The Adaptive State: Integrating Blockchain, AI, and Agile Governance Methodologies

George Pashev¹ (Jidai Mirai), Rayna Koleva²

georgepashev@uni-plovdiv.bg¹, https://bit.ly/gpashev¹

University of Plovdiv “Paisii Hilendarski”

Abstract

The evolving complexities of modern governance demand innovative systems that combine technological advancements with adaptive methodologies. Building on the concept of the Adaptive State, this article explores a governance model that integrates blockchain (via the ARDIAN token), AI-driven decision-making, and Agile methodologies (such as Kanban in Jira). This framework aims to create a responsive, equitable, and dynamic governance system by addressing systemic challenges and harnessing decentralized, meritocratic, and expertise-driven principles.

Keywords: Adaptive Governance, Blockchain Technology, Artificial Intelligence, Decentralized Systems, Sapientocracy

Introduction

Background and Theoretical Foundations

The convergence of blockchain technology, artificial intelligence (AI), and adaptive governance is redefining modern systems of decision-making and societal organization. Recent works, such as Chaffer and von Goins' (2024) analysis of decentralized AI governance, and Nafiu et al.'s (2025) research on blockchain-based risk management in financial markets, illustrate the transformative potential of these technologies to enhance transparency, efficiency, and inclusivity. Liu's (2024) study on e-governance in project management and Kalluri’s (2025) insights into modular blockchain-AI systems further highlight the adaptability of these approaches in addressing complex societal needs.

The strengths of these systems are evident in their ability to mitigate traditional governance inefficiencies. Blockchain offers unparalleled transparency by immutably recording decisions and transactions, ensuring accountability (Chaffer & von Goins, 2024). AI enhances decision-making by dynamically analyzing risks and optimizing workflows, as demonstrated by Kumar and Jack’s (2024) research on resilient disaster recovery systems. Furthermore, the combination of AI and blockchain facilitates robust trust mechanisms, such as the federated trust frameworks explored by Tuncel and Öztoprak (2025).

Despite their promise, these innovations are accompanied by challenges. The integration of blockchain and AI demands significant computational resources, raising concerns about scalability, energy consumption, and data privacy (Singh & Singh, 2025). Technical complexities and implementation hurdles, highlighted in Holloway's (2025) study on adaptive supply chains, further underscore these difficulties. Additionally, uneven access to advanced technologies risks exacerbating digital divides, while algorithmic bias and over-reliance on automation pose ethical and practical concerns.

Nevertheless, the synergy of blockchain and AI, underpinned by adaptive governance principles, holds immense potential to revolutionize governance systems. By addressing inefficiencies, fostering inclusivity, and promoting resilience, these technologies provide a foundation for equitable and responsive decision-making. This paper builds upon prior research, exploring how blockchain, AI, and adaptive methodologies can integrate into a cohesive framework for a more sustainable and effective governance model.

Modern governance systems, influenced by traditional models, often fail to adapt efficiently to societal complexities and global interconnectedness. The Adaptive State model reimagines governance as a responsive and dynamic system. Its structure, inspired by Swiss direct democracy, combines elements of game theory, adaptive systems theory, and positive-sum games. Unlike static governance, the Adaptive State evolves continuously, with goals and strategies dynamically recalibrated based on real-time feedback and expert input.

Key components of this model include:

· Governance Structure: Citizens (S), legislature (L), judiciary (C), executive (I), and media (Md).

· Feedback and Adaptation: Goals (G) are updated via feedback loops (R), ensuring resilience against societal and environmental changes.

· Merit-Based Participation: Expertise and measurable contributions redefine democratic engagement, moving beyond a one-person-one-vote paradigm.

Modern governance systems, deeply rooted in traditional frameworks, often struggle to address the dynamic and multifaceted challenges posed by societal complexities and the global interconnectedness of the modern world. These systems, while effective in certain contexts, frequently lack the flexibility and responsiveness required to adapt to rapid changes in social, economic, and environmental landscapes. The concept of the Adaptive State seeks to transform this static approach to governance by introducing a model that is inherently dynamic, responsive, and participatory. Unlike traditional governance structures, which operate within fixed frameworks, the Adaptive State is designed to evolve continuously, recalibrating its strategies and goals in response to real-time feedback and expert insights.

Drawing inspiration from the principles of Swiss direct democracy, the Adaptive State integrates elements of game theory, adaptive systems theory, and the concept of positive-sum games. This fusion creates a governance model where collaboration among stakeholders generates outcomes that benefit all participants, rather than perpetuating zero-sum conflicts. The model envisions governance not as a rigid hierarchy but as an interconnected system capable of self-regulation and innovation. This adaptive nature allows it to respond effectively to emerging challenges while maintaining democratic legitimacy and fostering inclusivity.

At the heart of the Adaptive State lies a well-defined governance structure that encompasses multiple interconnected components. Citizens serve as the foundation of this system, actively participating in decision-making processes and contributing their expertise to drive informed policies. The legislature provides a forum for deliberation and lawmaking, while the judiciary ensures that actions align with the rule of law. The executive branch implements policies efficiently, guided by clear objectives and accountability mechanisms. Media and public figures play a crucial role in facilitating transparent communication, fostering public discourse, and ensuring that citizens remain informed and engaged.

One of the distinguishing features of the Adaptive State is its ability to incorporate continuous feedback and adaptation. Goals and strategies within this system are not static but are subject to regular review and adjustment through established feedback loops. These mechanisms allow the governance structure to assess the effectiveness of its actions, identify emerging challenges, and recalibrate its priorities. By embedding resilience and adaptability into its core, the Adaptive State is better equipped to navigate the complexities of modern governance, ensuring its relevance and efficacy over time.

Perhaps the most transformative aspect of the Adaptive State is its emphasis on merit-based participation. Unlike conventional democratic models that operate on a one-person-one-vote principle, the Adaptive State values expertise and measurable contributions. This approach elevates the role of informed decision-making by granting greater influence to individuals who have demonstrated a deep understanding of specific domains. Participation in governance is not merely a right but a responsibility, where individuals are encouraged to contribute meaningfully and are rewarded for their expertise and dedication. This meritocratic principle ensures that governance decisions are informed by knowledge and experience, promoting better outcomes for society as a whole.

In this evolving paradigm, the Adaptive State redefines governance as a collective, dynamic endeavor. By leveraging the principles of collaboration, adaptability, and expertise, it provides a framework capable of addressing the intricate demands of the modern era while fostering inclusivity and innovation. The Adaptive State stands as a visionary model for the future, where governance evolves in harmony with the needs and aspirations of society.

Introducing Sapientocracy: The Core of Adaptive Governance

As modern governance systems evolve, there is a growing recognition that traditional decision-making structures, including those based on conventional meritocracy, often fall short in addressing the complexities of contemporary society. The Adaptive State introduces sapientocracy, a novel governance paradigm where influence, decision-making power, and participation are rooted in demonstrated knowledge, domain-specific expertise, and wisdom.

Sapientocracy represents a shift from general merit-based governance to a knowledge-centric approach. Unlike meritocracy, which broadly rewards contributions and achievements across various domains, sapientocracy emphasizes the role of informed decision-making. In this model, expertise in specific fields—such as environmental science, healthcare, or economics—grants individuals greater weight in shaping policies within those areas. This ensures that governance is driven by wisdom, data, and evidence rather than uninformed opinion or populist tendencies.

The term sapientocracy is particularly relevant in the context of the Adaptive State, where advanced technologies such as blockchain and AI agents validate and amplify the role of expertise. Blockchain ensures transparency and accountability by immutably recording actions, while AI systems assess the quality and relevance of contributions, ensuring that decision-making processes remain equitable and knowledge-driven. Together, these technologies enable sapientocracy to function as a robust, scalable, and adaptive model of governance.

By embedding sapientocracy into the foundation of the Adaptive State, this approach addresses the limitations of traditional governance systems, such as susceptibility to uninformed decision-making, lobbying, and inequitable representation. It fosters a society where participation and influence are aligned with wisdom and expertise, ensuring that policies are not only effective but also grounded in a deep understanding of the issues they aim to address.

Sapientocracy is more than a theoretical concept—it is a practical framework for governance in a knowledge-driven world, where technology and human expertise collaboratively shape a just and sustainable future.

Leveraging Technology for Modern Governance

Blockchain and ARDIAN Token: A Revolution in Governance and Economics

The ARDIAN token, a proprietary Layer 3 cryptocurrency built on the Solana blockchain, represents a paradigm shift in governance and economics. Designed for scalability and efficiency, Solana's infrastructure enables the ARDIAN token to process up to 65,000 transactions per second at minimal cost, making it ideal for high-frequency governance interactions. Beyond mere technical superiority, the token embodies the principles of transparency, decentralization, and incentivization, which are essential for fostering a modern, equitable governance model.

Why Central Banking is Obsolete and Undemocratic

The existing system of central banking, while historically foundational to global economic stability, increasingly reveals its limitations in addressing the demands of a rapidly changing and interconnected world. Central banks, controlled by a limited cadre of decision-makers, have disproportionate power to influence economies through monetary policy. This concentration of authority often operates outside the direct control of democratic institutions, creating an inherent disconnect between the broader populace and the financial mechanisms that govern their lives.

Central banks rely on fiat currencies, whose value is tied to trust in centralized institutions rather than intrinsic or decentralized mechanisms. These institutions can arbitrarily manipulate money supply, interest rates, and inflation, often serving the priorities of select groups or geopolitical strategies over broader societal interests. The lack of transparency and limited accountability further exacerbate these issues, undermining trust in the system.

Moreover, central banking systems are ill-equipped to adapt to the pace of technological and economic transformation. Their rigid frameworks struggle to incorporate emerging trends such as digital currencies, decentralized finance, and blockchain technologies. As global economies diversify and technological innovations reshape commerce and trade, centralized monetary policies risk becoming increasingly detached from the realities of a decentralized, digital-first world.

Adaptive State and Crypto-Based Economics

The Adaptive State model addresses the shortcomings of central banking by embracing blockchain-based economics, with the ARDIAN token at its core. This token-based economy moves away from centralized control toward a decentralized, meritocratic framework where citizens actively participate in economic and governance processes.

Technical Implementation

The ARDIAN token is more than just a digital currency; it is an integral component of a decentralized governance ecosystem. By leveraging smart contracts, it ensures that all token allocations and transactions are governed transparently and automatically, eliminating the potential for manipulation. Smart contracts encode rules for expertise verification, vote weight calculations, and contribution evaluation, guaranteeing a fair and consistent process.

Economic Participation through Earning Mechanisms

In the ARDIAN system, citizens earn tokens by contributing valuable insights and expertise to policy discussions and decision-making processes. Contributions are assessed using a sophisticated combination of peer review and AI validation. This dual-layered system ensures that input quality is evaluated with both human judgment and computational efficiency. By linking economic rewards to meaningful participation, the system encourages continuous engagement and learning, fostering a well-informed citizenry.

For example, a professional with expertise in renewable energy can contribute detailed analyses of proposed energy policies. These contributions are assessed for technical accuracy, practical applicability, and alignment with societal goals. Based on the evaluation, the contributor earns tokens that reflect the value of their input.

Dynamic Voting Power

One of the most revolutionary aspects of the ARDIAN token is its dynamic voting system. Unlike traditional democracies where voting power is static and uniform, the ARDIAN system adjusts voting weight based on demonstrated expertise in specific domains. This ensures that individuals with relevant knowledge have a greater influence on decisions within their areas of expertise. For instance, a contributor recognized for their insights into healthcare policy would have increased voting power in healthcare-related decisions, while their influence in unrelated fields, such as economic policy, remains standard.

This specialization prevents uninformed voting from skewing critical decisions and aligns decision-making power with demonstrated knowledge. The system further incorporates decay mechanisms for unused tokens, ensuring that influence is tied to active participation rather than hoarded resources. This approach eliminates the risk of entrenched power structures, encouraging continual contribution and engagement.

Incentive Alignment and Economic Equity

The ARDIAN tokenomics align individual incentives with collective goals. By rewarding expertise and engagement, the system promotes an economy where contributions to governance translate directly into economic empowerment. Citizens are motivated not only to participate in governance but also to deepen their expertise in areas of personal and societal importance. This feedback loop creates a virtuous cycle of knowledge acquisition, civic engagement, and equitable influence.

In contrast to central banking systems, where wealth accumulation is often detached from societal contributions, the ARDIAN model ties economic rewards to tangible, meritocratic participation. This decentralization of economic power reduces inequality and fosters a more equitable distribution of resources.

