автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Процессно-ориентированная концепция системного моделирования АСУ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ МОДЕЛИРОВАНИЯ ПРОЦЕССОВ 20 ОБРАБОТКИ ИНФОРМАЦИИ В АСУ

1.1. Определение класса анализируемых методов

1.2. Точные методы анализа

1.3. Приближенные методы анализа

1.4. Декомпозиционный метод вложенных процессов

1.5. Имитационные и гибридные модели

Автоматизированные системы управления, начиная с 60-х годов нынешнего столетия, стремительно вошли в практику деятельности человека сначала в области промышленного производства, постепенно внедряясь в среду управления, транспорта, медицины, военных приложений. Сейчас нельзя назвать какую-либо область деятельности человека, где бы в той или иной степени не применялись автоматизированные системы либо их компоненты. В основе современных автоматизированных систем управления лежат вычислительные средства обработки информации, разнообразные терминальные (оконечные) устройства, преобразователи сигналов, канальное оборудование, сетевые коммуникации. Для автоматизированных систем разработано и используется разнообразное прикладное программное обеспечение, системные программные средства, информационное обеспечение, инструментальные средства построения программ и баз данных.

Автоматизированная система управления (АСУ), в первую очередь, обрабатывает информационные потоки, обеспечивает их сохранность, готовит информацию лицам, принимающим управленческие решения. Как правило, АСУ имеют сложную конфигурацию вычислительных средств, программных и информационных компонент.

Функционирование АСУ характеризуется различными показателями: стоимостью, размерностью, территориальной распределенностью, качеством решаемых задач, временем реакции, надежностью, загрузкой отдельных компонент и пр. Большинство из этих показателей требуют для своего определения знания процесса функционирования АСУ, т.е. характера изменения свойств и состояния всех компонент АСУ во времени. Анализ процесса функционирования позволяет определить все показатели, связанные с оценками производительности и надежности. Следует отметить, что получение характеристик производительности и надежности является одной из наиболее важных, но одновременно и сложных проблем анализа

АСУ. Разработаны и предложены многочисленные подходы к решению этой проблемы, включающие использование физических моделей, разработку измерительных средств, построение имитационных и аналитических моделей. Однако, в силу сложности и разнообразности конфигураций АСУ, состава системного, прикладного программного и информационного обеспечений, развитых средств телекоммуникаций, до сих пор не удалось предложить достаточно универсальных методов построения моделей производительности АСУ. Использование разнородных концепций построения моделей, неудачи в создании эффективных аналитико-имитационных методов во многом объясняется отсутствием единого подхода к описанию процессов обработки информации в АСУ. Это обстоятельство не позволяет разрабатывать достаточно универсальных и эффективных средств анализа.

В настоящей диссертации предлагается положить в основу построения методов получения оценок производительности АСУ метасистему, ориентированную на формирование описаний совокупностей взаимосвязанных процессов обработки информации. Такая метасистема должна носить универсальный характер и обобщать существующие концепции. С ее помощью должны быть получены рекомендации относительно построения и использования аналитических, имитационных, гибридных моделей определения характеристик производительности АСУ и решения на их основе задача анализа и синтеза настраиваемых параметров АСУ.

Объектом исследования диссертационной работы являются методы моделирования процессов обработки информации в АСУ, позволяющие получить оценки характеристик производительности аппаратно-программного комплекса и показателей функционирования АСУ.

Цель диссертации: разработка теоретических основ концепции моделирования процессов обработки информации в АСУ; разработка методического и программного обеспечений концепции моделирования процессов обработки информации в АСУ.

Методы исследований. В диссертации использован математический аппарат теории множеств и формальной логики, теории формальных языков, математической статистики, теории случайных процессов, теории массового обслуживания, теории вероятностей, методов исследования операций, стохастической аппроксимации, имитационного моделирования. Задачи, решаемые в диссертации.

Для достижения вышеуказанных целей в диссертации решаются следующие задачи:

1. Анализ существующих методов моделирования процессов обработки информации в АСУ.

2. Разработка теоретических основ описания процессов обработки информации в АСУ.

3. Разработка псевдоязыка для описания процессов обработки информации в АСУ.

4. На основании полученных результатов разработка теоретических основ построения программных имитационных моделей систем обработки информации.

5. Разработка статистических моделей выходных имитационных процессов.

6. Анализ и экспериментальные исследования декомпозиционного метода моделирования вложенных процессов (ДМВП).

7. Разработка процедуры включения имитационных моделей в ДМВП.

8. Исследование и разработка ускоренной процедуры стохастической аппроксимации для имитационных моделей в ходе параметрической оптимизации.

9. Разработка комплекса программных средств поддержки метода имитационного моделирования.

10. Экспериментальная проверка разработанных методов и программных средств.

Научную новизну составляют:

1. Теоретические основы процессно-ориентированной концепции описания функционирования АСУ по обработке и передаче информации в распределенной информационно-вычислительной среде.

2. Теоретические основы построения имитационного процесса и программных имитационных моделей обработки информации в АСУ.

3. Статистические модели выходных имитационных процессов в стационарном и переходном режимах.

4. Гибридный декомпозиционный метод вложенных процессов, позволяющий на всех уровнях декомпозиции в равной степени использовать как аналитические, так и имитационные модели.

5. Метод параметрической оптимизации на имитационных моделях с активным использованием начального периода моделирования. Практическую ценность представляют:

1. Методика моделирования процессов обработки информации в АСУ, опирающаяся на процессно-ориентированную концепцию описания функционирования АСУ.

2. Псевдоязык описания сцепленных процессов (ПОСП), позволяющий на единой концептуальной основе описывать процессы обработки информации АСУ.

3. Рекомендации по применению конкретных аналитических моделей в рамках ДМВП для различных декомпозиционных схем.

4. Алгоритмы ускоренной параметрической оптимизации с использованием имитационных моделей.

5. Методика и алгоритмы построения имитационных программ с заданными эксплуатационными характеристиками.

6. Процедура использования имитационных моделей в рамках ДМВП для разрешения замкнутых СМО.

7. Язык имитационного моделирования CTAM-KJIACC, описывающий функционирование АСУ в виде обобщенной совокупности сетей массового обслуживания.

8. Пакет прикладных программ, реализующий язык имитационного моделирования CTAM-KJIACC.

Реализация результатов работы. Разработанные методы, модели, алгоритмы, система моделирования CTAM-KJIACC использованы при разработке системы управления газопроводом Уренгой-Ужгород в ОАО "Газпром", в НПО "Газавтоматика", в Уренгойском производственном объединении, внедрены в НИИ "Восход", используются в учебном процессе в МГТУ им.Н.Э.Баумана, в Киевском политехническом институте, Казахском политехническом институте и др.

По теме диссертации были сделаны доклады и опубликованы тезисы на 7 Всесоюзных, 3 Всероссийских, 3 отраслевых и 7 межвузовских конференциях, опубликовано 12 статей, издано 9 научных и 11 учебно-методических работ. Материалы диссертации нашли отражение в 28 отчетах по научно - исследовательским и опытно - конструкторским работам.

В первой главе проведен аналитический обзор точных, диффузионных, приближенных, декомпозиционных, имитационных методов и моделей анализа характеристик функционирования СОИ. Проведенный анализ показал, что отсутствует единый подход к построению моделей оценки показателей функционирования СОИ, что вынуждает для каждой конкретной постановки задачи разрабатывать свой, нередко специфический, метод анализа. В диссертации предлагается выполнять анализ функционирования системы «сверху - вниз», когда в основу полагается описание процессов обработки информации в системе. Для этого необходимо разработать концепцию описания процессов обработки информации в АСУ, позволяющую с единых позиций подходить к формированию различных расчетных схем таких, как агрегативный подход, системы и сети массового обслуживания, имитационное моделирование, гибридные методы и пр.

