автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Интеграция систем имитационнго моделирования и систем в сапр

На правах рукописи ^ Таратухин Виктор Владимирович

ИНТЕГРАЦИЯ СИСТЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ И

ЭКСПЕРТНЫХ СИСТЕМ В САПР

Специальность: 05.13.12 - Системы автоматизации проектирования

/промышленность/

А В Т О Р Е Ф Е Р А Г

диссертации па соискание ученой степени кандидата технических наук

Ульяновск - 1998

Работа выполнена на кафедре "Информационные системы" Ульяновского государственного технического университета

Научный руководитель: доктор технических наук, профессор

Семушин И.В.

Научный консультант: кандидат технических наук, доцент

Шишкин В.В.

Официальные оппоненты: заслуженный деятель науки РФ, доктор

технических наук, профессор Левин В.И.,

доктор технических наук, профессор Кумунжиев К.В.

Ведущее предприятие:

Институт радиотехники и электроники РАН, Ульяновский филиал

Защита состоится 20 мая 1998 года в 12 часов на заседании диссертационного совета Д 064. 21. 01. в Ульяновском государственном техническом университете по адресу: 432027, г. Ульяновск, ул. Северный Венец, 32.

С диссертацией можно ознакомиться в библиотеке Ульяновского государственного технического университета.

1998 г.

Ученый секретарь диссертационного совета

Соснин П.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Системы автоматизации проектирования (САПР) широко применяются в процессе создания сложных технических систем (С'ГС), таких как системы автоматического управления, системы связи, локальные и глобальные вычислительные сети. В состав таких САПР, наряду с расчетными процедурами, часто входят средства имитационного моделирования (ИМ). Это обуснпнленп объективной нсдетерминированностью процесса поиска проектных решений, а также принципиальной ненаблюдаемостью ряда характеристик объекта проектирования. Часто неоднозначность интерпретации получеппых результатов моделирования, либо недостаточность навыков работы с системой ИМ снижает скорость проектирования и качество проектных решений.

Для рядового проектировщика составляет проблему не только определение структуры имитационной модели, но и выбор ее параметров, построение сценария, интерпретация результатов моделирования и их использование для усовершенствования модели и принятия окончательного проектного решения. Эти затруднения будут успешно преодолены, если ввести в состав системы проектирования, помимо средств ИМ, средство искусственного интеллекта - экспертную систему (ЭС), обладающую необходимым набором эвристик - знаний о создании имитационной модели и интерпретации данных, полученных в результате имитации.

Вопрос о построении интеллектуальных систем, объединяющих имшацию, экспершую систему, а также другие составляющие САПР, в настоящее время в полной мере не решен.

В связи с этим возникает потребность развития методологии, теории и практики человеко-комныотерных комплексов, обеспечивающих инженерию профессиональных знаний эксперта и проектировщика новой техники, а также потребности развития теории и практики пшырации однородных и неоднородных интеллектуальных систем.

Таким образом, исследование интеграции средств ИМ и ЭС в рамках единой системы проектирования является актуальным.

Цель исследования

Целью диссертационного исследования является разработка научно-методических основ расширения функциональных, интеллектуальных и сервисных возможностей САПР в процессе их создания,

обеспечивающих повышенные эксплуатационные показатели скорости принятия и качества проектных решений на основе интеграции систем имитационного моделирования и экспертных систем.

Существуют две основные парадигмы объединения средств ИМ и ЭС, которым отвечают поверхностно интегрированные и глубинно интегрированные системы обработки численной и символьной информации. Поверхностный метод характеризуется таким объединением двух систем, при котором экспертная система интерпретирует, в основном, лишь результат имитации, не анализируя процедуры, приводящие к ним. Это обусловлено присутствием в базе знаний ЭС сведений лишь о качественных характеристиках результатов имитации.

Глубинный метод отличает высокая степень "информированности" ЭС о методах построения, интерпретации и изменения имитационной модели в ходе проектирования с целью реализации заданных характеристик создаваемой системы, что обеспечивается большим набором знаний, представленных в базе знаний ЭС. Этот подход открывает потенциальную возможность поиска эффективных методов пополнения базы знаний (БЗ) ЭС в ходе проектирования.

В рамках диссертационной работы исследуются оба подхода. Предлагается новый метод построения глубинно интегрированных систем как наиболее эффективных при проектировании СТС.

