О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе
Предложен основанный на когнитивном моделировании, планировании эксперимента, моделях вероятностных задач принятия решений метод исследования структур и обоснования решений по выбору структуры отказоустойчивых распределенных информационно-управляющих систем с заданными свойствами. Запропонований...
Saved in:
| Date: | 2008 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2008
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/7138 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе / Г.В. Горелова, Э.В. Мельник // Штучний інтелект. — 2008. — № 3. — С. 638-648. — Бібліогр.: 13 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859809544429895680 |
|---|---|
| author | Горелова, Г.В. Мельник, Э.В. |
| author_facet | Горелова, Г.В. Мельник, Э.В. |
| citation_txt | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе / Г.В. Горелова, Э.В. Мельник // Штучний інтелект. — 2008. — № 3. — С. 638-648. — Бібліогр.: 13 назв. — рос. |
| collection | DSpace DC |
| description | Предложен основанный на когнитивном моделировании, планировании эксперимента, моделях
вероятностных задач принятия решений метод исследования структур и обоснования решений по
выбору структуры отказоустойчивых распределенных информационно-управляющих систем с заданными
свойствами.
Запропонований заснований на когнітивному моделюванні, плануванні експерименту, моделях імовір-
нісних завдань ухвалення рішень метод дослідження структур і обґрунтування рішень по вибору
структури відмовостійких розподілених інформаційно-керуючих систем, із заданими властивостями.
|
| first_indexed | 2025-12-07T15:18:34Z |
| format | Article |
| fulltext |
«Искусственный интеллект» 3’2008 638
8Г
УДК 681.32.519.68
Г.В. Горелова, Э.В. Мельник
НИИ многопроцессорных вычислительных систем имени академика А.В. Каляева
Южного федерального университета, г. Таганрог, Россия
gorelova@at.infotecstt.ru, evm@mvs.tsure.ru
О возможности анализа и синтеза структур
отказоустойчивых распределенных
информационно-управляющих систем,
основанной на когнитивном подходе
Предложен основанный на когнитивном моделировании, планировании эксперимента, моделях
вероятностных задач принятия решений метод исследования структур и обоснования решений по
выбору структуры отказоустойчивых распределенных информационно-управляющих систем с заданными
свойствами.
Введение
Актуальность проблемы надежного функционирования вычислительных систем
едва ли, когда бы то ни было, уйдет в прошлое. Ведь помимо причин, связанных с
отказами и долговечностью технических устройств, из которых построена система,
существенной причиной возникновения проблем надежности сложных технических
систем является человеческий фактор [1]. Поэтому не исчезает необходимость решения
задач анализа и синтеза, выбора способов повышения надежности, разработки методов
повышения отказоустойчивости вычислительных систем [2-4] с учетом и человеческого
фактора [1]. Это обусловлено тем, что отказоустойчивые вычислительные системы
используются в тех случаях, когда:
– отказ системы может угрожать жизни человека (диспетчерская служба в авиации,
управление транспортными средствами, управление атомными электростанциями и сис-
темами оружия, системы контроля и жизнеобеспечения больных и т.д.);
– непредсказуемый отказ и простой могут повлечь тяжелые экономические последствия
(управление системами коммутации в телефонной и других видах связи, управление
производством и распределением энергии, управление технологическими процессами,
автоматическая система банковских расчетов и т.д.);
– системы используются в условиях, исключающих возможность их периодического
обслуживания человеком (спутники на околоземной орбите, автоматические космиче-
ские аппараты в межпланетном полете, необслуживаемые подводные станции, станции
контроля за состоянием среды в труднодоступных районах).
Во всех названных случаях необходимо принимать во внимание влияние
человеческого фактора, а также рисков, связанных с ним, в том числе, на стадии
проектирования систем. Для этого предлагается использовать когнитивный подход
О возможности анализа и синтеза структур...
«Штучний інтелект» 3’2008 639
8Г
(процесс когниции – познания) и основанные на нем методы когнитивного модели-
рования, активно развивающиеся последнее время [5-7], [10-13]. Когнитивный подход
позволяет формализовать слабоструктурированные проблемы сложных систем, сущест-
вующие в процессе их проектирования и последующего функционирования, и далее
уже на формальных моделях проводить необходимые исследования. Последнее особен-
но важно при изучении и создании различных социотехнических систем, при разра-
ботке интеллектуальных систем поддержки управленческих решений.
