автореферат диссертации по радиотехнике и связи, 05.12.14, диссертация на тему:Разработка метода расчета пропускной способности систем коммутации для узлов Ш-ЦСИС с управляющей нейронной сетью

ГОСУДАРСТВЕННЫЙ КОМИТЕТ РОССИЙСКОЙ ФЕДЕРАЦИИ ПО

СВЯЗИ И ИНФОРМАТИЗАЦИИ

Московский технический университет связи и информатики

На правах рукописи ЮРАСОВ Дмитрий Валентинович

УДК 621.39.037.372

РАЗРАБОТКА МЕТОДА РАСЧЕТА ПРОПУСКНОЙ СПОСОБНОСТИ СИСТЕМ КОММУТАЦИИ ДЛЯ УЗЛОВ Ш-ЦСИС С УПРАВЛЯЮЩЕЙ НЕЙРОННОЙ СЕТЬЮ

Специальность 05.12.14. - Сети, узлы связи и

распределение информации

Диссертация на соискание ученой степени

кандидата технических наук

Научный руководитель -

д.т.н., профессор

Ершов Владимир Анатольевич

Москва 1999

СОДЕРЖАНИЕ

ВВЕДЕНИЕ.............................................................................5

1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ НЕЙРОСЕТЕ-ВЫХ ТЕХНОЛОГИЙ И ПЕРСПЕКТИВЫ ИХ ИСПОЛЬЗОВАНИЯ В Ш-ЦСИС........................................................12

1.1. Элементы нейронных сетей.................................................12

1.2. Организация входов и выходов нейронных сетей..................16

1.3. Типы нейронных сетей.......................................................17

1.4. Обучение нейронных сетей.................... .............................21

1.5. Реализация нейронных сетей..............................................23

1.6. Выводы............................................................................24

2. РАЗРАБОТКА ПРИНЦИПОВ ПОСТРОЕНИЯ И МАТЕМАТИЧЕСКОЙ МОДЕЛИ СИСТЕМЫ БЫСТРОЙ КОММУТАЦИИ ПАКЕТОВ С НЕЙРОСЕТЕВЫМ УПРАВЛЕНИЕМ..26

2.1. Постановка задачи.............................................................26

2.2. Разработка математической модели системы быстрой коммутации пакетов с нейросетевым управлением..........................29

2.2.1. Обоснование выбора системы коммутации..........................29

2.2.2. Модель поступления информационных ячеек на входы коммутационной системы и формулировка задачи составления оптимального расписания маршрутов.......................31

2.2.3. Модель нейронной сети, служащей для управления коммутационной системой.................................................35

2.3. Выводы..............................................................................46

3. ИССЛЕДОВАНИЕ КОММУТАЦИОННЫХ СИСТЕМ БЫСТРОЙ КОММУТАЦИИ ПАКЕТОВ С НЕЙРОСЕТЕВЫМ УПРАВЛЕНИЕМ МЕТОДОМ ИМИТАЦИОННОГО

МОДЕЛИРОВАНИЯ............................................................49

3.1. Постановка задачи..............................................................49

3.2. Разработка алгоритма моделирования перестраиваемых коммутационных систем с нейросетевым управлением............50

3.2.1. Описание констант, переменных и массивов переменных, служащих для отображения коммутационной системы с нейросетевым управлением в памяти ЭВМ..........................50

3.2.2. Моделирование поступления требований на обслуживание...53

3.2.3. Моделирование процессов, протекающих в управляющей

НС...............................................................................56

3.2.4. Моделирование прохождения ячеек через 1-е и 2-е звенья

КС................................................................................64

3.2.5. Моделирование обслуживания ячеек в 3-м звене КС...........69

3.2.6. Оценка точности получаемых вероятностных зависимостей КС...............................................................................70

3.2.7. Анализ результатов моделирования перестраиваемых коммутационных систем с управляющей нейронной

сетью............................................................................84

3.3. Разработка алгоритма моделирования КС типа Баньян..........96

3.3.1. Постановка задачи...........................................................96

3.3.2. Описание принципа построения системы типа Baseline и нумерация ее элементов...................................................97

3.3.3. Основные константы, переменные и массивы переменных, служащие для отображения КС типа Baseline в памяти ЭВМ...........................................................................102