В главе отмечается, что среди рассмотренных методов определения показателей производительности наиболее перспективным является подход, опирающийся на идею многоуровневой декомпозиции. Многоуровневое представление вложенными процессами хорошо соответствует логике работы системы и отражает последовательность предоставления ресурсов заданию. Однако учет многих видов блокировок и дисциплин решения задач информационно - программного обеспечения вызывает серьезные трудности при использовании лишь аналитических моделей на вложенных уровнях. На основании проведенного анализа предлагается разработать гибридный декомпозиционный метод вложенных процессов (ДМВП), позволяющий использовать наряду с аналитическими также и имитационные модели на всех уровнях вложенности. Это позволяет снять практически все ограничения на типы блокировок. Однако широкое использование имитационных моделей сдерживается высокими затратами на их создание, низкой вычислительной эффективностью.

В заключение в главе формулируются задачи дальнейших исследований в направлениях разработки концепции описания процессов функционирования АСУ, разработки эффективного метода расчета характеристик производительности АСУ, определения особенностей в построении имитационных программ с целью повышения их эксплуатационных показателей, применения имитационного моделирования в задачах синтеза параметров и структуры систем обработки информации в составе АСУ.

Во второй главе рассматривается способ описания функционирования системы обработки информации с учетом того, что система имеет высокую размерность, разделяется на множество объектов, различным способом связанных между собой, руководствуется сложными алгоритмами, описывающими переход из одного состояния в другое.

В основу построения формализованной схемы описания функционирования АСУ положено понятие процесса. Выполнено исследование таких операций над процессами, как свертка, развертка, проецирование, объединение. Доказан ряд теорем и свойств указанных операций. В главе предложен новый способ задания процесса, названный алгоритмической моделью процесса (АМП), включающий такие понятия, как элементарный оператор, трек операторов и инициатор. Дальнейшие исследования описания процессов на основе АМП позволили строго определить понятия структуры, локальных сред, обобщенных и объединенных операторов, блоков, выполнить их классификацию, определить понятие ресурса, конфликтов на ресурсах, предложить способы их разрешения, сформировать вложенные описания. В результате получена теоретическая модель описания системы взаимосвязанных процессов в АСУ, обобщающая и с единых позиций представляющая агрегативные, процессные, агрегативно-процессные, потоковые схемы описаний.

В главе предложен псевдоязык описания совокупности взаимосвязанных процессов (ПОСП), отражающий теоретические результаты, полученные в первом разделе главы. В ходе конструирования операторов псевдоязыка основное внимание обращено на реализацию взаимодействия процессов. Поэтому вычислительные операции ограничиваются операторами присваивания и условным, в то время как операции над инициаторами включают операторы активизации и пассивирования, условной и безусловной передачи, задержки на заданное время либо до выполнения указанного логического условия, создания и уничтожения объектов. Псевдоязык позволяет описать функционирование АСУ, представленное в виде агрегативной, процессной, смешанной либо потоковой схем, отобразить это описание на гибридный декомпозиционный метод вложенных процессов или на программную имитационную модель. Кроме того, ПОСГГ может служить инструментальной моделью при создании новых языков моделирования.

Поскольку построение имитационной модели АСУ выполняется на основе описания процессов функционирования, то полученная в главе теоретическая модель описания параллельных процессов позволила выполнить исследование в области методов построения имитационных моделей. Алгоритмическая модель процесса оказалась конструктивным понятием и в области имитации, позволив получить универсальную системную модель имитационного процесса, сформировать структуры моделирующих алгоритмов. В главе доказан ряд теорем и утверждений о формировании модельного времени, построении классов одновременных событий, способах их генерации. В результате сформулированы основные принципы построения имитационных алгоритмов, позволяющие создавать в зависимости от конкретных постановок имитационного эксперимента моделирующие программы с заданными эксплуатационными свойствами.

В третьей главе проведено исследование декомпозиционного метода вложенных процессов (ДМВП) с целью определения влияния отдельных типов моделей и их параметров на выходные характеристики метода в целом. Указывается также на связь концепции метода с теоретическими основами описания процессов, изложенными во второй главе.

В рамках общей схемы применения ДМВП определены основные источники погрешности, включающие ошибки: методические, возникающие в результате использования той или иной методической схемы; корреляционные, возникающие из-за неучета коррелированности потоков при передаче параметров с верхних уровней на нижние и наоборот; аппроксимационные, связанные с аппроксимацией функций распределения интерфейсных переменных в процессе расчета.

В главе выполнено исследование указанных источников погрешности, определены условия их существования, предложены рекомендации и методические схемы, существенно сокращающие погрешность.

Рассмотрена схема декомпозиции, при которой нижний уровень представлен разомкнутыми моделями. В этом случае общая погрешность времен пребывания в системе определяется погрешностями коррелированности потоков, времен пребывания в нижнем контуре и погрешностью отсутствия блокировки в нижнем уровне, Результаты моделирования показали, что следует применять разомкнутую схему нижнего уровня при небольших (<0.5) значениях средних и максимальных загрузках приборов нижнего уровня.

Рассмотрена схема декомпозиции, при которой нижний уровень описан замкнутыми моделями. В этом случае общая погрешность времени пребывания в системе определяется лишь погрешностями корреляций. Показано, что погрешность не превышает 15% и не зависит от коэффициента загрузки. Таким образом, схема с замкнутыми моделями нижнего уровня предпочтительна при всех значениях загрузки приборов.

В главе выполнен также анализ влияния аппроксимации функций распределения вероятности для различных характеристик метода и разработаны рекомендации по их применению.

В четвертой главе выполнено исследование свойств выходного имитационного процесса и построение его статистической и аналитической моделей.

Анализ различных систем массового обслуживания показал, что автокорреляционная функция выходных процессов апериодическая и, в случае многофазных СМО, «затянута» в начале координат (имеет точку изгиба). Вследствие влияния начальных условий моделирования тренд выходных процессов имеет характер апериодической функции, асимптотически сходящейся к некоторому стационарному значению. Для предложенной в диссертации аппроксимации автокорреляционной функции стационарного выходного процесса получено аналитическое выражение дисперсии среднеинтегральной оценки.

Для целей дальнейших статистических исследований предлагается использовать в качестве моделей выходных процессов последовательности, генерируемые моделями авторегрессии 2-го порядка. Показано, что эти модели обладают высокой вычислительной эффективностью, позволяют задавать различные автокорреляционные зависимости в заданном классе, имитируют нестационарность на начальном этап, строят все типы трендов, характерные для выходных процессов.

Для целей аналитического исследования начального этапа моделирования в главе анализируется условно нестационарный гауссовский процесс, рассматриваемый как стационарный гауссовский процесс с заданной предысторией в моменты времени, меньшие нуля, и автокорреляционной функцией, определенной в этой главе. Получены выражения для дисперсии и тренда условно нестационарного процесса в зависимости от параметров автокоррелляционной функции, начальных условий. Получены аналитические выражения тренда и дисперсии среднеинтегральной оценки. Проведено исследование зависимости среднеинтегральной оценки от различных факторов. Показано, что тренд среднеинтегральной оценки имеет затянутый характер, содержит существенную систематическую погрешность на начальном этапе, зависит от коррелированное™ процесса, начальных значений, длительности моделирования. Проведен анализ математического ожидания среднеинтегральной оценки условно нестационарного процесса при условии сброса статистики, накопленной на начальном интервале моделирования. Показано, что при сильной коррелированности сброс необходим, однако при широком доверительном интервале и слабой коррелированности нет необходимости производить сброс статистики. При малых значениях корреляции оптимум интервала сброса начальной статистики лежит в окрестности нуля. Статистические и аналитические модели выходных имитационных процессов, предложенные в главе, позволяют существенно расширить сферу исследований различных процедур организации имитационного моделирования, построения управляющих и оптимизирующих алгоритмов.

В пятой главе разработан метод использования имитационных моделей для решения задачи параметрического синтеза: нахождение значений варьируемых параметров, доставляющих экстремум целевой функции. Однако требуемое количество оценок, как правило, велико, что с учетом больших затрат времени на получение каждой оценки в имитационной модели, может сделать решение задачи синтеза невозможным. В диссертации предлагается получать оценки целевой функции на основе анализа начальных нестационарных интервалов выходных имитационных процессов. В целях использования имитационных моделей в ходе параметрической оптимизации предлагается создавать имитационную модель, совмещающую процесс поисковой оптимизации и имитации.

