автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Разработка и исследование методов применения систем поддержки принятия решений на основе нечетких моделей в задачах проектирования информационно-вычислительных сетей

кандидата технических наук
Солодовников, Андрей Юрьевич
город
Москва
год
2006
специальность ВАК РФ
05.13.12
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Разработка и исследование методов применения систем поддержки принятия решений на основе нечетких моделей в задачах проектирования информационно-вычислительных сетей»

Автореферат диссертации по теме "Разработка и исследование методов применения систем поддержки принятия решений на основе нечетких моделей в задачах проектирования информационно-вычислительных сетей"

На правах рукописи

Солодовников Андрей Юрьевич

РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ ПРИМЕНЕНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕЧЕТКИХ МОДЕЛЕЙ В ЗАДАЧАХ ПРОЕКТИРОВАНИЯ ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ

Специальность05.13.12-"Системы автоматизации проектирования (информатика)"

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва - 2006

Работа выполнена на кафедре «Вычислительная техника» Московского энергетического института (технического университета)

Научный руководитель: кандидат технических наук, доцент

Дорошенко Александр Николаевич

Официальные оппоненты: доктор технических наук, профессор

Вагин Вадим Николаевич

кандидат технических наук, доцент Федорук Владимир Геннадьевич

Ведущая организация: Государственное учреждение "Российский научно-

исследовательский институт информационных технологий и систем автоматизированного проектирования" (ГУ РосНИИ ИТ и АЛ)

Защита диссертации состоится 30 ноября 2006 г. в 18:00 ч. в Малом актовом зале на заседании диссертационного совета Д 212.157.08 при Московском энергетическом институте (техническом университете) по адресу 111250, г. Москва, Красноказарменная улм д. 14.

С диссертацией можно ознакомиться в библиотеке МЭИ (ТУ),

Отзывы в двух экземплярах, заверенные печатью организации, просим присылать по адресу: 111250, г. Москва, Красноказарменная ул., д.14, Ученый совет МЭИ (ТУ).

Автореферат разослан << г? » сисТ^&рл_2006 г.

Ученый секретарь

диссертационного совета Д 212.157.08

Бесе дин В.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы исследования. Анализ проектных процедур, используемых сетевыми интеграторами, показывает, что процесс проектирования вычислительной сети (ВС) в большой степени основывается не на формальных методах, а на опыте и интуиции разработчиков. Это обуславливается тем, что начальные этапы проектирования ВС, предусматривающие выбор технических и программных средств, топологии, иерархии сети и системы протоколов, с одной стороны, требуют учета большого числа параметров, определяющих качественные и количественные показатели вычислительной сети, а с другой, проходят в условиях неполной и неточной начальной информации.

Существующие системы проектирования ВС ограничиваются имитационным моделированием физических моделей сетей, оставляя системному интегратору синтез и оптимизацию модели сети. Класс задач структурного и параметрического синтеза ВС относится к КР-полным задачам принятия решений, и в условиях неточности и неопределенности формализовать их выполнение традиционными аналитическими методами не представляется возможным. На практике начальные этапы проектирования ВС сводятся к итеративному процессу интуитивного выбора разработчиком конфигурации сети и оборудования, построения имитационной модели, оценки результатов моделирования и коррекции параметров модели.

Учитывая вышесказанное, представляется актуальным разработка методов и средств, автоматизирующих выполнение задач начальных этапов проектирования вычислительных сетей. Перспективным подходом к решению подобных задач является использование интерактивных человеко-машинных систем поддержки принятия проектных решений, позволяющих проводить этапы структурного и параметрического синтеза проектных решений на основе экспертных оценок и суждений с учетом опыта, знаний и предпочтений разработчиков проекта.

Цели и задачи исследования. Целью данной работы является исследование и разработка методики применения систем поддержки принятия решений на основе нечетких моделей в задачах начальных этапов проектирования информационно-вычислительных сетей и практическая реализация разработанной методики в виде инструментального программного обеспечения, позволяющего автоматизировать начальные этапы проектирования корпоративных вычислительных сетей.

Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

• Исследование моделей представления знаний в интеллектуальных системах, анализ методов и принципов применения интеллектуальных систем для решения задач проектирования сложных информационных систем.

• Исследование особенностей корпоративных ВС и возникающих при их проектировании задач, анализ возможности применения систем поддержки принятия решений (СППР) на основе нечетких моделей для решения задач начальных этапов проектирования ВС.

• Разработка методики автоматизации начальных этапов проектирования ВС на основе СППР и системы имитационного моделирования ВС, разработка методов взаимодействия СППР с системой имитационного моделирования ВС и лицом, принимающим решение (ЛПР), в процессе проектирования ВС.

• Разработка инструментального программного обеспечения системы автоматизированного проектирования ВС на основе предложенной методики, экспериментальное исследование и анализ эффективности предложенной методики проектирования ВС, определение критериев и ограничений ее применения.

Методы исследования. Для решения поставленных задач в данной работе использовались понятия и методы математической логики, теории множеств, теории графов, элементы L-исчисления, системного анализа, формальной семантики языков, современные методологии построения программных комплексов, систем и системного программирования, совокупность методов, обобщенных направлением "мягкие вычисления": аппарат нечетких множеств, нечеткой алгебры и нечеткой логики, теория возможностей, нейросетевые технологии; методы теории вероятности, теории массового обслуживания и имитационного моделирования.

Научная новизна диссертации заключается в следующем:

• Предложены принципы построения и применения систем поддержки принятия решений в задачах проектирования ВС, обосновано применение аппарата нечеткой логики в системах поддержки принятия решений применительно к задачам проектирования корпоративных ВС.

• Разработана методика решения общей задачи проектирования ВС, включающая метод нечеткой декомпозиции общей задачи проектирования ВС на ряд локальных подзадач проектирования сегментов сети.

• Разработаны нечеткие модели представления экспертных знаний для решения локальных подзадач проектирования ВС.

• Разработаны методы интеграции системы моделирования и системы поддержки принятия решений, методы взаимодействия СППР и ЛПР в процессе проектирования ВС, разработан и апробирован метод определения качества получаемого проекта ВС.

Практическая значимость. В данной работе в качестве объекта проектирования исследуется наиболее распространенный класс ВС - сети масштаба предприятия (корпоративные ВС), с соответствующими параметрами работы, задержек, типами передаваемого трафика и требованиями к надежности и безопасности. Предлагаемая методика проектирования ВС позволяет эффективно, при взаимодействии системы с разработчиком, решать задачи, возникающие на начальных этапах проектирования корпоративных ВС. В ходе выполнения работы создано оригинальное программное обеспечение инструментария проектирования информационно-вычислительных сетей на базе среды разработки экспертных систем Fuzzy Expert, доведенное до уровня исследовательского прототипа. Общий объем разработанного программного обеспечения инстру-

ментария составляет около 30000 строк кода на языках С++, JavaScript, FCL и IDL. Часть инструментария (экспертная среда Fuzzy Expert) зарегистрирована в отделе регистрации программ ЭВМ, баз данных и топологий ИМС Федерального института промышленной собственности РОСПАТЕНТа (свидетельство №2002611146 от 09.07,2002).

Практическая ценность состоит в том, что разработанные методики, модели и алгоритмы реализованы в виде программной инструментальной среды проектирования ВС и используются в производственных процессах Калужского филиала ОАО "ЦентрТелеком" и ОАО "КалугаЭнерго". Предлагаемая методика проектирования ВС, а также разработанная система проектирования допускают модификации и расширения, обеспечивающие поддержку процесса проектирования различных классов ВС.

Достоверность полученных результатов обеспечивается использованием аппарата математической логики, теорий нечетких множеств, принятия решений, графов, структур данных, полнотой и корректностью исходных предпосылок» математической строгостью доказанных утверждений и преобразований при получении аналитических зависимостей, а также результатами имитационного моделирования, практической реализации и апробации работы.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 12-ой международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, МЭИ (ТУ), 200бг), 11-ой международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, МЭИ (ТУ), 2005г), международной научно-технической конференции "Информационные средства и технологии" (Москва, МЭИ (ТУ), 2005г), международной научно-технической конференции "Информационные средства и технологии" (Москва, МЭИ (ТУ), 2004г), 5-м всероссийском семинаре "Моделирование неравновесных систем" (Красноярск, 2002), региональной студенческой научно-технической конференции "Прогрессивные технологии и конструкции, механизация и автоматизация производственных процессов" (Калуга, КФ МГТУ им. Н.Э.Баумана, 2000г).