Collaborative Governance and the Role of Blockchain

The integration of blockchain technology ensures that the ARDIAN token operates within a transparent, decentralized ecosystem. Every transaction and allocation is recorded immutably, allowing citizens to verify processes independently. This transparency builds trust in the system and eliminates the opacity that characterizes traditional financial systems.

Furthermore, the blockchain-based framework enhances the resilience of the economy by reducing reliance on centralized authorities. In an Adaptive State, economic policies are shaped collaboratively, with blockchain serving as the foundational infrastructure for managing resources, validating contributions, and executing decisions.

Toward a Decentralized Future

By adopting crypto-based economics, the Adaptive State addresses the inherent flaws of central banking systems. It shifts power from centralized authorities to citizens, enabling a more inclusive and responsive economic model. The ARDIAN token exemplifies how technology can transform governance, fostering a society where participation, expertise, and fairness define the economic landscape.

This transition is not merely a technological upgrade but a fundamental reimagining of economic and governance systems. It reflects a commitment to decentralization, transparency, and adaptability, ensuring that the Adaptive State can meet the challenges of the modern era while empowering its citizens.

2. AI Integration

Expanding the Role of AI in the Adaptive State and Designing a Communication Architecture

AI agents in the Adaptive State are pivotal to ensuring responsive and effective governance by leveraging their dual roles as domain-specific experts and overarching coordinators. These agents collectively form an intricate network that fosters collaboration, analyzes complex data, and aligns strategies with the adaptive goals of governance.

Expanding the Roles of AI Agents in the Adaptive State

Domain-Specific Expertise

Specialized AI agents are tailored to address distinct sectors of governance, such as environmental science, healthcare, education, economics, and public infrastructure. These agents are equipped with domain-specific algorithms and datasets that allow them to:

1. Analyze Scenarios: Evaluate policy proposals, model potential outcomes, and predict long-term impacts.

2. Identify Risks: Detect vulnerabilities in existing systems and anticipate emerging threats.

3. Policy Recommendations: Generate actionable insights and policy drafts for decision-makers based on rigorous simulations and data analysis.

For instance, an AI agent focused on environmental science might model the effects of proposed carbon regulations on emissions and biodiversity while factoring in economic and social constraints. Its recommendations would be backed by extensive data simulations, ensuring informed decision-making.

Coordination and Monitoring

Meta-AI agents serve as the backbone of the Adaptive State's AI ecosystem. These agents:

1. System-Wide Operations Oversight: Monitor the performance of domain-specific agents, ensuring alignment with overarching governance goals.

2. Risk and Efficiency Analysis: Identify inefficiencies and highlight bottlenecks in the adaptive system's processes.

3. Dynamic Adjustment: Periodically reconfigure the operations of domain-specific agents to align with real-time feedback, emerging societal priorities, and adaptive goals.

Meta-AI agents analyze media trends, public discourse, and social sentiment to ensure governance remains responsive to societal needs. For example, by detecting rising concerns over healthcare access in public discourse, these agents can prompt healthcare-focused AI to prioritize addressing such issues.

Proposed Architecture for a Communication Bus Between AI Agents

The complexity of the Adaptive State necessitates a robust, scalable, and secure communication framework to enable seamless interaction between domain-specific AI agents and meta-AI coordinators. Below is a proposed architecture for a communication bus to support this ecosystem.

1. Communication Architecture Overview

The communication bus serves as the central nervous system for all AI agents in the Adaptive State. It facilitates:

· Inter-Agent Communication: Exchange of data and insights between domain-specific agents.

· Coordinator Communication: Transmission of directives and synthesized information between meta-AI agents and domain-specific agents.

· Blockchain Integration: Secure data logging and validation of all interactions using a blockchain layer to ensure transparency and immutability.

2. Core Components of the Communication Bus

a. Message Routing Layer

The message routing layer acts as a mediator between agents, using topic-based or content-based routing protocols. It ensures that:

· Domain-specific agents receive only relevant data or queries.

· Meta-AI agents efficiently collect data from multiple domain agents for system-wide analysis.

b. Data Transformation Layer

This layer standardizes data formats across agents, enabling seamless interaction between agents using diverse algorithms and datasets. For instance, healthcare agents' data must be interoperable with economic models when analyzing public health funding impacts.

c. Blockchain-Based Data Layer

A blockchain serves as a decentralized ledger to:

· Log all communications between agents for auditability.

· Ensure immutability of critical decisions and interactions.

· Validate contributions from each AI agent to ensure accountability.

d. Feedback and Learning Layer

This layer uses reinforcement learning protocols to:

· Enable agents to learn from feedback and refine their outputs over time.

· Facilitate collaborative problem-solving by sharing learned insights among agents.

3. Data Flow in the Communication Bus

1. Input Acquisition: Data from media, public discourse, sensors, and other sources are ingested by the bus.

2. Data Processing: Domain-specific agents analyze the data and share insights with the bus.

3. Coordination: Meta-AI agents synthesize information, identify trends, and send directives back to domain agents.

4. Feedback Loop: Outputs are validated, and necessary adjustments are fed back into the system for continuous learning.

4. Security and Governance

Security is paramount in this architecture. The blockchain layer not only secures data exchanges but also governs agent behavior by:

· Ensuring compliance with predefined protocols.

· Detecting and mitigating malicious or erroneous actions by rogue agents.

5. Real-World Application Scenario

Imagine a pandemic outbreak scenario:

1. Media and healthcare data are ingested by the bus.

2. Healthcare AI agents model the spread of the disease and recommend containment measures.

3. Economic agents analyze the impact of lockdowns on businesses.

4. Meta-AI agents synthesize these inputs to recommend a balanced policy that minimizes both health risks and economic damage.

5. All decisions are recorded on the blockchain, ensuring transparency and public trust.

Agile Project Management via Kanban (Jira) in the Adaptive State

The Adaptive State employs Agile principles to streamline governance, enabling transparency, adaptability, and efficiency in policy-making and implementation. Among Agile frameworks, Kanban, implemented through tools like Jira, stands out as a highly visual and dynamic approach. By breaking down complex processes into manageable tasks, Kanban ensures that governance workflows remain transparent and responsive to societal needs.

Kanban’s transparency allows stakeholders to see every stage of policy creation and execution. From drafting proposals to analyzing public feedback and implementing decisions, each task is visually represented on a shared board. This openness fosters accountability, ensuring that every action is traceable and aligned with public expectations.

In the Adaptive State, priorities are not static but dynamically adjusted based on emerging societal needs, resource availability, and urgency. Policies derived from citizen referendums are sequenced and addressed iteratively, ensuring that the most pressing issues are tackled first. This dynamic prioritization allows governance to remain fluid and focused on the most impactful areas.

Planning in the Adaptive State is iterative and reflective. Regular retrospective sessions provide opportunities to assess what worked, identify bottlenecks, and recalibrate strategies. For instance, if a policy initiative is delayed due to resource constraints, these sessions might lead to reallocating resources or refining the scope of work. This adaptive approach ensures that governance processes are always evolving to meet changing societal priorities.

The Role of AI in Enhancing Kanban Workflows

AI agents integrated into the Adaptive State significantly enhance Kanban workflows by acting as proactive monitors and coordinators. These agents analyze workflows in real-time, identifying inefficiencies, predicting potential delays, and suggesting adjustments to optimize processes. For example, if tasks are consistently delayed, AI agents can analyze resource allocation and recommend redistributing workload or adjusting deadlines.

AI’s ability to alter workflows dynamically is particularly impactful. When an AI subsystem detects systemic issues, it can modify workflows autonomously or propose changes for approval. For instance, if public feedback indicates dissatisfaction with a particular policy direction, AI can reprioritize related tasks to address these concerns promptly. Similarly, during emergencies like natural disasters, AI agents can override existing workflows to focus on immediate crisis management, allocating resources and prioritizing tasks accordingly.

Integrating Kanban and AI in the Adaptive State

The integration of Kanban workflows with an AI-driven framework creates a powerful governance system that combines human oversight with machine precision. Data from multiple sources, including public input, domain-specific analyses, and historical workflow performance, flows into the system to inform decisions. Kanban boards visually represent this information, organizing tasks into categories such as "Backlog," "In Progress," and "Completed." This visualization ensures that all stakeholders, from policymakers to citizens, can monitor progress and understand decision-making processes.

AI agents continuously interact with this workflow. By analyzing task performance and detecting inefficiencies, they suggest changes or implement them directly when authorized. For example, if delays are caused by overlapping responsibilities or insufficient stakeholder input, AI can reassign tasks or prompt earlier involvement of key contributors. These agents also forecast potential disruptions, enabling proactive adjustments that minimize the impact on overall governance goals.

To ensure transparency and accountability, all workflow changes and decisions are logged on a blockchain. This decentralized ledger records every alteration, whether initiated by humans or AI, creating an immutable history of governance activities. Such records build trust and provide a clear audit trail for stakeholders.

The Adaptive Workflow in Action

Consider a scenario where the Adaptive State is addressing climate change policy. Public concerns about air quality are flagged, and domain-specific AI agents provide projections on pollution trends. Tasks related to policy drafting, expert consultation, and public engagement are created and visualized on a Kanban board. As these tasks progress, AI agents monitor their status, reallocating resources or suggesting alternative experts if bottlenecks arise. If media analysis reveals increased public demand for immediate action, the AI subsystem dynamically reprioritizes tasks to accelerate high-priority measures. After the policy is implemented, retrospective analysis highlights successes and identifies areas for improvement, feeding these insights back into the system for future iterations.

Integrating the Subsystems: Building a Symbiotic Ecosystem

The infrastructure of the Adaptive State is designed as a tightly integrated and symbiotic ecosystem that merges blockchain technology, AI-driven decision-making, and Agile project management methodologies. This ecosystem operates as a dynamic and interconnected framework where each subsystem plays a distinct yet complementary role in achieving efficient, transparent, and adaptive governance.

Goal Setting: From Citizen Proposals to Incentivized Participation

At the heart of the Adaptive State is the process of goal setting, where citizens and experts collaboratively define the priorities of governance. This begins with individuals or groups proposing goals based on societal needs, emerging challenges, or technological opportunities. These proposals are evaluated through a multi-stage referendum process, ensuring that every proposed goal reflects the collective will and expertise of the community.

The integration of the ARDIAN token as an incentive mechanism transforms the goal-setting process into an inclusive and participatory activity. Citizens earn tokens by contributing meaningful insights or expertise to the discussions around proposed goals. For example, an environmental scientist might propose a set of goals focused on reducing carbon emissions, complete with detailed data and analysis. Their input would not only influence the governance agenda but also be rewarded through ARDIAN tokens, which reflect the value of their contribution.

By gamifying participation and aligning individual incentives with collective goals, the Adaptive State fosters an active and engaged citizenry. This system ensures that governance priorities are not just set by policymakers but are driven by informed, meritocratic participation.

Policy Execution: Operationalizing Goals Through AI and Agile Frameworks

Once goals are established and prioritized, the next step is policy execution. This process combines the computational power of AI agents with the organizational clarity of Agile frameworks, such as Kanban boards.

AI agents play a critical role in translating high-level goals into actionable tasks. Domain-specific agents analyze the proposed goals and break them down into detailed plans, accounting for factors such as resource constraints, interdependencies, and potential risks. For example, if the goal is to transition a city to renewable energy, AI agents might create tasks for feasibility studies, infrastructure upgrades, and public engagement campaigns.

These tasks are visualized and managed using Kanban boards, which provide a clear representation of workflows. Each task progresses through stages such as "Backlog," "In Progress," and "Completed," allowing stakeholders to monitor progress in real-time. The transparency of this system ensures accountability at every level, from individual contributors to overarching governance bodies.

AI agents also act as coordinators, continuously monitoring the execution process for inefficiencies or delays. If bottlenecks arise, such as a shortage of resources or unforeseen challenges, AI agents can dynamically reallocate tasks, reprioritize goals, or propose alternative strategies. For instance, if a policy rollout is delayed due to a lack of public awareness, AI might suggest accelerating media campaigns or reallocating resources to public education efforts.

Continuous Feedback: Adapting Strategies Through Real-Time Data

The Adaptive State thrives on continuous feedback, which ensures that governance remains dynamic and aligned with the realities of a changing world. Media analysis, citizen input, and real-world data flow into the system, creating a comprehensive feedback loop that informs and adjusts governance strategies.

AI agents play a central role in processing and interpreting this feedback. By analyzing public sentiment, media trends, and data from various sectors, these agents identify emerging issues, shifting priorities, or potential crises. For example, if public discourse reveals widespread concern about healthcare accessibility, the AI system can flag this as a high-priority issue and recommend reallocating resources to address it.

The blockchain infrastructure further enhances this feedback process by providing a secure and transparent record of all data inputs and governance actions. Citizens can trace how their input is reflected in decision-making, building trust and accountability. Furthermore, this transparency ensures that feedback loops are free from manipulation or bias, maintaining the integrity of the system.

