автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизированное проектирование вычислительных сетей промышленных предприятий в условиях нечетко заданного трафика

Введение

1. Обзор САПР вычислительных сетей промышленных предприятий и методов оптимизации вычислительных сетей промышленных предприятий в САПР

1.1.Обзор систем автоматизации проектирования вычислительных сетей промышленных предприятий.

1.2.Обзор вычислительных сетей промышленных предприятий: структура, предназначение, типы.

1.2 .1.Эталонная модель 'взаимодействия открытых систем, используемая в вычислительных сетях

1.2.2.Классификационные признаки вычислительных сетей.;.

1.2.3.Типы вычислительных сетей промышленных предприятий.

1.2.4.Обзор средств мониторинга трафика в вычислительных сетях.

1.3.Обзор коммуникационного оборудования вычислительных сетей

1.4.Обзор методов оптимизации ресурсов вычислительных сетей в САПР.

1. 5 . Постановка задачи исследований.

2. Модели оптимизации топологии'вычислительных сетей промышленных предприятий в САПР .в условиях неопределенности

2.1.Значение учета фактора неопределенности при проектировании и перепроектировании вычислительных сетей промышленных предприятий.

2.2.Модель неопределенности -нечеткая величина.Способы представления нечетких данных.,.

2.3.Алгоритм оптимального размещения коммуникационного оборудования вычислительных сетей промышленных предприятий в условиях неопределенности.

2.4.Алгоритм определения необходимости перепроектирования вычислительной сети и выбора оптимального варианта подключения узлов к коммуникационному оборудованию.

3. Структурно-функциональное решение САПР вычислительной сети.

3 . 1. Архитектура САПР вычислительной сети.

3.2. Описание проекта вычислительной сети.

3 . 2 .1. Структура сети.

3 . 2 . 2 . Описание трафика.-.

3 . 3 . Особенности реализации.

3 . 4 .Характеристика САПР вычислительной сети.

3.5.Проверка адекватности разработанной САПР вычислительной сети на примере вычислительной сети УлГТУ.

4. Вычислительные эксперименты в САПР вычислительных сетей.

4.1.Вычислительные эксперименты по оптимизации трафика в вычислительной сети.

4 .1.1. Структура сети.".

4.1.2.Эксперименты по оптимизации трафика в малой" вычислительной сети

4.1.3.Эксперименты по оптимизации трафика в средней" вычислительной сети

4.1.4.Эксперименты по оптимизации трафика в "крупной" вычислительной сети.

4.2.Вычислительные эксперименты по размещению коммуникационного' оборудования в проектируемой сети. 14 й

4.3.Вычислительные эксперименты по выбору коммуникационного оборудования для проектируемой сети.

Вычислительные сети промышленных предприятий (ВС) являются основой информационной структуры любой организации. Проектирование вычислительных сетей промышленных предприятий должно производится с учетом особенностей предприятий. Большинство работ российских ученых, связанных с моделированием функционирования вычислительных сетей промышленных предприятий относятся к концу 7 0-х -началу 90-х годов нашего столетия. Благодаря бурному развитию информационных технологий появилось большое количество средств автоматизированного проектирования. Однако, в области проектирования и моделирования поведения вычислительных сетей промышленных предприятий в российской практике такие программные продукты не получили должного развития и распространения. На российском рынке представлены только специализированные редакторы схем ВС. Из известных математических моделей ВС, наибольшее распространение получили системы массового обслуживания (СМО) и сети массового обслуживания (СеМО). Они позволяют адекватно моделировать основные параметры вычислительных сетей промышленных предприятий: пропускную способность, время отклика, время обслуживания заявки, длину очереди и т.д. В СМО поток заданий моделируется распределением вероятностей Пуассона. Параметры распределения задаются гипотетически. Математические модели СМО и СеМО не представлены в настоящее время в форме САПР.

Основной величиной в модели поведения ВС является трафик. Успех проекта ВС зависит от наиболее адекватной оценки трафика в вычислительной'сети. В ходе проводимого анализа трафик вычислительной сети можно оценить только в интервальной форме. Причем на интервале обычно возможно задать функцию достоверности. Это позволяет построить меру трафика, как нечеткий интервал адекватно отражающий реальные процессы, происходящие в сети. Проектирование ВС осуществляется, как правило, в условиях неточности исходной информации, когда некоторые системные параметры определяются недостаточно точно, что порождает неопределенность условий проектирования. Часто эту неопределенность нельзя рассматривать, как стохастическое явление, так как отсутствуют стохастические параметры, и она может характеризоваться нечеткими.категориями.

