Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения

Статья посвящена вопросам автоматизации имитационного моделирования при проектировании сетей дистанционного обучения. Для реализации алгоритмов генерации имитационных моделей на GPSS предложена декомпозиция модели коммуникационной сети дистанционного обучения. Также приведены: представление отдел...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2008
Автор:	Ольшевский, А.И.
Формат:	Стаття
Мова:	Російська
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2008
Теми:	Обучающие и экспертные системы
Онлайн доступ:	https://nasplib.isofts.kiev.ua/handle/123456789/7551
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения / А.И. Ольшевский // Штучний інтелект. — 2008. — № 4. — С. 471-482. — Бібліогр.: 4 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1859712468978237440
author	Ольшевский, А.И.
author_facet	Ольшевский, А.И.
citation_txt	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения / А.И. Ольшевский // Штучний інтелект. — 2008. — № 4. — С. 471-482. — Бібліогр.: 4 назв. — рос.
collection	DSpace DC
description	Статья посвящена вопросам автоматизации имитационного моделирования при проектировании сетей дистанционного обучения. Для реализации алгоритмов генерации имитационных моделей на GPSS предложена декомпозиция модели коммуникационной сети дистанционного обучения. Также приведены: представление отдельных частей модели, алгоритмы работы и интерпретация алгоритмов на языке моделирования в среде GPSS World. Стаття присвячена питанням автоматизації імітаційного моделювання при проектуванні мереж дистанційного навчання. Для реалізації алгоритмів генерації імітаційних моделей на GPSS запропонована декомпозиція моделі комунікаційної мережі дистанційного навчання. Також приведені: представлення окремих частин моделі, алгоритми роботи і інтерпретація алгоритмів мовою моделювання в середовищі GPSS World.
first_indexed	2025-12-01T06:07:29Z
format	Article
fulltext	«Штучний інтелект» 4’2008 471 5-О УДК 681.03.06 А.И. Ольшевский Государственный университет информатики и искусственного интеллекта, г. Донецк, Украина info@iai.donetsk.ua Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения Статья посвящена вопросам автоматизации имитационного моделирования при проектировании сетей дистанционного обучения. Для реализации алгоритмов генерации имитационных моделей на GPSS предложена декомпозиция модели коммуникационной сети дистанционного обучения. Также приведены: представление отдельных частей модели, алгоритмы работы и интерпретация алгоритмов на языке моделирования в среде GPSS World. Введение Первая и, возможно, наиболее значимая проблема для системы образования буду- щего – это интеграция, создание единого образовательного и информационного про- странства. Это – стратегическая проблема, направленная на перспективное развитие систем образования разных стран мира, которые осознают единство и целостность мира, взаимосвязь и взаимообусловленность его составных частей. Особую роль в аспекте единого образовательного пространства могут и должны сыграть новые информационные технологии. В данном случае хотелось бы остановиться на возможностях, которые несут в себе глобальная сеть Интернет и информационные системы дистанционного обучения. Студенты имеют доступ к разнообразным инфор- мационным банкам данных по всем странам мира, могут работать вместе над проектом, который их интересует, обсуждать проблемы практически со всем миром. Человек, в самом деле, в любой период своей жизни приобретает возможность дистанционно получить новую профессию, повысить свою квалификацию, расширить свое мировоз- зрение, причем практически в любом научном или учебном центре мира. Решение задач создания сетей обучения может быть обеспечено специальной системой, ориентированной на предварительное исследование информационных потоков предметной области и стоимостных зависимостей, синтеза топологии компьютерных сетей и решения задач маршрутизации. Такая система создается для организации дистанционного обучения на базе ГУИиИИ: Государственного университета инфор- матики и искусственного интеллекта (Донецк) [1]. Необходимой частью такой системы является имитационное моделирование сети дистанционного обучения для оценки ее функционирования. Программные средства моделирования включают в себя различные имитацион- ные модели сети обучения в соответствии с ее структурой и функционированием [2]. Программное обеспечение автоматизации имитационного моделирования разра- батывалась таким образом, чтобы построение моделей логически следовало за процессом оптимизации структуры системы. Однако процесс имитационного моделирования стано- Ольшевский А.