Постановка задачи разработки когнитивных методов не только анализа, но и
синтеза структур специального класса сложных систем – распределенных информа-
ционно-управляющих вычислительных систем – потребовала решения ряда сопут-
ствующих задач, в том числе адаптации методов планирования эксперимента и
методов моделирования вероятностных задач принятия решений [10-13].
В данной работе представлены некоторые результаты, полученные путем
моделирования структур вычислительного устройства (ВУ), порождаемых этими
структурами процессов, а также моделирования взаимодействия ВУ с системой
решаемых задач. Полученные результаты необходимы на этапе предпроектных
исследований при разработке отказоустойчивых распределенных информационно-
управляющих систем (РИУС) для решения задач их синтеза в соответствии с
требуемыми показателями качества.
Модели и методы исследования и принятия решений
Предпроектные исследования распределенных информационно-управляющих
систем целесообразно проводить путем моделирования на основе программных
модулей, отображающих ВС и модель задач, что ускоряет и удешевляет процесс
испытаний. Опыт использования разработанной программной модели для тестирования
разработанных методов и алгоритмов организации отказоустойчивого вычислительного
процесса в распределенных системах [10], [11] показал, что желательно создать
библиотеку, позволяющую применять соответствующие модели для широкого класса
систем. Это обусловлено тем, что такие системы обладают рядом общих свойств, имея
при этом существенные различия. Именно обобщение одинаковых свойств в библио-
теке позволяет, с одной стороны, избежать повторной разработки соответствующих
компонентов каждый раз, c другой стороны, позволяет учесть в разрабатываемой
модели особенности конкретного класса систем. Библиотека в рассматриваемом случае
должна содержать группы моделей и методов. В том числе: модели и алгоритмы
взаимодействия вычислительного устройства и решаемых задач, когнитивные модели
(различного типа графы), модели динамики (импульсные процессы на графах) или
сценарные модели, модели задач принятия решений, модели и методы планирования
эксперимента, методы исследования устойчивости, методы анализа и синтеза структур,
методы решения распределительных задач и ряд других. Представим некоторые из них.
I. Когнитивные модели, модели вычислительного устройства и решаемых
задач. В последнее время для описания и решения слабоструктурированных проблем
сложных систем, к которым относятся и интеллектуальные системы поддержки
управленческих решений (в том числе распределенные информационно-управляю-
щие системы), активно применяется когнитивный подход, модели и методы
когнитивного анализа и управления ситуациями [5-7]. Наиболее распространенными
Горелова Г.В., Мельник Э.В.
«Искусственный интеллект» 3’2008 640
8Г
когнитивными моделями являются когнитивные карты в виде знакового ориенти-
рованного графа, параметрические, векторные и параметрические векторные
функциональные графы – Ф-графы (1).
Фп<<V, E>, X, F, θ>, (1)
где G = <V, E> – когнитивная карта, в которой V = {Vi | Vi∈V, i = 1, 2,…,m } –
множество вершин, E = {eij | eij∈E, i,j = 1,2,…,p} – множество дуг; X: V → θ, X –
множество параметров вершин, X = { )( ivX | )( ivX ∈X, i = 1, 2,…,m}, )( ivX = {x(i)
g},
g = 1,2,…,k; x(i)
g – g-параметр вершины Vi, если g=1, то x(i)
g = xi; θ – пространство
параметров вершин; F = F(X, E) = f(xi, xj, eij) – функционал преобразования дуг, F:
E×X×θ→R. Определение параметров характеристики fij = f(xi, xj, eij) включает:
определение шкалы, показателей, метода, точности, единицы измерения.
Когнитивная карта может быть представлена также матрицей отношений
А = [аij]m×m, аij =
1, если связано с
.
0, в противном случае
i jV V
Отношение аij может принимать значение «+1», «–1» или быть fij.
На рис. 1 представлен пример одной из возможных когнитивных карт, построен-
ной в программной системе когнитивного моделирования ПС КМ [3].
Рисунок 1 – Пример когнитивной карты G1
Идея взаимодействия моделей многопроцессорного вычислительного устрой-
ства, решаемых задач, управляющих воздействий и возмущений, обусловленных
человеческим фактором («экспертом» в модельном эксперименте), представлена
схемой на рис. 2.