Публикация результатов работы. По теме диссертации опубликовано 11 работ, отражающих основные результаты работы.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 77 наименований и приложений. Работа содержит 147 страниц машинописного текста содержательной части, 39 рисунков, 9 таблиц и 8 страниц библиографии. Положения, выносимые на защиту. На защиту выносятся:

♦ Принципы построения и применения систем поддержки принятия решений на основе нечетких моделей совместно с системами имитационного моделирования ВС в задачах проектирования ВС.

• Методика решения общей задачи проектирования ВС, включающая нечеткую декомпозицию общей задачи на ряд подзадач проектирования локальных сегментов ВС.

♦ Нечеткие модели на основе экспертных знаний для решения задач проектирования локальных сегментов ВС.

• Архитектура системы проектирования ВС на основе нечетких моделей и протоколы взаимодействия ее компонентов.

ОСНОВПОЕ СОДЕРЖАНИЕ РАБОТЫ.

Во введении обоснована актуальность исследуемой проблемы» сформулированы цели и задачи диссертационной работы, перечислены полученные в диссертации новые результаты, их практическая ценность, представлены положения, выносимые на защиту, и описана структура диссертации.

: В первой главе рассматриваются вычислительные сети как объект проектирования — иерархия, состав технических и программных средств вычислительных сетей, методы и программные средства, используемые на различных этапах проектировании ВС. Определены основные задачи, требующие разработки методов и средств автоматизации проектирования ВС, произведена постановка задач, решаемых в диссертационной работе.

Для определения задач, возникающих в процессе проектирования корпоративных ВС (КВС), произведена их классификация, определено представление КВС в виде иерархической структуры, представление уровней и взаимосвязи между ними, рассмотрены технические и программные средства, реализующие каждый из уровней иерархии. Цель проектирования КВС состоит в том, чтобы на основании характеристик информационных потоков предприятия, параметров потребителей и производителей информации выбрать состав технических устройств, средств связи, информационное и программное обеспечение, структуру и организацию ВС, которые выполняли бы основные требования к качеству информационных услуг, предоставляемых сетью, при заданных ограничениях на затраты ее проектирования, внедрения и обслуживания.

Можно сформулировать типовые этапы выполнения сетевых проектов: анализ требований, разработка функционально-информационной модели предприятия, разработка технической модели ВС (структурный синтез), разработка физической модели ВС (параметрический синтез), моделирование и оптимизация ВС. Из анализа этапов проектирования ВС следует, что в автоматизации выполнения нуждаются задачи этапов разработки технической и физической моделей сети — определение сегментов и подсетей, проектирование топологии сегментов и сети в целом, выбор иерархии, магистрального и периферийного оборудования, протоколов и способов организации каналов передачи данных. Многие задачи начальных этапов проектирования ВС являются ЫР-полными и не поддаются формализации ввиду нечеткости задачи проектирования, исходных данных, критериев и ограничений. Некоторые задачи, например, задача синтеза и оптимизации топологии, могут быть решены комбинаторными методами, однако эти методы характеризуются высокой вычислительной сложностью и наличием множества ограничений, что не позволяет использовать их для решения практических задач. Вместе с тем, получать оптимальное решение задачи проектирования в большинстве случаев не требуется - обычно задача сводится к получению спектра решений, удовлетворяющих критериям проектиро-

вания, и выбору из них оптимального при интерактивном участии в процессе принятия решения системного инте1ратора. Для оценки качества проекта сети принято использовать приведенную стоимость проекта сети — обобщенный экономический критерий, представляющий собой совокупность затрат на разработку сети, организацию каналов связи, закупку и обслуживание оборудования, технические характеристики узлов сети, показатели надежности.

По результатам анализа процесса и средств проектирования ВС в данной работе предлагается подход к автоматизации начальных этапов проектирования ВС с применением CI 11 IP и системы имитационного моделирования. Учитывая неполноту и неточность представлений о ВС как объектах проектирования и о самом процессе проектирования ВС, а также то, что знания о процессе проектирования ВС выражены в виде экспертных оценок, в качестве СПГТР предлагается использовать экспертную систему на основе нечетких моделей с продукционным представлением знаний. В качестве исходного представления проекта ВС предлагается использовать бизнес-модель предприятия, разработанную в сазе-средствах, таких, как Rational Rose или BP\ERWin. Для моделирования и оценки параметров получаемой модели ВС предлагается использовать существующие системы имитационного моделирования ВС Comnet III и NS2.

Предлагается следующая модель процесса проектирования ВС (рис. 1):

База знаний структурного синтеза ВС

База знаний параметра ческого синтеза ВС

^¡пр)

База сетевого оборудования

Определение пропускных способностей ЛС

Рис. I Предлагаемый процесс проектирования ВС

Исходными данными для процесса проектирования являются параметры функциональной модели производства, описывающие информационные потоки предприятия, расположение узлов производства и потребления информации, ценовую категорию, ограничения по надежности и другие параметры, определяющие ограничения и критерии проекта. СППР на основе этих данных, экспертных знаний и взаимодействия с разработчиком выполняет этапы технического и физического моделирования, получая несколько вариантов предварительных физических моделей ВС и их оценку в виде приведенной стоимости. Затем выполняется процедура имитационного моделирования, количественные параметры физических моделей уточняются в соответствии с результатами моделирования и системой поддержки принятия решений производится пересчет

приведенной стоимости и окончательное ранжирование моделей, в результате чего формируется физическая модель ВС,

Во второй главе приводится формальное определение задачи принятия решений, рассматриваются средства и методы решения задачи принятия решений в условиях неопределенности, структура и способы представления экспертных знаний в системах поддержки принятия решений, основные положения нечеткой логики и нечеткого вывода» алгоритм функционирования экспертных систем на основе нечетких моделей, методы приобретения экспертных знаний и метод декомпозиции нечетких решений для многоуровневых систем.

Процесс проектирования сложных информационных систем и, в частности, вычислительных сетей, в значительной мере является задачей принятия решения (ЗПР). ЗПР принято рассматривать в контексте поиска в пространстве состояний. Формально задача принятия решения определяется набором 3/7Р =< Б, Б н, , Р, С? >, где

Э- множество состояний (ситуаций), называемое универсумом, ЗсБ -подмножество допустимых состояний, 3\Б — подмножество недопустимых состояний, 5Я д 3 - подмножество начальных состояний, Бк с подмножество конечных (целевых) состояний, Р: 3 —» 3 - множество правил преобразования, Q - множество критериев оценки найденного решения.

Решением ЗПР является последовательность правил (последовательность применения правил) преобразований Р[...Рп>Р1 е Р, такая, что

• Композиция Рх °Рг где х'

• Искомая последовательность должна удовлетворять критериям из множества Q.

Один из наиболее эффективных подходов к решению задач подобного класса в проектировании — использование систем поддержки принятия решений (СППР). СППР определяется как совокупность методов и реализующих их инструментальных средств, обеспечивающих формирование (моделирование) альтернативных решений на разных этапах принятия решений, их анализ и выбор альтернатив, удовлетворяющих поставленным условиям.

Из анализа этапов и задач проектирования ВС выявлены следующие особенности ВС как объекта проектирования и самого процесса проектирования:

• Представление описания проектируемой ВС на уровне функционально-информационной модели предприятия.

• Представление знаний о процессе преобразования функциональной модели в физическую модель сети в виде экспертных оценок и суждений, большая размерность пространства решений.

• Нечеткие количественные значения исходных данных: интенсивности и объемы сообщений, ограничения по временам задержек.

• Нечеткие качественные значения параметров и ограничений: тип трафика для узлов сети, требования к безопасности, достоверности и надежности.

• Параметры используемых технических средств не являются непрерывными — например, пропускные способности каналов связи, производительность узлов и сетевого оборудования.

• Необходимость учета предпочтений разработчика и интерактивного взаимодействия системы проектирования и ЛПР, возможность аргументированного обоснования принимаемых системой решений.

• Наличие статистически полученных данных» отражающих функционирование и параметры отдельных элементов сети и сетевых устройств.

Из анализа отмеченных особенностей представления сети как объекта проектирования, особенностей самого процесса проектирования, требований к способу представления и обработки знаний в СППР, можно сделать вывод, что наиболее адекватно требованиям эффективного решения задач начальных этапов проектирования ВС отвечают гибридные продукционные экспертные системы на основе нечетких моделей.