И. «Искусственный интеллект» 4’2008 472 5-О вится неоправданно трудоемким при изменении входных данных или структуры сопря- жения элементов системы. В процессе варьирования различных вариантов структуры сети обучения генерируются имитационные модели на GPSS. С этой точки зрения весьма эффективной и целесообразной является автомати- зация построения имитационных моделей, способная быстро настраиваться на объекты любой структуры и вида и, тем самым, коренным образом уменьшать время подго- товки моделей и внесение изменений. Имитационное моделирование является наиболее универсальным методом исследо- вания систем и количественной оценки характеристик их функционирования. При соз- дании имитационных моделей возникают задачи организации псевдопараллельного выполнения алгоритмов; операций с модельным временем; имитации случайных процес- сов и т.п. Программа создается автоматически по одной из формализованных схем на основании задаваемых пользователем параметров системы, особенностей функциони- рования [3]. Введение имитационного моделирования позволяет принимать решения о построении сетей без проведения дорогостоящего натурного моделирования и дает воз- можность существенно удешевить процесс создании сетей дистанционного обучения. Таким образом, целью статьи является исследование коммуникационной сети и разработка алгоритмов генерации имитационной модели сети дистанционного обу- чения в соответствии с ее топологией и характеристиками. Декомпозиция модели коммуникационной сети системы дистанционного обучения Построение модели сложной системы представляет собой довольно сложный, трудоемкий процесс. От точности определения функциональных взаимосвязей между отдельными фрагментами реальной системы, отражаемой моделью, а также от уровня детализации каждого из этих фрагментов, напрямую зависит и точность полученных результатов моделирования, уровень достоверности этих результатов. Поэтому, при построении модели системы любой сложности, особое внимание следует уделить этапу декомпозиции самой системы – как начальному этапу проектирования. Что касается декомпозиции, задачи построения модели коммуникационной сети системы дистанционного обучения, то здесь на первый план выходит выбор точки зрения на рассмотрение всей системы в целом. Выбор точки зрения определит список конечных, простейших задач, решения которых в совокупности и будут представлять собой решение обобщенной задачи. Выбранная точка зрения – представление системы, прежде всего как коммуникационной сети, осуществляющей обмен информацией между конечными узлами, а уже потом как системы дистанционного обучения, являю- щейся методом и средством познания и обучения для ее пользователей, наиболее точно отражает сущность данной работы. На первом шаге детализации происходит упрощение модели системы, рассматри- ваемой в качестве сети для обмена информацией. Уже на этом уровне вся система представляет собой систему массового обслуживания, где в качестве источника заявок выступает все множество конечных узлов (ЭВМ-«участников» сети), в качестве обслу- живающего устройства – сама коммуникационная сеть, в качестве транзактов – пакеты, исходящие от компьютеров пользователей сети [4]. Кроме того, сами конечные узлы также являются приемниками и обработчиками транзактов. Разработка алгоритмов генерации имитационных моделей… «Штучний інтелект» 4’2008 473 5-О Представление модельного времени Для представления времени в модели необходимо учесть минимальное время, с которым изменяется хотя бы один значимый процесс (слово «значимый» означает, что изменяемые параметры, атрибуты либо характеристики процесса влияют на другие процессы либо на модель в целом, т.