Задачи исследования

Для достижения поставленной цели решаются следующие задачи:

1. Построение и исследование концептуальной модели интеграции средств ИМ и ЭС.

2. Разработка архитектуры, структуры и методики построения глубинно интегрированных экспертных систем имитационного моделирования (ЭСИМ).

3. Разработка, экспериментальная проверка и оценка качества базового инструментария, основанного на предлагаемых подходах.

Поставленные задачи решались в рамках госбюджетных и хоздоговорных научно-исследовательских работ (НИР) Ульяновского государственного технического университета.

Методы и модели исследования

В рамках диссертационной работы использован аппарат и методы прикладной семиотики, модели представления знаний, имитационного

моделирования и методы мягких вычислений, теоретико-множественное описание языков, теория алгоритмов, автоматные и графовые модели.

Новые научные результаты, выносимые на защиту

1. Концептуальная интеграционная модель (И-модель) ЭСИМ, ее свойства и принципы организации применительно к построению внутреннего интерфейса (адаптивного и жесткого).

2. Автоматное уточнение И-модели и проведенный на этой основе сравнительный анализ поверхностно интегрированных и глубинно интегрированных ЭСИМ.

3. Принципы применения неполных семиотических систем (НС-систем) к построению и функционированию адаптивной БЗ ЭСИМ.

4. Принципы организации БЗ ЭСИМ, обусловленные использованием аппарата НС-систем.

5. Архитектура и структура адаптивной ЭСИМ глубинной интеграции, ее типологическое и функциональное содержание, доказывающее эффективность фреймово-продукционного представления знаний.

Практическая деипость

- методика построения ЭСИМ глубинной интеграции с анализом целевой составляющей, с системой критериев, обеспечивающей сбалансированное представление знаний;

разработанное на основании предлагаемой методики инструментальное средство "ПЛИС" (Проектирование Локальных Информационных Сетей), обеспечивающее решение задач проектирования и моделирования сложных дискретно-событийных систем, включая локальные вычислительные сети и транспортные системы;

- формализованные и представленные в базе знаний системы ПЛИС

¡нания экспертов в области проектирования локальных сетей, полезные для дальнейшего применения.

Апробация работы

Результаты и отдельные положения диссертационной работы былн представлены на Седьмом Всемирном Конгрессе Ассоциации нечетких систем, Прага, 1997 (Seventh International Fuzzy Systems Association Congress, Prague); международной конференции "Имитационные технологии", Канберра, Австралия (The Simulation Technology and Training Conference) 17-20th March, 1997 Canberra, Australia; второй международной конференции "Имитационное моделирование", Санкт-

Петербург 1996 (2nd St.Petersburg Workshop on Simulation (INFORMS College, USA and St.Petersburg State University, Russia) St.Petersburg, Russia 1996; международной научно-технической конференции "Информационные технологии в моделировании и управлении" (Санкт-Петербург, 1996); всероссийской конференции "ДИМЭБ - 96" (Санкт-Петербург 1996); международной конференции "Мягкие вычисления -96" (Казань, 1996); пятой национальной конференции "Искусственный интеллект" (Казань, 1996); международной научно-технических конференциях "Интерактивные системы: Проблемы человеко-компыотерного взаимодействия" (Ульяновск, 1994, 1997), "Непрерывнологические системы, модели и алгоритмы" (Ульяновск, 1995)", "Перспективы исследования планет: новые информационные технологии" (Ульяновск, 1997); на третьей всероссийской конференции студентов и аспирантов "Техническая кибернетика, радиоэлектроника и системы управления" (Таганрог, 1996); всероссийской научно-технической конференции "Непрерывная и смежные логики в информатике, экономике и социологии" (Пенза, 1997); научно-технических конференциях Ульяновского государственного технического университета (Ульяновск, 1994, 1995, 1998), а также на ряде других всероссийских и региональных конференциях.

Публикации

По теме диссертации опубликовано 18 работ.

Структура и ооъем рапоты

Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы и приложений.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, определены цели, задачи, объект и предмет исследования.

Отмечено, что за пределами работы остаются проблемы верификации знаний, методы их извлечения. Вид имитационных моделей ограничивается дискретно-событийными.

Замечается необходимость проведения всестороннего исследования систем, объединяющих ИМ и ЭС. Предлагается сосредоточить основное

внимание диссертационной работы на методах построения таких систем и средствах их реализации.