В связи с вышеуказанным возникает интерес к теории «мягких вычислений» для решения . задач оптимизации систем при нечетко заданной исходной информации. В настоящее время на основе исследований в•основном зарубежных ученых [37,38/39,40,41,42,43,44,45,50,51] формируется методология «мягкие вычисления», среди направлений которой можно выделить нечеткие системы. (НС) [34,35,46,47,48,49, 52,53, 55, 60, 61, 62,63,бб,67] . Развивающиеся в настоящее время методы возможностного программирования в рамках теории "мягких вычислений" позволяют учитывать как вероятностный характер исходных данных, так и знания эксперта-проектировщика. Большинство задач проектирования вычислительных сетей промышленных предприятий могут быть представлены как оптимизационные задачи. В настоящее время неизвестны приложения оптимизации топологии вычислительных сетей промышленных предприятий, учитывающие условия нечетко заданного трафика, как и неизвестны приложения возможностного программирования для оптимизации топологии ВС на этапе проектирования. Таким образом, возникает научная проблема автоматизированного проектирования вычислительных сетей промышленных предприятий в условиях нечетко заданного трафика.

Перечисленные аспекты проблемы автоматизированного проектирования вычислительных сетей промышленных предприятий делают тему диссертационной работы актуальной.

Объектом исследования в диссертационной работе является вычислительная сеть с коммуникационным оборудованием без маршрутизации. В качестве коммуникационного оборудования рассматриваются наиболее распространенные его виды: коммутаторы и концентраторы.

Предметом исследования выступают трафик вычислительных систем ограниченных объектом исследования в условиях неопределенности.

Цель исследования заключается в построении модели вычислительной сети на основе трафика, как нечеткой величины, в разработке алгоритмов.выбора коммуникационного оборудования, определения оптимального варианта подключения узлов к коммуникационному оборудованию и оптимизации размещения коммуникационных узлов в условия нечетких исходных данных.

Для достижения поставленной цели необходимо решить следующие задачи исследования:

1.Провести сравнительный анализ методов оптимизации ВС, возможностей и ограничений существующих САПР ВС, выявить характерные особенности проблемной области проектирования ВС и определить место нечетких систем и возможностного программирования в САПР ВС.

2.Построить модель трафика ВС, представленного нечетким интервалом.

3.Разработать алгоритм оптимизации размещения коммуникационного оборудования в ВС в условиях нечетко заданного трафика.

4.Разработать алгоритм выбора коммуникационного оборудования и определения оптимального варианта подключения узлов к коммуникационному оборудованию в условиях нечетких исходных данных.

5.Разработать программу нечеткой оптимизации топологии ВС и внедрить ее в САПР ВС.

6.Провести вычислительные эксперименты по исследованию эффективности разработанной программы нечеткой оптимизации топологии вычислительной сети.

Для достижения цели исследования применялись следующие методы исследования: методы системного анализа; теории вероятностей; теории массового обслуживания; математического моделирования; линейного и нелинейного программирования; совокупность методов, обобщенных направлением "мягкие вычисления": теория нечетких множеств, теория возможностей, математический аппарат возможностного программирования.

На защиту выносятся следующие основные положения: 1.Мера трафика вычислительной сети может быть построена как вероятностная нечеткая величина:

Х= Ш,Т, {ц*(х) ,ръ},3,М}, где М- наименование величины;

Т-множе'ство термов нечетких значений трафика; {jj-t (х) / Pt} — множество функций принадлежности термов t и вероятностей соответствующих нечетких значений величины;

S- множество синтаксических правил употребления; М- множество семантических правил употребления.

2. Размещение коммуникационного оборудования вычислительной сети можно эффективно выполнить на основе воз-можностного программирования.

3. Переподключение рабочих узлов сети в условиях нечетко заданного трафика позволяет уменьшить трафик ВС за счет применения предложенного алгоритма переподключения.

Достоверность научных положений, выводов и рекомендаций подтверждается результатами экспериментальных исследований, а также результатом использования материалов диссертации в проектных организациях и учебных заведениях .