The Symbiotic Ecosystem in Action

The interplay between these subsystems—goal setting, policy execution, and continuous feedback—creates a governance model that is both resilient and adaptive. Imagine a scenario where a sudden economic downturn occurs. Citizens and experts propose goals to stabilize the economy, such as implementing support programs for small businesses or increasing investments in workforce development. These proposals are evaluated through a referendum, with participants rewarded via ARDIAN tokens.

AI agents take these goals and develop a detailed execution plan, breaking them into actionable tasks managed through a Kanban framework. As the policies are implemented, continuous feedback from media reports, economic indicators, and citizen input allows the system to assess their effectiveness. If the initial policies fail to yield desired outcomes, the AI subsystem recommends adjustments, such as reallocating resources or refining strategies.

This iterative process exemplifies the Adaptive State’s ability to respond to real-time challenges while maintaining transparency and inclusivity. It demonstrates how blockchain, AI, and Agile management work in harmony to create a governance model capable of thriving in an ever-changing world.

Advantages and Disadvantages of the Adaptive State Model

The Adaptive State model presents a transformative approach to governance, integrating technological innovation, meritocratic principles, and citizen engagement to address the complexities of modern society. While the model offers numerous advantages, it also presents challenges that must be considered to ensure its effectiveness and inclusivity.

Advantages of the Adaptive State Model

1. Dynamic Responsiveness

The Adaptive State’s ability to make real-time adjustments is one of its most defining characteristics. Traditional governance systems often rely on rigid structures that make it difficult to respond promptly to societal changes or crises. By incorporating AI agents and continuous feedback loops, the Adaptive State can process data from various sources—such as public sentiment, economic trends, and environmental conditions—and adapt strategies accordingly.

For example, during a natural disaster, the system can analyze media reports, citizen feedback, and resource availability to prioritize relief efforts dynamically. This responsiveness ensures that governance remains relevant and effective, even in rapidly changing scenarios.

The downside, however, is the risk of over-reliance on real-time data, which may sometimes reflect transient trends rather than long-term priorities. Balancing immediate responsiveness with strategic foresight is critical to avoiding reactive decision-making.

2. Meritocratic Engagement

In the Adaptive State, influence is tied to expertise and meaningful contributions rather than arbitrary or uniform voting power. Citizens earn ARDIAN tokens by demonstrating knowledge and contributing insights in specific domains. This approach ensures that policy-making is driven by informed and qualified individuals, reducing the risk of uninformed or populist decisions.

Meritocratic engagement also promotes continuous learning and specialization among citizens, as those seeking greater influence are incentivized to develop expertise in areas of personal or societal importance. For instance, an environmental scientist can have a greater say in policies related to climate change, ensuring that decisions are informed by relevant expertise.

The meritocratic model, however, raises concerns about inclusivity. It risks marginalizing individuals or groups without access to the resources or education necessary to participate meaningfully. Addressing these disparities requires robust systems to democratize access to knowledge and ensure that all citizens have opportunities to contribute.

3. Decentralized Decision-Making

The integration of blockchain technology ensures that decision-making processes in the Adaptive State are decentralized, transparent, and accountable. Blockchain records every transaction, policy proposal, and vote, creating an immutable ledger that citizens can access to verify the integrity of governance.

Decentralization reduces the risk of corruption and power consolidation, as no single entity or individual has unilateral control over governance processes. It also empowers citizens to participate directly, fostering a sense of ownership and trust in the system.

However, the decentralized nature of blockchain can lead to challenges in scalability and efficiency. Managing large-scale, decentralized systems requires significant computational resources and robust infrastructure, which may be difficult to implement in resource-constrained settings.

4. Incentivized Participation

The ARDIAN tokenomics system aligns personal and collective interests by rewarding citizens for their contributions to governance. This incentivization encourages active engagement, whether through proposing goals, participating in discussions, or voting in referendums. The token system ensures that contributions are not only recognized but also economically valued, creating a tangible link between participation and personal benefit.

By rewarding meaningful participation, the Adaptive State reduces apathy and encourages citizens to take an active role in shaping governance. For instance, a citizen who provides well-researched feedback on a healthcare policy can earn tokens, which may increase their voting weight in future healthcare-related decisions.

The risk of incentivized participation lies in potential manipulation. Individuals or groups might attempt to game the system to accumulate tokens without making meaningful contributions. Safeguards, such as robust AI validation and periodic token decay mechanisms, are essential to maintaining the integrity of the system.

5. Efficient Execution

Agile methodologies, such as Kanban, streamline the implementation of policies and governance processes in the Adaptive State. These methodologies provide transparency, prioritize tasks dynamically, and enable iterative planning. AI agents further enhance efficiency by identifying bottlenecks, reallocating resources, and suggesting improvements in real time.

For example, a policy addressing unemployment might be broken down into actionable tasks, such as creating job training programs or incentivizing businesses to hire locally. Kanban boards allow stakeholders to monitor progress, while AI agents ensure that tasks are completed efficiently and that workflows adapt to emerging challenges.

While Agile methodologies are highly effective, they require a culture of collaboration and adaptability among stakeholders. Resistance to change or a lack of technical expertise may hinder the successful implementation of these practices.

Disadvantages and Challenges of the Adaptive State Model

While the Adaptive State offers significant advantages, it also presents challenges that require careful consideration:

Complexity of Integration: Combining blockchain, AI, and Agile management requires sophisticated infrastructure and technical expertise. Developing and maintaining such a system may be resource-intensive and inaccessible to less technologically advanced societies.

Digital Divide: The reliance on digital tools and technologies risks excluding populations without access to the internet, digital literacy, or modern devices. Bridging this divide is essential to ensuring that the Adaptive State remains inclusive.

Privacy Concerns: Collecting and analyzing data from citizens raises concerns about privacy and data security. Robust safeguards must be in place to protect sensitive information and prevent misuse.

Potential Biases in AI: AI systems, while powerful, are not immune to biases that can arise from flawed algorithms or biased training data. Ensuring fairness and accountability in AI decision-making is a critical challenge.

Cultural Resistance: The transition to an Adaptive State may face resistance from stakeholders accustomed to traditional governance models. Overcoming this resistance requires effective communication, education, and stakeholder engagement.

Enhanced Mathematical Model of the Adaptive State

The Adaptive State can be formally defined as a structure:

M' = ⟨S, L, C, I, Md, G, R, Ch, O, Res, A, B, K, T⟩

Where:

1. S: The set of citizens in the state

2. L: The legislature, representing the decision-making body responsible for laws and policies

3. C: The judiciary, which ensures adherence to laws and resolves disputes

4. I: The executive, responsible for implementing decisions and managing governance processes

5. Md: Media, individual journalists, commentators, and public figures who facilitate information flow and public discourse

6. G: The set of adaptive governance goals, updated dynamically through participatory mechanisms

7. R: The feedback loops that collect input from citizens, media, and real-world conditions to refine goals and strategies

8. Ch: The chain of updates to the governance goals, ordered by priority and multidimensional impact

9. O: The set of external factors influencing the state (e.g., geopolitical events, natural disasters)

10. Res: The set of available resources (e.g., financial assets, infrastructure, physical resources)

11. A: The set of AI agents, including:

1. A_d ⊂ A: Domain-specific agents specialized in fields like healthcare, economics, and environmental science

2. A_m ⊂ A: Meta-AI agents responsible for coordination, monitoring, and strategic adjustments

12. B: The blockchain infrastructure, which provides transparency, security, and immutability for governance actions and ARDIAN token transactions

13. K: The set of Kanban workflows, represented as directed graphs, where nodes are tasks and edges represent dependencies between them

14. T: The ARDIAN tokenomics system, comprising:

1. T_e: Token earning mechanisms based on contributions to governance

2. T_w: Voting weights derived from token balances in specific domains

3. T_d: Decay mechanisms to ensure active participation

Relationships and Interactions

Goal Setting and Feedback

The goal setting process is represented by the function:

P: S × G × R → Λ

Where Λ = list(G) is the ordered list of governance goals, prioritized based on feedback and multidimensional impact. Goals are proposed by citizens (S) and refined through iterative input from feedback loops (R), which aggregate data from media (Md) and external factors (O).

AI Contributions

AI agents (A) interact with other components through mappings:

1. Policy Recommendation: F_a: G × Res → K Domain-specific AI agents (A_d) generate detailed task workflows (K) based on governance goals and available resources.

2. System Optimization: F_m: K × R → K' Meta-AI agents (A_m) monitor workflows (K), incorporating feedback (R) to optimize task execution and resolve inefficiencies.

Blockchain Integration

The blockchain (B) ensures integrity and accountability across the system. All governance actions, token transactions, and AI recommendations are logged via the function:

L_b: (S ∪ A ∪ T) → B

This function records the actions of citizens, AI agents, and token-related activities, creating an immutable history accessible for audit.

Tokenomics

The ARDIAN token system (T) incentivizes participation and expertise:

1. Earning Tokens: E: S → T_e Citizens earn tokens (T_e) by contributing to governance, with rewards determined by the quality of their input.

2. Voting Power: W: T_e × A_d → T_w Tokens earned in specific domains (A_d) enhance voting weight (T_w), ensuring informed decision-making.

3. Decay Mechanism: D: T_e → T_d Token balances decay over time (T_d) to encourage continuous participation and prevent power accumulation.

Kanban Workflows

Workflows (K) are modeled as directed acyclic graphs (DAGs), where:

· Nodes (k_i ∈ K) represent tasks

· Edges (e_ij ∈ K) represent dependencies between tasks

Workflows are dynamically updated by meta-AI agents (A_m), ensuring alignment with priorities and real-time adjustments.

System Dynamics

1. Real-Time Adaptation: Feedback (R) continuously updates goals (G) and workflows (K), ensuring that governance strategies remain relevant and responsive.

2. Collaborative Policy Execution: AI agents (A), blockchain (B), and citizens (S) work in harmony to execute governance processes, monitored and optimized by Kanban workflows (K).

3. Transparency and Trust: Blockchain (B) guarantees that all actions are transparent and verifiable, while ARDIAN tokenomics (T) incentivize meaningful participation.

Conclusion: Transforming Governance Through the Adaptive State

The Adaptive State represents a transformative evolution in governance, fundamentally redefining how societies address complexity, foster collaboration, and ensure inclusivity. By integrating blockchain technology, AI-driven decision-making, and Agile methodologies, this model offers a governance framework that is not only scalable and efficient but also equitable and adaptive to the challenges of the modern world.

At its core, the Adaptive State resolves many of the entrenched limitations of traditional governance systems. By embracing the principles of decentralization, transparency, and meritocratic participation, it creates a structure where decision-making is informed by expertise, guided by collective intelligence, and powered by advanced technologies. This synergy between human participation and technological precision ensures that governance remains responsive to evolving societal needs.

One of the most significant advantages of the Adaptive State is its ability to eliminate the negative effects of lobbying, a pervasive issue even in established democracies like Switzerland. While Swiss direct democracy is widely lauded for its participatory mechanisms, it is not immune to the influence of lobbying and special interest groups. These entities often exert disproportionate influence over policy-making, steering decisions in favor of narrow agendas rather than the broader public good.

The Adaptive State fundamentally disrupts this dynamic by leveraging blockchain technology and the ARDIAN token system. Blockchain ensures that all contributions, from policy proposals to votes, are transparently recorded and accessible to the public. This immutable ledger eliminates the opacity that allows lobbyists to operate unchecked, ensuring that all actions are traceable and accountable. Furthermore, the meritocratic engagement model reduces the impact of financial influence, as voting power is tied to demonstrated expertise and meaningful contributions rather than monetary resources or connections.

The introduction of the ARDIAN token further empowers citizens by creating a direct incentive for participation and expertise. Unlike traditional systems where influence is often a function of wealth or access, the token system ensures that influence is distributed based on merit and active contribution. This alignment of personal and collective interests dismantles the transactional nature of lobbying, replacing it with a system that values informed and equitable decision-making.

Additionally, AI-driven governance in the Adaptive State further mitigates the influence of lobbying by acting as an impartial arbiter of information and priorities. AI agents, equipped with domain-specific expertise, evaluate policy proposals and public input based on data and evidence rather than political or financial pressures. This objectivity ensures that governance decisions are guided by what is best for society as a whole, rather than the interests of a select few.

The iterative nature of Agile methodologies also plays a critical role in reinforcing accountability and adaptability. By breaking down policies into manageable tasks and continuously evaluating their progress through retrospectives, the system ensures that governance remains focused on achieving tangible outcomes. This process prevents stagnation and ensures that citizen priorities are consistently reflected in policy execution.