В первой главе проведен критический анализ существующих моделей и подходов к построению систем, объединяющих имитацию и экспертные системы.

Первоначально выделены основные этапы развития средств ИМ:

(1) Появление средств ИМ (приблизительно 1950 - 1960); (2) господство языков имитационного моделирования (приблизительно 1960 - 1980); (3) появление и развитие систем автоматизации моделирования (приблизительно 1980 - 1990); и (4) современный этап (приблизительно 1990 - сешдня).

Подробное рассмотрение эволюции средств ИМ начинается со второго этапа. Для него характерно быстрое увеличение количества языков имитационного моделирования (Simula, Simscript. GPSS, MODSTM). В это же время были сформулированы основные элементы теории моделирования (Бусленко Н.П., Калашников В.В. - Агрегативные модели, Зиглер (Zeigler) - DEVS (дискретная спецификация систем)).

Третий этап характеризуется переносом интереса исследователей на создание систем поддержки моделирования и их включение в интегрированные системы. Для этого этапа характерны поиски методов автоматической идентификации целей моделирования и анализа результатов. Результатом этих исследований стала идея интегрированной среды поддержки моделирования (ISSE). Были получены и первые практические результаты - в пределах университетов (CASM, VSh, JADE), в промышленности (SIMKIT, SF.S Workbench, COMNET III), в рамках задач обороны (KBSim, IMDE).

! ¡ереходом ic четвертому этапу послужило построение систем, основанных на знаниях (knowledge-based systems), т.е. включения в их состав ЭС. Они получили название экспертных систем имитационного моделирования (ЭСИМ) (knowledge-based simulation systems) (Reddy, Alty, 1986; R'Keefe, Shannon 1986; Меркурьев, 1989; Ясиновский, 1990). Комбинирование методов искусственного интеллекта и средств ИМ привело к новым концепциям представления знаний и их использования (Огеп, 1986, 1989; Zeigler, 1995). В первой главе диссертационной работы подробно рассматриваются способы построения интегрированных систем имитационного моделирования, анализируются различные формализмы представления имитационных моделей и моделей знаний. Ото связано с тем, что не существует как единого подхода к представлению моделей сложных систем, так и единого подхода к представлению знании. Проблема поиска наиболее общей парадигмы, либо эффективного выбора/комбинации подходов находится в стадии исследования и в настоящее время не решена окончательно. В диссертационной работе подробно анализируются формализмы дифференциальных уравнений,

сети Петри и другие автоматные модели, DEVS-представление, агрегативный подход для представления имитационных моделей и фреймы, системы продукций и семантические сети для представления знаний в интеллектуальных системах. Рассматриваются формализмы, ориентированные на специфические языки моделирования такие как GPSS, SLAM, SIMDL и т.д. Исследованы ассоциированные с данными формальными моделями программные средства (Simulation Craft, ROSS, SIMTOOL, G2 и др.), существующие как промышленные продукты и как макеты разрабатываемых систем. Построены таблицы, в которые сведены характеристики программного обеспечения данного класса.

В рамках этой главы рассмотрены также основные таксонометрические характеристики, примеры глубинной и поверхностной интеграции ЭСИМ.

Особым подразделом выделяется семиотическое направление к построению интеллектуальных систем (Поспелов, 1970, 1995). Рассматривается понятия семиотической системы, дискретной ситуационной сети. Обосновывается возможное применение данных методов к построению интеллектуальных систем.

Результатом анализа стали следующие выводы:

- не существует устоявшихся методов и моделей построения ЭСИМ. Не определены единые модели интеграции, способные максимально использовать возможности средств ИМ и ЭС;

- отсутствуют систематические методики построения ЭСИМ;

- работы российских ученых в области изучения и построения ЭСИМ носят пока ограниченный характер.

По результатам анализа отмечено, что существует взаимное дополнение методологий средств ИМ и ЭС. Так, ИМ дает новые данные об объекте моделирования, что закладывает возможность расширять и адаптировать БЗ ЭСИМ в ходе проектирования, а ЭС позволяет формировать пространство сценариев имитации и описывать ее результаты.

Полученные выводы подтвердили необходимость проведения всестороннего исследования методов интеграции ИМ и ЭС. Основной акцент исследования предлагается сосредоточить на поиске эффективных, с точки зрения под держки процесса проектирования, моделей интеграции ИМиЭС.