3.3.4. Моделирование поступления требований на обслуживание. 103

3.3.5. Моделирование продвижения ячеек через КС...................106

3.4. Сравнение пропускной способности перестраиваемых КС

быстрой коммутации пакетов с нейросетевым управлением и

пропускной способности КС типа Баньян...........................114

3.5. Выводы..........................................................................120

4. РАЗРАБОТКА АНАЛИТИЧЕСКОГО МЕТОДА ОЦЕНКИ ВЕЛИЧИНЫ ВЕРОЯТНОСТИ ПОТЕРЬ ЯЧЕЕК В ПЕРЕСТРАИВАЕМЫХ КС С УПРАВЛЯЮЩЕЙ НЕЙРОННОЙ СЕТЬЮ............................................................................122

4.1. Постановка задачи............................................................122

4.2. Оценка величины вероятности потерь ячеек в перестраиваемых КС с управляющей нейронной сетью.........................124

4.3. Выводы..........................................................................144

ЗАКЛЮЧЕНИЕ....................................................................145

ЛИТЕРАТУРА......................................................................148

ПРИЛОЖЕНИЕ 1. Акты об использовании результатов диссертационной работы..................................................................155

ПРИЛОЖЕНИЕ 2. Текст программы моделирования перестраиваемой КС с нейросетевым управлением.................................160

ПРИЛОЖЕНИЕ 3. Текст программы моделирования КС типа Baseline................................................................................187

ВВЕДЕНИЕ

Актуальность проблемы. К настоящему времени количество накопленных знаний в области нейросетевых моделей управления (НМУ), а также технологические возможности по реализации нейронных сетей (НС) достигли уровня, когда НС смогут эффективно применяться во многих областях науки и техники, связанных с управлением динамическими объектами, находящимися под воздействием большого числа факторов реального времени. Не является в этом отношении исключением и область теории обработки и распределения информации, и, в частности, исследование вопросов управления широкополосной цифровой сетью с интеграцией служб (Ш-ЦСИС). Заметим, что создание Ш-ЦСИС является в настоящее время одним из важнейших направлений развития телекоммуникационных сетей во всем мире /1-4/. Исследованием возможностей применения НМУ в объектах Ш-ЦСИС заняты такие крупнейшие зарубежные производители телекоммуникационного оборудования, как американская компания AT&T, германская -Siemens, японские - NT&T, NEC, Hitachi, Toshiba, английские - British Telecom и GPT, южнокорейская - Korea Telecom и др. /5, 6/.

Такой интерес обусловлен следующими свойствами нейронных

сетей:

• НС способны одновременно и параллельно обрабатывать входные данные большой размерности;

• НС могут обучаться и самообучаться решению выполняемой задачи;

• НС способны распознавать частично искаженные входные данные;

• НС характеризуются высокой живучестью. При повреждении части сети НС может перенастраиваться таким образом, чтобы

продолжать функционирование, хотя и при снижении точности принимаемых решений;

• НС обладают высоким быстродействием, которое обусловлено параллельной природой их работы.

Из опубликованной научно-технической литературы известно о проводимых исследованиях и экспериментальных работах по использованию НС в Ш-ЦСИС для решения следующих задач:

• управление доступом информационных ячеек в телекоммуникационную сеть (ТС) (управление статистическим мультиплексированием) /7-12/;

• общее управление ТС при помощи НС /13/;

• маршрутизация в ТС/6,14-17/;

• управление канальными ресурсами ТС /18,19/;

• управление процессами коммутации /20-24/;

Поскольку одной из ключевых задач при построении Ш-ЦСИС является создание эффективных систем коммутации ячеек, то данная диссертация посвящена прежде всего исследованию вопроса возможности создания коммутационных систем (КС) с нейросетевым управлением для режима быстрой коммутации пакетов (БКП) и исследованию вероятностных характеристик такой системы.

Цель работы состоит в разработке и исследовании нейросетевых принципов управления системами коммутации БКП, а также в разработке метода расчета пропускной способности коммутационных систем БКП с управляющей нейронной сетью.

Методы исследования включали в себя методы математического анализа, теории вероятностей, вычислительной математики, теории телетрафика, математического и имитационного моделирования.

Состояние проблемы. К настоящему времени исследования в области возможностей использования нейронных сетей для управления сетями и системами связи находятся в стадии начального становления. В нескольких опубликованных работах, посвященных данному и смежным с ним вопросам, рассматриваются отдельные топологии нейронных сетей, применяемые для решения частных задач управления названными объектами.