In sum, the Adaptive State not only addresses the shortcomings of traditional governance but also enhances existing models like Swiss direct democracy by eliminating the corrupting influence of lobbying and financial interests. It fosters a society where technology and human collaboration work in harmony, creating a system that is transparent, equitable, and capable of evolving alongside the needs of its citizens.

The vision of the Adaptive State is not just about governance; it is about empowering citizens to take an active role in shaping their futures. By removing barriers to participation, promoting informed decision-making, and ensuring transparency at every level, this model lays the foundation for a more just and resilient world. As societies continue to face unprecedented challenges, the Adaptive State stands as a beacon of what is possible when innovation, inclusivity, and accountability are placed at the heart of governance.

References

Chaffer, T. J., & von Goins, C. (2024). Decentralized governance of AI agents. ResearchGate. Retrieved from https://www.researchgate.net/publication/387350593

Nafiu, A., Balogun, S. O., & Oko-Odion, C. (2025). Risk management strategies: Navigating volatility in complex financial market environments. ResearchGate. Retrieved from https://www.researchgate.net/publication/387824128

Liu, N. M. (2024). e-Governance in project management: Transforming decision-making and addressing implementation risks. CVUT. Retrieved from https://bit.fsv.cvut.cz/issues/02-24/full_02-24_01.pdf

Kalluri, K. (2025). Blockchain augment AI: Securing decision pipelines decentralized in systems. ResearchGate. Retrieved from https://www.researchgate.net/publication/388117247

Kumar, W., & Jack, W. (2024). Fortified disaster recovery: Building resilient IoT systems with adaptive security to address vulnerabilities and maintain business continuity. ResearchGate. Retrieved from https://www.researchgate.net/publication/387502258

Tuncel, Y. K., & Öztoprak, K. (2025). SAFE-CAST: Secure AI-federated enumeration for clustering-based automated surveillance and trust in machine-to-machine communication. PeerJ Computer Science. Retrieved from https://peerj.com/articles/cs-2551.pdf

Singh, Y., & Singh, H. (2025). Secure IoT data dissemination with blockchain and transfer learning techniques. Nature. Retrieved from https://www.nature.com/articles/s41598-024-84837-8.pdf

Holloway, S. (2025). Adapting to disruptions: The role of emerging technologies in supply chain agility. Preprints. Retrieved from https://www.preprints.org/frontend/manuscript/d7657f4d5622f6b162a957c4a797be09/download_pub

Нова Избираема дисциплина:

Python за Fintech разработка

Направление: 4.6 Информатика

Анотация

Дисциплината "Python за Fintech разработка" подготвя студентите за работа като Python разработчици във финансово-технологичния сектор. Курсът комбинира задълбочено изучаване на Python екосистемата за анализ на данни с практически умения за back-end разработка и количествени методи за финансови приложения.

Учебно съдържание

Методи на преподаване

• Интерактивни лекции с практически примери от реалния финтех сектор
• Лабораторни упражнения с актуални технологии
• Работа по проекти, симулиращи реални финтех решения
• Гост-лектори от водещи fintech компании

Форми на оценяване

Очаквани резултати

• Професионално ниво на Python програмиране за fintech приложения
• Практически опит с анализ на финансови данни и количествени методи
• Умения за работа с различни бази данни и системи за съхранение
• Разбиране на финансовите концепции и алгоритмична търговия
• Готовност за работа в международен екип

Литература

• McKinney, W. (2022). Python for Data Analysis, 3rd Edition. O'Reilly Media
• Hilpisch, Y. (2021). Python for Algorithmic Trading. O'Reilly Media
• Yves Hilpisch. (2020). Artificial Intelligence in Finance. O'Reilly Media
• Hull, J. C. (2020). Machine Learning in Business: An Introduction to the World of Data Science. Cambridge University Press
• Избрани научни статии и технически документации

Техническо осигуряване

• Модерна компютърна лаборатория с необходимия софтуер и хардуер
• Високоскоростна интернет връзка
• Достъп до специализирани финансови APIs и данни
• Cloud инфраструктура за обработка на големи обеми данни

Софтуерни инструменти

• Python 3.x и специализирани библиотеки (NumPy, Pandas, SciPy)
• Oracle Database Enterprise Edition
• MongoDB Enterprise
• Jupyter Notebooks/Lab
• Git и системи за контрол на версиите
• PyCharm Professional Edition или Visual Studio Code

Голямото море от крипто валути:
Типове крипто валути и примери

Съдържание

1. Въведение
2. История на криптовалутите
3. Технически аспекти
   • Блокчейн технология
   • Механизми за консенсус
   • Криптография
4. Типове криптовалути
   • Платежни криптовалути
   • Платформени токени
   • Utility токени
   • Стейбълкойни
   • DeFi токени
   • NFT токени
   • Governance токени
5. Икономически аспекти
6. Трейдинг перспектива
7. Сравнителен анализ
8. Бъдещи перспективи

1. Въведение

Криптовалутите представляват революционна форма на дигитални активи, базирани на блокчейн технологията. Те въвеждат нов модел на финансови взаимоотношения, който елиминира необходимостта от централизирани посредници и създава възможности за директни peer-to-peer транзакции. От създаването на Bitcoin през 2009 г., пазарът на криптовалути се е развил експоненциално, като днес включва хиляди различни проекти с разнообразни приложения.

В тази лекция ще разгледаме подробно различните аспекти на криптовалутите, започвайки от техническите основи, преминавайки през различните типове и техните характеристики, и достигайки до икономическите и търговски аспекти на тази нова финансова екосистема.

2. История на криптовалутите

Историята на криптовалутите започва със създаването на Bitcoin от мистериозната личност или група, известна като Сатоши Накамото. Публикуването на Bitcoin whitepaper през 2008 г. и пускането на първия блок (Genesis block) през януари 2009 г. бележи началото на нова ера във финансовия свят.

Ключови моменти в историята на криптовалутите:

3. Технически аспекти

3.1 Блокчейн технология

Блокчейнът е разпределена база данни, която съхранява информация в блокове, свързани криптографски помежду си. Всеки блок съдържа:

• Транзакции
• Времеви печат
• Криптографски хеш на предишния блок
• Nonce (число, използвано в процеса на майнинг)

3.2 Layer архитектура

Блокчейн архитектурата се разделя на различни слоеве (layers), всеки със специфична роля:

Особености на различните слоеве:

• Layer 0: Фокусира се върху интероперабилността между различни блокчейни и осигурява базова инфраструктура.
• Layer 1: Отговаря за основните функции като валидация на транзакции, сигурност и консенсус. Това е фундаменталният слой на всяка блокчейн мрежа.
• Layer 2: Решава проблемите със скалируемостта чрез различни подходи:
  • State channels (Lightning Network)
  • Странични вериги (Sidechains)
  • Rollups (Optimistic и Zero-Knowledge)
  • Плазма решения
• Layer 3: Предоставя интерфейс между крайните потребители и блокчейн технологията, включвайки:
  • Потребителски интерфейси
  • APIs и SDK инструменти
  • Междуплатформена интеграция

3.3 Механизми за консенсус

3.3 Криптография

Криптовалутите използват различни криптографски методи за осигуряване на сигурност и анонимност:

• Публични и частни ключове
• Хеш функции (SHA-256, Keccak-256)
• Цифрови подписи
• Zero-knowledge proofs

4. Типове криптовалути

4.1 Платежни криптовалути

Това са първите и най-базови форми на криптовалути, създадени за извършване на финансови транзакции.

4.2 Платформени токени

Тези токени са свързани с блокчейн платформи, които позволяват създаването на децентрализирани приложения (dApps).

4.3 Utility токени

Utility токените предоставят достъп до специфични услуги или функционалности в рамките на дадена платформа.

4.4 Стейбълкойни

Стейбълкойните са криптовалути, чиято стойност е обвързана с традиционни активи.

5. Икономически аспекти

5.1 Монетарна политика

Криптовалутите използват различни подходи към паричното предлагане, всеки със свои предимства и недостатъци:

Допълнителни аспекти на монетарната политика:

• Burn механизми: Някои криптовалути (BNB, LUNA) използват изгаряне на токени за намаляване на предлагането:
  • Автоматично изгаряне на част от таксите за транзакции
  • Периодично изгаряне на токени от екипа
  • Buy-back и burn програми
• Vesting периоди: Постепенно освобождаване на токени за:
  • Екипа и съветниците
  • Инвеститори от ранни етапи
  • Развитие на екосистемата
• Емисионни събития: Специални случаи на създаване на нови токени:
  • Награди за стейкинг
  • Ликвидни стимули
  • Общностни награди

5.2 Икономически модели

5.3 Икономически индикатори

• Пазарна капитализация
• Обем на търговия
• Ликвидност
• Съотношение на стейкнати токени
• Общ обем в DeFi протоколи (TVL)

6. Трейдинг перспектива

6.1 Трейдинг стратегии

6.2 Технически анализ

Техническият анализ използва различни индикатори за прогнозиране на пазарните движения. Ето най-важните от тях:

Допълнителни важни индикатори:

• Momentum индикатори:
  • Stochastic Oscillator: Сравнява текущата цена със ценовия диапазон за определен период
  • CCI (Commodity Channel Index): Измерва отклонението от средната цена
  • Williams %R: Подобен на Stochastic, но с различна скала
• Volume индикатори:
  • On-Balance Volume (OBV): Кумулативна сума на обема, показваща натиска на купувачи/продавачи
  • Volume Profile: Показва нивата с най-голяма активност
  • Money Flow Index: Комбинира цена и обем
• Трендови индикатори:
  • ADX (Average Directional Index): Измерва силата на тренда
  • Parabolic SAR: Определя точки на обрат в тренда
  • Ichimoku Cloud: Комплексен индикатор за тренд и подкрепа/съпротива

Приложение в крипто пазарите:

• Криптовалутните пазари са по-волатилни от традиционните, което изисква:
  • По-широки стоп-лос нива
  • Адаптиране на периодите на индикаторите
  • Комбиниране на множество времеви рамки
• Специфични за крипто индикатори:
  • MVRV (Market Value to Realized Value)
  • NVT (Network Value to Transactions)
  • Funding Rate за фючърси

6.3 Фундаментален анализ

Ключови метрики за оценка:

• Развитие на мрежата
• Брой активни адреси
• Транзакционен обем
• Разработка на протокола
• Партньорства и интеграции

7. Сравнителен анализ

7.1 Сравнение на основните блокчейн платформи

7.2 DeFi екосистеми

8. Бъдещи перспективи

8.1 Технологични тенденции

Детайлен анализ на технологичните тенденции:

Layer 2 решения за скалируемост

• Optimistic Rollups:
  • Обработват транзакции извън основната верига
  • Използват fraud proofs за сигурност
  • По-ниски такси и по-висока пропускателна способност
  • Предизвикателство: период на изчакване за тегления
• ZK Rollups:
  • Използват математически доказателства за валидност
  • Незабавна финалност на транзакциите
  • По-сложна имплементация
  • По-високи изчислителни изисквания
• Странични вериги:
  • Независими блокчейни с мостове към основната верига
  • Собствени механизми за консенсус
  • Гъвкавост в дизайна и приложението

Интероперабилност между блокчейни

• Междуверижни протоколи:
  • Стандартизирани протоколи за комуникация
  • Сигурен обмен на данни и активи
  • Унифицирани стандарти за съобщения
• Мостове:
  • Централизирани vs. децентрализирани
  • Механизми за защита на активите
  • Автоматизирана ликвидност
• Междуверижни приложения:
  • DeFi протоколи работещи на множество вериги
  • Обединени ликвидни пулове
  • Оптимизация на газ таксите

Подобрена поверителност

• Zero-Knowledge технологии:
  • ZK-SNARKs и ZK-STARKs
  • Приватни смарт контракти
  • Верифицируеми изчисления
• Хомоморфно криптиране:
  • Изчисления върху криптирани данни
  • Защита на чувствителна информация
  • Интеграция с DeFi протоколи
• MPC (Multi-Party Computation):
  • Разпределено управление на ключове
  • Институционални решения
  • Подобрена сигурност на портфейли

Квантова устойчивост

• Пост-квантови алгоритми:
  • Решетъчна криптография
  • Хеш-базирани подписи
  • Суперсингуларни изогении
• Мигриране на съществуващи системи:
  • Постепенно обновяване на протоколите
  • Хибридни криптографски схеми
  • Обратна съвместимост
• Нови защитни механизми:
  • Квантово-устойчиви хеш функции
  • Адаптивни криптографски схеми
  • Динамично обновяване на сигурността

8.2 Регулаторна среда

Основни аспекти на регулацията:

• Класификация на криптоактивите
• AML/KYC изисквания
• Данъчно третиране
• Институционално участие

8.3 Потенциални приложения

Заключение:

Криптовалутите представляват динамично развиваща се технология с потенциал да трансформира множество индустрии. Разбирането на техническите, икономическите и търговските аспекти е ключово за успешното навигиране в тази нова финансова екосистема. Бъдещето на криптовалутите ще зависи от развитието на технологиите, регулаторната рамка и степента на масово възприемане.