К ряду важных свойств таких ЭСИМ, которые необходимо исследовать, отнесем открытость ЭСИМ по отношению к внешним процедурам проектирования, адаптивность внутреннего интерфейса, способность к адаптации БЗ ЭСИМ.

Итогом проведенного анализа явилась качественная

классификация ЭСИМ.

Формируется методика предстоящего исследования. Она заключается в последовательной детализации предмета и объекта исследования, начиная от построения концептуальной модели до момента получения исследовательского прототипа ЭСИМ.

Во второй главе предлагается и исследуется концептуальная модель интеграции (И - модель). И-модель строится как семиотическая модель взаимодействия ИМ, ЭС и проектировщика. Языковой базис И-модели И; представляется как пятерка:

И] < Ls , Les > Lsit, L'es . Ljm >,

где L/M - язык описания имитационной модели, Lcsex!- язык представления модели знаний Мг в БЗ ЭС, Lsit - язык описания результатов имитационного моделирования - ситуационный язык, LCj~- язык интерфейса с проектировщиком, L,m- императивный язык адаптации имитационной модели Mi. Исследуются особенности и требования предъявляемые к данным языкам. Определяются принципы организации внутреннего интерфейса и предлагается архитектура адаптивного внутреннего интерфейса ЭСИМ (рис.1).

г 1 1 --;

Рис. 1. Архитектура адаптивного внутреннего интерфейса ЭСИМ Г\18 - метамодель среды, ЯМ - набор синтаксических, семашических и глубинно-семантических правил, Р- процессор. СР - корректирующий процессор, Ь'1 - блок трансляции к локальный синтаксис СИМ и ЭС, 01-трансляция в глобальный синтаксис внутреннего интерфейса ЭСИМ.

Адаптивный внутренний интерфейс должен быть организован как часть ЭС, а правила МБ и БМ должны представляться в рамках

синтаксиса внешнего языка ЭС. Такой подход позволит организовывать ЭСИМ как открытую систему с возможностью подключения внешних систем имитации и баз знаний, в рамках задач проектирования конкретной СТС.

В ходе дальнейшего исследования осуществляется введение временной составляющей I и рассмотрение модели И(1:). И© представляется как процесс генерации М1 текста на языке Ь511 и его распознавание в Мг- Процесс распознавания, т.е. интерпретации ситуации на объекте моделирования, зависит от тезауруса приемника (ЭС), от его наполнения - количественного и качественного. В зависимости от принципа построения выделены: О - класс глубинно интегрированных систем, Р - класс поверхностно интегрированных систем. Поверхностно интегрированные системы разделяются: Р = {Р^Рг}. Р1 - интерпретаторы, ?2 - поверхностные советующие системы. Глубинно интегрированные делятся: в = {С], С2, Оз}. в]- советующие системы глубинного типа, С2-советующиеся, (Ь - прескриптивные.

Потенциальная неполнота знаний о проектируемой системе вызывает необходимость поиска принципов пополнения БЗ ЭСИМ в ходе проектирования. Конструктивным подходом является представление БЗ как неполной семиотической системы (НС - системы) следующего вида:

15\У3 = < Т, Р, А, П, X, Е >, (1)

где Т - множество символов (алфавит); Р - множество синтаксических правил; А - множество аксиом; П- множество правил вывода; I -множество правил по изменению множества А; Е - множество правил по изменению множества П.

В ходе дальнейшего исследования формулируется предположение о различии моделей и структур систем не только глубинной и поверхностной интеграции, но и о наличии различий организации внутри класса данных систем в зависимости от поддержки процесса проектирования.

Для дальнейшего исследования модели ЭСИМ вводится конструктивное уточнение И-модсли как автоматной - М\ Такой подход позволяет построить и конкретизировать модель ЭСИМ, взаимодействие ЭСИМ с проектировщиком и внешними процедурами, что даст основу для исследования моделей систем Р и в типа.

Иа - модель (рис.2) представляется как сеть управляющих и операционного автоматов соответственно. В данном случае СИМ выступает в виде операционного автомата, а функции управляющего автомата берет на себя проектировщик Б, либо ЭС.

Рис. 2. Автоматная модель взаимолейстгшя (Иа -модель)

Автомат А представляет ЭСИМ, где выходные сигналы суть осведомительные сигналы У, а генерируемые проектировщиком управляющие последовательности X задают определенный сценарий проектирования. А. - автомат, представляющий модель Мь М1 = (А$ А? п - число структурных элементов системы. У - сигналы с управляющего автомата Аг- А? - управляющий автомат, представляющий моцспт» М2, Мз = (А6', ... , Д6П}, и Аз, Ад - автоматы внутреннего интерфейса ЭСИМ. А7, А$ - автоматы внешнего интерфейса с проектировщиком О.