Рисунок 2 – Схема взаимодействия моделей вычислительного устройства,
задач и эксперта
{ }ВЗ ЗМ Ф ,Ф ,ЕGB G= , (2)
МВЗ={ФGВ,ФGЗ,E}
ФGВ =<GВ, XВ, FВ> ФGЗ = <GЗ, XЗ, FЗ>
E
Q Y
МЭ = {Q, W, ПР}
V1V2V3V4V5
V1 0 1 0 0 1
V2 0 0 0 1 1
A = V3 1 0 0 -1 0
V4 0 0 0 0 1
V5 1 0 1 0 0
О возможности анализа и синтеза структур...
«Штучний інтелект» 3’2008 641
8Г
где МВЗ – модель взаимодействия графа вычислительного устройства ФGВ и графа
задач ФGЗ, являющаяся объектом исследования.
Модель вычислительного устройства ФGВ задана структурой в виде Ф-графа
Ф , ,GB B B BG X F= , (3)
где GВ = <VВ, EВ> – неориентированный граф, VВ = {VBi}, i = 1,2,…,m; EВ = {eij},
i,j = 1,2,…pВ; XВ – множество параметров вершин VВ; X = {xg
(Vв)}, g = 1,2,…,l;
FВ = F(X, E) – функционал преобразования дуг, в данном случае ставящий в соответ-
ствие каждой дуге весовой коэффициент wвij.
Поступающая на вход ВУ задача представляется ориентированным ациклич-
ным Ф-графом ФGЗ, вершинам и дугам которого присваиваются различные веса:
З З З ЗФ ,Х ,G G F= , (4)
где GЗ = <VЗ, EЗ>, GЗ – ориентированный однонаправленный граф задач; VЗ = {VЗi},
i = 1,2,…,n; EЗ = {eij}, i,j = 1,2,…,pЗ; XЗ – множество параметров вершин VЗ,
XЗ = {xg
(Vзi)}, g = 1,2,…,kЗ; FЗ = F(XЗ, EЗ) = f(xзi, xзj, eзij) – функционал преобразования
дуг, ставящий в соответствие каждой дуге весовой коэффициент ωзij..
Е = {eВiЗj}, i,j = 1,2,…,pвз – множество дуг, связывающих вершины графа задач с
вершинами графа вычислительного устройства. Агенты вычислительного устройства
оптимизируют суммарное время решения поступающих на вход взаимосвязанных задач,
распределяя и перераспределяя их между собой по определенному алгоритму Alg.
Модель эксперта
{ }ЭМ , ,ПР .Q W= (5)
В данном случае модель (5) отображает только возникающую в процессе
познания объекта реакцию эксперта в виде управляющих воздействий Q (план
эксперимента Х), случайных возмущений W, имитирующих различные риски, и
правила принятия решений ПР.
Таким образом, входами модели МВЗ являются изменяемые по разработанному
плану эксперимента параметры моделей GВ и GЗ – факторы Х = (хi) (такие, как
производительность агентов, пропускная способность каналов обслуживания,
трудоемкость и поток задач и др.).
Выходами модели являются параметры Y = (y1,..., yi,..., ym) – численные
характеристики целей исследования (время решения задачи, надежность, отказо-
устойчивость, работоспособность системы и др.).
В процессе исследования изменялись структуры ФGВ и ФGЗ (модели М(m–n),
m агентов – n задач), варьировались уровни факторов Х на границах и в пределах
определенного пространства эксперимента. Исследование графа GВ включало анализ
его структуры – связности и сложности графа, его топологический анализ – анализ
симплициальных комплексов и их q-связности [3], [8], а также анализ импульсных
процессов, порождаемых внесением Q и W.
II. Модель импульсного процесса. В качестве модели импульсного процесса
использовалась известная формула [2], [3]. Если параметр xi зависит от времени, т.е.
xi(t), t = 1,2,3,... то можно определить процесс распространения возмущения по
графу, т.е. переход системы из состояния t–1 в t, t+1,… Пусть значение xi(t+1) в
Горелова Г.В., Мельник Э.В.
«Искусственный интеллект» 3’2008 642
8Г
вершине vi зависит от xi(t) и от вершин, смежных с Vi. Пусть Vi смежна с Vj, пусть
Рj(t) – изменение в вершине Vj в момент времени t, тогда влияние этого изменения на
параметр xi в момент t будет описываться функцией ±pj(t) в зависимости от знака
дуги, соединяющего Vi и Vj.
В общем случае, если имеется несколько вершин Vj, смежных с Vi, процесс
распространения возмущения по графу определяется правилом:
,
-1
1
( 1) ( ) ( , )Р ( )i i j j
k
i ij
j
x t x t f x x e t
=
+ = +∑
при известных начальных значениях X(0) во всех вершинах и начальном векторе
возмущения P(0). В моделях этого типа функции f, характеризующие взаимовлияние
смежных вершин, могут определяться либо экспертно, либо статистическими
методами. В такие модели могут вводиться еще и лаги, т.е. задержки передачи
воздействия по каждой дуге во времени.