Монте Карло симулация за оценка на проектен бюджет

ФУНКЦИЯ monte_carlo_simulation(iterations, activities, risks):
    резултати = празен_масив()
    
    ЗА ВСЯКО i ОТ 1 ДО iterations:
        общ_бюджет = 0
        
        ЗА ВСЯКА дейност В activities:
            // Генериране на случайна стойност по PERT разпределение
            стойност = pert_random(
                дейност.оптимистична,
                дейност.най_вероятна,
                дейност.песимистична
            )
            
            // Прилагане на рискови фактори
            ЗА ВСЕКИ риск В risks:
                АКО random() < риск.вероятност:
                    стойност *= (1 + риск.въздействие)
                    
            общ_бюджет += стойност
        
        // Добавяне на допълнителни разходи
        общ_бюджет *= 1.3  // 30% за технологии и обучения
        
        добави(резултати, общ_бюджет)
    
    ВЪРНИ резултати

ФУНКЦИЯ анализирай_резултати(резултати, планиран_бюджет):
    средна_стойност = изчисли_средно(резултати)
    стандартно_отклонение = изчисли_std(резултати)
    персентил_90 = изчисли_персентил(резултати, 90)
    вероятност_превишаване = изчисли_вероятност_превишаване(резултати, планиран_бюджет)
    
    ВЪРНИ {
        средна_стойност,
        стандартно_отклонение,
        персентил_90,
        вероятност_превишаване
    }
        

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

# Define project activities and their estimates
activities = {
    'Project Manager': {
        'optimistic': 6460.48,
        'most_likely': 6945.02,
        'pessimistic': 7429.55 * 1.2
    },
    'Senior Dev 1': {
        'optimistic': 26103.69,
        'most_likely': 28061.47,
        'pessimistic': 30019.24 * 1.3
    },
    'Senior Dev 2': {
        'optimistic': 24886.95,
        'most_likely': 26753.47,
        'pessimistic': 28619.99 * 1.3
    },
    'Junior Dev 1': {
        'optimistic': 6797.73,
        'most_likely': 7307.56,
        'pessimistic': 7817.39 * 1.15
    },
    'Junior Dev 2': {
        'optimistic': 6244.19,
        'most_likely': 6712.51,
        'pessimistic': 7180.82 * 1.15
    },
    'QA Engineer': {
        'optimistic': 5532.38,
        'most_likely': 5947.31,
        'pessimistic': 6362.24 * 1.25
    }
}

# Risk factors from risk register
risk_factors = {
    'integration_issues': {'probability': 0.8, 'impact': 0.25},
    'performance_issues': {'probability': 0.8, 'impact': 0.20},
    'requirement_changes': {'probability': 0.8, 'impact': 0.15},
    'technical_challenges': {'probability': 0.6, 'impact': 0.20}
}

def pert_random(opt, likely, pess, size=1):
    """Generate random values using PERT distribution"""
    alpha = 4
    mean = (opt + alpha * likely + pess) / (alpha + 2)
    variance = ((pess - opt) ** 2) / 36
    a = ((mean - opt) * (2 * pess - opt - mean)) / variance
    b = (a * (pess - mean)) / (mean - opt)
    return np.random.beta(a, b, size=size) * (pess - opt) + opt

def run_simulation(n_iterations=10000):
    """Run Monte Carlo simulation"""
    results = []
    
    for _ in range(n_iterations):
        iteration_total = 0
        
        for activity, estimates in activities.items():
            cost = pert_random(
                estimates['optimistic'],
                estimates['most_likely'],
                estimates['pessimistic']
            )[0]
            
            for risk in risk_factors.values():
                if np.random.random() < risk['probability']:
                    cost *= (1 + risk['impact'])
            
            iteration_total += cost
        
        iteration_total *= 1.3
        results.append(iteration_total)
    
    return np.array(results)

def analyze_results(simulation_results):
    """Analyze simulation results"""
    planned_budget = 126772.39
    
    mean_cost = np.mean(simulation_results)
    std_dev = np.std(simulation_results)
    percentile_90 = np.percentile(simulation_results, 90)
    overrun_prob = np.mean(simulation_results > planned_budget)
    recommended_buffer = percentile_90 - planned_budget
    
    print(f"\nSimulation Analysis Results:")
    print(f"Mean Expected Cost: {mean_cost:,.2f} лв.")
    print(f"Standard Deviation: {std_dev:,.2f} лв.")
    print(f"90th Percentile Cost: {percentile_90:,.2f} лв.")
    print(f"Probability of Budget Overrun: {overrun_prob:.1%}")
    print(f"Recommended Additional Buffer: {max(0, recommended_buffer):,.2f} лв.")
    
    plt.figure(figsize=(10, 6))
    plt.hist(simulation_results, bins=50, density=True, alpha=0.7)
    plt.axvline(planned_budget, color='r', linestyle='dashed', label='Planned Budget')
    plt.axvline(mean_cost, color='g', linestyle='dashed', label='Mean Simulated Cost')
    plt.axvline(percentile_90, color='y', linestyle='dashed', label='90th Percentile')
    plt.title('Monte Carlo Simulation Results')
    plt.xlabel('Total Project Cost (лв.)')
    plt.ylabel('Probability Density')
    plt.legend()
    plt.grid(True, alpha=0.3)
    plt.show()

# Run simulation and analyze results
results = run_simulation(10000)
analyze_results(results)
        

Компютърна Лингвистика в Областта на Биоинформатиката

гл. ас. д-р Георги Петров Пашев

http://gpashev.com § georgepashev@uni-plovdiv.bg

Кратко описание на дисциплината:

Този курс се фокусира върху приложението на компютърна лингвистика в областта на биоинформатиката, като се разглеждат техники за обработка на естествен език и машинно обучение, приложими в анализа на биологични данни. Курсът съчетава теоретични знания с практически умения в програмиране на Python и Rust, като изследва интеграцията на тези езици в биоинформатични приложения.

Списък с теми за лекциите (7 седмици):

00001. Въведение в Компютърната Лингвистика и Биоинформатика

· Основни понятия и приложения

· Примерен код: Обработка на текстови данни с Python

00002. Машинно Обучение в Биоинформатиката

· Основи на машинното обучение

· Примерен код: Създаване на базов класификатор в Python

00003. Естествен Езиков Обработка (NLP) и Геномни Данни

· NLP техники за анализ на геномни последователности

· Примерен код: NLP алгоритми в Rust

00004. Биоинформатични Бази Данни и Тяхната Интеграция

· Работа с биологични бази данни

· Примерен код: Интегриране на бази данни в Python

00005. Използване на GPT-4 и LLAMA2 за Анализ на Биологични Данни

· Приложения на модели за естествен език в биоинформатиката

· Примерен код: Интегриране на GPT-4 API в Python

00006. Развитие на Уеб и Десктоп Интерфейси за Биоинформатични Приложения

· Основи на уеб и десктоп програмирането

· Примерен код: Създаване на прост UI в Rust

00007. Проектна Работа и Научно Писане

· Техники и методи за разработване на научни публикации

· Разработване на проектни идеи и начало на проектната работа

Оценяване:

Студентите работят в малки групи, разработвайки проект, който включва създаване на чат бот, използващ GPT-4 API, LLAMA2, или машинно обучение с Python и sklearn. Всеки проект включва научна публикация и разработка на потребителски интерфейс.

Възможно е студентите да изберат да разработват само обзорно-научната част на проекта, без практическата, ако не се чувстват достатъчно силни в областта на разработката на приложения. В такъв случай, максималната оценка, която могат да получат, е Много Добър (5).

Списък с Упражнения за Всяка Седмица

Седмица 1: Въведение в Компютърната Лингвистика и Биоинформатика

· Упражнение: Анализиране и обработка на текстови данни с Python. Студентите трябва да напишат скрипт за извличане на информация от научни публикации, свързани с биоинформатиката.

Седмица 2: Машинно Обучение в Биоинформатиката

· Упражнение: Създаване на базов класификатор в Python за разпознаване на видове ДНК последователности. Студентите използват предоставени данни за трениране на модела.

Седмица 3: Естествен Езиков Обработка (NLP) и Геномни Данни

· Упражнение: Имплементиране на NLP алгоритми в Rust за анализ на геномни последователности. Студентите трябва да адаптират традиционни NLP методи за работа с генетичен код.

Седмица 4: Биоинформатични Бази Данни и Тяхната Интеграция

· Упражнение: Интегриране на биологични бази данни в Python програма. Студентите създават интерфейс за достъп и анализ на данни от биоинформатични бази данни.

Седмица 5: Използване на GPT-4 и LLAMA2 за Анализ на Биологични Данни

· Упражнение: Работа с GPT-4 API или LLAMA2 за генериране на предсказания или анализи въз основа на биологични данни. Студентите разработват прототип на приложение, използващо тези модели.

Седмица 6: Развитие на Уеб и Десктоп Интерфейси за Биоинформатични Приложения

· Упражнение: Създаване на прост уеб или десктоп базиран UI в Rust, който да показва резултати от биоинформатични анализи. Студентите трябва да интегрират своя код в потребителски интерфейс.

Седмица 7: Проектна Работа и Научно Писане

· Упражнение: Начална разработка на проекта и написване на научен обзор за избраната тема. Студентите трябва да определят обхвата на своя проект и да изготвят план за научна публикация.

Тези упражнения са насочени към развитие на практически умения и подготовка за финалния проект, като същевременно се засилва теоретичната основа на дисциплината.

Литература:

1. Mount, D. W. (2004). Bioinformatics: Sequence and Genome Analysis. Cold Spring Harbor Laboratory Press.

2. Pevsner, J. (2015). Bioinformatics and Functional Genomics. Wiley-Blackwell.

3. Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python. O’Reilly Media.

4. Klabnik, S., & Nichols, C. (2019). The Rust Programming Language. No Starch Press.

5. McKinney, W. (2018). Python for Data Analysis. O’Reilly Media.

6. Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly Media.

Георги Пашев се включва в инициативата за разпространяване на типично българското начертание на кирилски шрифтове.

Повече за това какво наричаме българска кирилица можете да прочетете в сайта на инициативата "За Българска Кирилица" или в следната статия от Списание 8.

Накратко кирилски шрифтове с типично българско начертание се използват най-масово и са типични за България. Отличават се със по-ръкописен тип начертание на малките букви и някои от големите, за разлика от кирилските шрифтове които са типични за Русия, където малките букви са умалено копие на големите.

Поради по-голямото разнообразие на форми, българската кирилица е по-лесна и приятна за четене.

В последно време, тя става все по-често използвана и предпочитана.