Имеем максимально допустимое множество связей О = {Хь X]', Х2, Х2!. X* Х4]. Тогда выполняется Р = (ХГ); С^Х.1}; 02= {Хь Хг, Х2', Хз, Х4}; Оз = {X., Х2 , Х3> Х4}. В главе подробно исследована логика построения автоматов, предложены их вариации для различных типов ЭСИМ.

На основании проведенного исследования сформулированы общие принципы организации ЭСИМ:

1. Принцип глубинности. Ориентация на глубинную интеграцию СИМ и ЭС, т. е. объединение систем не на уровне форматов данных, а на уровне имитационных и экспертных моделей, представляющих различные аспекты знаний о СТС.

2. Принцип иерархичности. Относится к организации моделей

представления знаний о СТС. Определяет необходимость применения на этапе формального синтеза ЭСИМ имитационных моделей и моделей представления знаний, обладающих способностью построения многоуровневых конструкций высокой степени вложенности.

3. Принцип расширяемости. Диктует необходимость построения БЗ ЭСИМ как пополняемой системы, в том числе и обучаемой в ходе проектирования.

4. Принцип открытости. Требует определения ЭСИМ как открытой системы, с широкими возможностями по связи с внешними системами проектирования, моделирования и базами знаний.

Проведенное комплексное исследование принципов и моделей интеграции средств ИМ и ЭС, оказалось пригодным для дальнейшего использования при определении архитектуры, структуры и методики построения ЭСИМ.

В третьей главе предлагаются и исследуются архитектура и структура адаптивной ЭСИМ глубинной интеграции. Для этого предлагается базовая архитектура адаптивной ЭСИМ (рис.3), формулируются требования к блоку имитации, экспертной системе, способам организации взаимодействия с проектировщиком.

Главными особенностями данной архитектуры ЭСИМ является наличие блока адаптации БЗ в ходе проектирования, который реализует алгоритм, основанный па концептуальном подходе НС - системы (1). Кроме того, в состав ЭСИМ должны входить такие элементы поддержки процесса проектирования, как развитый визуальный интерфейс с проектировщиком, блок документирования проекта, редакторы БЗ и имитационных моделей.

Функционально-типологический анализ БЗ ЭСИМ выявил, что набор знании, позволяющий обеспечить поддержку проектирования СТС методом глубинной интеграции представляется как

В=<Кь,2к>,

где Кь - концептуальные знания, знания предметной области. Концептуальные знания делятся:

КЬ = <РГ, Б,, I?-,

где Рг - метазнания проектирования. -системные знания, 12- метазнания интерфейса.

/, о,- К П .

где О, - знания, представленные в базе фактов ЭСИМ и включающие сведения об объектах, составляющих проектируемую систему, и об их допустимых связях, отношениях и нелевых показателях. Р7 - набор знании о поведении системы и ишериретащш этого поведения. Г;,, -другие дополнительные знания: о структуре выходных данных, задании начальных значений модели, зависимости переменных при анализе статистических данных и т.д.

Было рассмотрено функциональное наполнение 0£ в зависимости от класса ЭСИМ. Выделено три. множества:

0, = <К7, С7, Ет >,

Нг - рецепторы. К их функциям относятся анализ си^ации на оиьеме моделирования и его оценка с точки зрения конфликтности.

С? - правила классификаторы - производят классификацию ситуаций.

Е7 -эффектор;,!. Это правила по измеисншо, как имитационной модели, параметров, так и правила по адаптации БЗ к ситуации, возникающей при проектировании:

Ег = <Ьг,М,>,

где Ьг есть набор правил по модификации и адаптации базы знаний, которые делятся на множества Е, Нв соответствии с рассмотренной во второй главе моделью адаптации:

Ц = <2,5>.

Множество Мг делится на два подмножества:

м2=<мЛм,2 >,

Мг' - множества правил по изменению структуры имитационной модели. Мг2 - множества правил по изменению параметров модели.

В дальнейшем предлагается вариант представления глубинно -интегрированных адаптивных систем, вариант их организации как систем фреймово - продукционного типа. Фреймы специфицируют внутреннее представление имитационной модели в базе знаний как базы фактов. Продукции представляют набор активных действий проектировщиков.