В главе выполнено формализованное описание управляемой имитационной модели, выделены основной процесс в пространстве выходных состояний, и процесс управления в пространстве управляемых параметров, а также описан алгоритм их взаимодействия. Предложен алгоритм управления градиентного типа, относящийся к классу алгоритмов стохастической аппроксимации, определены схемы его реализации и основные параметры.

Исследование алгоритмов управления с постоянной и переменной длиной шага поиска экстремума позволило разработать рекомендации по их совместному и согласованному использованию с целью существенного ускорения процедуры оптимизации.

В качестве аналитической модели выходного имитационного процесса модели принят гауссовский процесс, исследованный в главе 4. Получены выражения для математического ожидания и дисперсии оценки градиента, вычисленной на переходном участке основного процесса, показана несмещенность оценки направления градиента.

В главе также проведено исследование организации имитационной процедуры при моделировании замкнутых систем массового обслуживания на нижнем уровне с целью включения имитационных моделей в гибридный декомпозиционный метод вложенных процессов. В результате применения предложенной процедуры стохастической аппроксимации удалось значительно сократить затраты машинного времени на решение уравнения баланса, и обеспечить эффективность включения имитационных моделей в декомпозиционный метод вложенных процессов.

В шестой главе решалась задача создания системы имитационного моделирования процессов обработки информации в аппаратно -программном комплексе (АПК) АСУ. Сформулированы особенности описания функционирования АПК АСУ.

Для построения имитационных моделей сетей массового обслуживания разработана система имитационного моделирования CTAM-KJIACC, широко применявшаяся в практике проектирования АСУ. На основании результатов, полученных в главе 2, сформулированы основные положения реализации системы СТАМ-КЛАСС: схема описания функционирования АСУ, использующая системы и сети массового обслуживания, возникает, когда все процессы пересечены на ресурсах; узлы сети представляют собой блоки - контроллеры, являющиеся агрегатами и взаимодействующие с инициаторами, как с параметрами; сами инициаторы существуют в этих условиях лишь в моменты продвижения по линиям связи от контроллера к контроллеру.

Главной особенностью системы имитационного моделирования СТАМ-КЛАСС является способность создавать обобщенные имитационные модели, описывающие широкую совокупность структур, в отличие от существующих аналогичных языков, которые позволяют моделировать сеть конкретной конфигурации. Это достигается за счет использования двухуровневой схемы описания структуры: сначала при программировании модели задается мультиструктура, вершинами которой являются классы блоков, а затем в ходе выполнения программы модели возможно произвольное изменение, как состава самих классов, так и связей между ними. Это открывает широкие возможности проведения реконфигурации модели системы по ходу моделирования.

В седьмой главе изложены результаты экспериментальной проверки разработанных в диссертации методов и программных средств. С использованием гибридного декомпозиционного метода вложенных процессов проведено исследование комплекса "АСУ-кадры" для Управления «Уренгойгазавтоматизация», с целью выработки рекомендаций по модернизации и развитию комплекса. Построена 4-х уровневая вложенная модель с использованием аналитических и имитационных подмоделей. Использование методики, изложенной в главе 5, позволило выполнить анализ исходной задачи и продемонстрировать эффективность применения предложенной в диссертации процедуры стохастической аппроксимации при разрешении замкнутой СМО имитационными методами.

С использованием системы моделирования CTAM-KJIACC выполнено исследование автоматизированной системы управления газопроводом «Уренгой-Ужгород» для целей проектирования и начальной настройки вычислительной сети. Создана имитационная программная модель, описывающая функционирование сети на 2-м, 3-м и 4-м уровнях. Модель позволяет задавать необходимую топологию сети, количество и типы каналов связи, описывать подключение терминалов и абонентских машин. В модели реализован метод коммутации типа "виртуальный канал". Управляемыми параметрами для канального уровня явились: тайм-аут посылки квитанций, тайм-аут повторной передачи информационного кадра, ширина окна, максимальное число повторных передач по истечению тайм-аута; для сетевого уровня - ширина окна, максимальная длина пакета; для транспортного уровня - величина кредита, длина блока транспортного протокола и др. С помощью имитационной модели удалось определить: • допустимые интенсивности входных потоков;

• диапазон рациональных значений тайм-аутов на сетевом и канальном уровнях:

• допустимую длину маршрута по сети;

• размеры таблиц описания "виртуального канала";

• влияние канальных сбоев на время реакции систем;

• загрузку различных компонент сети;

• узкие места в процессе реализации сети передачи данных.

Предложенный в диссертации метод параметрической оптимизации с использованием имитационных моделей применен для определения оптимальных параметров автоматизированной системы управления технологическими процессами компрессорной станции в цикле транспортировки газа для Управления «Уренгойгазавтоматизация». В соответствии с предложенной целевой функцией решена задача по определению оптимального значения кванта времени для центрального процессора, количества внешних терминалов, необходимого быстродействия центрального процессора. Показано, что предложенный в диссертации метод параметрической оптимизации, основанный на активном использовании начального нестационарного этапа выходного имитационного процесса, позволяет эффективно решать задачи оптимизации на имитационных моделях.

ЗАКЛЮЧЕНИЕ

1. Разработана концепция моделирования функционирования АСУ, включающая методику описания связанной совокупности процессов обработки информации, гибридный декомпозиционный метод вложенных процессов с комплексным применением имитационных и аналитических моделей, методику построения имитационных моделей, метод параметрического синтеза с использованием имитационных моделей для целей определения характеристик и оптимизации параметров распределенных систем подготовки, обработки и хранения информации в составе АСУ.

2. Разработаны теоретические основы описания процессов обработки информации в АСУ, позволившие обобщить существующие подходы к описанию процессов функционирования, определить операции над процессами, сформулировать закономерности организации структур моделей описания, задать способы разрешения конфликтов на ресурсах, определить область использования моделей ТМО в общей схеме взаимодействующих процессов.

3. Предложен псевдоязык описания сцепленных процессов (ПОСП), отражающий основные положения и выводы теоретических основ описания процессов обработки информации в АСУ и позволяющий на единой основе использовать агрегативный, процессный, гибридный и сетевой подходы при описании взаимодействующих процессов.

4. Разработаны теоретические основы построения имитационных процессов и моделей функционирования АСУ, опирающиеся на ранее полученные результаты, и позволяющие конструировать имитационные программные модели с заданными эксплутационными характеристиками, такими как: объем программ, время реализации, степень параметризации, уровень обобщения, возможность комплексирования, входной и выходной интерфейсы.

5. Проведено исследование декомпозиционного метода вложенных процессов с целью определения влияния типов моделей и их параметров на точность результатов моделирования. Анализ показал, что отсутствие рекомендаций по выбору типов моделей, а также использование только аналитических моделей существенно сокращают область применения метода.

6. Предложен гибридный декомпозиционный метод вложенных процессов, использующий в равной степени как аналитические, так и имитационные модели на всех уровнях декомпозиции. Разработана процедура включения имитационных моделей во вложенный уровень на основе метода стохастической аппроксимации. Предложены практические рекомендации использования конкретных типов моделей. В целом метод позволяет совместить высокую вычислительную эффективность аналитических с универсальностью имитационных моделей при определении характеристик производительности систем обработки информации в АСУ.

7. Разработан метод параметрического синтеза СОИ в составе АСУ с использованием имитационных моделей, совмещающих процессы имитации и управления. Предложен эффективный алгоритм построения управляемого имитационного процесса на основе поисковой процедуры Кифера - Вольфовица и использования коротких нестационарных реализаций основного имитационного процесса. Предложенный метод позволяет расширить класс оптимизационных задач, решаемых на имитационных моделях, за счет значительного ускорения поисковых процедур.

8. Разработана система имитационного моделирования CTAM-KJIACC, ориентированная на сетевое обобщенное описание процессов обработки информации. Особенностью системы является использование регулярных структур в виде связанных классов однородных агрегатов, что позволяет компактно описывать конфигурацию сети и проводить ее реструктуризацию в ходе моделирования.

9. Разработанные в диссертации методы и средства были применены при решении ряда практических задач, в частности:

A. Гибридный декомпозиционный метод вложенных процессов применен при исследование подсистемы «АСУ-кадры» для Управления «Уренгойгазавтоматизация». Результаты моделирования позволили выбрать версию ИПС, определить конфигурацию вычислительного комплекса.