В основе алгоритма функционирования нечетких экспертных систем лежит алгоритм нечеткого вывода. Нечетким логическим выводом называется аппроксимация зависимости У = /(Х1,Х2,...,Хп) каждой выходной лингвистической переменной (ЛП) от входных лингвистических переменных и получение заключения в виде нечеткого множества, соответствующего текущим значениях входов, с использованием нечеткой базы знаний и нечетких операций. Процедура нечеткого вывода состоит из четырех основных этапов:

• Этап фаззификации. С помощью функций принадлежности всех термов входных ЛП и на основании задаваемых четких значений входных ЛП определяются степени уверенности в том, что входная ЛП принимает значение — конкретный терм.

• Этап нечеткого вывода. На основании набора правил и фактов вычисляется альфа-значение истинности для предпосылки каждого правила на основании конкретных нечетких операций, соответствующих конъюнкции или дизъюнкции термов в левой части правил. Затем, используя одну из операций нечёткой импликации (например, максминный метод или метод максимальных точек), определяется функция принадлежности ЛП заключения (консеквентов). Порядок применения правил определяется способом вывода (прямой, обратный или комбинированный).

• Этап композиции (агрегации, аккумуляции). Для каждой из выходных ЛП производится объединение нечетких множеств и формируется единственное нечеткое множество в.

• Этап дефаззификации. (необязательный). Используется тогда, когда необходимо преобразовывать нечеткий набор значений выводимых ЛП к точным значениям. Для преобразования используется один из методов дефаззификации (центр тяжести, медиана» наибольший из максимумов, наименьший из максимумов, центр максимумов).

Обычно в состав экспертной системы входит несколько слабосвязанных узкоспециализированных баз знаний - нечетких контроллеров. В этом случае

часто используется модель доски объявлений, в которой динамические знания представляют собой нечеткие продукционные правила и для каждого нечеткого контроллера существует свой набор динамических знаний, статические знания представлены в виде нечетких фактов и полностью или частично доступны для всех нечетких контроллеров. Представление знаний в виде нечетких продукций позволяет помимо учета нечеткости начальных знаний и представлений об объекте проектирования значительно уменьшить количество правил, поскольку каждое нечеткое правило определяет класс отношений между объектами, позволяя при этом более точно выражать экспертные знания при помощи нечетких отношений — квантификаторов.

При проектировании корпоративных ВС используется принцип декомпозиции, позволяющий выполнять задачи проектирования применительно к сегментам сети, что значительно снижает вычислительную сложность задачи. Однако при этом возникает риск потери связности между отдельными подзадачами, поскольку основной акцент переносится на решение локальных подзадач, а вопросы координации взаимодействия между задачами рассматриваются только вторично. В рассматриваемом в работе методе декомпозиции задачи принятия решений в условиях неопределенности на каждом уровне декомпозиции помимо эффективности и допустимости вводятся критерии скоординироеанно-сти решения. В качестве характеристики принимаемых решений по отдельным подсистемам и для всей системы в целом предлагается использовать функцию принадлежности принимаемых решений к подмножеству допустимых, эффективных и скоординированных решений. Исходя из этого, определяется рекуррентная процедура принятия нечетких решений, позволяющая учитывать связи между подзадачами и повысить эффективность принятия решения относительно иерархической системы в условиях неопределенности, В диссертационной работе для задач, решаемых в ходе проектирования ВС, в качестве меры скоор-динированности предложено использовать приведенную стоимость решения.

Одна из наиболее сложных задач при создании интеллектуальных систем - наполнение базы знаний, а также обеспечение ее непротиворечивости. В работе рассмотрены как методы получения экспертных знаний на основе экспертных оценок, так и подходы, позволяющие частично автоматизировать определение набора нечетких продукционных правил и корректировку функций принадлежности нечетких фактов при наличии статистически или аналитически полученных данных. Данные подходы основаны как на формальном определении процесса нечеткого вывода, так и на использовании специализированных нейронных сетей, позволяющих выявлять закономерности в экспериментальных данных и, на их основе, определять экспертные оценки и отношения,

В качестве средства для создания системы проектирования ВС в условиях нечеткости в работе используется разработанная ранее оригинальная экспертная среда Fuzzy Expert, использующая описанные принципы работы экспертных систем на основе нечетких моделей. Данная среда позволяет описывать нечеткие модели при помощи нечетких правил и фактов, определять алгоритмы взаимодействия нечетких моделей, экспертной системы и ЛПР, пополнять базу

знаний фактами и правилами, интерактивно взаимодействовать с ЛПР, а также осуществлять интеграцию с другими программными пакетами. Для извлечения знаний из данных в работе использовались пакеты анализа экспериментальных данных Mathlab Fuzzy Logic ToolBox ANFIS и NEFCON.

В третьей главе детально рассматривается предлагаемая методика проектирования ВС с использованием экспертных оценок и системы поддержки принятия проектных решений. Описывается метод нечеткой декомпозиции общей задачи проектирования ВС на ряд подзадач, определяется специфика подзадач проектирования и приводится представление нечетких моделей (базы знаний и фактов) для решения каждой из подзадач: определение критериев декомпозиции сети на подсети, проектирование сегментов (выбор топологии и среды передачи данных для магистралей и подсетей, определение необходимых пропускных способностей подсетей), проектирование глобального сетевого покрытия (WAN). Приведено описание инструментальной среды проектирования ВС, разработанной на основе предлагаемой методики, рассматривается среда проектирования экспертных систем FuzzyExpert как основа разработанной системы проектирования ВС, приведены описание проекта экспертной системы, элементы языка FLL (представление фактов и правил) и способ интеграции нечеткой экспертной среды с системой имитационного моделирования ВС.

В результате анализа этапов проектирования ВС было установлено, что после проведения этапа бизнес-моделирования у разработчика проекта сети имеются следующие факты:

• Структура предприятия, включая иерархию и количество рабочих групп, их пространственное распределение и взаимодействие.

• Количество рабочих мест по группам (в виде интервальной оценки).

• Распределение задач по рабочим группам, оценки приватности использования данных каждой рабочей группой.

• Тип и количество передаваемой информации для каждого узла проектируемой сети, интенсивности взаимодействия узлов сети, выраженные в виде качественных или интервальных значений.

• Критерии, определяющие допуски на параметры проектируемой сети: требуемая надежность работы сети, временные показатели ее работы, необходимость интеграции с глобальными сетями, примерная ценовая категория проекта, заключение по дальнейшему развитию сегментов сети.

На основании этих сведений в процессе проектирования необходимо решить следующие задачи:

• Определить иерархию и топологию сети.

• Определить параметры пропускных способностей магистралей и локальных подсетей, выбрать тип среды передачи для каждой подсети и WAN.

• Определить параметры агентов (узлов) сети — тип трафика, характер распределения интенсивностей обмена сообщениями.

• Выбрать необходимое сетевое оборудование.

• Оценить полученное проектное решение при помощи критерия приведенной стоимости, определить степень соответствия ограничениям по надежности, безопасности и стоимости.

Процесс проектирования вычислительной сети в предлагаемой методике разбивается на 4 основных этапа:

• Ввод начальных данных и конфигурации, получение внутреннего представления бизнес-модели проектируемой сети.

• Выработка и ранжирование решений, построение первоначальных физических моделей предлагаемых решений.

• Имитационное моделирование предлагаемых решений.

• Анализ результатов, выбор окончательного решения. Этап ввода начальных данных и конфигурации

На первом этапе системой поддержки принятия проектных решений анализируются данные, предоставляемые функциональной моделью производства. В качестве средства для построения функциональной модели используются сазе-средства, в которых модель представляется в виде DFD-диаграммы информационных потоков, узлами которой являются участки потребления и производства информации - рабочие места и группы, а дуги описывают входящие и исходящие потоки данных для каждого узла, а также параметры потоков (интенсивность сообщений и вид трафика). Бизнес-модель определяет разбиение задачи проектирования на уровни иерархии, начиная с наиболее высокого уровня иерархии, определяющего расположение и количество удаленных офисов, связи и потоки данных между подразделениями, затем определяется количество зданий каждого подразделения компании, количество этажей в каждом здании и так далее, заканчивая определением количества рабочих станций и серверов. Полученные в результате сведения отображаются во внутреннее представление экспертной системы в виде нечетких фактов, формируется матрица связности (интенсивности и типы сообщений между узлами). Этап обоснования и выбора предлагаемых решений На данном этапе в результате взаимодействия СППР и разработчика определяются критерии проектирования (требуемая надежность и безопасность, стоимость), на основе внутреннего представления функциональной модели предприятия, экспертных оценок и высказываний формируются предварительные варианты физических моделей ВС. Физические модели формируются в результате работы алгоритмов декомпозиции, выбора топологии и технических средств узлов, кабельной системы, расчета пропускных способностей сегментов сети и WAN, представленных в виде нечетких моделей — наборов нечетких фактов и правил. Данные модели составлены как на основе формальных процедур выбора технических решений, изложенных в доступной литературе, так и на основе оценок экспертов.