В результате ЭСИМ, построенная с использованием данного набора знаний, способна осуществлять помощь при построении имитационной модели, выбирать шаг и время имитации, адаптировать БЗ в ходе моделирования, а также, при желании проектировщика, брать на себя функции управления имитационным экспериментом.

По результатам исследования проведенного в рамках данного раздела, была разработана методика построения ЭСИМ глубинной интеграции.

Введем комплексный показатель с критериями, характеризующими: способ интеграции ЭСИМ; степень интеграции системы; степень поддержки проектировщика в ходе проектирования; наличие адаптации БЗ ЭСИМ в ходе проектирования; поддержка всех или некоторых этапов проектирования; взаимодействие ЭСИМ с пользователем; взаимодействие системы с другими системами; формы представления знаний в БЗ ЭСИМ; вид обработки информации; вид модели в имитаторе.

Разработанная методика включает три основных этапа: (1) подготовительный, (2) методологический, (3) технологический.

На нервом этапе происходит определение проблемы, для решения которой должна быть применена ЭСИМ, оценивается необходимость и уровень применения ЭСИМ.

На втором производится уточнение существующей проблемы с участием экспертов - специалистов по данной предметной области и системного аналитика - специалиста по имитационному моделированию. Организуется извлечение знаний. Происходит объединение знаний их структурирование и формализация.

На третьем этапе выделяются подэтапы построения проекта ЭСИМ, выбора способа взаимодействия ЭСИМ с проектировщиком, построение прототипа системы, тестирование. При построении проекта системы выбирается способ интеграции, степень интеграции, способ взаимодействия с пользователем, определяется необходимость адаптации, наличие или отсутствие обучения.

Отличительной чертой данной методики является организация этапа объединения и структурирования знаний. Для его реализации применяется аппарат модифицированной ситуационной сети и продукционные представления, что дает возможность сократить время формальных процедур наполнения БЗ ЭСММ.

Предлагаемая методика была использована при разработке адаптивной ЭСИМ глубинной интеграции советующего типа.

В четвертой главе анализируются существующие подходы к проектированию локальных вычислительных сетей (ЛВС) и транспортных систем, формулируются методики применения ЭСИМ для данных задач.

Результаты исследования были применены в ходе разработки инструментальной системы ПЛИС. Система ПЛИС предназначена для проектирования и имитационного моделирования широкого класса сложных систем, в том числе ЛВС. к прснставлиет собой универсальную

оболочку, включающую: систему ИМ с дискрешым временем имитации; ЭС, допускающую представление знаний в виде продукций (обычных и нечетких); представление знании о имитационной модели в виде сети фреймов; адаптивный визуальный интерфейс; графический редактор и ряд вспомогательных программ.

Выделим следующие этапы проектирования ЛВС: (1) создание начальной структуры вычислительной сети; (2) экспертный прогноз ее эффективности в том или ином аспекте (стоимостном, с. точки зрения производительности, ремонтопригодности и т.д.); (3) выбор параметров имитационного эксперимента; (4) анализ результатов имитации.

Всего в системе более 120 правил проектирования из них более 30 правил, но автоматизации построения имитационной модели, выбора шага имитации и модельного времени.

Для проверки эффективности предлагаемых методов была проведена серия экспериментов, результаты которых представлены в данной главе.

Была поставлена задача проектирования ЛВС с учетом коэффициента загрузки. В качестве примера использовались данные о построении корпоративной сети.

Система анализировала характеристики ЛВС при переменной загрузке каналов связи и заданной пропускной способности канала. В качестве оценки эффективности процесса функционирования ЛВС в

этом случае рассматривалось некоторое время передачи пакета данных, не превышающее заданное, т.е. должно выполняться:

var (Xj), Cj= const, Tj -» min, Ограничение: tp < Тг,

где - интенсивность потока сообщений, Q - пропускная способность, Т, - среднее время задержки сообщения, tp— время передачи пакета данных, Тг -заданное время передачи пакета данных.

Эксперимент производился на этапах выбора начальной структуры системы, выбора модельного времени, шага имитации, анализа результатов моделирования.