Моделирование можно проводить шагами или импульсами. Суть такого
моделирования состоит в том, что в одной из вершин графа задается определенное
изменение. Эта вершина актуализирует всю систему показателей, т.е. связанных
с ней вершин, в большей или меньшей степени. Таких вершин может быть
несколько.
Так как в графе импульс в импульсном процессе представляется упорядочен-
ной последовательностью без привязки ко времени, то можно использовать запись
формул «в n-й момент времени». Тогда:
-1
:
( 1) ( ) ( , , ) ( ) ( 1)
j
j ij
k
i i i j ij i
v e e ОE
x n x n f x x e P n Q n
=
+ = + + +∑ , (6)
где x(n), x(n+1) – величины показателя в вершине V при шагах имитации в момент
t = n и следующим за ним t = n+1. Формула (6) – это правило (PR) изменения
параметров в вершинах в момент tn+1,
Таким образом, модель импульсного процесса – это кортеж <Ф, Q, PR>, где
Ф=<(V, E), X, W>, Q = Q(tn) – последовательность возмущающих воздействий, PR –
правило изменения параметров. При этом последовательность <n, X(tn), Q(tn)>
является модельным представлением временной системы <tn, Sn, Bn>.
В целях проведения вычислительного эксперимента математическая модель
импульсных процессов может быть представлена в виде:
111 −−− ++= nnnn QARXX , (7)
где k
inn xX 1}{ == , n = 0,1, 2,…, – вектор значений параметров xin вершин Vi в момент
tn; k
inn qQ 1}{ == , n = 0,1, 2,…, – вектор внешних импульсов qit, вносимых в вершины
Vi в момент времени tn; k
innR 1}{ =∆= – вектор параметров вершин в момент времени
tn, который задается уравнением:
121
2
0
1 ... −−
−− ++++= nn
nn
n IQAQQAQAR , I – единичная матрица.
Пример импульсного процесса на когнитивной карте G1 (рис.1) при внесении
возмущения q5 = +1 представлен рис. 3.
О возможности анализа и синтеза структур...
«Штучний інтелект» 3’2008 643
8Г
Рисунок 3 – Пример фрагмента импульсного процесса,
порождаемого импульсом q5 = +1
III. Анализ структуры. Симплициальные комплексы. Анализ структуры графов
GВ и GЗ помимо исследования связности, путей и циклов, включает полиэдральный
анализ (q-анализ связности) [4], [9] симплициальных комплексов. Основы
топологического исследования сложных систем на основе изучения их структурных
свойств были заложены в 60 – 70-е годы прошлого столетия. В настоящее время
показана эффективность использования симплициальных комплексов для моде-
лирования свойств связности различных сетей взаимодействующих элементов
(подсистем, сущностей...), таких, как коммуникации, трафики, биологические сети,
сети распределенных алгоритмов. Методика анализа q-связности позволяет судить о
связности системы более глубоко, нежели традиционные исследования связности
графа, поскольку при этом устанавливается наличие взаимовлияния симпли-
циальных блоков системы через цепочку связей между ними. На основании таких
возможностей предлагаются формализованные правила обоснования выбора целе-
вых и управляющих вершин, определение устойчивости систем, характеризуемых
теми или иными симплициальными комплексами, условия структурной устойчи-
вости систем. Определение числа симплексов и их структуры, анализ q – связности
системы позволяют выдвигать обоснования для решения задач декомпозиции и
композиции изучаемой сложной системы, выявлять симплексы, более всего влияю-
щие на процессы в системе и образующие вершины которых рациональнее выбирать
в качестве управляющих. Q – анализ позволяет раскрыть многомерную геометрию
сложных систем, проследить влияние различных локальных изменений на структуру
системы в целом, остановить внимание именно на структурных особенностях
системы, что не выявляется при других подходах. Использование этого метода для
анализа структурно-сложных систем позволяет по другому подойти к самому
определению понятия «сложность», более глубоко вскрыть роль отдельных элемен-
тов и их влияние на остальные элементы системы.