Как да включим шрифт с българска кирилица във уеб страница

Вмъкнете следното във секцията <header> на вашата уеб страница:

1. Да се извините на хората, че преди години сте станал медиен двигател за популяризирането на Бойко Борисов (Боко), който сега (уж) сте тръгнал да «изчегъртвате»;
2. Да хвърлите повече светлина върху ваши евентуално минали взаимовръзки с подземния и сенчест свят и приятелски връзки с мафиоти, които вече не са между живите, или такива, които са още живи;
3. Да хвърлите светлина върху личния ви живот, включително и това коя ви е текущата любовница. Вие отсега нататък сте не просто публична, но и обществена личност с политическо влияние и власт и трябва покрай вас всичко да е публично и осветено и изкоментирано от Вас самия (ако не искате да го коментират недоброжелателите); Също така, споделете с аудиторията дали ползвате услуги на «леки жени» и колко често и дали те биха могли да изкопчат нежелани компромати за Вас, както «Мата Хари» направи с Боко;
4. Да направите «кръгла маса» с всички партии в парламента и да създадете приоритетен списък от национални цели, които да преследвате и изпълнявате в рамките на следващ мандат и това да стане възможно най-бързо, за да не губите време;
5. Да направите управленска коалиция с всички партии, които са в парламента и не са ГЕРБ, ДПС;
6. Да направите работещ Закон за референдумите по Швейцарски модел, ако е необходимо и с конституционни кръпки, за да се даде реална власт в ръцете на хората;
7. Да уволните всички назначения на ГЕРБ в държавната администрация и да назначите свои след публично предавани конкурси в социалните мрежи и/или във вашата телевизия и/или по БНТ;
8. Да намалите броя министерства, чрез сливане. Например, социално и здравно могат да се слеят под общо име Министерство на Милосърдието или Министерство на Разходите за хората (сам изберете кое име е по-подходящо, а можете да изберете и друго); Военното и МВР и ДАНС и др. служби могат да се слеят под общо име Министерство на Държавната Репресия или нещо подобно; Идеята е тук да се постигне Швейцарския модел с малко министри и намалена администрация до санитарния минимум;​​​​​​​
9. Да изпълните нещата от вашия си референдум като де факто успешно проведен референдум и то в условията на закон за референдумите, който реално е репресивен, спрямо тях;
10. Подобно на Швейцария, да предлагате на референдуми 2 пъти в годината важни въпроси за управлението;
11. Да създадете най-после Закон за личния фалит и опрощаване на дългове и тяхната наследственост на де факто фалирали физически лица;
12. Да подложите на референдум евентуално узаконяване на проституцията (бизнес за милиарди, който може да вкара свежи пари в Бюджета и винаги е добра идея да е официално регулиран); както и леката дрога за консумация в лицензирани Кофи шопове (по Холандски модел);
13. Също така ви представям и други мои идеи, които съм развил още през далечната 2012г. в този онлайн документ, който през 2013 година е привлекъл вниманието на българи в Чикаго и са го препечатали в техен сайт: https://www.eurochicago.com/2013/06/scriptura-voluntatis-nostrae/; https://antikomunisti.blogspot.com/2013/03/scriptura-voluntatis-nostrae.html
    
    Братята британци имат ценна поговорка — «Отчаяните времена изискват отчаяни мерки». Време е за отчаяни мерки и за кардинални реформи. Дано Вие да сте на необходимата висота, за да ги направите.

Здравейте,

Предполагам, че много от вас сте се сблъсквали с добре познатия проблем - за кого да гласувате. Ако не можете да изберете, понеже мразите всички участници и не намирате достоен кандидат или тези, които харесвате "нямат реален шанс", според социолозите, можете да приложите стратегия "теглене на жребий чрез отчитане на коефициент на омраза за всеки от кандидатите.

Тук представям имплементация на алгоритъм на Python, която отчита коефициентите на омраза към отделни кандидати в списъка и "стреля" по мишени в "стрелбище", с изтеглени случайни числа. Вероятността за попадане в мишена на дадена партия, е обратно пропорционална на "омразата" към нея.

Можете да си "поиграете" с коефициентите и кода тук: https://onlinegdb.com/HJhDkA3X_

Ето го алгоритъма (коефициентите на омраза отразяват моето мнение). При максимален коефициент на омраза 1000, съответната партия се изключва от избора и не участва изобщо в него. При мен, това е партия ГЕРБ.

import random
import operator
from random import randint
from random import seed
# списък на партиите и коефициентите на омраза на всяка
parties = (
    {"name": "BSP", "hate": 95},
    {"name": "GERB", "hate": 1000},
    {"name": "DPS", "hate": 900},
    {"name": "Slavy Trifonov", "hate": 150},
    {"name": "DB", "hate": 40},
    {"name": "Vazrazhdane", "hate": 40},
    {"name": "Volya - NFSB", "hate": 455},
    {"name": "VMRO", "hate": 455},
    {"name": "ATAKA", "hate": 55},
    {"name": "MUTRI VYN", "hate": 43},
    {"name": "REPUBLIKANCI", "hate": 570},
    {"name": "KOD", "hate": 300},
    {"name": "ABV - MANGAROV", "hate": 30},
    {"name": "Pryaka demokraciq - Klissarov", "hate": 20},
    {"name": "BG LYATO - Cherepa", "hate": 400},
)

# списъците, използвани от алгоритъма за реализиране на "стрелбище"
strelbishte = []
partii_v_strelbishte = []

# речник с ключове - име на партия и стойност - попадения, в който ще се пазят попаденията след приключване на алгоритъма
akumulirani_brojki = {}
seed(a=None, version=2) # правене на псевдослучайния избор "наистина случаен" с избор на seed - текущо системно време

# инициализация на стрелбището и речника
for party in parties:
    count = 1000 - party["hate"]
    if count == 0:
        continue
    akumulirani_brojki[party["name"]] = 0
    partii_v_strelbishte += [party["name"]] * count
    strelbishte += [0] * count
# разбъркване на секторите и фрагментация на партийните зони в стрелбището и инициализация на броя мишени в него
random.shuffle(partii_v_strelbishte)
broj_v_strelbishte = len(partii_v_strelbishte)
# извършване на случайния избор (стрелбата в стрелбището)
seed(a=None, version=2)
for i in range(0, 3000):
    izteglenoChislo = randint(0, broj_v_strelbishte)
    strelbishte[izteglenoChislo] += 1
    akumulirani_brojki[partii_v_strelbishte[izteglenoChislo]] += 1

#сортиране на партиите в речника по брой попадения в низходящ ред
sorted_akumulirani_brojki = sorted(akumulirani_brojki.items(), key=operator.itemgetter(1), reverse=True)

# отпечатване на попаденията за всяка партия, вече сортирано 
print(sorted_akumulirani_brojki)

Насоки за провеждане на упражненията по ППМУ за задочни студенти

Здравейте, колеги,

Онлайн курса за упражненията ви по дисциплината ППМУ е достъпен тук: (https://uroci.online/course/view.php?id=12)

Избираема дисциплина "Програмиране с Node.JS"

PDF ръководство за упражненията:

Свали

Portable версия на програмна среда:

Свали

1. Упражнение: Сървър Express Калкулатор

var express=require('express');
var app=express();
app.get('/', function(req, res){
	res.send('Hello World!');


});

app.get('/delete/', function(req, res){
	//console.log(result);
  res.setHeader('Access-Control-Allow-Origin', '*');

  try{
  var sqlite3=require("sqlite3").verbose();
  var db=new sqlite3.Database("EMSG.db");
  db.serialize(function(){
    console.log("17");
    db.run("DELETE FROM LOG;", function(){ 
      console.log("19");
      db.close();
      res.send(JSON.stringify({status: "OK"}));      
      
    });
    
  });
  //db.close();
  }catch(error){
    console.log({error : error});
    
  }
  
  
  
  

});

var logResult=function(result, request){
  //console.log(result);
  
  try{
  var sqlite3=require("sqlite3").verbose();
  var db=new sqlite3.Database("EMSG.db");
  db.serialize(function(){
    db.run("CREATE TABLE "+
    " if not exists "+
    " LOG("+
    "ID INTEGER PRIMARY KEY AUTOINCREMENT, "+
    " txt text not null, "+
    " request text not null,"+
    " time datetime default current_timestamp"+
    " );"
    );
    var stmt=db.prepare("INSERT INTO LOG(txt, request) VALUES(?, ?)");
    stmt.run(JSON.stringify(result), JSON.stringify(request));
    stmt.finalize();
  });
  db.close();
  }catch(error){
    console.log({error : error});
    
  }
  
  
  
}

app.get('/one/', function(req, res){
		var result={};
		try{	
		res.setHeader('Content-Type', 'application/json');
		res.setHeader('Access-Control-Allow-Origin', '*');

		var a=parseInt(req.param("a"));
		var b=parseInt(req.param("b"));
console.log(typeof a);
console.log(typeof b);

		if(typeof a !=='number' || typeof b !=='number' ){
			result={error: "Wrong format"};
			res.send(JSON.stringify(result));
			return;
		}
		var dejstvie=req.param("dejstvie");
		
		switch(dejstvie){
			case 'add':
				result={dejstvie: 'plus', res: a+b};

			break;
			case 'sub':
				result={dejstvie: 'minus', res: a-b};
			break;
			case 'mul':
				result={dejstvie: 'po', res: a*b};
			break;
			case 'div':
				result={dejstvie: 'deleno', res: a/b};
			break;
			default:
				result={error: "No such action."};
			break;
		}

		}catch(e){
				result={error: e};
		}
    
    logResult(result, {a: a, b: b, dejstvie: dejstvie});
		res.send("{\"result\": "+JSON.stringify(result)+"}");

	

	

});
app.get('/log/', function(req, res){
  //res.setHeader('Content-Type', 'application/json');
	res.setHeader('Access-Control-Allow-Origin', '*');
  response=[];
  try{
  var sqlite3=require("sqlite3").verbose();
  var db=new sqlite3.Database("EMSG.db");
  db.serialize(/*function(){
    db.run("CREATE TABLE "+
    " if not exists "+
    " LOG("+
    "ID INTEGER PRIMARY KEY AUTOINCREMENT, "+
    " txt text not null, "+
    " request text not null,"+
    " time datetime default current_timestamp"+
    " );"
    );
    
    
    
  },*/
  function(){
    console.log("116");
    db.each("SELECT * from LOG;", 
    function(err, row){ 
      console.log(typeof err);
      console.log(err);
      if(err!= null){
         console.log("119");
          //console.log("problem: "+err);
          response={error: err};
          //console.log(res);
          
          //res.send(JSON.stringify(response));
          return;        
      }
      //console.log(err);
      console.log("131");
      response.push(row);
      
    }
    ,
  function(){
    console.log("136");
    console.log(response);
    console.log("before send");
    res.send(JSON.stringify(response));
    db.close();
  }
  
    
    );
    //res.send(JSON.stringify(response));
    
    
  }
  
  );
  
  }catch(error){
    console.log({error : error});
    res.send(JSON.stringify({error : error}));
  }
  
  
  
  
});
var server=app.listen(8087, function(){
	var host=server.address().address;
	var port=server.address().port;
	console.log("Listening at http://%s:%s", host, port);
});

2. Клиентско приложение.

<html>
<head>
<title>Елка</title>
  <meta charset="utf-8">
   <script
			  src="https://code.jquery.com/jquery-3.2.1.min.js"
			  integrity="sha256-hwg4gsxgFZhOsEEamdOYGBf13FyQuiTwlAQgxVSNgt4="
			  crossorigin="anonymous"></script>
  <link href="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/css/bootstrap.min.css" rel="stylesheet" integrity="sha384-BVYiiSIFeK1dGmJRAkycuHAHRg32OmUcww7on3RYdg4Va+PmSTsz/K68vbdEjh4u" crossorigin="anonymous">
  
  <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/js/bootstrap.min.js" integrity="sha384-Tc5IQib027qvyjSMfHjOMaLkfuWVxZxUPnCJA7l2mCWNIpG9mGCD8wGNIcPD7Txa" crossorigin="anonymous"></script>
 <style>
 input[type="number"] {
  max-width:30%;
  min-width:20%;
 }
 .label-a{
  min-width:10%;
  max-width:15%;
 }
 </style>
 
</head>
<body>
<div class="panel panel-primary">
<div class="panel-heading">
Супер яка елка
</div>
<div class="panel-body">
<table class="table table-hover">
<tr>
<td ><div class="label-a">a</div></td><td><input type="number" class="form-control" id="input_a" name="input_a"></td>
<td ><div class="label-a">b</div></td><td><input type="number" class="form-control" id="input_b" name="input_b"></td>
</tr>
<tr>
<td colspan="2">
<select class="form-control" id="dejstvie" name="dejstvie">
<option value="add">събиране</option>
<option value="sub">изваждане</option>
<option value="div">деление</option>
<option value="mul">умножение</option>
</select>
</td>
<td colspan="2">
<input class="btn btn-primary" type="button" id="buton4e" name="buton4e" value="Калкулирай">
<input class="btn btn-primary" type="button" id="delete" name="delete" value="Изтрий">

</td>



</table>


</div>
</div>
<div class="panel panel-primary">
<div class="panel-heading">
Лог на действията
</div>
<div class="panel-body" id="logDiv">
</div>
<div class="panel-footer" id="logResult">
</div>
</div>

<script>
function aaaa(){
      ///console.log("Hello.");
      var val_a=$("#input_a").val();
      var val_b=$("#input_b").val();
      
      var d=$("#dejstvie").val();
      
      //console.log({a: val_a, b: val_b, d: d});
      var url="http://localhost:8087/one/?a="+val_a+"&b="+val_b+"&dejstvie="+d;
      //alert(url);
      $.ajax({
        url: "http://localhost:8087/one/?a="+val_a+"&b="+val_b+"&dejstvie="+d,
        dataType: "text",
        //jsonpCallback: "logResults",
        error: function (request, error) {
				alert("AJAX Call Error: " + error);
		},
		 success: function (response) {
                var resp = JSON.parse(response);
                //alert(response);
				//alert(resp.result.res);
                $("#logResult").html("Result: "+resp.result.res);
                