е. служат входными параметрами для них). После определения такого времени частота дискретизации модельного времени выбирается таким образом, чтобы порядок единицы модельного времени был равным или близким порядку времени, за которое изменяется процесс с минимальной скоростью изменения. В случае моделирования работы коммуникационной сети был проанализирован ряд характеристик основных элементов сети и принято решение, что оптимальным выбором единицы модельного времени для моделирования работы коммуникационной сети является 10-6 с, или 1 микросекунда (мкс), либо близкое к этому значение 10-5 с. Для удобного перевода реального времени в модельное удобно воспользоваться некоторым множителем, применяемым ко всем временным величинам в модели, отра- жающим поведение некоторого ее элемента. Назовем эту величину множителем модельного времени (ММВ): dt ММВ 1  , где td – единица модельного времени. Таким образом, для перевода реального времени в модельное достаточно умножить значение реального времени на ММВ, а для представления результатов в удобном для пользователя виде – разделить результат на ММВ. Это дает возмож- ность изменять частоту дискретизации модельного времени с целью повысить быстро- действие без существенного изменения всей модели. Модель канала связи Время передачи сообщения по каналу связи. Любая физическая среда, пред- назначенная для передачи информации (будь то медный кабель, оптоволокно или радиоэфир), вносит определенную задержку при передаче по нему сигнала, пред- ставляющего некоторый объем информации. Эта задержка зависит от объема инфор- мации, от расстояния между передатчиком и приемником (т.е. от протяженности линии связи), а также от пропускной способности линии связи. Скорость распространения электричества по проводнику принято считать равной скорости света в вакууме (или близкой к ней), равной 300 000 000 м/с. То есть время про- хождения одного бита информации по линии связи протяженностью L м будет равно: св б V LT 1 , где Т1б – время передачи одного бита информации по проводнику длиной L; Vсв – скорость света в вакууме, равная скорости распространения электричества. Однако для определения задержки времени пересылки электрического сигнала от одного конца проводника к другому недостаточно одного отношения длины проводника к скорости распространения сигнала. Ведь информация передается кадрами, в которых отдельные биты или последовательности битов кодированы согласно определенному алгоритму в электрический сигнал различной частоты и амплитуды (в зависимости от Ольшевский А.И. «Искусственный интеллект» 4’2008 474 5-О алгоритма кодирования). Следовательно, общее время пересылки одного кадра равняется времени, прошедшему между отправкой передатчиком первого бита информации и полу- чением приемником последнего бита. Данная величина рассчитывается путем сложения времени Т1б с величиной задержки передачи данных, которая представляет собой время между отправкой передатчиком первого и последнего бита и зависит от пропускной способности канала (от скорости передачи данных) следующим образом: C Vt к зпд  , где tзпд – время задержки передачи сигнала; Vк – объем кадра в битах; С – скорость передачи данных. Исходя из вышесказанного, время передачи по линии связи одного кадра вычисляется по формуле: C V V Lt к св к 1 , где t1к – время передачи одного кадра размером Vк бит по каналу связи протяжен- ностью L м со скоростью С бит/с. Данная величина будет получена в секундах. Однако для использования в модели ее удобно выразить в единицах модельного времени при помощи ММВ: ММВ C V V Lt к св к )(1  (1) Имитация передачи сообщения каналом связи. Линия связи всего лишь вно- сит задержку передачи некоторого объема информации между двумя узлами. Причем количество одновременно передаваемых кадров одной линией неограни- ченно. Кадры поступают в физическую среду с определенным шагом и движутся к приемнику независимо друг от друга (параллельно). Таким образом, транзакт в модели, имитирующий кадр, движется от одного устройства к другому (от передат- чика к приемнику), достаточно на его пути поставить блок задержки продвижения транзакта, и параметру, отвечающему за время задержки, присвоить значение t1к, вычисленное