В симплициальном (полиэдральном) анализе система рассматривается в виде
отношения между элементами конечных множеств – множества вершин V и заданного
семейства непустых подмножеств этих вершин – симплексов σ. Множества вершин и
соответствующих им симплексов образуют симплициальные комплексы K. Для
их построения используется структура системы, заданная в виде графа G = <V, E>,
V = {Vi, Vj}, E = {eij}, i,j = 1,2,…,k. Симплекс обозначается δ(i)
r, где i – номер вершины,
а r – геометрическая размерность симплекса. Число r определяется числом дуг,
Горелова Г.В., Мельник Э.В.
«Искусственный интеллект» 3’2008 644
8Г
соединяющих вершины Vj в симплексе через вершину Vi. Число r (число дуг,
инцидентных Vj) на единицу меньше числа единиц («1») в соответствующей i-строке
матрицы Λ. Cтруктура системы служит основанием для геометрического и алгебраи-
ческого ее представления, как симплициального комплекса. Любое отношение λ = aij в
системе представляется таким образом, что множество элементов, относимых к
конкретному элементу Vi (вершине, концепту графа), трактуется как симплекс δ(i)
r, а их
совокупность образует симплициальный комплекс К. Возможно построение
симплициальных комплексов как по фактор-строкам X матрицы отношений Λ графа G,
так и по ее Y фактор-столбцам, т.е. Kx(Y, λ) и Ky(X, λ*) соответственно. Иногда Ky (X, λ*)
может быть более содержательным, чем Kx (Y, λ). Итак, симплициальный комплекс
состоит из множества вершин {Vi} и множества {δ(i)
r} непустых конечных подмножеств
множества {Vi}, называемых симплексами, таких, что любое множество, состоящее
ровно из одной вершины, является симплексом; любое непустое подмножество
симплекса является симплексом, а также пустое множество симплексов является
симплициальным комплексом. Таким образом, симплициальный комплекс получается
путем разбиения некоторого пространства Х на пересекающиеся подмножества (как
известно, пространство, допускающее такое разбиение, называется полиэдром, а
процесс его разбиения – триангуляцией).
Симплициальный комплекс является математическим обобщением планарного
графа, который отражает многомерную природу рассматриваемого бинарного отно-
шения. Поскольку симплициальный комплекс – это семейство симплексов, соеди-
ненных посредством общих граней (в том числе, общей вершиной – точкой), то
характеристикой связности может служить размерность грани, общей двум симплек-
сам. Но поскольку существует комплекс как целое, то для анализа связности исполь-
зуется понятие «цепь связи». Цепь q-связи отражает возможность того, что два
симплекса, непосредственно не имея общей грани, могут быть связаны при помощи
последовательности промежуточных симплексов.
Для графа G1 (рис. 1) симплициальный комплекс Kx(Y, λ) будет следующим:
Kx(Y,λ) = {δ(1)
1; δ(2)
1; δ(3)
1; δ(4)
0; δ(5)
1}.
Различные топологические структуры графа G порождают многообразные
импульсные процессы на них. Результаты исследований влияния изменений структуры
на импульсные процессы и устойчивость системы систематизированы в [4]. В этой
работе изучены свойства различных простых структур (например, типа цепь, треуголь-
ник, треугольники, соединенные через вершину, грань и т.д.). Выявленные при этом
закономерности свойств позволяют перейти к синтезу из простых более сложной
структуры, которая обладала бы желаемыми качествами Y и Y(t).
Выбор среди многих альтернативных структур (количества агентов вычисли-
тельной системы, т.е. вершин графа ФGB, связей между ними и др.) требует применения
определенного критерия выбора. В качестве такого критерия был использован критерий
максимизации функции эффективности оптимума номинала [12].
IV. Модель вероятностной задачи принятия решений. При вариациях структуры
графовых моделей, их параметров, правил взаимодействия ФGВ и ФGЗ, при изменениях
управляющих и возмущающих воздействий Q и W могут быть получены различные
реализации импульсных процессов, которые будут обладать разной «полезностью» в
глазах эксперта с точки зрения обеспечения отказоустойчивости и других показателей
О возможности анализа и синтеза структур...
«Штучний інтелект» 3’2008 645
8Г
надежности исследуемой распределенной вычислительной системы. Вероятностный
характер происходящих в системе процессов позволяет представить модель задачи
выбора решений моделью задачи оптимума номинала [12], [13]
( ) ( ) ( ), .. , , ,h h
S
M t C Y f Y M t dcdYdtϕ = ∫∫ ∫ (8)
( ), , 1, 2, ... ,hM Q t h kη= = (9)
Q ∈ Qдоп ; Y ∈ Yдоп, (10)
где φ (Мh,t) – функция эффективности оптимума номинала от параметров Мh
распределения случайных выходных величин Y и времени t; f(Y,Mh,t) – плотность
распределения Y, С(Y) – полезность областей S значений Y.