Научная новизна исследований, проведенных в диссертационной работе, определяется прежде всего самим предметом исследований - разработкой возможностей применения нейронных сетей для управления в перспективной технике связи и состоит в следующем:

1. Сконструирована целевая функция, результатом оптимизации которой является оптимальное расписание маршрутов для информационных ячеек в перестраиваемых коммутационных системах. Данная функция пригодна для перестраиваемых КС с любыми внутренними параметрами. Функция сконструирована с учетом возможности ее оптимизации в нейронной сети.

2. Разработана математическая модель управляющей нейронной сети, с использованием которой можно оптимизировать целевую функцию, служащую для составления оптимального по критерию максимизации пропускной способности расписания маршрутов ячеек через перестраиваемые коммутационные системы. Отличие нейросетевого принципа управления маршрутизацией в перестраиваемых коммутационных системах от ранее известных состоит в том, что нейронная сеть строит близкое к оптимальному с точки зрения пропускной способности расписание маршрутов

через коммутационную систему одновременно для всего набора поступивших на обслуживание информационных ячеек.

3. В отличие от нейронных сетей для решения оптимизационных задач, строящихся по "классической" топологии (известной из теории нейронных сетей), и имеющих при общем числе нейронов N число синапсов, стремящееся к Л^2, в созданной в диссертации топологии нейронной сети число синапсов составляет АЫ, что при N>4 является значительным уменьшением общего числа синапсов в НС.

4. Разработан и исследован аналитический метод расчета пропускной способности перестраиваемых коммутационных систем с управляющей нейронной сетью, учитывающий структуру КС, характер поступающей нагрузки и алгоритм маршрутизации.

5. Показано, что пропускная способность перестраиваемых КС с управляющей нейронной сетью для режима быстрой коммутации пакетов уменьшается с увеличением емкости коммутаторов 1-го звена. На основе полученного результата дается рекомендация по выбору внутренних параметров КС с управляющей нейронной сетью - такие КС следует строить с минимальными размерами коммутаторов в 1-м и 3-м звеньях.

6. Проведенное сравнительное исследование вероятностных характеристик коммутационных систем для быстрой коммутации пакетов типа Баньян с вероятностными характеристиками перестраиваемых КС с управляющей нейронной сетью показало, что последние обладают более высокой пропускной способностью. При переходе от КС типа Баньян к перестраиваемым КС с нейросетевым управлением пропускная способность узла коммутации (УК) в зависимости от

структурных параметров, величины интенсивности нагрузки может быть увеличена максимально на 37%.

Практическая ценность. Разработанный в диссертации алгоритм маршрутизации ячеек в перестраиваемых КС, в котором используются нейросетевые принципы обработки информации, позволит в будущем строить эффективные по пропускной способности и объему оборудования КС БКП.

Разработанный аналитический метод расчета оценки вероятности потерь информационных ячеек в перестраиваемых КС с управляющей нейронной сетью позволяет производить расчет структурных параметров КС (числа мест ожидания в КС) и вероятностных характеристик (вероятности потерь ячеек при заданном числе мест ожидания) в зависимости от поступающей интенсивности нагрузки на каждую входную линию, минуя длительный период моделирования таких систем на дорогостоящих высокопроизводительных ЭВМ.

Реализация результатов. Отдельные практические и теоретические результаты диссертации были использованы в 16 Центральном научно-исследовательском испытательном институте Минобороны России при выполнении КНИР "Образец-2"; в Центральном научно-исследовательском институте связи при разработке "Основных положений по построению Ш-ЦСИС"; в ЗАО "ПетерСтар" при выборе коммутационной системы для собственной АТМ-сети; МТУСИ в лекционных курсах и дипломном проектировании, что подтверждено соответствующими актами об использовании.

Апробация результатов работы. Основные практические и теоретические результаты диссертационной работы докладывались

на РНТОРЭС им. Попова (1993), на XXIX и XXX конференциях молодых ученых ИППИ РАН (1994, 1995); на семинарах и заседаниях кафедры Информационные сети и системы МТУСИ (1994, 1995, 1997); на семинарах лаборатории №6 ИППИ РАН (1993 - 1996); на семинарах в 16 ЦНИИИ Минобороны России (1996).

Личный вклад. Все исследования и связанные с ними расчеты, а также вытекающие из них выводы, обобщения, интерпретация результатов и практические рекомендации произведены автором лично.