Задача проектирования ВС в предлагаемой методике сводится к построению дерева решений на основе декомпозиции общей задачи проектирования, и, таким образом, разбивается на уровне «листьев» дерева проектирования в набор задач проектирования топологий и кабельной подсетей и магистралей:

Рис. 2 Дерево решения общей задачи проектирования ВС

Для определения условий декомпозиции общей задачи проектирования ВС в разработанной методике используется нечеткий алгоритм поиска регионов локализации трафика (нечеткая декомпозиция)^ учитывающий кроме параметров потоков данных расположение узлов сети и их типы. Для каждой пары узлов алгоритм при помощи процедуры определения степени принадлежности узла к подсети, представленной в виде набора нечетких правил отдельного нечеткого контроллера, вычисляет значение связности узлов. При получении степени принадлежности выше порогового значения считается, что узлы принадлежат к одной подсети. Данная процедура в предлагаемой методике проектирования ВС описывается при помощинечеткой модели (рис. 3): _

' Узел в подсети

Условие типа трафика и расстояния

Условие локализации трафика

г Примадлежнос узла подсети,

Правила определения принадлежности узла к подсети в виде нечетких высказываний

уэел_подсети( Назнач ение_уз ла ,Тип_тра фика, Расстоя ние,Тип_уз ла,

Внутренний_трафик,Внешний_трафик,Узел_лодсети)>

тип_трафика_расстояние(Тип_трафика, Расстояние, Узел_подсеги)::95,

локализация_тра<$ика (Наз кач ен ие_уэ ла, тип_узла, Внутренний_трафик, Внешний_трафик,

Узел_подсети) _

Рис. 3 Нечеткая модель определения степени принадлежности узла к подсети

Процесс определения принадлежности узла к подсети представлен в виде функции от двух нечетких высказываний, определяющих параметры трафика узла и его физическое расположение:

• Тип трафика и расстояние — определяется вцдом трафика и расстоянием между узлами.

♦ Локализация трафика — зависит от типа узла, приведенного назначения узла, интенсивности входящих и исходящих сообщений.

Таким образом, принадлежность узла к подсети определяется как функция от исходных фактов, заданных для данной подсети и узла ("Назначе-ние_узла", "Тип_трафика", "Расстояние", "Тип_узла", "Внутренний_трафик", "Внешний_трафик") и принимает значения на интервале от 0 до 1. Данная функция задается посредством нечетких продукционных правил, получаемых из приведенных нечетких высказываний.

По достижении процедурой нечеткой декомпозиции финальных стадий (узлов) дерева проектирования выполняется проектирование топологий и кабельных систем для каждого узла (магистралей и подсетей). Процесс проектирования кабельной подсистемы в разработанной методике представлен в виде нечеткой модели и отображен в базу знаний нечеткого контроллера в виде набора фактов и правил. Данная модель, определяющая нечеткие факты, правила и ограничения проектирования кабельной подсистемы, представлена на рис. 4:

Правила проектирования кабельной системы в виде нечетких высказываний

ка бельн ая_систем а (Стоим ость, Расстоя ние ,Урс вень_п ом ех,Ср еда_п ередачи) :■ п ом еюусто йч и во сть (С р еда_п е ред ач и,Типо вая „помехоусто йчи вость), Уровень_помех <= Ти п овая_пом еюусто йчи вость,

сто и м осгъ_под ключей ия_уз ла (С реда_п ередачи, Стоим ость_по дк лючен ия), Стоимость >= Стоимость_подключения,

ра сстоя ни е_м ежду_уэ лам и (С реда_п е ред ач и ,Ти п оаое_расстоя ние), Расстояние <= Ти п овое_р а сстоян и е:: 9 5._

Кабешная система

У слое ие стоимости подключения

Условие расстояний

Рис. 4 Нечеткая модель проектирования кабельной системы подсети

Нечеткие факты, высказывания и ограничения определяются из нечеткой модели проектирования кабельной подсистемы аналогично, как и в рассмотренной выше модели определения принадлежности узла к подсети. Допустимые для данной сети топологии в виде нечеткого факта "Топология" определяются решением задачи проектирования топологии подсети.

В качестве иллюстрации процесса определения лингвистического значения факта и процесса применения ограничения опишем лингвистическую пе-

If

Ш

ijWfi

^в» ы« ___________ -..........

................

Графическое представление нечеткого факта приведено на рис. 5.

Нечеткий

гоМ 1

0.9 0.8 0.7 0.6 05 0.4 0.3 0.2 0.1 о

* / \ *

f_ 1 /

1 Г

* / 1 / \

1 t % 1

* / % г \

* / \ !.... \

1 1

* 1 \

* / » t \

—низкая

- - - средняя

—- — высокая

----очень

высокая

10 25 50 100 250 500 1000 2000 5000

Рис. 5 Нечеткий факт "стоимость подключения узла"

факт

"стоимость подключения узла" имеет четыре возможных качественных значения, определяющих соответствие лингвистических значений нечеткого факта численным значениям стоимости подключения узла в кабельную систему, Например, если стоимость подключения узла задается величиной,

равной 50, требуемый от среды передачи уровень стоимости подключения будет определен как "стоимость_узла" = {(низкая, 1), (средняя, 0.5), (высокая, 0), (очень высокая, 0)}. В качестве источников при определении фактов использовались различные стандартизированные документы (например, для кабельной системы на основе технологий Ethernet использовались параметры, определяемые серией документов IEEE 802),

Представленные нечеткие правила и ограничения позволяют осуществлять выбор среды передачи на основе фактов, получаемых на соответствующих этапах работы системы проектирования ВС. Результатом является набор сред передач, отвечающих заданным на проектирование подсети ограничениям, с соответствующими значениями истинности и приведенной стоимости каждого решения.

Процессы проектирования топологии подсетей и глобального сетевого покрытия (ЛУАЫ) в разработанной методике также представлены в виде нечетких моделей, отображенных в базы знаний нечетких контроллеров в виде набора нечетких правил и ограничений. Результатом выполнения процедур проектирования топологий и является набор топологий и типов глобального сетевого покрытия, отвечающих заданным на проектирование ограничениям, с соответствующими значениями истинности и приведенной стоимости для каждого решения.

В ходе процесса декомпозиции общей задачи проектирования ВС возникает необходимость определения пропускных способностей каналов межсегментных соединений. Для достижения данной цели в разработанной методике применяется решение, которое основывается на нечетком алгоритме расчета трафика.

Каждый канал к характеризуется пропускной способностью - реальной Рк и максимальной РтахА (бит/сек). Интенсивность взаимодействия (передачи сообщений) любой пары узлов — это величина В^ (бит/сек). Величина Ву измеряется в течение длительного промежутка времени Г и усредняется. Усреднение может быть представлено вычислением среднего значения , построением на основе гистограммы распределения вероятностей или построением функции принадлежности на основе распределения вероятности интенсивности взаимодействии узлов по интервалу.