Б. Методом параметрического синтеза решена задача выбора оптимальных параметров центрального вычислительного комплекса газокомпрессорной станции для Уренгойского производственного объединения. В результате определены оптимальные значения кванта для центрального процессора, необходимое быстродействие, времена реакций системы на запросы от терминальных устройств,

B. С помощью системы имитационного моделирования СТАМ-КЛАСС выполнено исследование процессов передачи, приема и обработки информации в распределенной вычислительной сети управления газопроводом Уренгой - Ужгород для ОАО «Газпром». Моделирование позволило определить допустимые значения параметров настройки сетевых протоколов различного уровня, времени передачи по сети технологической, управленческой и административной информации. Имитационная модель использовалась на этапе проектирования, а в последствии - как инструмент администратора сети.

Г. Методы и программные средства, разработанные в диссертации, использовались при проектировании распределенных автоматизированных систем организационного управления в НИИ «Восход» и включены в состав системы автоматизированного анализа проектных решений предприятия. 10. Практическое использование разработанных в диссертации методов и средств показало их универсальный характер, высокую вычислительную эффективность, методическую полноту.

1. Авен О.И., Коган Н.А. Управление вычислительным процессом в ЭВМ. М.: Энергия, 1978. -240с.

2. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976. -755с.

3. Анисимов В.Г., Анисимов Б.Г. Алгоритмы оптимального распределения дискретных неоднородных ресурсов на сети // Вычислительная математика и управление 1997. - Т.37, №1. - С.54-60.

4. Арндт К. Аппроксимация 3-х фазных многоканальных систем массового обслуживания с блокировками // Техническая кибернетика. 1983. - №6.1. С.122-128.

5. Аршанов М.З. Многокритериальность и согласованность в активных системах // Автоматика и телемеханика. 1997. - №2. - С. 162-168.

6. Байзель М.М., Тарасенко Г.С. Исследование адаптивного алгоритма оптимизации в обстановке помех // Проблемы случайного поиска (Рига), 1981. — Вып.9. - С. 106-124

7. Байкенов А.С., Олифер Н.А. Исследование сетей массового обслуживания методами вложенных процессов // Алгоритмы и структуры специализированных вычислительных систем. Тула: ТПИ, 1985. - С.35-48.

8. Баканович Э.А., Круглый З.Д. Алгоритмы приближенного анализа структур вычислительных систем // Электронное моделирование,- 1985. Т.7, №5. -С.14-20.

9. Баранов В.В. Рекуррентные методы оптимальных решений в стохастических системах. Харьков: Вища школа, 1981,- 276с.

10. Батищев Д.И., Бежная Р.И., Комардин В.И. Решение задач поисковой оптимизации в интерактивном режиме // Интерактивная технология в САПР: Тезисы докладов Всесоюзной научно-технической конференции. Таллин, 1982. -С.25-27.

11. Белоусова Е.Н. Численный метод проверки эргодичности МЦ с конечным числом состояний. Воронеж: ВГУ, 1997. - 38с.

12. Беляев П.Ф. О совместном распределении частот данных z-цепочек в простых однородных цепях Маркова с конечным множеством исходов //Труды по дискретной математике. М., 1997,- №22,- С. 19-42.

13. Беляков В.Г., Митрофанов Ю.И. К исследованию замкнутых сетей массового обслуживания большой размерности // Автоматика и телемеханика. 1997. -№7. - С.61-69.

14. Бендерский A.M., Невельсон М.Б. Многомерная асимптотически оптимальная процедура стохастической аппроксимации // Проблемы передачи информации. 1982. - T.XVIII, вып. 4 . - С.43-53.

15. Билик Р.В., Петухова Н.В., Ребортович В.И. Приближенный метод анализа замкнутых диалоговых сетей массового обслуживания // Труды ИПУ АН СССР. 1980. - №22. - С. 18-28.

16. Большаков С.А., Спиридонов С.Б. Организация интерактивного взаимодействия с имитационной моделью // Алгоритмы и структуры специализированных вычислительных систем Тула: ТПИ, 1985. - С.88-92.

17. Боровков К. А. Распространение хаоса в сетях обслуживания // Теория вероятностей и ее применения. 1997. - Т.42, №3. - С.449-460.

18. Бреер В.В. Собственные значения марковского оператора равновесного состояния марковской цепи // Моделирование процессов управления и обработки информации-М.: МФТИ, 1996. С.124-134.

19. Бронштейн О.М. Духовный И.М. Модели приоритетного обслуживания в информационно-вычислительных системах. М.: Наука, 1976. - 220с.

20. Бурков В.Н., Кондратьев В.В. Двухуровневые активные системы // Автоматика и телемеханика,- 1977,- №6,- С. 64-72; №7,- С. 62-70.

21. Бусленко В.И. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977. - 239с.

22. Бусленко Н.П. Автоматизация моделирования сложных систем. М.: Наука, 1977. -240с.

23. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Советское радио, 1973. - 438с.

24. Васильев В.А. Об идентификации динамических систем авторегрессионного типа// Автоматика и телемеханика. 1997. -№12. - С. 107-119.

25. Векслер А.А., Конев В.В. О среднем числе наблюдений при гарантированном оценивании параметров авторегрессии // Автоматика и телемеханика. -1995. -№6.-С.97-104.

26. Векслер А.В. Риск-эффективное оценивание параметров процесса авторегрессии // Проблемы передачи информации. 1997. - Т.33, №2,- С.37-53.

27. Вентцель Е.С. Исследование операций. М.: Наука, 1968 .-325с.

28. Вермишев Ю.Х. Методы автоматического поиска решений при проектировании сложных технических систем. М.: Радио и связь, 1982,- 152 с.

29. Виленкин С.Я., Ермаков А.С. Итерационный метод анализа разомкнутых многофазных систем массового обслуживания с блокировкой // Автоматика и телемеханика. 1981. - №1. - С.20-26.

30. Вильсон А.Дж. Энтропийные методы моделирования сложных систем. М.: Наука, 1978,-С. 83-91.

31. Виниченко А.И., Литвин В.Г. О гибридном моделировании вычислительных систем на примере сетевой модели мультипрограммной ЭВМ // Автоматика и вычислительная техника. 1983. - №6. - С.11-17.

32. Вишневский В.М., Твердохлебов А.С. Модели замкнутых сетей с блокировками для анализа мультипрограммных вычислительных систем // Автоматика и телемеханика. 1980. - №5. - С.172-179.

33. Володин И.Н., Новиков А.А. Асимптотика необходимого объема выборки при жестких ограничениях на риск // Актуальные проблемы современной математики. 1995. -№1. - С.52-59.

34. Высоцкий А.Л., Высоцкий Д.Л. Оценка параметров регрессий в случае функций, сводящихся к линейным по параметрам // Математическое моделирование в экономике. Новосибирск: НГАЭУ, 1996. - С.32-41.

35. Гермейер Ю.В. Введение в теорию исследования операций. М.: Наука, 1971,- 383с.

36. Гиг Дж. Ван Прикладная общая теория систем.- М.: Мир, 1981,- Т.1.- 336с.

37. Гихман И.И., Скороход А.В. Управляемые случайные процессы. -Киев: Нау-кова думка, 1977. 251с.

38. Глушков В.М. О системной оптимизации // Кибернетика,- 1980,- №5,- С. 1-6.

39. Гордон Д. Вычислительные аспекты имитационного моделирования // Исследование операций методологические основы и математические методы. - М.: Мир, 1981. - С.655-679.

40. Грешилов А.А., Стакун В.А., Стакун JT.A. Математические методы построения прогнозов. М.: Радио и связь, 1997. - 112с.

41. Гридина Е.Г. Прогнозирование стационарных процессов с помощью оптимальных линейных систем. СПб: СПбГЭУ, 1995. - 37с.

42. Турин JT.C. К вопросу оптимизации стохастических моделей // Журнал вычислительной математики и математической физики. 1964. - Т.4, №2.1. С.46-57.

43. Дейкстра Э. Взаимодействие последовательных процессов. М.:Мир, 1972. -364с.