по формуле (1). Блок ADVANCE задерживает каждый транзакт на время t1к. Второй параметр определяет модификатор времени задержки транзактов, равный нулю в данном случае, так как все транзакты задерживаются на точно определенный промежуток времени. Например, пусть требуется сымитировать передачу пакета размером 1,5 Кб физической средой протяженностью 100 м. Кадр передается со скоростью 100 Мб/с. Фрагмент модели на языке GPSS приведен ниже: LenChan1 EQU 100 ;длина линии связи WaveSpeed EQU 300000000 ;скорость прохождения сигнала (скорость света) Lan1Speed EQU 100000000 ;скорость передачи данных VFrame1 EQU 1500 ;размер кадра в байтах DisFreq EQU 1000000 ;ММВ Time1 VARIABLE (LenChan1/WaveSpeed+8#VFrame1/Lan1Speed)#DisFreq ;арифметическая переменная, общая задержка передачи кадра звеном ... ;блоки, имитирующие сетевое устройство передатчика ADVANCE V$Time1 ;передача кадра (задержка) ... ;блоки, имитирующие сетевое устройство приемника Разработка алгоритмов генерации имитационных моделей… «Штучний інтелект» 4’2008 475 5-О Маршрутизация Для продвижения пакетов по сети от узла-источника к узлу-приемнику используются таблицы маршрутизации, которые строятся интеллектуальными средствами сетевых коммуникационных устройств в процессе самообучения, занимающего небольшой промежуток времени, в ходе которого происходит обмен сообщениями между оборудованием сети с целью построения обобщенного пред- ставления о структуре сети: о ее архитектуре и топологии, о ближайших соседях, о конечных узлах и приблизительном их местонахождении относительно соб- ственного расположения. Обобщенно таблица маршрутизации для коммутатора S1 некоторой абстрактной сети может иметь следующий вид (табл. 1): Таблица 1 – Таблица маршрутизации коммутатора S1 Адрес назначения Адрес следующего коммутатора N1 Пакет не требуется передавать через сеть N2 S2 N3 S3 N4 S3 N5 S2/S3 Из приведенной таблицы маршрутизации можно сделать вывод, что узел N1 непосредственно примыкает к коммутатору S1 и будет следующим и последним этапом продвижения пакета, адресованного ему. Для передачи пакета узлу N2 необхо- димо вначале передать его коммутатору S2, тогда как для узлов N3 и N4 следующим транзитным коммутатором будет S3. Для узла N5 таблица маршрутизации содержит более одного коммутатора. Это позволяет устройству интеллектуально управлять маршрутом передачи пакета для наиболее быстрой его передачи к узлу назначения, используя альтернативные транзитные узлы при чрезмерной нагрузке основного (или выходе его из строя). При моделировании работы коммутатора, в частности при моделировании его таблицы маршрутизации, всплывают две основные проблемы, зависящие от способа представления данных и алгоритма построения маршрута пакета: 1) если строить таблицу маршрутизации для каждого коммутатора сети, то это приведет к нерациональному использованию памяти, так как большая часть каждой таблицы будет дублировать большинство других, а для вычислительной сети сред- них масштабов с множеством коммутаторов и конечных станций отдельная таблица маршрутизации требует довольно больших объемов памяти; 2) алгоритмы построения маршрута для каждого пакета требуют некоторого числа итераций цикла, изменяющего параметры каждого транзакта. Учитывая тот факт, что одновременно в модели коммуникационной сети довольно большое мно- жество транзактов являются активными, становится очевидным и факт увеличения реального времени моделирования системы из-за выполнения большого количества операций. Решением первой проблемы стало построение единой унифицированной таблицы маршрутизации для всех коммутирующих устройств сети. Данная таблица Ольшевский А.