        
            },
      });
      ///log results
      $.ajax({
        url: "http://localhost:8087/log/",
        dataType: "text",
        //jsonpCallback: "logResults",
        error: function (request, error) {
				alert("AJAX Call Error: " + error);
		},
	success: function (response) {
                //$("#logResult").text("");
                var resp = JSON.parse(response);
                var new_text="";
                for(i=0; i<resp.length; i++){
                  new_text+="<div>";
                  new_text+="request: "+resp[i].request+"<br/>";
                  new_text+="time: "+resp[i].time+"<br/>";
                  new_text+="</div>";
                }
                $("#logDiv").html(new_text);
                
                
                
                //$("#logResult").text($("#logResult").text()+new_text);
                
                
            },
      });
};

function logResults(data){
  //console.log(data);
  alert(data);

};

$(document).ready(function(){
    aaaa();
$("#delete").on('click', function(){
        $.ajax({
        url: "http://localhost:8087/delete/",
        dataType: "text",
        
        error: function (request, error) {
				alert("AJAX Call Error: " + error);
		},
		 success: function (response) {
                    $("#logResult").text("");
                    var res=JSON.parse(response);
                    if(typeof res.status == "undefined"){
                    $("#logDiv").html("Кофти");
                    }else if(res.status=="OK"){
                    $("#logDiv").html("OK");
                    }else{
                    $("#logDiv").html("Проблеми с базата данни");
                
                    }
                
                
                
                
                //$("#logResult").text($("#logResult").text()+new_text);
                
                
            },
      });
});

  $("#buton4e").on('click', function(){ aaaa();} );
      
      
      
      
      
      
      
      
      

  });






</script>

</body>
</html>

За контакти:

ас. д-р инж. Георги Пашев

e-mail: georgepashev@uni-plovdiv.bg

http://gpashev.com

Материали за упражненията по СТ-2 за спец. СТД - задочни (3.к.) можете да изтеглите от тук:

https://drive.google.com/drive/folders/1p09rzMizh62_6ikYnaN_qP6nnNAVilyB?usp=sharing

Линк за сваляне на Netbeans Portable:

https://www.softpedia.com/get/PORTABLE-SOFTWARE/Programming/NetBeans-IDE-Portable.shtml

гл. ас. д-р инж. Г. Пашев

Упражнения по Компютърна лингвистика за специалност Информатика 4. курс, задочна и редовна форма на обучение.

при гл. ас. д-р инж. Георги Пашев

e-mail: georgepashev@uni-plovdiv.bg

Линк към Google Classroom на дисциплината: ( https://classroom.google.com/c/MTY4OTIzMzU0Njk0?cjc=rwht7yj )

Линк към теми за проекти от упражнения: (https://docs.google.com/document/d/1uEz3dke1fuo55sFK2Dp0hwc-MTDnt5lHjJaoo5ZdFwU/edit?usp=sharing)

Упражнения, теми:

Упражнение 1: Крайни автомати

1. Създайте парсър на удобен за вас програмен език (на упр. ще бъде показан пример с езика PHP), който да имплементира краен автомат, който се подава като параметър на парсващата функция/процедура, заедно с текст за парсване и връща информация дали текстът е парснат успешно (отговаря на крайния автомат), или не.

2. Използвайки 1, създайте краен автомат, който да парсва изречения от този тип:

ab, aabb, abbb, aaaab, .... (променлив брой a...b...)

3. Използвайки 1, създайте парсър на дата във формат "DD.MM.YYг.".

Упражнение 2: Регулярни изрази

1. Като използвате помощния файл за упражненията и др. материали онлайн, запознайте се със синтаксиса на регулярните изрази.

2. Запознайте се с PHP функции preg_match, preg_match_all, preg_replace.

3. Като използвате preg_match_all, напишете PHP скрипт, който намира в текст всички дати във формат DD.MM.YYYY, като отделя дните, месеците и годините в подходящи подмасиви и генерира изходящ текст от рода:

Намерена е дата 15.01.2018г, денят е 15 подред на месец 01 от година 2018г.

4. Като използвате някои от функциите, напишете PHP скрипт, който намира в текст всички дати във формат DD.MM.YYYY, и генерира подобен на този текст, в който датите са в американски формат MM/DD/YYYY.

Например, текста:

На 24.09.2018г. се проведе упражнение по Компютърна лингвистика

да се превежда като

На 09/24/2018г. се проведе упражнение по Компютърна лингвистика

5. Напишете PHP скрипт, който намира в текст всички URL адреси по http/https/ftp адресна схема и ги показва в списък.

Задача: крос транслиране на командни компютърни езици с регулярни изрази. Примерен крос транслатор може да свалите от тук:

https://www.dropbox.com/s/znhxozltwq30kxe/translator.php?dl=0

Упражнение 3. Контекстно независими граматики

Използва се инструмента Grammophone, линк към който може да намерите в помощния файл за упражненията по-долу.

1. Решете задачите от темата за Контекстно независими граматики в помощния файл.

2. Допълнителни задачи:

2.1. Напишете контекстно независима граматика, която да парсва успешно програмен текст на "мини програмен език" (който за целта на упражненията ще бъде наречен PeUScript), на който е написан следния пример:

def A=0 as Int

def B=12.0 as Float

def I=0 as Int 

while I<100 or not A>7000 do

	print "Stojnostta na I e "+I+"\n"

	A=I+B

	I=I+1

	print "Stojnostta na B e"+B+"\n"

	if B <> 12.0 then

		break

	endif

done

2.2. Напишете с помощта на езици PHP и Javascript (или други удобни за вас) кространслатор и среда на изпълнение на  PeUScript , като първо преведете програмния текст на Javascript и стартирайте така получения JavaScript код в браузъра.

Примерен проект за Bison & Flex (инсталирани в Линукс/Убунту програмна среда): Свали от тук

Виртуална машина за VirtualBox с готови инсталирани пакети за работа свалете от тук:

https://www.dropbox.com/s/ipki0tirv9qn2z1/xubuntu.rar?dl=0

Компилацията се извършва с последователно извикване на командите:

flex -o calc.flex.cc calc.lex
bison calc.yy
 cc -fpermissive calc.tab.cc calc.flex.cc -Wall -lm  -o rpccalc

Еквиваленти на BISON и FLEX за други езици и програмни среди:
1. Parsimonious за Python
За употреба на пакета се изисква Python конзола. Портативен (portable) вариант за Windows на такава с предварително инсталиран пакет на Parsimonious може да изтеглите от тук:
(https://www.dropbox.com/s/v96u1wpgi8q4p3g/Portable%20Python%203.7.0%20x64.rar?dl=0)

Работещ пример на елементарна граматика за инструмента:

from parsimonious.grammar import Grammar
grammar = Grammar(
     """
     bold_text  = bold_open text bold_close
     text       = ~"[A-Z 0-9]*"i
     bold_open  = "(("
     bold_close = "))"
     """)
print(grammar.parse('((bold stuff))'))

Конзолата на Python се стартира от разархивирания архив от папката: App\Python и файла е python.exe

При нужда от инсталация на допълнителен пакет в папката App\Python се стартира Windows конзола и се изпълнява командата:

python -m pip install <package name>

Пример, парсващ елементарен израз:

from parsimonious.grammar import Grammar
grammar = Grammar(
     """	
        exps = exp op exp 
	exp = num / expparen 
	expparen = lparen num rparen
	op = ~"[\+\-]"i
        lparen = "("
	rparen = ")"
	num = ~"[0-9]+"i
     """)
print(grammar.parse('12+23'))

2. PLY за Python (напълно функционален заместител на bison/flex)

2.1. Инсталирайте PLY в конзолата с изпълнение на командата в командната конзола:

python -m pip install ply

2.2. Създайте в директорията App\Python файл calclex.py, със следното съдържание:

# ------------------------------------------------------------
# calclex.py
#
# tokenizer for a simple expression evaluator for
# numbers and +,-,*,/
# ------------------------------------------------------------
import ply.lex as lex
# List of token names.   This is always required
tokens = (
   'NUMBER',
   'PLUS',
   'MINUS',
   'TIMES',
   'DIVIDE',
   'LPAREN',
   'RPAREN',
)
# Regular expression rules for simple tokens
t_PLUS    = r'\+'
t_MINUS   = r'-'
t_TIMES   = r'\*'
t_DIVIDE  = r'/'
t_LPAREN  = r'\('
t_RPAREN  = r'\)'
# A regular expression rule with some action code
def t_NUMBER(t):
    r'\d+'
    t.value = int(t.value)    
    return t
# Define a rule so we can track line numbers
def t_newline(t):
    r'\n+'
    t.lexer.lineno += len(t.value)
# A string containing ignored characters (spaces and tabs)
t_ignore  = ' \t'
# Error handling rule
def t_error(t):
    print("Illegal character '%s'" % t.value[0])
    t.lexer.skip(1)
# Build the lexer
lexer = lex.lex()

2.3 Създайте в директорията App\Python файл yacc.py, със следното съдържание:

# Yacc example

import ply.yacc as yacc
# Get the token map from the lexer.  This is required.
from calclex import tokens
def p_expression_plus(p):
    'expression : expression PLUS term'
    p[0] = p[1] + p[3]
def p_expression_minus(p):
    'expression : expression MINUS term'
    p[0] = p[1] - p[3]
def p_expression_term(p):
    'expression : term'
    p[0] = p[1]
def p_term_times(p):
    'term : term TIMES factor'
    p[0] = p[1] * p[3]
def p_term_div(p):
    'term : term DIVIDE factor'
    p[0] = p[1] / p[3]
def p_term_factor(p):
    'term : factor'
    p[0] = p[1]
def p_factor_num(p):
    'factor : NUMBER'
    p[0] = p[1]
def p_factor_expr(p):
    'factor : LPAREN expression RPAREN'
    p[0] = p[2]
# Error rule for syntax errors
def p_error(p):
    print("Syntax error in input!")
# Build the parser
parser = yacc.yacc()
while True:
   try:
       s = input('calc > ')
   except EOFError:
       break
   if not s: continue
   result = parser.parse(s)
   print(result)

2.4. Стартирайте парсъра с изпълнение на Windows конзолната команда:

python yacc.py

4. Търсене на отношение в текст

Да се състави алгоритъм (и да се имплементира на PHP), който автоматизирано намира отношения на пишещия към търсени термини в текста, като се създадат примерни речници:

• речник на основните форми на думите с попълнени съответствия за основни форми за примерния текст, с който се тества;
• речник на съществителните, за които се търси отношение;
• речник на думите, носещи информация за положително или отрицателно отношение на пишещия в основните им форми, съдържащ индекс на отношение/емоция за съответната дума.

Алгоритъмът да е достатъчно съобразителен, за да открива инвесии (напр. чрез откриване на ключова дума "не").

Примерно решение тук: [https://www.dropbox.com/s/uw5hoaxmepnoztp/analizator_otnoshenie.php?dl=0]

5. Чат ботове

Примерен чат бот, разработван по време на упражненията, който умее да прави изводи спрямо PROLOG базирана база знания:

http://gp.gpashev.com:93/CrossTranslatorWeb/indexPrologBot.php

(Изходния код се предоставя по време на упражненията).

Помощен файл за упражненията свалете от тук

Save

Учебни материали за Контролна 1 по ОС при ас. д-р инж. Георги Пашев:

1. Ръководство за работа с Линукс: Linux Fundamentals, Paul Cobbault (до 203 стр. за 1. контролна)
2. За документация за команди: команда man <команда> или Linux Manual Pages.

Задача 1:

Да се напише команден ред, който:

• Създава папка с име one, влиза в нея и;
• Създава файл 1.txt, който съдържа имената на всички файлове и/или папки в директорията ~, сортирани по азбучен ред.
• Създава файл 2.txt, който е symlink към 1.txt

Решение:

mkdir one

cd one

ls ~ | sort > 1.txt

ln -s 1.txt 2.txt

Да се напише команден ред, който:

1. Създава папка с име two, влиза в нея и;
2. Създава файл 1.txt, който съдържа пътищата до всички .conf файлове в /etc, сортирани по азбучен ред;
3. Създава файл 2.txt, който е символичен линк към 1.txt;
4. Създава папка 1/, която съдържа копия на всички файлове от 1.
5. За всички файлове от 4. добавя право за изпълнение за user group, която е собственик на файловете.