44. Дикарев Б.А., Родзинский A.JT. Фокусировка марковских процессов с конечным числом состояний. Харьков: ХГТУРЭ, 1997. - 17с.

45. Дли М.И. Об одном алгоритме моделирования нестационарных стохастических объектов. Смоленск: Смоленский филиал МЭИ, 1997. - 16с.

46. Дрожжин B.C. Авторегрессионные модели нерегулярных временных рядов, образующихся при измерениях в случайные моменты времени. Кемерово: КГУ, 1997.-22с.

47. Дэвис М.Х.А. Линейное оценивание и стохастическое управление. М.: Наука, 1984. - 208с.

48. Елепов Б.С., Михайлов Г.А. К теории оценок метода Монте-Карло, связанных с «блужданием на сфере» // Сибирский математический журнал. 1995. -Т.36, №3. - С. 543-550.

49. Емельянов В.В., Ясиновский С.И. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов. Язык РД. -М.: "АНВИК", 1998. -427с.

50. Ермаков С.М. и др. Математическая теория планирования эксперимента. -М.: Наука, 1983. -291с.

51. Ермаков С.М., Жиглявский В.А. Математическая теория оптимального эксперимента. М.: Наука, 1982. - 240с.

52. Захаров В.В., Смирнова В.И. Экспериментальное сравнение некоторых псевдослучайных последовательностей // Проблемы случайного поиска (Ри га): 1976,-Вып. 5,-С. 65-70.

53. Зимин Ю.Н., Умрихин Ю.Д., Черкасов Ю.Н. Методология системного подхода к разработке организационных структур управления большими системами. М.: Минрадиопром, 1981,- 82с.

54. Зобнин Б.Е., Коротаева JI.H., Ченцов А.Г. Об одной задаче маршрутной оптимизации и ее приложения // Проблемы передачи информации. 1997. -Т.33, №4. - С.70-87.

55. Зуенков М.А. Приближенный метод анализа почти полностью декомпозируемой сети массового обслуживания // Проблемы управления в техни-ке -М.: Наука, 1981. С.134-142.

56. Иванов Г.Е. Логарифмическая гладкость в задаче управления стохастическими системами // Моделирование процессов управления и обработки информации-М.: МФТИ , 1994. -С. 175-181.

57. Ивановский В.Е. О мультипликативной форме решения в экспоненциальных сетях с ограниченными очередями и блокировкой // Автоматика и вычислительная техника. 1983. - №5. - С. 19-25.

58. Иванчук Н.А. Анализ эффективности некоторых процедур управляемого по иска // Проблемы передачи информации. 1983. - Т.XIX, вып.1. - С.30-39.

59. Ириков В.А., Ларин В.Я., Самущенко Л.М. Алгоритмы и программы решения прикладных многокритериальных задач // Известия АН СССР. Техническая кибернетика. 1986,- №1.- С.5-16.

60. Калашников В.В. Организация моделирования сложных систем . М.: Знание, 1982. - 103с.

61. Калашников В.В. Оценка длительности переходного режима для стохастических сложных систем // Теория сложных систем и методы их моделирования: Труды семинара ВНИИСИ. М., 1980. - С.63-71.

62. Карлин С. Основы теории случайных процессов,- М.: Мир, 1971,- 536с.

63. Кац И .Я., Тимофеева Г. А. Бикритериальная задача стохастической оптимизации // Автоматика и телемеханика. 1997. - №3. - С. 116-123.

64. Кениг Д., Штоян Д. Методы теории массового обслуживания. М.: Радио и связь, 1981. - 127с.

65. Киндлер Е. Языки моделирования. М.: Энергоатомиздат, 1985. - 288с.

66. Кини P.JI., Райфа X. Принятие решений при многих критериях предпочтения и замещения,- М.: Радио и связь, 1981,- 560с.

67. Клейнен Д. Статистические методы в имитационном моделировании. М.: Статистика, 1978,- Вып.1,- 221с.; Вып.2.-335с.

68. Клейнрок Л. Вычислительные сети с очередями. М.: Мир, 1979,- 600с.

69. Клейнрок Л. Теория массового обслуживания. М.: Машиностроение, 1979. -432с.

70. Коваленко Н.С., Мешельский В.М. Режимы взаимодействия неоднородных распределенных конкурирующих процессов // Кибернетика и системный анализ 1997. - №3. - С.31-43.

71. Коган Я.А., Нерсесян С.Г. Асимптотические методы анализа замкнутых сетей в условиях большой нагрузки // Автоматика и телемеханика. 1984. -№8. - С.93-103.

72. Корбут А.А., Финкелынтейн Ю.Ю. Дискретное программирование. М.: Наука, 1969.- 368с.

73. Коротаев И. А., Терпугов А.Ф. Приближенный расчет характеристик адаптирующихся многолинейных систем массового обслуживания со вспомогательными приборами // Автоматика и вычислительная техника. 1982,- №6.-С.61-65.

74. Коротаева Л.Н., Ченцов А.Г. Метод динамического программирования в задаче маршрутной оптимизации с неаддитивной функцией затрат // Маршрут-но-распределительные задачи-Екатеринбург:УГТУ, 1995. С.32-34.

75. Крамер Г. Математические методы статистики. М.: Мир, 1975. - 648с.

76. Крамер Г., Лидбеттер М. Стационарные случайные процессы. М.: Мир, 1969. - 398с.

77. Краснощеков П.С., Морозов В.В., Федоров В.В. Внутреннее проектирование технических систем в условиях неопределенности // Известия АН СССР. Техническая кибернетика 1982,- №2,- С.5-12.

78. Критенко М.И., Таранцев А.Л., Щебарев Ю.Г. Оценка значимости факторов при их комплексном воздействии на систему // Автоматика и телемеханика. 1995. - №6.-С.165-171.

79. Крохов С.И., Лапко А.В., Ченцов С.В. Непараметрические модели принятия решений в условиях малых выборок // Актуальные проблемы современной математики. Новосибирск, 1996. - Т.2 - С.81-86.

80. Крутова И.Л. Формирование алгоритма управления итерационным процессом настройки параметров в системе с упрощенной эталонной моделью

81. Автоматика и телемеханика. 1998. - №2. - С.72-84.

82. Кудрицкий В.Д., Атаманюк И.П., Иващенко Е.Н. Оптимальная линейная экстраполяция реализации случайного процесса с фильтрацией погрешностей коррелированных измерений // Кибернетика и системный анализ. -1995. -№1. -С.99-107.

83. Лапко А.В., Ченцов С.В. Непараметрические модели принятия решений в условиях больших выборок // Актуальные проблемы современной математики. 1995. - №1. - С.95-103.

84. Лебедев В.М., Добровольский С.М. Вероятностные модели и статистические методы анализа и обработки информационных потоков // Фундаментальные проблемы математики и механики. М.: МГУ, 1994. - С. 152-153.

85. Лотоцкий Е.А. Робастные алгоритмы типа стохастической аппроксимации (непрерывное время) // Теория вероятностей и ее применения. 1995. - Т.40, №2.-С. 324-341.

86. Лэсдон Л.С. Оптимизация больших систем. М.: Наука, 1975,- 431с.

87. Ляхов А.И. Асимптотический анализ замкнутых систем очередей, включающий устройства с переменной интенсивностью обслуживания // Автоматика и телемеханика. 1997. - №3. - С. 131-143.

88. Математическая теория планирования эксперимента. / Под ред. С.М. Ермакова. М.: Наука, 1983. - 392с.

89. Меркурьев В.В., Молдавский М.А. Семейство сверток векторного критерия для нахождения точек множества Парето // Автоматика и телемеханика. -1979,- №1,- С. 110-121.

90. Месарович М., Такахара Я. Общая теория систем: математическая основа -М.: Мир, 1973.-344с.

91. Месарович М., Мако Д., Такахара Я. Теория иерархических многоуровневых систем,- М.: Мир, 1973,- 342с.

92. Моисеев Н.Н. Математические задачи системного анализа. М.: Наука, 1978. -352с.

93. Моисеев Н.Н., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. М.: Наука. 1978. - 352с.