Основные положения, выносимые на защиту:

1. Сконструирована нейронная сеть, которая использована для управления коммутационными системами быстрой коммутации пакетов.

2. Нейросетевое управление маршрутизацией в перестраиваемых коммутационных системах быстрой коммутации пакетов позволяет распределять маршруты среди поступающих требований для обслуживания на всю совокупность входных линий одновременно и параллельно, что позволяет ускорить процесс установления соединений.

3. Разработан метод расчета пропускной способности коммутационных систем быстрой коммутаци пакетов с управляющей нейронной сетью, который позволяет учесть структуру коммутационной системы и алгоритм маршрутизации.

4. Перестраиваемые коммутационные системы с управляющей нейронной сетью обладают более высокой пропускной способностью по сравнению с наиболее широко используемыми в

настоящее время в Ш-ЦСИС коммутационными системами БКП типа Баньян.

5. Предложенный метод расчета позволяет осуществлять выбор рациональной структуры коммутационной системы БКП Ш-ЦСИС по критерию максимума пропускной способости.

Публикации. Основные результаты диссертационной работы были опубликованы в 5-ти печатных работах без соавторства.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и трех приложений. Работа содержит 139 страниц машинописного текста, 22 рисунка, 7 таблиц. Список литературы включает 58 наименований.

1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ И ПЕРСПЕКТИВЫ ИХ ИСПОЛЬЗОВАНИЯ В Ш-ЦСИС

Нейронные сети строятся из следующего набора элементов /25, 26/: нейронов, сумматоров, синапсов и точек ветвления. Дадим их краткое описание.

Собственно нейрон - это функциональный преобразователь с одним входом и одним выходом. Работа нейрона описывается рядом переменных и параметров: входным сигналом, который в дальнейшем будем обозначать, как обычно принято в литературе по нейронным сетям, NET, внутренним состоянием - U, выходным сигналом, который будем обозначать OUT, а также, в общем случае, п параметрами нейрона щ (i=l,n). Выходной сигнал нейрона OUT является функцией входного сигнала, внутреннего состояния и параметров: ОС/Г= F(NET,U,ctj). Заметим, что во многих технических задачах используются нейроны без внутреннего состояния. В этом случае выходной сигнал нейрона зависит только от его входного сигнала и параметров OUT= F(NET ,аг). В качестве функций преобразования нейронов наиболее распространены следующие:

1.1. Элементы нейронных сетей

0, если NET < а;

1, если NET > а.

(1.1)

(1.2)

В (1.2) th(•) - функция гиперболического тангенса.

OUT =l/(l + exp (-NET)). (1.3)

OUT = 0,5(l+ th(NET / a)). (1.4)

Функционирование многопараметрических нейронов может описываться формулами:

a¡NET+\NET]NET OUT=-±-1-!-т (1.5)

a2 + a3\NET] + NET2

0 ит_ a,NET + a2NET2 + NET3 (ш

а3 + аА\NET\ + a5NET3

Значения параметров a¡ могут настраиваться в процессе обучения нейронной сети.

В том случае, если используется модель нейрона с внутренним состоянием, то его функционирование также описывается формулами (1.1-1.6), только величина NET в них заменяется на U, а уже состояние нейрона является функцией его входного сигнала U= F(NET, a¡).

Заметим, что на сегодняшний момент, возможно из-за отсутствия стандартов на описание нейрокомпьютерной техники, в литературе для обозначения нейрона используются также термины: модель нейрона и нейроподобный элемент.

Функция, описывающая изменение выходного сигнала нейрона, может быть также выбрана таким образом, что выходной сигнал будет зависеть не только от значения входного сигнала нейрона в данный момент времени, но и от изменения состояния нейрона за некоторый прошедший период времени.

Например, в аналоговых нейронных сетях изменение внутреннего состояния нейронов может описываться дифференциальным уравнением:

= 9ШТ,а), (1.7)

ш

где £ - время.

Аналоговые НС - это такие сети, в которых преобразования сигналов (входных в выходные) происходят непрерывно во времени. В дискретных НС, наоборот, преобразования сигналов (входных в выходные) происходят в фиксированные тактовые отсчеты времени.

Следующим элементом НС является сумматор. Сумматор - устройство с несколькими входами и одним выходом. Выходной сигнал су