Выражение (8) является формулой определения математического ожидания
полезности, (9) – ограничения на целевую функцию φ в виде зависимости параметров
Мh распределения целевых показателей Y от управляющих факторов Q, (10) –
ограничения на параметры Х и Y. Выражения (8) – (10) являются моделью принятия
решений в условиях вероятностной неопределенности. Выбор лучшего решения (9)
можно производить по критерию максимизации математического ожидания
полезности (в данном случае функции эффективности оптимума номинала)
{ ( ) ( ) ( ) }m ax , .. , , .h h
S
M t C Y f Y M t dcdYdtϕ = ∫∫ ∫ (11)
V. Планирование эксперимента. При анализе моделей МВЗ = {ФGВ,ФGЗ,E},
проводимом в целях изучения возможностей вариантов проектируемой системы и
перехода к решению задачи синтеза системы с желаемыми качествами Y, в виду
большого количества варьируемых условий необходимо минимизировать перебор
вариантов эксперимента. Поэтому испытания на программных модулях в виду
большого количества варьируемых факторов потребовало применения методов
планирования эксперимента и последующего отсечения неэффективных с позиций
качества системы (например, оптимальной скорости решения задач при отказах
отдельных элементов) результатов. Был необходим поиск компромиссных решений
между сложностью вычислительного устройства, его стоимостью и обеспечением
необходимого уровня безопасности объекта, для которого проектируется система
управления. Поскольку успешное достижение такой цели зависит от большого
количества факторов, прямой перебор которых явно не эффективен, было необхо-
димо планировать эксперимент, существенно сокращающий число опытов. Для
этого были использованы идеи и методы активного эксперимента [8], с учетом
которых была разработана программа исследований, позволяющая решать
поставленные задачи [9].
Схема анализа и синтеза структур сложных систем
Применение представленных выше моделей для решения задач анализа и
синтеза сложной системы может быть выстроено в нижеследующую логическую
схему (рис. 4). Ее особенностью является учет и имитация на каждом этапе
исследования эффекта человеческого фактора, планирование воздействий и
возмущений, которые эксперт или ЛПР осознанно или нет (в виде того или иного
закона распределения f(W) может внести в систему.
Горелова Г.В., Мельник Э.В.
«Искусственный интеллект» 3’2008 646
8Г
О возможности анализа и синтеза структур...
«Штучний інтелект» 3’2008 647
8Г
Рис. 5 иллюстрирует 2 и 3 пункты 3-го этапа проектирования системы. На нем
представлено пространство полного факторного эксперимента в сериях с постепенным
выбыванием агентов из строя (изменение структуры графа ФGЗ для решения задачи
исследования отказоустойчивости системы). На рис. 5: X1 – производительность
агентов, X2 – пропускная способность каналов обслуживания, Х3 – трудоемкость задач.
Знаки «+» и «–» обозначают верхний и нижний уровни соответствующих факторов,
порядок знаков совпадает с порядком X1, X2, Х3. В вершинах куба помещаются
численные значения показателя Y, полученные в процессе эксперимента под воздей-
ствием ЛПР.
Рисунок 5 – Пространство эксперимента для трех факторов X1, X2 и Х3
Развертка куба в пространстве эксперимента для трех факторов графически
иллюстрирует выводы, полученные в процессе исследования области допустимых и
недопустимых условий функционирования системы МВЗ. Так, для всех серий опытов
была выявлена закономерность нахождения худших (–) и лучших (+) условий по обе
стороны разделяющей диагональной плоскости D и тем самым было определено
допустимое множество моделей М′′
ВЗ.
Заключение
При проектировании и отладке сложных систем приходится встречаться со
множеством проблем, которые приходится решать без применения формальных
методов. Если стремиться «автоматизировать» интеллектуальные действия эту
ситуацию в определенной мере можно изменить, применяя совокупность приемов и
методов принятия решений на этапах анализа и синтеза сложных систем. В данной
статье кратко представлены основные направления и очерчены контуры возможной
системы автоматизации действий разработчика сложной системы, основанные на
когнитивном подходе и использовании когнитивных интеллектуальных технологий.
Литература
1. Человеческий фактор в управлении / Под ред. Н.И. Абрамовой, К.С. Гинсберга, Д.А. Новикова. –
М.: КомКнига, 2006. – 496 с.