94. Невельсон М.В., Хасьминский Р.З. Адаптивная процедура Роббинса-Монро // Автоматика и телемеханика. 1973. - №10. - С.71-83 Невельсон М.В., Хасьминский Р.З. Стохастическая аппроксимация и рекуррентное оценивание. - М.: Наука, 1972. - 304с.

95. Негаев В.В., Шаблин И.И. Математическое моделирование разложения и агрегирования случайных функций модифицированным методом канонических разложений // Анализ и оптимизация кибернетических систем,- -М.: ГИФТП, 1996. С. 17-28.

96. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1975. - 500с.

97. Павлов А.В. Диффузионные аппроксимации и измерение условий эргодичности при идентичном обслуживании // Успехи математических наук. 1997. -Т.52, №3,- С. 171-182.

98. Павловский Ю.Н. Декомпозиция моделей управляемых систем // Новое в жизни, науке, технике. Серия Математика, кибернетика (Москва), 1985.8. 32с.

99. Пачурова В.И., Чижикова И.Л. Критерии обнаружения выбросов, использующие робастные оценки мешающих параметров // Теория вероятностей и ее применения. -1995. -Т.40, №2. С.445-456.

100. Первозванский А.А., Гайцгори В.Г. Декомпозиция, агрегирование и приближенная оптимизация. М.: Наука, 1979,- 342с.

101. Петров А.В. Использование аналитико-статистического метода для исследования сложных вычислительных систем // Вычислительные системы. 1975. - Вып.1. - С.6-17.

102. Петров А.В., Полуян Л .Я. Разработка метода анализа структурных вариантов многомашинных ВС // Вопросы оборонной техники. Серия XVIII. 1978.-№109. -С.27-41. Д.с.п.

103. Петренко А.К., Семенков О.И. Основы построения автоматизированного проектирования. Киев: Вища школа, 1984.-340с.

104. Пиуновский А.Б. Оптимальное управление случайными последовательностями в задачах с ограничениями. М.: РФФИ, 1996. - 304с.

105. Полищук Л.И. Метод обобщенного градиента в диалоговых процедурах векторной оптимизации // Автоматика и телемеханика 1981.- №5,- С.109-118.

106. Полуян Л.Я. Метод расчета времени обработки запросов в ИВС с абонентской сетью // Алгоритмы и структуры специализированных вычислительных устройств. Тула: ТПИ, 1983. - С. 10-21.

107. Полуян Л.Я. Методика построения формальных моделей вычислительных комплексов АСУ // Вычислительные системы обработки измерительной информации. Рязань, 1984. - С.27-38.

108. Полячек Ю.Г. Вероятностное моделирование на ЭВМ. М.: Советское радио, 1971. - 400с.

109. Поспелов Д.А. Ситуационное управление, теория и практика. М.: Наука, 1986,- 288с.

110. Прицкер А. Введение в имитационное моделирование и язык СЛАМ-2. М.: Мир, 1987. -644с.

111. Прошин И.А., Прошин Д.И., Прошин А.И. Методика выбора математической модели при обработке экспериментальной статистической информации. Пенза: ПГТУ, 1997.-20с.

112. Пухальский А. А. Эргодичность и устойчивость многофазной системы массового обслуживания с блокировками и бесконечной очередью на входе

113. Автоматика и телемеханика. 1982. - №11. - С.61-69.

114. Пшеничный Б.Н., Данилин Ю.Н. Численные методы в экстремальных задачах. М.: Наука, 1975,- 319с.

115. Растригин JI.A. Адаптация сложных систем. Рига: Зинатне, 1982. - 375с.

116. Растригин JI.A. Современные принципы управления сложными объектами. -М.: Советское радио, 1980,- 232с.

117. Растригин JI.A., Эйдук Я.Ю. Адаптивные методы многокритериальной оптимизации // Автоматика и телемеханика. 1985,- №1,- С.5-26.

118. Рипа К.К. Алгоритмы синтеза оптимальных планов эксперимента // Проблемы случайного поиска (Рига).- 1981. Вып.9. - С. 106-124.

119. Рыков В.В. Два подхода к декомпозиции сложных иерархических статистических систем. Агрегативные системы // Автоматика и телемеханика. 1997. -№10.-С.91-104.

120. Сабинин О.Н. Планирование и организация ускоренного статистического моделирования сложных производственно-экономических комплексов

121. Известия РАН. Серия Теория и системы управления. 1997. - №2. - С.117-123.

122. Сачков В.Н. Вероятностные преобразователи и правильные мультиграфы // Труды по дискретной математике. 1997.-№10 - С.227-280.

123. Советов Е.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985. -271с.

124. Современное состояние теории исследования операций / Под. ред. Н.Н.Моисеева.- М.: Наука, 1979,- 464с.

125. Сооль И.М., Статников Р.Б. Выбор оптимальных параметров в задаче со многими критериями. -М.: Наука, 1981,- 110с.

126. Срагович В.Г. Адаптивное управление. М.: Наука, 1981. - 384с.

127. Стабин И.П., Моисеева B.C. Автоматизированный системный анализ. М.: Машиностроение, 1984,- 312с.

128. Таджиев Ч.М. Оперативная проверка адекватности математической модели многомерной динамической системы // Автоматика и телемеханика. 1995. -№7. - С.51-58.

129. Таранцев В.А. Нечеткие множества и регрессионный анализ // Сборник научных трудов Московского государственного открытого университета. -1997. -№15.-С.75-80.

130. Таташев А.Г. Одноканальная система массового обслуживания с потерями заявок наибольшей длины // Кибернетика и системный анализ. 1997. - №3. -С.187-188.

131. Теория выбора и принятия решений / М.М.Макаров, Т.Н.Виноградская, С.В.Федоров и др.- М.: Наука, 1982,- 327с.

132. Тихонов В.И., Миронов М.А. Марковские процессы. М.: Советское радио, 1977.-488с.

133. Тончий В.А. Общие ветвящиеся процессы и системы массового обслуживания типа накопления запасов // Актуальные проблемы современной математики. Новосибирск: НГУ, 1996. -Т.2.- С. 141-154.

134. Трахтенгерц Э.А. Генерация, оценка и выбор сценария в системах поддержки принятия решений // Автоматика и телемеханика. -1997. №3. - С. 167178.

135. Тюрин Е.Н., Симонова Г.И. Знаковый анализ линейных моделей // Обозрение проблем математики. 1994. - Т.1, №2. - С.214-278.

136. Ушаков А.В., Цыплекова Б.В. К оптимизации систем массового обслуживания // Фундаментальные проблемы математики и механики. М.: МГУ, 1994.-Ч.1-С.157-158.

137. Ушаков В.Г. Аналитические методы анализа приоритетных систем обслуживания // Фундаментальные проблемы математики и механики. М.: МГУ, 1994. -4.1 - С.147-149.

138. Федоткин М.А. Разработка вероятностно-статистических методов построения, анализа и синтеза моделей конфликтных управляющих систем обслуживания // Фундаментальные проблемы математики и механики. М.:МГУ, 1994. -Ч.1-С.149-151.

139. Хоар Ч. Взаимодействующие последовательные процессы. М.: Мир, 1989. -264с.

140. Цвиркун А.Д. Основы синтеза структур сложных систем. М.: Наука, 1982. -200с.

141. Цициашвилли Г.Ш. Простейшая вероятностная модель оценки обобщенного показателя // Современные проблемы управления. ИПМ. -1995. - №1.1. С.1-4.

142. Цуриков В.И. Декомпозиция в задачах большой размерности. М.: Наука, 1984,- 352с.

143. Цыпкин Я.3. Основы информационной теории идентификации. М.: Наука, 1984,-320с.

144. Черненький В.М., Петров В.Я. Статистическое моделирование СМО // Теория и проектирование приборов и систем спецназначения: Тезисы докладов межвузовской конференции. М., 1969. - С. 15-17.

145. Черненький В.М., Шкатов П.Н. Алгоритмизация дисциплины обслуживания // Теория и проектирование приборов и систем спецназначения: Тезисы докладов межвузовской конференции. М., 1969. - С.19-21

146. Черненький В.М., Волкова Н.В., Щенников Ю.В. Исследование некоторых видов управляющих обратных связей в СОИ // Теоретические и прикладные вопросы преобразования и использования СОИ: Тезисы докладов Всесоюзного симпозиума-семинара,- М., 1971. С.28-30.