Вид коммуникационного оборудования значительно влияет на загруженность канала связи, поэтому суммарный трафик, приходящийся на канал связи, зависит от типа канала. Например, суммарный трафик канала типа "коммутатор

— коммутатор" определяется выражением Тк - ^^ ^^ В у , где множество вершин Л/1 и множество вершин М2 - это множества узлов данного канала связи. Распределение интенсивности трафика на интервале можно представить с помощью функции принадлежности, которая определяет нечеткое число, выражающее интенсивность взаимодействия узлов сети на данном интервале в зависимости от типа трафика. Для определения алгебраических операций над нечеткими числами используется а -уровневый принцип обобщения. Нечеткие числа представляются в виде разложений по сг-уровневым множествам:

Х= , где ха(ха) минимальное (максимальное) значение У на а-

ае[0,1]

уровне. Если функция y = f(xux2).от и независимых переменных и ар-

хументы заданы нечеткими числами У, = (х,\а>),i = П», то значением

aefö.l]

функции у = /(Si,S2*'"»srn) называется нечеткое число у = где

«€[0,1]

in.f -<f(xla>xza>' • *>*«,«»» У а = SUP ^(/(х1<а>х2,а>->хъа))-

* «ЗгЛфН.« х

i,a

Определяя для операции сложения у = + ЗГ2, ¿ = +¿£2 и J = xi + Х2, мы получаем способ расчета пропускных способностей каналов, позволяющий учитывать характер распределения интенсивностей взаимодействия в зависимости от типа трафика каждого узла.

Таким образом, в процессе активации нечетких контроллеров, реализующих представленные алгоритмы проектирования, для каждой из полученных подсетей на основе заложенных в базах знаний контроллеров экспертных оценок и знаний определяются пропускные способности и топологии подсетей, параметры сетевого оборудования, рабочих станций и других агентов подсети, величины трафика для межсегментных соединений, параметры достоверности передачи данных, выбираются протоколы для каждого из уровней модели OSI. В соответствии с экспертными оценками, заложенными в базу знаний, для каждого полученного решения подзадач рассчитывается значение критерия стоимости, затем на основе локальных критериев рассчитывается совокупный критерий стоимости решения общей задачи проектирования ВС. В результате формируется одна или несколько предварительных физических моделей ВС и разработчику предоставляется возможность внести в нее свои изменения.

Этап имитационного моделирования предлагаемых решений

На данном этапе производится моделирование полученного проектного решения в системе имитационного моделирования ВС с целью выяснения уточненных количественных характеристик модели. В дальнейшем эти данные используются для выбора результирующей конфигурации ВС. Система поддержки принятия решений на основе полученных предварительных физических моделей формирует набор имитационных моделей в формате целевых систем имитационного моделирования, производит имитационное моделирование каждой из моделей. При реализации предлагаемой методики для выполнения имитационного моделирования использовались системы имитационного моделировании ВС NS2 и Comnet III.

Этап анализа результатов и выбора решения

На данном этапе анализатор производительности, выполненный как часть экспертной системы, на основе результатов этапа имитационного моделирования определяет параметры производительности предлагаемых решений и формирует окончательные критерии совокупной приведенной стоимости, которые определяют вес предлагаемых решений. Критерий совокупной приведенной стоимости формируется на основе показателей производительности, стоимости

и доступности оборудования, трудоемкости построения сети, необходимости в адекватно обученном персонале для обслуживания и других характеристик, и определяется из экспертных оценок. Решение с наименьшим критерием совокупной приведенной стоимости с точки зрения системы является наиболее оптимальным и рекомендуется в качестве конечного варианта проекта ВС.

В результате реализации предложенной методики проектирования ВС разработана инструментальная среда проектирования, позволяющая автоматизировать процесс разработки корпоративных ВС. Инструментальная среда позволяет на основе данных, предоставляемых функциональной моделью производства получать физическую модель сети, осуществлять ее имитационное моделирование и оптимизацию. Система расширяема за счет использования универсальной экспертной оболочки Fuzzy Expert, позволяет модифицировать базу знаний в соответствии с классом решаемых задач, изменять процесс проектирования в соответствии с потребностями сетевого интегратора. Результаты работы системы представлены в виде физической модели сети (карта сети) и результатов работы системы имитационного моделирования (загрузка каналов, узлов, величины интенсивностей трафиков),

В четвертой главе представлены результаты практического применения разработанной методики и инструментальной среды проектирования ВС в задачах проектирования корпоративных ВС малого и среднего масштаба: сегмента ВС кафедры "Экономические информационные системы" Московского государственного университета приборостроения и информатики и сегмента опорной сети корпоративной вычислительной сети Калужского филиала ОАО "Цен-трТелеком". Анализ результатов применения разработанной методики проектирования ВС показывает, что обеспечивается значительное снижение времени и трудозатрат на получение имитационной модели ВС, обеспечивается построение проекта ВС аналогичного либо лучшего качества по сравнению с неавтоматизированной разработкой, что подтверждает возможность применения предлагаемой методики проектирования ВС в задачах проектирования КВС различных размерностей. По результатам внедрения сделан вывод, что предлагаемые системой проектирования ВС варианты моделей ВС соответствуют критериям, предъявленным на проектирование, при этом структура и состав технических и программных средств соответствует заложенным в базу знаний экспертным оценкам, а также ограничениям, заданным в процессе проектирования.

В заключении приведены основные теоретические и практические результаты диссертационной работы.

В приложениях приведены основные положения теории нечетких множеств, нечеткой логики и нечеткой алгебры, основные этапы проектирования транспортной подсистемы ВС и задачи, решаемые на данных этапах, избранные исходные тексты программной реализации инструментальной среды проектирования ВС и базы знаний, примеры визуализации работы среды, ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ 1. На основе анализа существующих методов и средств проектирования ВС были выявлены характерные особенности ВС как объекта проектирова-

ния и самого процесса проектирования ВС, определены возможности и необходимости применения СППР в задачах начальных этапов проектирования ВС.

2. Проведен анализ современных принципов построения и методов применения СППР в задачах проектирования информационных систем, проведено обоснование использования экспертных систем на основе нечетких моделей в задачах проектирования ВС совместно с системами имитационного моделирования ВС.

3. Разработана методика решения общей задачи проектирования ВС с использованием СППР на основе нечетких моделей, включающая метод нечеткой декомпозиции общей задачи проектирования ВС на ряд подзадач проектирования сегментов ВС, разработаны нечеткие модели представления экспертных знаний для решения подзадач проектирования сегментов ВС, разработан и апробирован метод определения качества получаемого проекта ВС.

4. Разработаны методы взаимодействия системы поддержки принятия проектных решений ВС с системами имитационного моделирования ВС, сазе-системами и разработчиком проекта сети,

5. На основе представленных методов и алгоритмов проектирования ВС, значительно доработанной в результате исследований экспертной среды Fuzzy Expert, пакетов имитационного моделирования ВС Comnet III и NS2, case-среды Rational Rose разработан программный инструментарий проектирования ВС, позволяющий на основе DFD-диаграмм, описывающих функционально-информационную модель производства, получать проектное решение в виде физической модели ВС.

6. Произведены экспериментальные исследования критериев применимости предлагаемой методики и инструментальной среды в задачах проектирования различных классов корпоративных ВС, внедрение разработанной системы проектирования ВС в учебные и производственные процессы Калужского филиала ОАО «ЦентрТелеком» и ОАО "КалугаЭнерго".

Работы, опубликованные по теме диссертации

1. Дорошенко А.Н., Солодовников А.Ю. Методика применения систем поддержки принятия решений и моделирования на начальных этапах проектирования локальных вычислительных сетей // Радиоэлектроника, электротехника и энергетика: Одиннадцатая междунар. науч.-техн. конф. студентов и аспирантов: Тез. докл. В 3-х т. -М.: МЭИ, 2005, T.1.-*C. 364-365.

2. Дорошенко А.Н., Солодовников А.Ю. Исследование характеристик нечеткой модели расчета трафика в сетях с пакетной коммутацией в условиях неточно заданных параметров И Труды международной научно-технической конференции "Информационные средства и технологии". 1820 октября 2005г., в 3-х т.т. Tl. -М.: Янус-К, 2005, - С. 27-30.

3. Дорошенко А.Н., Солодовников А.Ю. Координация нечетких решений при декомпозиции многоуровневых иерархических систем // Радиоэлек-

тропика, электротехника и энергетика: Двенадцатая межднар. науч.-техн. конф. студентов и аспирантов: Тез. докл. В 3-х т. -М.: МЭИ, 2006. Т.1. -С. 429-430.

4. Дорошенко А.Н., Солодовников А.Ю. Использование neuro-fuz2y подхода для выявления закономерностей, построения и оптимизации баз знаний экспертных систем на основе нечеткой логики // Труды международной научно-технической конференции "Информационные средства и технологии". 12-14 октября 2004г., в 3-х т.т. ТЗ. -М.: Янус-К, 2004. - С. 27-30.