И. «Искусственный интеллект» 4’2008 476 5-О представляет собой матрицу размерностью NNМ, где N – количество узлов (в том числе и конечных) графа, представляющего сеть, М – максимальное количество альтернативных путей между двумя несмежными вершинами. Построение таблиц маршрутизации для каждого коммутатора потребовало бы в среднем в два раза больше объема памяти, ведь тогда требовалось бы N матриц размерностью 2NM, причем каждая из них содержала бы часть информации других таблиц. Вторая проблема также предполагает некоторую двоякость: было составлено два алгоритма построения маршрута отдельного транзакта. Причем в одном из них время моделирования сведено к минимуму, однако отсутствует возможность альтернативного выбора маршрута в связи с недоступностью основного. Во втором эта проблема была решена за счет увеличения общего количества операций по изменению параметров транзактов всей модели в целом. Выбор был сделан в пользу второго алгоритма, так как он более точно отражает процесс продвижения пакетов в сети из-за возможности выбора альтернативного транзитного пути. Фрагмент модели, построенной в системе моделирования GPSS World, имити- рующий первый алгоритм определения маршрута, приведен ниже: MarTab MATRIX ,8,8 ;инициализация таблицы маршрутизации INITIAL MX$MarTab(1,2),5 ... INITIAL MX$MarTab(8,7),7 GENERATE 1 ;генерация кадра ASSIGN 1,4 ;параметр 1 - для косвенной адресации ASSIGN 2,1 ;параметр 2 - метка узла-источника ASSIGN 3,7 ;параметр 3 - метка узла-приемника Iter ASSIGN 1,MX$MarTab(2,3) ;i+4-му параметру транзакта присваивается номер очередного узла ASSIGN 2,MX$MarTab(2,3) ;второму параметру присваивается номер очередного узла ASSIGN 1+,1 ;инкремент параметра косвенной адресации TEST E P2,P3,Iter ;проверка условия, достигнут ли желаемый узел? ASSIGN 1,4 ;восстановление первого параметра косвенной адресации для передачи пакета первому транзитному узлу TRANSFER ,1 ;безусловная передача пакета на канал связи к первому транзитному узлу, метка в параметре 4 При приеме транзакта очередным транзитным узлом осуществляется наращи- вание его первого параметра на единицу, обработка (задержка) и передача по метке, указанной в следующем параметре, адресованном первым параметром. Во втором алгоритме решается проблема выбора альтернативного маршрута ценой увеличения времени работы модели. Суть алгоритма состоит в определении следующего узла в маршруте пакета на каждом шаге его продвижения (а не заранее, как в предыдущем алгоритме). Каждый фрагмент модели, имитирующий работу отдельного узла коммутации, должен содержать следующий код, определяющий метку следующего узла (пример на языке GPSS): ... ;узел сети, помеченный первым d1 ASSIGN 2,1 ;присвоение третьему параметру транзакта номера узла сети TEST NE P3,P2,Term ;условие, достиг ли транзакт узла назначения? Разработка алгоритмов генерации имитационных моделей… «Штучний інтелект» 4’2008 477 5-О TRANSFER ,MX$MarTab(3,2) ;если не достиг - переход на метку, указанную "таблице маршрутизации" согласно параметрам 2 и 3 транзакта ... Term ... действия с транзактом при условии достижения узла назначения Модель коммутатора Назначение фрагмента модели, соответствующего работе коммутатора в составе коммуникационной сети – внесение задержки при продвижении транзактов, имитирующих отдельные пакеты, перемещаемые по сети, а также осуществление перенаправления каждого транзакта (маршрутизации). Еще одна задача, возникающая при построении имитационной модели работы ком- мутатора – обработка транзактов различных приоритетов. Ведь современные коммутато- ры способны различать приоритеты поступающих пакетов для достижения приемлемого уровня таких показателей качества связи, как скорость доставки и качество доставки. В результате детального анализа предметной области удалось разделить все мно- жество транзактов на две категории: срочные (приоритет 2) и несрочные (приоритет 1), в связи с этим алгоритмы приведены для обработки транзактов двух приоритетов с ре- комендациями касательно изменения алгоритма (и структуры модели) при увели- чении количества приоритетов. Распределенный режим несколько отличается от приоритетного и имеет свои пре- имущества касательно применения в сетях с относительно равным количеством информа- ции, передаваемой срочными и бессрочными потоками. Так, в алгоритм распределенного режима обработки добавился один параллельный блок, содержащий бесконечный цикл. В нем в самом начале алгоритма генерируется один транзакт, который затем циклически переходит от одного блока задержки на некоторое время t1, характерное для времени обслуживания буфера пакетов приоритета 1 физического интерфейса, ко второму блоку задержки на время t2, характерное для времени обслуживания буфера