147. Черненький В.М., Петров В.Я. Моделирование систем обработки информации // Теоретические и прикладные вопросы преобразования и использования СОИ: Тезисы докладов всесоюзного симпозиума-семинара,- М., 1971. -С.11-13.

148. Черненький В.М., Петров А.В Моделирование процессов в управляющих ВС

149. Всесоюзная научная сессия, посвященная дню Радио: Сборник статей. -М„ 1973. С.17-26.

150. Черненький В.М., Щенников Ю.В. Определение основных характеристик ВС // Вопросы специального приборостроения: Сборник статей. -М.: МВТУ, 1973. -С.45-56.

151. Черненький В.М., Бахвалов В.Н. Алгоритм, моделирующий работу технологической схемы элеватора // Применение вычислительной техники и электроники: Сборник статей. М.: МТиП, 1974. - С.25-33.

152. Черненький В.М. Разработка систем имитационного моделирования //31 всесоюзная сессия НТО РЭиС им. А.С.Попова: Тезисы докладов,- М., 1976. -С.24-26.

153. Черненький В.М., Лисин В.И. Проблема разработки имитационных моделей сложных ВС // Автоматизированные системы управления: Тезисы докладов ВНТК,-Тбилиси, 1976.-С. 11-12.

154. Черненький В.М., Архангельский О.Ю. Язык инструкций и способ его аппаратной реализации // Труды МВТУ.-1976.-№217- Вычислительные системы.-С. 14-20.

155. Черненький В.М., Петров В.Я., Шкатов П.Н. Математическое моделирование вычислительных систем: Учебное пособие. М.: МВТУ, 1976. - 72с.

156. Черненький В.М., Горшков С.П. Вопросы теории имитационного моделирования // Труды МВТУ. 1977. - №260. - С.80-84.

157. Черненький В.М., Лисин В.И. Декомпозированный метод моделирования ВС // Методы построения алгоритмов моделей сложных систем: Межвузовский научный сборник. Таганрог, 1977. - С. 14-28.

158. Черненький В.М., Пашинин И.Д. СТАМ-КЛАСС язык построения обобщенных статистических моделей // Труды МВТУ.-1977.-№260- Вычислительные системы. - С. 13-34.

159. Черненький В.М., Петров А.В., Пашинин И.Д. Оценка точности статистических характеристик // Труды МВТУ,- 1977.-№260- Вычислительные системы С.56-65.

160. Черненький В.М., Петров А.В., Федоров Б.С. CTAM-KJIACC язык построения обобщенных статистических моделей // Труды МВТУ,-1977.-№260- Вычислительные системы. - С.5-29.

161. Черненький В.М., Петров В.Я., Шкатов П.Н. Математические модели вычислительных и информационных систем: Учебное пособие. М.:МВТУ, 1978.- 147с.

162. Черненький В.М. CTAM-KJIACC система имитационного моделирования // Оптимизация технических систем: Тезисы докладов. 11 Всесоюзный научно-технический семинар. - Винница, 1979. - С.21-22.

163. Черненький В.М., Морев В .А., Федоров Б.С. Система имитационного моделирования вычислительных сетей // Вопросы радиоэлектроники. Серия ЭВТ.-1979,- Вып. 10. С.24-35.

164. Черненький В.М. Методология имитационного моделирования вычислительных систем // Математическое обеспечение моделирования сложных систем: Тезисы докладов. Республиканская научная конференция. Киев, 1980 - С.2-4.

165. Черненький В.М., Артемьев В.И. Некоторые вопросы методологии построения САПР АСУ // Научно-техническая конференция, посвященная 85-летию изобретения радио. М., 1980. - С.13-15.

166. Черненький В.М. Система автоматизированного анализа проектных решений при разработке АСОД // Автоматизированное проектирование ЭВМ и систем: Тезисы докладов ВНТК,- Ереван, 1983 С. 14-16.

167. Черненький В.М., Балдин А.В. Моделирование локального банка данных // Алгоритмы и структуры специализированных вычислительных систем. -Тула: ТПИ, 1983 С. 12-24.

168. Черненький В.М., Петров А.В., Томашевский В.Н. Методические указания к лабораторным работам по курсу "Моделирование систем". Киев: КПП, 1983. - 72с.

169. Черненький В.М., Петров А.В. Архитектура САПР: Учебное пособие по курсовому проектированию. М.: МВТУ, 1984. - 48с.

170. Черненький В.М., Петров А.В., Полуян Л.Я Концепция построения САПР для целей общесистемной проработки сложных ИБС // Труды МВТУ.-1984,-№425- Вычислительные системы С.31-42.

171. Черненький В.М., Петров А.В., Томашевский В.Н. Методические указания к практическим занятиям по дисциплине "Моделирование систем". Киев: КПП, 1984. - 84с.

172. Черненький В.М., Байкенов А.С. Анализ вложенных декомпозиционных методов расчета СеМО // Методологические проблемы автоматизации проектирования АСОИУ: Тезисы докладов НТК,- Ереван, 1985 С.34-35.

173. Черненький В.М., Строганов В.Ю. Диалоговая интерактивная система взаимодействия с имитационными моделями // Актуальные проблемы современного приборостроения: Тезисы докладов ВНТК- М., 1986. С.28-39.

174. Черненький В.М., Строганов В.Ю. Планирование экстремального эксперимента на основе адаптивных имитационных моделей // Планирование эксперимента и автоматизация научных исследований: Тезисы докладов ВНТК. -Л., 1986. С.21-25.

175. Черненький В.М., Федорук В.Г. Информационное и прикладное программное обеспечение САПР. М.: Высшая школа, 1986. - 192с

176. Черненький В.М., Норенков И.П., Жук Д.М. Сборник примеров и задач по САПР. М.: Высшая школа, 1987. - 192с.

177. Черненький В.М., Федорук В.Г. САПР Информационное и прикладное программное обеспечение. - Минск: Вышейшая школа, 1988 - 199с.

178. Черненький В.М. Разработка САПР. Имитационное моделирование. М.: Высшая школа, 1990. - 192с.

179. Черненький В.М., Петров А.В. Разработка САПР. Проблемы и принципы создания САПР. М.: Высшая школа, 1990. - 196с.

180. Черненький В.М., Зверев С.В. Информационная технология анализа и принятия решений // Вестник МГТУ. Приборостроение.-1997,- Спец. Выпуск -Информатика 2/'97. -С. 70-77.

181. Черненький В.М. Анализ начальных значений параметров моделированияраспределенных информационных систем // Вестник МГТУ. Приборостроение,- 1999,- Спец. выпуск Информатика 2/'99,- С. 30-36.

182. Черненький В.М. Использование имитационных моделей в декомпозиционном методе вложенных процессов // Вестник МГТУ. Приборостроение. -2000,- Спец. выпуск Информатика 2/'2000. С. 25-32.

183. Черненький В.М. Исследование характеристик производительности сервера электронной почты //Проблемы построения и эксплуатации систем обработки информации и управления М.:МГТУ, 2000,- С. 122-127.

184. Черненький В.М. Исследование систем удаленного доступа к компьютерным сетям // Проблемы построения и эксплуатации систем обработки информации и управления М.:МГТУ, 2000-С.6-11.

185. Шахов В.В. Некоторые задачи планирования имитационного эксперимента // Труды конференции молодых ученых ВЦ СО РАН. Новосибирск, 1995. -С.200-212.

186. Шеннон Р. Имитационное моделирование систем искусство и наука. - М.: Мир, 1978. -418с.

187. Шрайбер Т.Дж. Моделирование на GPSS. М.: Машиностроение, 1980. -592с.

188. Штойян Д. Качественные свойства и оценки стохастических моделей. М.: Мир, 1979. -272с.

189. Adam N.R. Achieving a confidence interval for parameters estimated by simulation // Management Science. 1983. - V.29, №7. - P.856-866.