5. Дорошенко А.Н., Солодовников А.Ю. Система поддержки принятия решений на основе аппарата нечеткой логики в задачах проектирования информационно-вычислительных сетей И Проблемы экономической теории и практики на современном этапе развития. Выпуск 7. сборник научных трудов. - М.:МГАПИ, 2004. - С. 55-59.

6. Дорошенко А.Н., Солодовников А.Ю. Автоматизация этапов проектирования вычислительных сетей с применением экспертной системы, основанной на аппарате нечеткой логики // Программное и информационное обеспечение систем различного назначения на базе персональных ЭВМ: Межвуз. сборник научных трудов / под ред. д.т.н. профессора Михайлова Б.М. — М.:МГАПИ, 2004, выпуск 7 -286с: ил. - С. 134-138.

7. Комарцова JI. Г., Воеводин Ю.Ю., Солодовников А.Ю, Проектирование компьютерной сети на основе комбинированных технологий / Сб. Трудов III Всерос. н-т конф. "Новые инф. технол. в системах управления и связи" .-Калуга: КНИИТМУ, 2005. - С. 105-107.

8. Комарцова Л. Г., Солодовников А, Ю. Инструментальная среда для выбора параметров корпоративной вычислительной сети на основе нечеткого вывода//Информационные технологии, №2,2003. —С. 36-41.

9. Кофанов Ю.Н., Комарцова Л.Г., Солодовников А.Ю. Свидетельство об официальной регистрации программы для ЭВМ №2002611146 "Инструментальная среда для разработки экспертных систем на основе нечеткой логики (FuzzyEx)" Правообладатели: Государственное образовательное учреждение высшего профессионального образования Московский государственный институт электроники и математики (Технический Университет) (R.U) Москва, 9 июля 2002г.

Ю.Комарцова Л. Г., Солодовников А. Ю. Моделирование компьютерной сети с использованием нечеткой логики // Сб. докладов V Всерос. сем. "Моделирование неравновесных систем11. — Красноярск: ИВМ СО РАН, 2002.-С. 63-64.

11.Солодовников А.Ю. Разработка комбинированных систем искусственного интеллекта с использованием продукционных экспертных систем с элементами нечеткой логики и нейросетей // Тезисы докладов РСНТК "Прогрессивные технологии и конструкции, механизация и автоматизация производственных процессов". - Калуга: КФ МГТУ им. Н.Э. Баумана, 2000.-С. 41-42.

Подписано в печать И.М'ОбЗак. 535 Тир. fOO п.л.

Полиграфический центр МЭИ (ТУ) '

Красноказарменная ул., д. 13

Оглавление автор диссертации — кандидата технических наук Солодовников, Андрей Юрьевич

Глава 1. Анализ процесса проектирования информационно-вычислительных сетей

1.1. Анализ корпоративных информационно-вычислительных сетей.

1.2. Этапы и задачи проектирования информационно-вычислительных сетей масштаба предприятия.

1.3. Анализ существующих методов и средств проектирования информационно-вычислительных сетей.

1.4. Постановка задачи разработки методики использования систем поддержки принятия решений в задачах начальных этапов проектирования корпоративных информационно-вычислительных сетей.

1.5. Выводы.

Глава 2. Теоретические основы, принципы построения и функционирования систем поддержки принятия решений на основе нечетких моделей.

2.1. Использование систем поддержки принятия решений в задачах проектирования сложных информационных систем.

2.2. Применение аппарата нечеткой логики в системах поддержки принятия решений.

2.3. Методы извлечения нечетких экспертных знаний.

2.4. Координация нечетких решений при декомпозиции многоуровневых иерархических систем.

2.5. Выводы.

Глава 3. Разработка методики проектирования корпоративных вычислительных сетей на основе системы поддержки принятия решений с использованием нечетких моделей

3.1. Описание предлагаемой методики проектирования вычислительных сетей.

3.2. Алгоритм построения иерархии и топологии вычислительной сети.

3.3. Нечеткие модели решения задач проектирования вычислительных сетей.

3.4. Описание среды системы проектирования вычислительных сетей: модули, программная реализация.

3.5. Выводы.

Глава 4. Решение задач проектирования корпоративных вычислительных сетей с использованием разработанных методов и системы проектирования.

4.1. Проектирование вычислительной сети кафедры «экономические информационные системы» МГУ ПИ.

4.2. Проектирование корпоративной сети сервисно-информационного центра Калужского филиала ОАО «ЦентрТелеком».

4.3. Выводы.

Введение 2006 год, диссертация по информатике, вычислительной технике и управлению, Солодовников, Андрей Юрьевич

Актуальность темы исследования. Развитие технологий, используемых в производственных и информационных процессах, ведет к необходимости создания все более быстродействующих и сложных вычислительных сетей, обеспечивающих необходимое качество услуг для различных нужд предприятий. Постоянное повышение требований к быстродействию и качеству предоставляемых сетями услуг, быстро изменяющийся спектр сетевого оборудования, протоколов, появление новых технологий и программного обеспечения, а также острая конкуренция на рынке предоставления услуг системной интеграции определяет повышенные требования к процессу проектирования вычислительных сетей с целью снижения издержек и ускорения процесса проектирования.

Анализ проектных процедур, используемых сетевыми интеграторами, показывает, что процесс проектирования вычислительной сети в большой степени основывается не на формальных методах, а на опыте и интуиции разработчиков. Это обуславливается тем, что начальные этапы проектирования вычислительной сети (ВС), предусматривающие выбор технических и программных средств, топологии, иерархии сети и системы протоколов, с одной стороны, требуют учета большого числа параметров, определяющих качественные и количественные показатели вычислительной сети, а с другой, проходят в условиях неполной и неточной начальной информации.

Существующие системы проектирования вычислительных сетей ограничиваются имитационным моделированием физических моделей сетей, оставляя системному интегратору синтез и оптимизацию модели сети. Класс задач структурного и параметрического синтеза ВС относится к NP-полным задачам принятия решений, и в условиях неточности и неопределенности формализовать их выполнение традиционными аналитическими методами не представляется возможным. На практике начальные этапы проектирования ВС сводятся к итеративному процессу интуитивного выбора разработчиком конфигурации сети и оборудования, построения имитационной модели, оценки результатов моделирования и коррекции параметров модели.

Учитывая вышесказанное, представляется актуальным разработка методов и средств, автоматизирующих выполнение задач начальных этапов проектирования ВС, таких, как синтез топологии и иерархии сети, параметрический синтез технических и программных средств, принимая во внимание как специфику самих ВС, так и процесса их проектирования. Перспективным подходом к решению подобных задач является использование интерактивных человеко-машинных систем поддержки принятия проектных решений, позволяющих проводить этапы структурного и параметрического синтеза проектных решений на основе экспертных оценок и суждений с учетом опыта, знаний и предпочтений разработчиков проекта. Специфика исследуемой проблемной области обуславливает необходимость интегрированного подхода к построению интеллектуальных систем поддержки принятия решений, позволяющего рационально сочетать математические и логические методы исследования сложных систем, интуицию и опыт проектировщика с использованием новых методов представления знаний, прогноза и оценки альтернативных вариантов решений.

Цели и задачи исследования. Целью данной работы является исследование и разработка методики применения систем поддержки принятия решений на основе нечетких моделей в задачах начальных этапов проектирования информационно-вычислительных сетей и практическая реализация разработанной методики в виде инструментального программного обеспечения, позволяющего автоматизировать начальные этапы проектирования корпоративных вычислительных сетей.

Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

• Исследование моделей представления знаний в интеллектуальных системах, анализ методов и принципов применения интеллектуальных систем для решения задач проектирования сложных информационных систем.

• Исследование особенностей корпоративных вычислительных сетей (КВС) и возникающих при их проектировании задач, анализ возможности применения систем поддержки принятия решений (СППР) на основе нечетких моделей для решения задач начальных этапов проектирования ВС.

• Разработка методики автоматизации начальных этапов проектирования ВС на основе СППР и системы имитационного моделирования, разработка методов взаимодействия СППР с системой имитационного моделирования ВС и лицом, принимающим решение (ЛПР), в процессе проектирования ВС.

• Разработка инструментального программного обеспечения системы автоматизированного проектирования ВС на основе предложенной методики, экспериментальное исследование и анализ эффективности предложенной методики проектирования ВС, определение критериев и ограничений ее применения.