пакетов приоритета 2. Доступность же свободного процессора каждому буферу определяется текущим местопо- ложением транзакта в блоке распределения. Пример реализации блока распределения в среде моделирования GPSS World приведен далее: M1I1Time EQU Time1 ;время обслуживания процессором кадра M1I1Pr1Act EQU TimePart1 ;доля процессорного времени для приоритета 1 M1I1Pr2Act EQU TimePart2 ;доля процессорного времени для приоритета 2 M1I1Pr1Time VARIABLE (M1I1Time#M1I1Pr1Act#koef) ;процессорное время для приоритета 1 M1I1Pr2Time VARIABLE (M1I1Time#M1I1Pr2Act#koef) ;процессорное время для приоритета 2 GENERATE ,,,1 ;генерация одного транзакта при старте модели LM1I1Act SEIZE M1I1Pr1Activity ; ADVANCE V$M1I1Pr1Time ;очередь с приоритетом 1 активна RELEASE M1I1Pr1Activity SEIZE M1I1Pr2Activity ADVANCE V$M1I1Pr2Time ;очередь с приоритетом 2 активна RELEASE M1I1Pr2Activity TRANSFER ,LM1I1Act ;бесконечный цикл с одним транзактом Ольшевский А.И. «Искусственный интеллект» 4’2008 478 5-О В данном примере используются две константы M1I1Pr1Act и M1I1Pr2Act, указывающие процентное соотношение времени процессора для обработки каждой очереди. Необходимо учесть следующие ограничения, накладываемые на значения этих констант: 1) 0 < M1I1Pr1Act, M1I1Pr2Act < 1; 2) M1I1Pr1Act+M1I1Pr2Act = 1. Следующие арифметические переменные M1I1Pr1Act, M1I1Pr2Act вычисляют конкретные значения времен задержек переключающего транзакта в каждом блоке задержки. Значение каждой такой переменной вычисляется по формуле: ММВkoefTqTt iproci ** , (3) где ti – фактическое время обслуживания очереди i процессором; Tproc – время обслуживания процессором пакета; Tqi – доля времени обслуживания очереди i; koef – некоторый множитель, koef > Tproc; ММВ – множитель модельного времени для представления значения в единицах модельного времени. Следует отметить, что для моделирования работы всего коммутатора в распределенном режиме (а то и всех коммутаторов модели – при условии, что все они абсолютно идентичны) достаточно наличия одного блока распределения – при условии, что все физические интерфейсы имеют равное количество очередей, и каждой из них выделяется равная доля времени. Модель конечной станции Первым этапом построения наиболее корректной модели конечной станции коммуникационной сети является ее формальное описание с точки зрения функ- ционирования, т.е. описание функций, поддерживаемых данным объектом модели, а в связи с этим – описание типов и свойств информационных потоков (транзактов в имитационном моделировании), посредством которых осуществляется взаимодейст- вие данного объекта модели с моделью в целом. Прежде всего, удалось выделить два типа конечных узлов в сети дистанционного обучения: станции студентов и станции преподавателей. В зависимости от типа конеч- ного узла был определен и ряд задач, свойственных каждому типу. При моделировании логики работы конечных узлов коммуникационной сети разра- ботчик сталкивается с рядом проблем, вызванных необходимостью уменьшения машин- ного времени работы модели как следствия большого количества блоков языка моделиро- вания, в свою очередь, вызванного достаточной сложностью моделируемого объекта. Так как модели конечных узлов в общей модели коммуникационной сети являются основными источниками транзактов, то именно в них и сосредоточено большое количест- во блоков генерации транзактов. Снижение их количества без ущерба для логики работы модели приведет к уменьшению машинного времени моделирования, чего и требуется добиться. Идея разработанного алгоритма основана на классификации задач, выполняемых моделью конечного узла, по категории обязательности и регулярности. Так, для каждого класса транзактов используется свой блок генерации. На рис. 1 приведена обобщенная схема разработанного алгоритма, а также его положение в модели конечной станции коммуникационной сети. Разработка алгоритмов генерации имитационных моделей… «Штучний інтелект» 4’2008 479 5-О Рисунок 1 – Обобщенная схема функционирования модели станции студента При реализации данного алгоритма на языке моделирования особый интерес представляет блок генерации обязательных транзактов и связанная с ним задача составления расписания времени их поступления в модель. Данная процедура Блок генерации обязательных транзактов (приоритет 1) Расписание поступления; значения разброса Блок генерации регулярных транзактов Блок задержки Блок определения размера и разбиения Типы с 1 по 5 Вероятностный классификатор транзактов Приоритет 1 Приоритет 2 Типы с 6 по 9 Типы 10 и 11 Поток пакетов Подсистема генерации потоков Модель передающего интерфейса сетевой карты Задержка отправки Передача в сеть Модель принимающего интерфейса сетевой карты Прием из сети Классификатор Удаление транзакта, регистрация Изменение параметра направления Ольшевский А.