Структура и объем диссертации. Основное содержание диссертационной работы изложено на 167 страницах машинописного текста, содержит 38 рисунков и 17 таблиц, состоит из введения, четырех глав, заключения, библиографического списка из 7 4 наименований и 3 приложений.

Основные выводы:

1. На основе сравнительного анализа методов оптимизации ВС, возможностей и ограничений существующих САПР ВС, были выявлены характерные особенности проблемной области проектирования ВС и определено место нечетких систем и возможностного программирования в САПР ВС. Обоснована необходимость использования нечетких данных на этапе проектирования и перепроектирования ВС.

2.Построена модель ВС на основе трафика, представленного нечетким интервалом.

3.Разработан алгоритм оптимизации размещения коммуникационного оборудования в ВС в условиях неопределенности.

4.Разработан алгоритм выбора коммуникационного оборудования и определения оптимального варианта подключения узлов к коммуникационному оборудованию в условиях нечетких исходных данных.

5.Разработана программа нечеткой оптимизации топологии ВС, являющаяся средством проектирования ВС.

6. Проведены вычислительные эксперименты по исследованию эффективности разработанной программы нечеткой оптимизации топологии вычислительной сети.

Научная новизна.

Впервые:

• Разработана модель трафика ВС на основе нечеткого интервала для САПР ВС.

• Выполнено приложение аппарата возможностного программирования для оптимизации размещения коммуникационного оборудования при автоматизированном проектировании ВС.

• Разработаны алгоритмы выбора коммуникационного оборудования и определения оптимального варианта подключения узлов к коммуникационному оборудованию и оптимизации размещения коммуникационного оборудования в ВС в условиях неопределенности.

• Разработана архитектура системы автоматизированного проектирования нечеткой оптимизации топологии 'ВС, в среде которой проведены вычислительные эксперименты по оптимизации трафика ВС.

Практическая значимость работы.

Теоретическая значимость полученных результатов заключается в том что разработанные модели и алгоритмы при

159 автоматизации проектирования ВС дополняют и развивают математическое и программное обеспечение САПР ВС.В частности, ценность результатов состоит в том, что решены вопросы учета нечеткого представления знаний эксперта-проектировщика и неопределенности исходных данных при автоматизации проектирования ВС промышленных предприятий .

Практическая ценность состоит в том, что разработанные модели и алгоритмы реализованы в форме программной системы и внедрены в деятельность организаций ФГУП НПО "Марс" (г.Ульяновск), ОАО «Электросвязь» Ульяновской области. Полученные научные и^ практические результаты проведенных исследований внедрены в учебный процесс Ульяновского филиала Военного университета связи.

Практическое использование результатов диссертационной работы подтверждено соответствующими документами о внедрении, приведенными в разделе Приложения.

ЗАКЛЮЧЕНИЕ

Основными итогами диссертационной работы являются: Построение модели ВС на основе трафика, представленного нечетким интервалом.

Разработка алгоритма оптимизации размещения коммуникационного оборудования в ВС в условиях неопределенности.

Разработка алгоритма выбора коммуникационного оборудования и определения оптимального варианта подключения узлов к коммуникационному оборудованию в условиях'нечетких исходных■данных.

Разработка программы нечеткой оптимизации топологии ВС, являющаяся средством проектирования ВС.

1. Корячко В.П., Курейчик В.М., Норенков И. П. Теоретические основы САПР: Учебник для вузов М.: Энергоатом-издат, 1987. - 400 е.: ил.

2. Клир Дж. Системология. Автоматизация решения системных задач: Пер. с англ.-М.: Радио и связь, 1990.- 544 е.: ил. ISBN 5-256-00649-5.

3. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.:СИНТЕГ, 1998. 376 с.

4. А.Сапегин. Информационные технологии и средства анализа и проектирования корпоративных информационных систем. (http://www.citforum.ru), 1999. 3 с.

5. Янбых Г.Ф., Столяров Б. А. Оптимизация информационно-вычислительных сетей промышленных предприятий. М.:

6. Радио и связь, 1987. 232 с.:■ил.

7. Э. В. Попов, Евсеев' О.В. Технологии реинжиниринга бизнес-процессов. Сб. науч. трудов Всероссийской научно-прак. конф. "Реинжиниринг бизнес-процессов предприятий ,на основе ' современных информационных технологий" , МЭ-СИ, Москва, 1997, с. 6-18.