Методы исследования. Для решения поставленных задач в данной работе использовались понятия и методы математической логики, теории множеств, теории графов, элементы L-исчисления, системного анализа, формальной семантики языков, современные методологии построения программных комплексов, систем и системного программирования, совокупность методов, обобщенных направлением "мягкие вычисления": аппарат нечетких множеств, нечеткой алгебры и нечеткой логики, теория возможностей, нейросетевые технологии; методы теории вероятности, теории массового обслуживания и имитационного моделирования.

Научная новизна диссертации заключается в следующем:

• Предложены принципы построения и применения систем поддержки принятия решений в задачах проектирования вычислительных сетей, обосновано применение нечетких моделей и аппарата нечеткой логики в системах поддержки принятия решений применительно к задачам проектирования корпоративных вычислительных сетей.

• Разработана методика решения общей задачи проектирования ВС, включающая метод нечеткой декомпозиции общей задачи проектирования ВС на ряд локальных подзадач проектирования сегментов сети.

• Разработаны нечеткие модели представления экспертных знаний для решения локальных подзадач проектирования ВС.

• Разработаны методы интеграции системы моделирования и системы поддержки принятия решений, разработан и апробирован метод определения качества получаемого проекта ВС.

Практическая значимость. В данной работе в качестве объекта проектирования исследуется наиболее распространенный класс ВС - сети масштаба предприятия (корпоративные ВС), с соответствующими параметрами работы, задержек, типами передаваемого трафика и требованиями к надежности и безопасности. Предлагаемая методика проектирования ВС позволяет эффективно, при взаимодействии системы с разработчиком (ЛПР), решать задачи, возникающие на начальных этапах проектирования корпоративных ВС. В ходе выполнения работы создано оригинальное программное обеспечение инструментария проектирования информационно-вычислительных сетей на базе среды разработки экспертных систем Fuzzy Expert, доведенное до уровня исследовательского прототипа. Общий объем разработанного программного обеспечения инструментария составляет около 30000 строк кода на языках С++, JavaScript, FCL и IDL. Часть инструментария (экспертная среда Fuzzy Expert) зарегистрирована в отделе регистрации программ ЭВМ, баз данных и топологий ИМС Федерального института промышленной собственности РОСПАТЕНТа (свидетельство №2002611146 от 09.07.2002).

Практическая ценность состоит в том, что разработанные методики, модели и алгоритмы реализованы в виде программной инструментальной среды проектирования вычислительных сетей и используются в производственных процессах Калужского филиала ОАО "ЦентрТелеком" и ОАО "КалугаЭнерго". Предлагаемая методика проектирования вычислительных сетей, а также разработанная система проектирования допускают модификации и расширения, обеспечивающие поддержку процесса проектирования различных классов вычислительных сетей.

Достоверность полученных результатов обеспечивается использованием аппарата математической логики, теорий нечетких множеств, принятия решений, графов, структур данных, полнотой и корректностью исходных предпосылок, математической строгостью доказанных утверждений и преобразований при получении аналитических зависимостей, а также результатами имитационного моделирования, практической реализации и апробации работы.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 12-ой международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, МЭИ (ТУ), 2006г), 11-ой международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, МЭИ (ТУ), 2005г), международной научно-технической конференции "Информационные средства и технологии" (Москва, МЭИ (ТУ), 2005г), международной научно-технической конференции "Информационные средства и технологии" (Москва, МЭИ (ТУ), 2004г), 5-м всероссийском семинаре "Моделирование неравновесных систем" (Красноярск, 2002), региональной студенческой научно-технической конференции "Прогрессивные технологии и конструкции, механизация и автоматизация производственных процессов" (Калуга, КФ МГТУ им. Н.Э.Баумана, 2000г).

Публикация результатов работы. По теме диссертации опубликовано 11 работ, отражающих основные результаты работы.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 77 наименований и приложений. Работа, содержит 147 страниц машинописного текста содержательной части, 39 рисунков, 9 таблиц и 8 страниц библиографии.

Заключение диссертация на тему "Разработка и исследование методов применения систем поддержки принятия решений на основе нечетких моделей в задачах проектирования информационно-вычислительных сетей"

4.3. Выводы

• При помощи рассмотренных примеров показано, что предлагаемая методика проектирования ВС на основе СППР и использованием нечетких моделей обеспечивает выполнение этапов проектирования технической и физической моделей ВС с использованием экспертных оценок и суждений при решающей роли разработчика проекта. Разработанная на основе предлагаемой методики инструментальная среда проектирования ВС обеспечивает построение и имитационное моделирование физической модели ВС на основе функциональной модели предприятия, результаты проектирования представлены в виде карты ВС и результатов работы системы имитационного моделирования.

• Анализы результатов внедрения инструментальной среды проектирования ВС показывают, что в задачах проектирования корпоративных ВС малых и средних размерностей обеспечивается значительное снижение трудозатрат на создание имитационных моделей ВС, уменьшается время получения проектных решений ВС при аналогичном либо лучшем качестве решения. Обосновано снижение трудоёмкости выполнения проекта ввиду того, что от разработчика проекта ВС не требуется специальных знаний языка построения имитационных моделей ВС.

• Сравнительный анализ результатов выполнения проектов ВС как с использованием предлагаемой методики, так и без, показывает, что получение нескольких вариантов проектных решений с оценкой качества решения в результате выполнения проекта при помощи разработанной инструментальной среды позволяет сравнительно оценить предложенные варианты при проведении имитационного моделирования и выбрать наиболее удовлетворяющие поставленным ограничениями и критериями проектирования ВС.

Заключение

В ходе выполнения диссертационной работы получены следующие основные теоретические и практические результаты:

• На основе анализа существующих методов и средств проектирования ВС были выявлены характерные особенности ВС как объекта проектирования и самого процесса проектирования ВС, определены возможности и необходимости применения СППР в задачах проектирования ВС в условиях неопределенности, проведен анализ современных принципов построения и методов применения СППР в задачах проектирования информационных систем, обосновано использование экспертных систем на основе нечетких моделей и продукционного представления экспертных знаний в задачах проектирования ВС совместно с системами имитационного моделирования ВС.

• Разработана методика решения общей задачи проектирования ВС с использованием СППР на основе нечетких моделей, включающая метод нечеткой декомпозиции общей задачи проектирования ВС на ряд подзадач проектирования сегментов ВС и метод координации нечетких решений.

• Предложены нечеткие модели решения подзадач проектирования сегментов ВС на основе экспертных оценок и знаний, разработан и апробирован метод определения качества получаемого проекта ВС.

• Определены основные этапы функционирования системы проектирования ВС, разработаны методы взаимодействия системы поддержки принятия проектных решений ВС с системами имитационного моделирования ВС, case-системой представления функциональной модели предприятия и разработчиком проекта сети.

На основе предложенных методов, методики, моделей и алгоритмов были разработаны следующие программные инструментарии и проведены исследования критериев применимости предлагаемой методики проектирования ВС:

На основе представленных методов и алгоритмов проектирования ВС, значительно доработанной в результате исследований экспертной среды Fuzzy Expert, пакетов имитационного моделирования ВС Comnet III и NS2, case-среды Rational Rose разработан программный инструментарий проектирования ВС, позволяющий на основе DFD-диаграмм, описывающих функционально-информационную модель производства, получать проектное решение в виде физической модели ВС.

Произведено проектирование сегмента ВС кафедры «Экономические информационные системы» МГУПИ, определено оптимальное наполнение базы знаний системы проектирования применительно к задачам проектирования малых корпоративных вычислительных сетей. Выполнено внедрение разработанной системы проектирования ВС в учебные и производственные процессы Калужского филиала ОАО «ЦентрТелеком» и ОАО "КалугаЭнерго", определены критерии применимости предлагаемой методики проектирования ВС в задачах проектирования ВС малой и средней размерности.

По результатам внедрения разработанной инструментальной среды проектирования ВС сделаны выводы о значительном снижении трудозатрат на процесс проектирования ВС, уменьшении времени получения проектного решения, расширении возможностей анализа получаемых решений, а также упрощении процесса создания имитационных моделей ВС.

Библиография Солодовников, Андрей Юрьевич, диссертация по теме Системы автоматизации проектирования (по отраслям)

1. Biswas G., Oliff М., Sen A. Expert decision support system for productuon control // Decision Support System. -1984 -V.4, N 2. P. 7-14.

