный адаптерный интерфейс для библиотек и многоуровневую систему профилирования (CPU, память, анализ исходного кода по строкам). Проведено экспериментальное сравнение четырех библиотек на Python: собственной реализации DSha, а также открытых dstpy, dstz и pyds. Результаты демонстрируют, что DSha превосходит аналоги по совокупности показателей: обеспечивает ускорение от 2 до 8,7 раз на полном 4-шаговом процессе при наиболее сбалансированном потреблении памяти. Выявлено, что pyds не поддерживает критически важные этапы дисконтирования и правила Ягера, а dstz показывает падение производительности (до 8,7 раз медленнее) на этапах комбинирования из-за неэффективной работы с множествами. Анализ исходного кода по строкам идентифицировал операции над set/frozenset как основной узел во всех реализациях, определяя направления дальнейшей оптимизации. Все артефакты экспериментов и исходный код доступны в открытом репозитории.

Биографии авторов

  • Владимир Андреевич Пархоменко, Санкт-Петербургский политехнический университет Петра Великого

    старший преподаватель Высшей школы программной инженерии Института компьютерных наук и кибербезопасности, СПбПУ, vladimir.parkhomenko@spbstu.ru

  • Фёдор Александрович Новиков, Санкт-Петербургский политехнический университет Петра Великого

    доктор технических наук, профессор, Физико-механический институт, СПбПУ, novikov_fa@spbstu.ru

  • Егор Сергеевич Плеханов, Санкт-Петербургский политехнический университет Петра Великого

    студент магистратуры, Институт компьютерных наук и кибербезопасности, СПбПУ, plehanov.es@edu.spbstu.ru

Библиографические ссылки

A. Dempster, "Upper and lower probabilities induced by a multivalued mapping," Annals of Mathematical Statistics, vol. 38, no. 2, pp. 325-339, 1967, doi: 10.1214/aoms/1177698950.

G. Shafer, A Mathematical Theory of Evidence. Princeton, NJ, USA: Princeton University Press, 1976.

reineking, "Библиотека pyds," GitHub. [Online]. Available: https://github.com/reineking/pyds.git

zttxtech, "dstz library", GitHub. [Online]. Available: https://github.com/ztxtech/dstz.git

geekabel, "dst-py library", GitHub. [Online]. Available: https://github.com/geekabel/dst-py.git

B. Cheung, "Dempster-shafer theory for classification using python," Blog post, Aug. 2020. [Online]. Available: https://bennycheung.github.io/dempster-shafer-theory-for-classification

E. S. Plehanov and V. A. Parkhomenko. DSha library source code. [Online]. Available: https://github.com/DM-groups/DSHa

L. V. Utkin, Risk Analysis and Decision Making under Incomplete Information. St. Petersburg, Russia: Nauka, 2007 (in Russian).

R. Yager, "On the dempster-shafer framework and new combination rules," Information Sciences, vol. 41, pp. 93-137, 1987, doi: 10.1016/0020-0255(87)90007-7.

V. Ivanov, N. Vinogradova, B. Palyukh, and A. Sotnikov, "Current trends and applications of dempster-shafer theory (review)," 2021, arXiv:2103.15592.

K. Zhao, L. Li, Z. Chen, R. Sun, G. Yuan, and J. Li, "A survey: Optimization and applications of evidence fusion algorithm based on dempster-shafer theory," Applied Soft Computing, vol. 126, p. 109075, 2022, doi: 10.1016/j.asoc.2022.109075.

K. Belmessous, F. Sebbak, M. Mataoui, M. Senouci, and W. Cherifi, "Dempster-shafer theory in recommender systems: A survey," International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, vol. 32, no. 05, 2024, doi: 10.1142/S0218488524500181.

A. Kaltsounidis and I. Karali, "Dempster-shafer theory: How constraint programming can help," in Proc. of the 13th International Conference on Scalable Uncertainty Management, 2020, pp. 373-386, doi: 10.1007/978-3-030-50143-3_27.

A. Paksoy and M. Gokturk, "Information fusion with dempster-shafer evidence theory for software defect prediction," Procedia Computer Science, vol. 3, pp. 600-605, 2011, doi: 10.1016/j.procs.2010.12.100.

E. S. Plehanov and V. A. Parkhomenko, DS-Benchmark project repository. [Online]. Available: https://github.com/DM-groups/DS-Benchmark

V. V. Podinovski, Ideas and Methods of Criteria Importance Theory in Multi-Criteria Decision Making Problems, Moscow: Nauka, 2019 (in Russian).

Опубликован

30.06.2026

Выпуск

№ 2 (2026)

Раздел

Искусственный интеллект и машинное обучение

Лицензия

Copyright (c) 2026 Владимир Пархоменко

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Авторский договор

Как цитировать

[1]
В. А. Пархоменко, Ф. А. Новиков, и Е. С. Плеханов, «Теория Демпстера — Шейфера: разработка новой программной реализации и создание бенчмарка», Компьютерные инструменты в образовании, вып. 2, сс. 57–73, июн. 2026, doi: 10.32603/2071-2340-2026-2-57-73.

Похожие статьи

31-40 из 124

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.

Наиболее читаемые статьи этого автора (авторов)