8. H.A. Олифер, В. Г. Олифер Средства анализа и оптимизации локальных сетей. Информационно-аналитические материалы • Центра Информационных Технологий (http://www.citforum.ru), 1998 г.-97 е.: ил.

9. Системы автоматизированного проектирования в радиоэлектронике : Справочник/Е.В. Авдеев, А.Т. Еремин, И.П. Норенков, М.И. Песков; Под ред. И.П. Норенкова.- Радио и связь,-1986,- 368 с.: ил:

10. Кирк Д.В. Проектирование и моделирование ЛВС. Ком-пьютеруолд Москва.-1994.-№9.-с.44

11. Бойченко Е.Ф., Кальфа В., Овчинников В. В. Локальные вычислительные сети.- М.: Радио и связь, 1985.- 304 с.

12. Вторая международная конференция «Восток Запад» пс научной, технической и деловой информации: Доклады. -М.: МЦНТИ, 1992.- 176 с.

13. Блэк Ю. Сети ЭВМ: протоколы, стандарты, интерфейсы/Пер. с англ.- М.: Мир, 1990.- 510 с.

14. Софтмаркет.- 1993.- №25(89);

15. Максименков A.B., Селезнев M.JI. Основы проектирования информационно-вычислительных систем и сетей ЭВМ. -М.: Радио и связь, 1991.- 320 с.

16. Организация локальных сетей на базе персональных компьютеров. M.: «ИВК-СОФТ», 1991.- 190 с.

17. Glenn Gabriel Ben-Yosef. Высокоскоростные ЛВС, перевод Николая Малых, BiLiM System Ltd.,1998. (http://www.citforum.ru)

18. Виктор и Наталья Олифер. -Локальные сети на основе коммутаторов. Информационно-аналитические материалы Дентра .Информационных Технологийhttp://www.citforum.ru), 1999.-78 е.: ил.

19. Марк Дегнер. Сегментирующие концентраторы для рабочих групп. Сети и системы связи, №6 (июнь), 1998 г., с.18-23 .

20. Н. Олифер, В. Олифер. Роль коммуникационных протоколов и функциональное назначение основных типов оборудования корпоративных сетей. Информационно-аналитические материалы Центра информационных технологий (http://www. cit. forum, ru).

21. Иваненко С. Введение в. SNMP. Информационно-аналитические материалы Центра информационных технологий (http://www.citforum. ru).

22. Дроздов Е.А., Пятибратов А. П. Основы построения и функционирования вычислительных систем. М.: Энергия, 1973. - 368 с.

23. Бакаев A.A., Костина Н.И., Яровицкий Н.В. Имитационные модели в экономике. Киев: Наукова думка, 1978. -302 с.

24. Использование сетей Петри при проектировании систем обработки данных//Мамиконов А.Г., Демитрович Я. Кульба В.В., и др. М.: Наука, 1988. - 103 с.

25. Пранявичус Г.И., Дземидене Д. Применение Е сетей для формализованного описания и моделирования вычислительных ,систем//Статистические проблемы управления. Вып.48. Вильнюс, 1980. - с.65-68.

26. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Сов. Радио, 1973. - 439 с.

27. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. - 399 с.

28. Башарин Г.П., Бочаров П.П., Коган А.Я. Анализ очередей в вычислительных сетях. М.: Наука, 1989. -336 с.

29. Максимей И.В. Имитационное моделирование на ЭВМ. -М.: Радио и связь, 1988. 232 с.

30. Борисов А.Н., Федоров И.П. Формирование технических решений на основе экспертных знаний. Изв. АН СССР, Техническая кибернетика 5 1990, с. 154-164

31. Алиев P.A. Теоретические аспекты построения размытых систем управления //Изв. вузов СССР. Нефть и газ, 1981. №9. с.83-87.

32. Мельцер М.И. Диалоговое управление производством. М.: Финансы и статистика, 1983.

33. Язенин A.B. Нечеткое математическое программирование. Калинин: КГУ, 1986.

34. Baptitella L.F.B., Ollerra A. Fuzzy methodologies for interactive multicriteria optimization //IEEE

35. Trans, on Syst., Man and Cybern. 1980. Vol. SMC-10. N7. P.355-365.

36. Zadeh L.A. Fuzzy sets // Inf. Contr. 1965. N8. P. 338-353.

37. Заде JI. А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.: Знание. 1974. С.5-49.

38. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

39. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991.- 568 С.

40. В.Б. Тарасов. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном. Новости искусственного интеллекта. N 4. с. 93117

41. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению знаний в информатике: Пер. с франц. М.: Радио и связь, 1990,- 288 с.

42. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 1983.

43. Орловский■С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.4 7,. Негойце ' К. Применение теории систем к проблемам управления. М.: Мир, 1981.

44. Язенин A.B. Модели возможностного программирования в оптимизации систем // Изв. АН,СССР. Техническая кибернетика. 1991. №5.

45. Борисов А.Н. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. 304 с.

46. Малышев Н.Г., Бернштейн Л.С., Боженюк А. В. Нечеткие модели для экспертных систем в САПР. М. : Энергоатом-издат, 1991. -136 е.: ил. ISBN 5-283-015 92-0

47. Pawlak Z.Rough Sets present state and futher prospects. Intelligent Automation and Soft Computing, Vol. 2, N. 2, pg. 96-102

48. Yao Y.,Lin T.Generalization of Rough sets using modal logics. Intelligent Automation and Soft Computing, Vol. 2, N. 2, pg. 103-120

49. Lingras P. Evidential Comparisons Using Belief Functions, Rough Sets and . Nonmonotonic Preferences , Int<elligent Automation and Soft Computing, Vol. 2, N. 2, pg. 203-210

50. Тартаковский A.M., Курносов B.E. Информационные технологии проектирования оптимальных конструктивных форм на основё методов эколюционного моделирования. ИТПП N 3-4, 1996 г., с. 3- 11

51. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982.

52. Броневич А.Г., Каркищенко А.Н. Вероятностные и воз-можностностные модели классификации случайных последовательностей / Под ред. JI.C. Бернштейна. Таганрог: ТРТУ, 1996. 193 с.

53. Zhang Zh.Parametr estimation techniques: a tutorial with application to conic fitting Image and Vision Computing 15 1997, pp. 59-76 .

54. Разумовский О.В., Таран Т. А. Логико-алгебраическая модель формализации качественных знаний// Изв. РАН. Техническая ■ кибернетика . 1995. N 5

55. Аверкин А.Н. Нечеткое отношение моделирования и его .использование для классификации и аппроксимации в нечетких лингвистических пространствах. // Изв. АН СССР. Техническая кибернетика 1982.- N 2.- с. 215-217

56. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. Новости ИИ. N 5 1995, с. 9-65

57. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях.- В кн.: Вопросы анализа и процедуры принятия решений.- М. Мир, 1976, с. 172-215

58. Саати Р., Керне Д. Аналитическое планирование: организация систем. М. 1992

59. Nahmaias S. Fuzzy variables, Fuzzy sets and systems. 1978. V. 1.

60. Zadeh L.A. Fuzzy sets as a basis for a theory of Possibility. Fuzzy sets and systems. 1978. V. 1.

61. Язенин А.В. О непрямых методах нечеткого математического программирования // Нечеткие системы: моделирование структуры и оптимизация-. Калинин, 1987.

62. Yazenin A.V. Fuzzy and stohastic programming. Fuzzy •sets and systems. 1987. V. 22.

63. Nahmais S. Fuzzy variables -in a random environment. Advances in fuzzy set theory. Amsterdam, 1979.

64. Kwakernaak H. Fuzzy random ■ variables-II. Algarithms and examples for the diskrete case Inf. Science. 1979. V. 17 .

65. Dubois D., Prade'H. Fuzzy sets and systems: Theory and Applications N.Y.: Acad. Press, 1980.

66. Методические рекомендации по построению локальных ■вычислительных сетей промышленных предприятий / Под ред. С. В. Назарова. M. : МО .СССР, 1990.-296 с.

67. Краснов C.B. Программа нечеткой оптимизации топологии вычислительных сетей промышленных предприятий. В кн. тез. 'междунар. конф. "Методы и средства преобразования и обработки аналоговой информации", Ульяновск,1999 г., с. 38-39

68. Ярушкина Н.Г., Краснов C.B. Проблемы выбора коммутационного оборудования в вычислительных сетях. В кн. тез. междунар. конф. "Методы и средства преобразования и обработки аналоговой информации", Ульяновск, 199S г., с. 35