190. A.Ajmone-Marsan, G.Baldo, G.Conte, S.Danatelli, G.Franceschinis Modeling with Generalized Stochastic Petry Nets.- London: Willey, 1995- 375p.

191. Beograd J.C. The formal theory of simulation from the user's point of view // ESC Conference. Aachen, 1983. - P.112-117.

192. Bhoj D.S. On difference of correlated variates with incomplete data on both re-sponces // Journal of Statistical Computation and Simulation. 1984. - V.19, №4 -P.275-285.

193. Blackshire J. Digital PIV (DPIV) Software Analysis System // NASA. -1997.1. CR-97-206285 P.27-29.

194. Boxma O.J., Konheim A.G. Approximate analysis of experimental queuing systems with blocking// Acta Information. 1981. - V. 15, №1. - P. 19-66.

195. Burke P.J. The output of a queuing system// Operation research.- 1956,- №4,-P.699-704.

196. Carlos A., Patrick A. A Functional Simulator of Spacecraft Resources. // Society of Computer Simulation, Multi-Conference. Atlanta (Georgia).- 1997. - P.6

197. Carrol C.D., Kundall M.S. On the concavity of the consumption function //Econometrica. 1996. - V.64, №4. - P.981-992.

198. Cellier F.E. Simulation software: today and tomorrow // Simulation in Engineer Science. Amsterdam: North Holland Publishing Co. - 1983. - P.3-20.

199. Chris Tofts. Processes with probabilities, priority and time // Formal Aspects of Computing.- 1994,- V.6, №5,- P.536-564.

200. Christopher A. Kennedy, Mark H. Carpenter Comparison of Several Numerical Methods for Simulation of Compressible Shear Layers // NASA. 1997. - TP-3484,- P.62

201. Classification and related methods of data analysis/ Editor Bock H. Amsterdam: NORTH-HOLLAND, 1988,- 749p.

202. Codd E. Relational Database: A Practical Foundation for Productivity // Communications of the ACM.- 1982,- V.25, №2,- P.107-117.

203. David R., Alia H. Petry Nets and Graphset: Tools for modeling discrete events systems.- London: Prentice-Hall (UK) Ltd.- 1992.- 298p.

204. Franta W.R. The system approach to system simulation // Modeling and Simulation. 1979. - V.10, №5. - P.2083-2090.

205. Fridman L.W., Fridman H.M. Statistical consideration in computer simulation: The State Of The Art// Journal of Statistical Computation and Simulation. 1984.

206. Christopher A. Kennedy, Mark H. Carpenter Comparison of Several Numerical Methods for Simulation of Compressible Shear Layers. // NASA 1997. - TP-3484,- P.62

207. Classification and related methods of data analysis/ Editor Bock H. Amsterdam: NORTH-HOLLAND.- 1988,- 749p.

208. Codd E. Relational Database: A Practical Foundation for Productivity.// Communications of the ACM.- 1982,- V.25, №2,- P. 107-117.

209. David R., Alia H. Petry Nets and Graphset: Tools for modeling discrete events systems.- Prentice-Hall International (UK) Ltd.- 1992,- 298p.

210. Franta W.R. The system approach to system simulation // Modeling and Simulation. 1979. - V.10, №5. - P.2083-2090.

211. Fridman L.W., Fridman H.M. Statistical consideration in computer simulation: The State Of The Art // Journal of Statistical Computation and Simulation. 1984. - V.19, №3, - P.237-263.

212. Gane C., Sarson T. Structured systems analysis.- London: Prentice Hall, 1979,-250p.

213. Gerla H., Kleinrock L. Flow Control: A Comparative Survey// IEEE Transactions on communications.- 1980,- V.28, №4. P.533-574.

214. Gerla H., Kleinrock L. On the topological of distributed computer networks// IEEE Transactions on communications.- 1977,- V.25, №1,- P.48-60.

215. Hill David R.C. Object-Oriented Analysis and Simulation. Addison-Wesley Publishing Company. - 1996. - 226p.

216. Information Systems Design Methodologies: A Comparative Review. Amsterdam: NORTH-HOLLAND, 1982,- 520p.

217. Information Systems Methodologies. London: Willey.-l 983,- 128p.

218. Martin R. Waszak BACT Simulation User Guide // NASA. 1997,- 212p.

219. Molnar D.I. Some problems in research of general simulation system // First ESC Conference. Aachen, 1983. - P.88-92.

220. Natrig B, Jorung G. On probabilistic risk analysis of technological system. Department of Mathematics, University of Oslo. - 1995. -№6. - P.1-8.

221. Olle T. W. Information system design methodology: A future analysis // The IFIP WG 8 Working Conference.- Amsterdam, 1983,- P.66-79.

222. Peiman G. Maghami, Sean P. Kenny, Daniel P. Giesy PLATSEM: A Simulation and Analysis Package for Large-Order Flexible Systems // NASA. 1997,- 80p.

223. Petracelli J.D. On the best-choice problem when the number of observations is random // Journal of Applied Probability. 1983. - V.20, №1. - p. 165-171.

224. Price W. Data network simulation: experiments at the National physical laboratory 1968-1976 // Computer networks.-1977. №1,- P.171-199.

225. Punch W. The Problem-Dependent Nature of Parallel Processing in General Programming.// First International Conference On Evolutionary Computation and Its Applications. Moscow, 1996. - P.154-164.

226. Puppert D., Carrol R.J., Deriso R. Optimization using stochastic approximation and Monte-Carlo simulation // Biometrics. 1984. - V.40, №2, - P.535-545.

227. Remes A. Simulation techniques in network design // Computer Networks and Simulation. Amsterdam: North Holland Publishing Co., 1982. - P.101-118.

228. Ridder A. Fast simulation of Markov fluid models // Journal of Application Probabilities. 1996. - V.33, №1. - P.786-803.

229. Salmon O., Abdularin S. A Hybrid model for virtual memory computer system // Egypt Computer Journal. 1984. - V. 12, №1. - P. 1-18.

230. Shiva Chaudhuri Sensitive functions and approximate problems // Information and Computation. 1998. - V. 126, №2-P. 161-168.

231. Tayen D. A minimal condition for stochastic approximation // Studied Science Mathematics Journal. 1996. - V.31, №1-2. - P. 119-126.

232. Volansky F.C. Discrete simulation of a large-scale computer network for performance appraisal // Fifteenth Annual Conference On Modeling and Simulation. -Pittsburg, 1982. V.13. - P.655-664.

233. Wiles P.W. A methodology for construction rule-based data-driven discrete event simulation // Conference On Computer Simulation. Bath., 1984. - P.57-67.

234. Zeigler B.P. Theory of Modeling and Simulation. London: Wiley and Sons,1978. -435p.1. УТВЕРЖДАЮ1. АКТ

235. Настоящий акт рассмотрен на заседании НТС НИИ ВОСХОД (протокол № 3) 22 марта 1997 г.

236. Ученый секретарь НИИ ВОСХОД к.т.н. доцент1. ШУКВ.П.

237. Открытое акционерное общество Тазлром"

238. Открытое акционерное общество1. Тсвавтоматика*11. СПРАВКАот

239. Член Правления, директор Инженерного цен

240. Р/счет № 40702810000000000014 в КБ Газпромбанк г. Москвы, индекс 117884, БИК 044525823, к/сч. 301018102000000008231. ИНН 77040281251. И.П, Рутковский------Д-Г 444 RA i П>#|И-Т1. Российская Федерация

241. Российское Акционерное общество ГАЗПРОМ

242. Уренгойское производственное объединение имени С. А. Оруджева "УРЕНГОЙГАЗПРОМ"

243. Управление УРЕНГОЙГАЗАВТОМАТИЗАЦИЯ626718, г. Новый Уренгой Тюменской области, ул. 26 съезда КПСС, 7 Тел. 357% минсвязь 3742 газсвяэь Р/счет 204401в Новоуренгойском отделении Запсибкомбанка1. Исх.--199г.

244. СПРАВКА О В К Ё Д Р S К И И' ■ :

245. Основываясь на "Методы моделирования информационных систем" разрабатывается система АСУ-персонал с перспективой использования на корпоративной сети объединения "Уренгойгазпром"1. Начальник управления УГА1. Л.П.Гурьев