2. Труханов В.М. Надежность технических систем. – М.: Машиностроение-1, 2008. – 585 с.
3. Хорошевский В.Г. Архитектура вычислительных систем: Учеб. пособие. – М.: Издательство
МГТУ им. Н.Э. Баумана, 2005. – 512 с.
- - - + - -
- + + +
+ - ++
- - + + -
Х1
Х2
Х3
Х3
+ - - - +
+++ - ++
- - +
- +
-
+
D
Горелова Г.В., Мельник Э.В.
«Искусственный интеллект» 3’2008 648
8Г
4. Хорошевский В.Г. Инженерный анализ функционирования вычислительных машин и систем. –
М.: Радио и связь, 1987.
5. Максимов В.И. Когнитивные технологии – от незнания к пониманию // Cб. трудов 1-й Между-
народной конференции «Когнитивный анализ и управление развитием ситуаций» (САSC’2001). –
Т. 1. – М.: ИПУ РАН. – 2001. – С. 4-18.
6. Кузнецов О.П., Кулинич А.А., Марковский А.В. Анализ влияний при управлении слабоструктури-
рованными ситуациями на основе когнитивных карт // Человеческий фактор в управлении / Под
ред. Н.И. Абрамовой, К.С. Гинсберга, Д.А. Новикова. – М.: КомКнига, 2006. – С. 313-345.
7. Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-
экономических систем: когнитивный подход. – Ростов н/Д: Изд-во РГУ, 2006. – 332 c.
8. Налимов В.В., Чернова Н.А. Статистические методы планирования экстремальных эксперимен-
тов. – М.: Наука, 1965.
9. Atkin R.H., Casti J. Polyhedral Dynamics and the Geometry of Systems, RR-77-6 // International Institute
for Applied Systems Analysis. – Laxenburg (Austria). – March, 1977.
10. Горелова Г.В., Мельник Э.В. Исследование отказоустойчивости на моделях средств поддержки
управленческих решений в системах управления безопасностью методами планирования
эксперимента // Труды 15 Международной конференции «Проблемы управления безопасностью
сложных систем. – Ч. 2. – М.: Изд. Центр РГГУ. – 2007. – С. 75-78.
11. Горелова Г.В., Мельник Э.В., Радченко С.А. Анализ взаимодействия сложных систем на имитацион-
ных динамичных когнитивных моделях // Материалы Междунар. науч.-техн. конф. «Искусственный
интеллект. Интеллектуальные системы». – Донецк-Таганрог-Минск: Наука i освiта. – 2007. – С. 17-22.
12. Горелова Г.В., Свечарник Д.В., Здор В.В. Метод оптимума номинала и его применения. – М.:
Энергия, 1970. – 200 с.
13. Горелова Г.В., Буянов Б.С., Верба В.А. Формализация вероятностных задач принятия решений в
интеллектуальных системах на основе когнитивного подхода // Искусственный интеллект. – 2007. –
№ 3. – C. 147-158.
Г.В. Горелова, Е.В. Мельник
Про можливість аналізу і синтезу структур відмовостійких розподілених інформаційно-керуючих
систем, засновану на когнітивному підході
Запропонований заснований на когнітивному моделюванні, плануванні експерименту, моделях імовір-
нісних завдань ухвалення рішень метод дослідження структур і обґрунтування рішень по вибору
структури відмовостійких розподілених інформаційно-керуючих систем, із заданими властивостями.
Статья поступила в редакцию 23.07.2008.