Анализ результатов экспериментов показывает, что система ПЛИС позволяет существенно (приблизительно на 20-30 %) снизить время проектирования по сравнению с применением для проектирования языка имитационного моделирования MICRO-GPSS (School of Economics, Stockholm, Sweden) и на 10% с использованием систем автоматизации имитационного моделирования PROPHESY (Abstraction Software Inc., USA). Кроме того, б ходе функционирования система корректирует и улучшает структуру своей БЗ. В результате чего, после построения ЛВС с похожими характеристиками, система смогла увеличить эффективность принятия проектных решений.

Заключение содержит основные выводы и результаты проведенных исследований.

В приложении содержится описание содержания БЗ ЭСИМ, акты внедрения результатов исследования.

ВЫВОДЫ

1. Проведено комплексное исследование методов объединения систем имитационного моделирования и экспертных систем для задач проектирования СТС. Результатом послужило построение концептуальной модели интеграции И - модели. Сформулированы и описаны ее основные свойства. Рассмотрены требования предъявляемые к построению внутреннего, адаптивного и жесткого интерфейсов.

2. Уточнение И-модели как автоматной позволило определить структурно-функциональные особенности поверхностно и глубинно интегрированных систем.

3. Предложен метод представления подмодели БЗ ЭСИМ, как неполной семиотической системы (НС - системы), что открыло

принципиальную возможность пополнять БЗ ЭСИМ в холе проектирования.

4. В рамках НС - системы предложены принципы организации БЗ ЭСИМ, придающие ей адаптивность.

5. Разработаны архитектура и структура адаптивной ЭСИМ глубинной интеграции. В рамках этого проведено типологическое и функциональное исследование. Отмечено, что продукционное представление знаний является наиболее эффективным. Исследованы варианты построения элементов ЭСИМ.

6. Как результат теоретического исследования сформулирована методика построения ЭСИМ глубинной интеграции. Она построена на сравнительном анализе целевой составляющей с системой критериев. Методика позволяет рассматривать различные формы представления знаний в комплексе, что дает возможность избежать избыточности набора и типов знаний с одной стороны, и их недостатка с другой.

7. На основании разработанной методики построена система ПЛИС, которая представляет собой исследовательский прототип ЭСИМ и включает в себя: систему ИМ с дискретным временем имитации; ЭС, допускающую представление знаний в виде продукций (обычных и нечетких); представление знаний об имитационной модели в виде сети фреймов; адаптивный визуальный интерфейс; графический редактор и ряд вспомогательных программ. Система предназначена для проектирования локальных вычислительных сетей, однако существует возможность ее применения для моделирования других сложных дискретно-событийных систем. Так, и диссертационной работе рассмотрено применение системы ПЛИС при проектировании транегюр г ныл систем.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Таратухин В.В. Имитационное моделирование как методология проектирования и моделирования сложных систем// Материалы конференции "XXIX Научно-техническая конференция УлГТУ": Матер, конф., февраль 1995, Ульяновск, Россия- .Ульяновск: Издательство Ульяновского государственного технического университета, 1995. - С. 18.

2. Салмин М.Ю., Таратухин В.В., Шишкин В.В. Транслятор языка имитационного моделирования// Материалы всероссийского совещания-семинара "Применение вычислительной техники в учебном процессе":

ссмиНирй сс1тт/Гор5т» Ул^яттсуяск Россия " ^"тт^яновск'

Издательство Ульяновского государственного технического университета, 1995. - С. 50.

3. Таратухин В.В., Шишкин В.В. Принципы построения экспертной системы имитационного моделирования// Материалы межд. конференции

"Интерактивные системы: проблемы человеко-компьютерного взаимодействия": Матер, межд. конф., август 1995, Ульяновск, Россия.-Ульяновск: Издательство Ульяновского государственного технического университета, 1995. - С. 28.

4. Таратухин В.В., Каряев Д.Д. Объектно-ориентированная система автоматизации имитационного моделирования сложных объектов// Материалы межд. конференции " Интерактивные системы: проблемы человеко-компьютерного взаимодействия": Матер, межд. конф., август

1995, Ульяновск, Россия,- Ульяновск: Издательство Ульяновского государственного технического университета, 1995. - С. 12.

5. Шишкин В .В., Таратухин В.В. Проблемы распараллеливания в имитационном моделировании// Материалы межд. конференции " Непрерывнологические системы модели и алгоритмы": Матер, межд. конф., май 1995, Ульяновск, Россия,- Ульяновск: Издательство Ульяновского государственного технического университета, 1995 - С. 61.