2. Gerla M., Kleinrock L. On the Topological Design of Distributed Computer Networks // IEEE Trans, on Commun. -1977 V.COM-25, - N1. - P. 48-60.

3. Girratano J., Riley G. Expert Systems: Principles and Programming. PWS Publishing Company, Boston. - 1993, 2nd Ed. - 389 p.

4. IEC 1131. Fuzzy Control Programming. Committee Draft CD 1.0 (Rel. 19 Jan 97). PROGRAMMABLE CONTROLLERS, Part 7. -1997. - 72 p.

5. Jane M., Dovrolis C. End-to-end available bandwidth: measurement methodology, dynamic and relation with TCP throughput // In Proc. ACM SIGCOM -2000-V.1.-P. 12-48.

6. McCanne S., Floyd S. Ns-LNBL network simulator. http://www-nrg.ee.lbl.gov/ns.

7. Saaty T.L. Exploring the interface between hierarchies, multiple objectives and fuzzy sets // Fuzzy Sets and Systems. 1978 - V. 1. - P. 57-68.

8. Saaty T.L. Measuring the fuzziness of sets // Journal of Cybernetics. 1974 -V.4.-P. 53-61.

9. Umano M., Ezawa Y. Execution of approximate reasoning by neural network // Proceedings of FAN Symposium. -1991. P. 267-273.

10. Абросимов Л.И. Анализ и проектирование вычислительных сетей: Учеб. пособие. М.: Издательство МЭИ, 2000. - 52 с.

11. Абросимов Л.И. Расчет характеристик вычислительных систем сложной конфигурации с помощью контуров. // Изв. АН СССР. Сер. Техн. кибернетика.-^. -№5. С. 98-106.

12. Алексеев А. В., Борисов А. Н. и др. Интеллектуальные системы принятия проектных решений. Вильнюс: Zinatne, 1997. - 320 с.

13. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Издательство Тюменского государственного университета, 2000. 352 с.

14. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений : Сб. статей / Пер. с англ. ; Под ред. И.Ф. Шахнова. М., 1976.-С. 172-215.

15. Борисов А. Н. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. - 184 с.

16. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Знатне, 1982. - 256 с.

17. Вишневский В.М. Теоретические основы проектирования компьютерных сетей. Москва: Техносфера, 2003. - 512 с.

18. Гиляров В.Н, Крюков А.Ю, Бондарчук П.В. Использование Neuro-Fuzzy технологии для генерации и оптимизации эвристических правил программный продукт Лингвогенератор // Труды международного семинара

19. Мягкие вычисления 96"/ Под ред. И.З. Батыршина, Д.А. Поспелова, Казань, 1996. - С. 92-100.

20. Гостев В.М., Хабибуллин Р.Ф. Технологии оптимизации проектирования сетей передачи данных территориальных компьютерных сетей // Исследования по информатике: Ин-т проблем информатики АН РТ. Казань, 1999.-С. 157-174.

21. Грунина Г.С., Деменков Н.П. Программный комплекс для проектирования нечеткого логического регулятора // Приборы и системы управления. 1997. -N 8. - С. 19-21.

22. Джерла М. Маршрутизация и управление потоком // Протоколы и методы управления в сетях передачи данных / Под ред. Ф.Ф.Куо. М.: Радио и связь, 1985.-480 с.

23. Джеффри Е. Хинтон. Как обучаются нейронные сети // В мире науки N 11 -N 12, 1992.-С. 103-107.

24. Елисеев П.И. Интерпретация нечетких подмножеств в задачах моделирования и управления // Изв. АН: серия техническая кибернетика, №3, 1992. -С. 32-34.

25. Еремеев А.П. Экспертные модели и методы принятия решений. -М: Издательство МЭИ, 1995. 110 с.

26. Жожикашвили В.А., Вишневский В.М. Сети массового обслуживания. Теория и применение к сетям ЭВМ. М.: Радио и связь, 1988. - 192 с.

27. Заде JI. Нечеткая логика / Копия перевода ГПНТБ. N 190786. - М., 12.9.89. - 10 с. - Пер. ст. Zadeh L. из журнала: Computer. - 1988. - Vol. 21, N4.-3. 83-93.

28. Заде JI. Понятие лингвистической переменной и его применение для принятия приближенных решений. М.: Мир, 1976. - 165 с.

29. Захаров Г.П., Методы исследования сетей передачи данных М.:Радио и связь, 1982.-208 с.

30. Клейнрок JI. Вычислительные системы с очередями. М. : Мир, 1979. -600 с.

31. Клещев Н.Т., Роганов А.А. Проектирование информационных систем. / Под общей редакцией Курбанова К.И. М: Издательство Российской экономической академии, 2000. - 386 с.

32. Комарцова JI. Г., Солодовников А. Ю. Инструментальная среда для выбора параметров корпоративной вычислительной сети на основе нечеткого вывода / Информационные технологии, №2, 2003. С. 36-41.

33. Комарцова JI. Г., Солодовников А. Ю. Моделирование компьютерной сети с использованием нечеткой логики / Сб. докладов V Всерос. сем. "Моделирование неравновесных систем". Красноярск: ИВМ СО РАН.,2002. -С. 63-64.

34. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. -М: Изд-во МГТУ им. Н.Э.Баумана, 2002. 320 с.

35. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

36. Кульгин М.В. Технологии корпоративных сетей. СПб: Изд-во "Питер", 2000. - 704 с.

37. Мелихов А.Н., Бернштейн J1.C., Коровин C.J1. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

38. Минский М., ПейпертС. Персептроны. М.: МИР, 1971.-261 с.

39. Нгуен Минь Хай Моделирование с помощью нечетко-значной вероятностной логики // Изв. АН: серия техническая кибернетика, № 5, 1993.

40. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова М.: Наука, 1986. - 311 с.

41. Нечеткие множества и теория возможностей. Последние достижения / Под. ред. Р. Ягера- М.: Радио и связь, 1986. 391 с.

42. Норенков И.П. Основы автоматизированного проектирования. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 336 с.

43. Норенков И.П., Трудношин В.А. Телекоммуникационные технологии и сети. М.: Изд-во МГТУ им. Н.Э. Баумана, 1998. - 232 с.

44. Олифер Н.А, Олифер В.Г. и др. Стратегическое планирование сетей масштаба предприятия. М: Центр Информационных Технологий, 2000. -680 с.

45. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. -М.: Наука, 1981. 206 с.

46. Прикладные нечеткие системы / Под ред. Т.Тэрано -М:Мир, 1993. -512 с.

47. Романов А.Ф., Шемакин Ю.И. Индуктивно-дедуктивный логический вывод в нечетких условиях // Изв. АН: серия техническая кибернетика, № 5, 1992.-С. 18-24.

48. Саати Т. Принятие решений. Метод анализа иерархий / Пер. с англ.- М.: Радио и связь, 1993. 315 с.

49. Сигеру Омату. Нейроуправление и его приложения. Кн2./ Сигеру Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н.В. Батина; под ред. А.И. Галушкина, В.А. Птичкина. М.: ИПРЖР, 2000. - 272 с.

50. Силов В.Б. Оптимизация многокритериальных систем нечетко-условного программирования // Изв. АН: серия техническая кибернетика, № 4, 1992. -С. 34-39.

51. Трахтенгерц Э.А. Компьютерная поддержка принятия решений в САПР // Автоматизация проектирования, № 5, 1997. С. 56-62.

52. Трахтенгерц Э.А. Компьютерная поддержка принятия решений: научно-практическое издание. Серия "Информатизация России на пороге XXI века". -М.: СИНТЕГ, 1998. 376 с.

53. Ульянов С.В. Нечеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты // Изв. АН: серия техническая кибернетика, №3,1991. С. 76-79.

54. Чернов В.Г. Организация ввода аналитических данных в нечеткие контроллеры // Изв. АН: серия техническая кибернетика, №5, 1994. С.45-49.

55. Шаповаленко С. Динамическое моделирование и анализ корпоративных вычислительных систем // Сетевой, №6, 2001 С. 73-79.

56. Язенин А.В. Линейное программирование со случайными нечеткими данными // Изв. АН: серия техническая кибернетика, №3, 1991. -С. 67-69.

57. Ярушкина Н.Н., Пирогов В.В. Оптимизация ресурсов вычислительных сетей в условиях нечетко заданного значения трафика // Вестник УлГТУ, N2, 1999.-С. 80-88.