«Искусственный интеллект» 3’2008 644
8Г
1-й этап проектирования и принятия
решений (доформальный анализ и
синтез):
Формирование начальной модели
М′
ВЗ={ФGВ,ФGЗ,E}
Разработка исходной структуры
ФGВ =<GВ, XВ, FВ>
(определение начального m=? числа
вершин – агентов; задание числа дуг
pВ = m для распределенных систем с
децентрализованным управлением; зада-
ние множества параметров вершин
{xg
(Vвi)}, g=1,2,…,kВ; задание весовых
коэффициентов wвij)
Определение структуры класса задач
ФGЗ =<GЗ, XЗ, FЗ>
(определение начального n=? числа
вершин – подзадач; задание числа дуг
рЗ; задание множества параметров
вершин {xg
(Vзi)}, g=1,2,…,kЗ; задание
весовых коэффициентов ωзij)
Задание алгоритма Alg оптими-
зации перераспределения подзадач ФGЗ
между агентами вычислительного устрой-
ства (при этом: Е=var)
Эксперт, ЛПР
МЭ = {Q, W, ПР}. Когнитивный анализ и синтез
2-й этап проектирования и
принятия решений
(формальный анализ):
1) анализ структуры и динами-
ческих свойств модели М′ВЗ
(анализ связности графа, симпли-
циальный анализ, планирование
эксперимента при внесении воз-
мущений Q, W,импульсное моде-
лирование – при помощи програм-
мной системы ПС КМ);
2) выбор типа модели
МВЗ = {ФGВ, ФGЗ, E}и анализ
простейших структур (подграфов
графа МВЗ), ее составляющих
3-й этап проектирования и принятия
решений (анализ):
1) планирование эксперимента на модели
МВЗ = {ФGВ,ФGЗ,E}
(определение пространства эксперимента:
параметров вершин
{xg
(Vвi)}* ⊆{xg
(Vвi)},{xg
(Vзi)}* ⊆,{xg
(Vзi)},
граничных значений параметров хmax , хmin;
выбор плана эксперимента);
2) проведение вычислительного эксперимента;
3) анализ полученных значений показателей надеж-
ности Y, отсечение неперспективных вариантов,
выбор допустимого множества моделей
М′′
ВЗ = {ФGВ, ФGЗ, E}, анализ простейших структур,
составляющих граф М′′
ВЗ
4-й этап проектирования и принятия решений (синтез):
1) планирование эксперимента при внесении возмущений Q, W на графе
М′′
ВЗ и его простых структурах;
2) оценка семейства импульсных процессов на графе М′′
ВЗ и его простых
структурах с помощью функции эффективности оптимума номинала;
3) синтез лучшей структуры, соответствующей заданным
характеристикам надежности РИУС и параметрам функционирования
5-й этап: Исследование свойств РИУС
|
| id | nasplib_isofts_kiev_ua-123456789-7138 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T15:18:34Z |
| publishDate | 2008 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Горелова, Г.В. Мельник, Э.В. 2010-03-24T17:52:09Z 2010-03-24T17:52:09Z 2008 О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе / Г.В. Горелова, Э.В. Мельник // Штучний інтелект. — 2008. — № 3. — С. 638-648. — Бібліогр.: 13 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/7138 681.32.519.68 Предложен основанный на когнитивном моделировании, планировании эксперимента, моделях вероятностных задач принятия решений метод исследования структур и обоснования решений по выбору структуры отказоустойчивых распределенных информационно-управляющих систем с заданными свойствами. Запропонований заснований на когнітивному моделюванні, плануванні експерименту, моделях імовір- нісних завдань ухвалення рішень метод дослідження структур і обґрунтування рішень по вибору структури відмовостійких розподілених інформаційно-керуючих систем, із заданими властивостями. ru Інститут проблем штучного інтелекту МОН України та НАН України Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе Про можливість аналізу і синтезу структур відмовостійких розподілених інформаційно-керуючих систем, засновану на когнітивному підході Article published earlier |
| spellingShingle | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе Горелова, Г.В. Мельник, Э.В. Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем |
| title | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе |
| title_alt | Про можливість аналізу і синтезу структур відмовостійких розподілених інформаційно-керуючих систем, засновану на когнітивному підході |
| title_full | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе |
| title_fullStr | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе |
| title_full_unstemmed | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе |
| title_short | О возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе |
| title_sort | о возможности анализа и синтеза структур отказоустойчивых распределенных информационно-управляющих систем, основанной на когнитивном подходе |
| topic | Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем |
| topic_facet | Архитектура, алгоритмическое и программное обеспечение интеллектуальных многопроцессорных систем |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/7138 |
| work_keys_str_mv | AT gorelovagv ovozmožnostianalizaisintezastrukturotkazoustoičivyhraspredelennyhinformacionnoupravlâûŝihsistemosnovannoinakognitivnompodhode AT melʹnikév ovozmožnostianalizaisintezastrukturotkazoustoičivyhraspredelennyhinformacionnoupravlâûŝihsistemosnovannoinakognitivnompodhode AT gorelovagv promožlivístʹanalízuísintezustrukturvídmovostíikihrozpodílenihínformacíinokeruûčihsistemzasnovanunakognítivnomupídhodí AT melʹnikév promožlivístʹanalízuísintezustrukturvídmovostíikihrozpodílenihínformacíinokeruûčihsistemzasnovanunakognítivnomupídhodí |