Решение:

mkdir two

cd two

find /etc -name "*.conf" -type f | sort > 1.txt

ln -s 1.txt 2.txt

mkdir 1

cd 1

find /etc -name "*.conf" -type f -exec cp {} . \;

find . -name "*.conf" -type f -exec chmod g+x {} \;

Примерни тестови въпроси:

От така дадения команден ред по-долу определете:

giorgio@giorgio-VirtualBox:~$ ls -l
total 248
drwxr-xr-x 7 giorgio giorgio   4096 мар  6 13:37 Desktop
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Documents
drwxr-xr-x 4 giorgio giorgio   4096 мар 17 14:37 Downloads
-rw-r--r-- 1 giorgio giorgio   8980 дек  7  2015 examples.desktop
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Music
-rw------- 1 root    root    201377 яну 18  2016 nohup.out
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Pictures
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Public
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Templates
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Videos
giorgio@giorgio-VirtualBox:~$

1. Кои са файловете, които нямат никакви права за изпълнение: examples.desktop; nohup.out;

2. Кои файлове не са от тип директория: examples.desktop; nohup.out;

3. Как се казва потребителят, който е собственик на файла nohup.out: root;

4. Как може да се добавят права за изпълнение за всички юзъри за nohup.out: chmod a+x nohup.out;

5. Напишете команда за изтриване на всички .out файлове в текущата директория: rm -f *.out

За въпроси:

д-р инж. Георги Пашев: georgepashev (at) gmail.com; georgepashev (at) uni-plovdiv.bg

Достъп до онлайн материали чрез платформата Google Classroom:

Обща информация по отношение на оценяването:

За специалност СТД (редовни и задочни), оценяването става чрез:

Курсови проекти (отделни) за двете дисциплини ДПМУ, ППМУ. Темите за КП по ППМУ се избират от списък тук. Темите за КП по ДПМУ могат да бъдат избрани от тук.

Минимални изисквания за КП:

1. Работа с БД sqlite3;

2. Минимум 2 activities;

Бонус точки се дават за:

1. Работа с мрежови заявки, многонишкова работа;

2. Работа със специфичен хардуер на мобилното устройство: bluetooth, gsm modem (sms, data call);

3. Работа с asyncTask, Map, ConcurrentMap, List, ArrayList, ConcurrentArrayList, др.

4. GPS и Google Maps компонента;

Оценките от упражнения се поставят по време на последните часове от триместъра или по време на изпита от ас./гл.ас. Крайните оценки по съответната дисциплина се поставят от титуляра на дисциплината по време на изпита.

За специалност СИ (задочни), оценяването става чрез:

1) Курсови задачи, изпълнени по време на третата част от 5 у.ч. упражнения; ИЛИ

2) Решаване на тест по време на третата част от 5 у. ч. упражнения;

Оценките се поставят по време на третата част от 5 у.ч. упражнения и могат да бъдат коригирани от титуляр на дисциплината.

За специалност СИ (редовни), оценяването става чрез:

Курсови проекти по МП. Темите за КП по МП се избират от списък тук.

Оценките се поставят по време на последната седмица на триместъра и могат да бъдат коригирани от титуляр на дисциплината.

Списък с теми за курсофи проекти:

Списък: https://1drv.ms/w/s!ArI6oidlkCxomX5L9joU9XloqK1k

Разработвани курсови проекти по време на упражненията (Примерни курсови проекти):

https://drive.google.com/drive/folders/0B2Sg-oFX9K4NYW9XSUFnSGdRZGM?usp=sharing

Подготовка за провеждане на упражненията:

1) Андроид студио (Сваляне на архив и разархивиране):

https://drive.google.com/file/d/1QuYudYdE6_D29q779fOU60SArgsajEIj/view?usp=sharing

След сваляне и изтегляне се стартира bin/studio64.exe

2) Андроид SDK (Сваляне на архив и разархивиране в отделна директория):

Конфигурирано SDK може да изтеглите от тук: https://drive.google.com/open?id=1l8v8ADIblCO2xXCtjVofhS9rzYgkVp4r

3) Настройване на Андроид студио за локацията на Android SDK.

File -> Sync Project with Gradle Files

Ако няма настроена папка за локация на Android SDK, ще поиска посочването на пътя до Android SDK. За вече инсталирани среди чрез стандартен инсталатор, най-често SDK се намира в "C:\Users\fmi\AppData\Local\Android\sdk".

Промяна на локацията на SDK става в Tools -> SDK Manager -> Android SDK Location: Edit и новата папка се задава в отворилия се диалогов прозорец.

4) Настройване на виртуално устройство

Tools -> AVD Manager -> + Create Virtual Device. Избира се Phone, Pixel 2XL. При нужда се изтегля API (29, 28 напр.). Емулаторът се инсталира в SDK папката; При изтегляне на SDK от линка по-горе, той вече е в нея и няма нужда от инсталация на емулатор.

Учебна литература и полезни връзки

Най-актуална версия на Android Studio за разработка можете да свалите от тук.

Проекти, работени по време на упражненията, можете да видите тук: https://drive.google.com/drive/folders/0B2Sg-oFX9K4NYW9XSUFnSGdRZGM?usp=sharing

С цел подпомагане на работата за упражненията е създаден базов проект за Android Studio, който можете да свалите от тук.

Книга за самоподготовка: "Практическо програмиране за Android" Денис Колисниченко, второ преработено и допълнено издание, изд. "Асеневци", ISBN 978-954-8898-76-8;

Всеки студент задължително прави Курсов проект.Следва списък с примерни курсови проекти, от които студентите могат да избират, а биха могли да предлагат други теми с подобна трудност и при преценка на преподавателя, да бъдат одобрени.

Теми за проекти по ДПМУ

Обявления за извънредни занятия

За допълнителна информация и въпроси:

гл. ас. д-р инж. Георги Пашев;

e-mail: georgepashev (at) uni-plovdiv.bg;

Здравейте, колеги. Тук си направих труда да извадя линк към учебни материали, които можете да сваляте свободно и безплатно и легално по дисциплината: Въведение в компютърните науки.

Те съдържат:

- решени задачи на упражнения

- записки от лекции, презентации

-други учебни материали

Можете да свалите учебните материали от тук.

Списък с учебници, които можете да търсите допълнително:

Тодорова М, Програмиране на C++, част 1., Сиела

Davis Stephen, C++ for Dummies

Wang Wallace, Beginning Programming for Dummies

Lajole Hose, C++ Primer

Различни учебници за 10. клас

за напреднали:

Тодорова М, Програмиране на C++, част 2., Сиела

Майерс Скот, По-ефективен C++: 35 нови начина да подобрите своите програми и проекти

Willemer Arnold, Coding for Fun mit C++ (Galileo Computing) (само на немски език)

Наков Преслав, Програмиране = ++ Алгоритми

За въпроси:

инж. Г. Пашев, e-mail: georgepashev@gmail.com

Бъдещето на браузърите.
За да бъде новият браузър смислен, трябва в него да има нещо уникално и ново, та да може да отмъкне дял от другите. Chrome е уникален в бързината си на работа и поради факта, че за доста неща разчита на огромния гръбнак от сървъри на Google, понеже така или иначе е тяхна собственост. Значи, трябва ти и огромен гръбнак от сървъри, но понеже туй няма как да стане, затуй може да се мисли за техна алтернатива: някакъв p2p протокол, подобен на торентите, чиято цел е да замести работата, която многото сървъри на google биха свършили: например кеширане на сайтове, кеширане на история на търсене, определяне на близост между потребители и персонализиране на резултати за търсене, подсказки за търсене и т.н. Според мен, обаче, все повече ще се засилва клауд елемента: т.е: тенденцията вече ще бъде операционната ти система да не бъде на локалния компютър, а на виртуален компютър в клауда, а локалната ти станция само ще съдържа съвсем олекотен линукс, чиято основна цел е да зареди основната операционна система от виртуалния компютър в клауда. Тогава има голяма вероятност да има голяма необходимост от браузъри, които са оптимизирани за отдалечено зареждане на уеб базирани операционни системи. Така, че според мен, който работи в тая насока, може и да направи удар при браузърите, независимо в коя държава се намира. Използване на браузър като входна точка към твоя операционна система в клауда: това е част от бъдещето на браузърите. Другото, което ще бъде тенденция, според мен е и появата на т.нар. мулти-браузъри: т.е такива браузъри, които да поддържат не само стандартни протоколи като http, ftp, но и такива протоколи, които засега са били смятани за не - уеб съвместими: например: скайп, торенти, winamp и документни поддръжки. Последното и сега се поддържа с инсталиране на плъгини, с които можеш да разглеждаш pdf, docx и др. файлове директно в браузъра, но в бъдещите браузъри това ще бъде вградено и няма да има нужда да се слагат плъгини. Дори може да се интегрира в http протокола. Представете си да имаш браузър, в който в единия таб ти е пуснат скайпа, в другия таб киснеш във фейсбук, в третия таб си пуснал winamp канал (например Venice Classic Radio), в четвъртия таб теглиш торенти, а ако си програмист, в петия таб си пуснал някаква интегрирана с браузъра среда за разработка на c++ приложение, а на шестия таб даже си стартирал една отдалечена конзола, с която управляваш нещо в ОСто ти в клауда. Ето за такова нещо говоря: браузъра да започне да върши работа едва ли не за всичко. Вариантите за това са два: или различни системи предлагат своя версия за сегашния уеб, или уеб да се пригоди за тях чрез браузър, който да ги поддържа. Кой да има тази инициатива? Според мен е по-логично браузърът да има инициативата да се развива и да предлага по-голямо разнообразие от разширения на http за комуникация. Другата тенденция, която определено ще я има е и вграждането в http и използването на периферни устройства за виртуална реалност като google glass например. Дори вече се говори за разработване на javascript api-та за това. В един момент сайтовете ще се считат за остаряли, ако не поддържат някои неща за google glass или виртуална реалност като цяло.

Задачи:

Да се напише bash shell script, който:

1) Приема име на файл и му добавя право за изпълнение. Ако няма такъв файл да изпише съобщение за грешка "No such file."

#!/bin/bash

if [ -e $1 ]; then

    chmod +x $1

else

  echo No such file $1.

fi

2) Приема от командния ред 2 числа, а ако не са подадени 2 числа като входни параметри, предлага на потребителя да ги въведе. Тези 2 числа са първите 2 числа на ред на Фибоначи, който скрипта трябва да генерира. Редът да е с размер 20 елемента. Генерираният ред да се запазва във файл: fib.txt.

#!/bin/bash

num_vh=$#
declare -i num1
declare -i num2
declare -a nums
#echo $num_vh
if [ $num_vh -le 1 ]; then
  echo "enter first number";
  read num1
  echo "enter second number";
  read num2
 else
 num1=$1
 num2=$2  
fi

nums[0]=$num1
nums[1]=$num2
echo "Fibonacci" > fib.txt
echo nums[0]=${nums[0]} >> fib.txt
echo nums[1]=${nums[1]} >> fib.txt
declare -i i=2
while [ $i -lt 20 ]; do 
  
  nums[$i]=$(( ${nums[(( $i - 1 ))]} + ${nums[(( $i - 2 ))]} )) 
  echo nums[$i]=${nums[$i]} >> fib.txt
  i=$i+1
 

done

3) Приема от командния ред цяло число и проверява дали е четно или не. Ако е четно, изписва "1", ако е нечетно "0".

#!/bin/bash

if [ $(( $1 % 2 )) -eq 0 ]; then

    echo "1"

else

  echo "0"

fi

4) Приема от командния ред променлив брой числа и връща сумата им.

#!/bin/bash

declare -i sum=0

for num in $@

do

sum=$(( $sum + $num ))

done

echo $sum

5) Приема от командния ред имена на 2 файла. Проверява дали по съдържание са еднакви. Ако са еднакви, да изтрие втория.

#!/bin/bash

fc1=""

fc2=""

if [ $# -lt 2 ]; then

    echo "not enough parameters"

    exit 1

fi

if  [ -e $1 ] && [ -e $2 ]; then 

  fc1=$( cat $1 )

  fc2=$( cat $2 )

  if [ $fc1 = $fc2 ]; then

    echo '1'

    rm $2

  else

    echo '0'

  fi  

else

    echo "one of the files do not exist"

    exit 2

fi

6) Приема от командния ред цяло число и връща неговия факториел.

#!/bin/bash

if [ $# -lt 1 ]; then

    echo "Not enough input parameters"

    exit 1

fi

re='^[0-9]+$'

if ! [[ $1 =~ $re ]] ; then

   echo "error: Not a number" >&2; exit 2

fi

declare -i fac=1

if [ $1 -eq 1 ]; then

  echo $fac

  exit 0

fi

for (( nnum=1;  nnum <= $1 ; nnum=$(( $nnum+1 )) ))

do

  fac=$(( $fac * $nnum ))

done

echo $fac

7) Генерира файл variations.txt, който съдържа всички пермутации с повторения на числата 1, 2, 3.

#!/bin/bash

for i in 1 2 3; do

  for j in 1 2 3; do

    for k in 1 2 3; do

      echo [i, j, k]=[$i, $j, $k] >> variations.txt    

    done

  done

done