6. Таратухин В.В. Интеграция систем имитационного моделирования и интеллектуальных САПР// Материалы конференции "XXX Научно-техническая конференция УлГТУ": Матер, конф., февраль

1996, Ульяновск, Россия.- Ульяновск: Издательство Ульяновского государственного технического университета, 1996. - С. 97.

7. Таратухин В.В., Шишкин В.В. Интеллектуальная система имитационного моделирования информационных вычислительных сетей// Материалы межд. конф. "Информационные технологии в моделировании и управлении" Матер, межд. конф., июнь 1996, Санкт-Петербург, Россия.-Санкт-Петербург: Издательство Санкт-петербургского государственного технического университета, 1996. - С. 56-59.

8. Семушин И.В., Таратухин В.В. Интеллектуальная САПР информационных вычислительных сетей// Материалы третьей всерос. конф. "Техническая кибернетика, радиоэлектроника и системы управления" Матер. Третьей всерос. конф., октябрь 1996, Таганрог, Россия.- Таганрог: Издательство Таганрогского государственного радиотехнического университета, 1996. - С. 63.

9. Шишкин В.В., Таратухин В.В. К вопросу о построении экспертных систем имитационного моделирования// Труды межд. семинара "Мягкие вычисления - 96" Труды межд. семинара, октябрь 1996, Казань, Россия.- Казань: Издательство Казанского государственного технологического университета, 1996. - С. 214-218.

10. Таратухин В.В., Шишкин В.В. Принципы построения экспертной системы имитационного моделирования ЛВС// Материалы межд. конференции '"''Интерактивные системы: проблемы человеко-компьютерного взаимодействия": Матер, межд. конф., сентябрь 1997, Ульяновск, Россия.- Ульяновск: Издательство Ульяновского государственного технического университета, 1997. - С. 14-16.

11. Пуртов И. А., Таратухин В.В. Человеко-компьютерное взаимодействие в интеллектуальных САПР// Материалы межд. конференции "Интерактивные системы: проблемы человеко-компьютерного взаимодействия": Матер, межд. конф., сентябрь 1997, Ульяновск, Россия.- Ульяновск: Издательство Ульяновского государственного технического университета, 1997. - С. 53-54.

12. Исследование принципов интеграции экспертных систем и средств имитационного моделирования при проектировании ЛВС / Таратухин В.В.; Ульяновский государственный технический университет. - Ульяновск, 1997. - 18 с. - Библиогр.: 10 назв. - Рус. - Деп. в ВИНИТИ 15.10. 97.. N 3066 -В 97.

13. Шишкин В.В., Таратухин В.В., Майоров А.И. Экспертная система имитационного моделирования. Отчет о г/б НИР 18-59. N гос. пег. 01960008681, инв. N 02970004459 Ульяновский государственный технический университет. Ульяновск, 1997. - С. 53.

14. Таратухин В.В. Применение экспертных систем для проектирования и управления сложными техническими объектами // Материалы межд. конференции "Результаты и перспективы исследования планет. Прикладные аспекты и информационные технологии": Матер, межд. конф., ноябрь 1997, Ульяновск, Россия,- Ульяновск: Издательство Ульяновского государе темного технического университета, 1997. - С. 88 -90.

15. Таратухин В.В. Экспертная система проектирования и моделирования ЛВС;Информ. лист / Ульяновский 1ЩТИ. -Ульяновск. -(N160 - 097) 1997.

16. Таратухин В. В. Учет экономических показателей при проектировании ИВС// Материалы всероссийской научно-технической конференции "Непрерывная и смежные логики в информатике, экономике и социологии": Матер. Всероссийской конф., октябрь 1997, Пенза, Россия.- Пенза: Издательство Приволжского дома знаний, 1997. - С. 8687.

17. Taratoukhine V.V. стс. Knowledge-based LAN Simulation System/1. V. Scmoushin, V.V. Shishkin, V. V. Taratoukhine // International Conference SimTecT 97 (The Simulation Technology and Training Conference): Proceedings of the Conference, Canberra, Australia, - 1997. - P. 35 - 38.

18.Taratoukhine V.V. ctc. Knowledge-based Network Simulation System i I. V. Semoushin, V. V. Shishkin, V, V. Taratoukhine /7 7m international Fuzzy Systems Association Congress : Proceedings of the Congress, Czech Republic. Prague .-1997. - P. 532 - 537.