И. «Искусственный интеллект» 4’2008 480 5-О является полностью автоматизированной и возлагается на программу генерации модели конечного узла на основании учебного плана как исходных данных генерируемой модели. Модель передающего физического интерфейса сетевой карты После генерации транзакта, имитирующего задание, присвоения ему типа и приоритета (а также иной предварительной инициализации) всегда осуществляется безусловный переход по некоторой метке к блоку, имитирующему передающий физический интерфейс сетевой карты. Назначение данного блока заключается в следующем: 1) определении количества транзактов, имитирующих поток информации, в соответствии с объемом, свойственным данному типу потока; 2) определении других параметров транзакта, свойственных данному типу потока (например, адресат – для электронных писем, идентификатор сервера, содер- жащего файловый архив и т.д.); 3) разбиении транзакта на определенное количество копий; 4) организации очереди транзактов, ожидающих передачи в сеть; 5) осуществлении маршрутизации; 6) задержке транзакта при выходе из блока, имитирующей работу сетевой карты; 7) передаче транзакта по метке к модели канала связи. Модель конечной станции преподавателя Общая структура и логика функционирования станции преподавателя в целом повторяет структуру и логику функционирования станции студента. Небольшие различия касаются лишь блока генерации заданий (это связано с различиями в количестве заданий), а также фрагмента модели, имитирующего принимающий интерфейс (что связано с небольшими различиями в функциях некоторых заданий). Модель сервера По сути сервер в коммуникационной сети также можно отнести к типу конечных узлов. Однако его назначение довольно специфическое, что во многом отличает его от рассмотренных типов конечных узлов: станций студентов и преподавателей. Так, сервер не генерирует транзактов, а алгоритмы обработки поступающих транзактов различных типов коренным образом отличаются от алгоритмов их обработки иными узлами модели сети. В исследованной иерархической структуре коммуникационной сети системы дистанционного обучения сервер является единственным типом узлов, которые должны обрабатывать заявки всех выделенных типов. От точности определения хода обработки заявок каждого типа зависит степень адекватности модели сервера реальному объекту, выполняющему моделируемые процессы. В табл. 2 приведены основные этапы обработки моделью сервера транзактов каждого типа. Разработка алгоритмов генерации имитационных моделей… «Штучний інтелект» 4’2008 481 5-О Таблица 2 – Этапы обработки сервером транзактов каждого типа Тип транзакта Порядок обработки Тип 1 (реферат); Тип 2 (контрольная работа); Тип 3 (лабораторная работа); Тип 4 (курсовая работа); Тип 7 (электронное письмо); 1) принять все транзакты одного семейства; 2) объединить транзакты одного семейства; 3) изменить параметр назначения согласно параметру адресата; 4) поместить транзакт в модель почтового сервера. Тип 5 (запрос на доступ к методическому обеспечению) 1) принять транзакт; 2) поменять местами параметры узла-источника и узла-назначения; 3) размножить транзакт на некоторое случайное количество копий, варьируемое в заданном диапазоне; 4) осуществить маршрутизацию; 5) передать транзакт и копии модели передающего интерфейса сервера. Тип 6 (запрос на получение электронной почты) 1) принять транзакт; 2) выбрать из модели почтового сервера все транзакты, у которых значение параметра узла-назначения совпадает со значением параметра узла-источника пришедшего транзакта; 3) удалить пришедший транзакт; 4) разбить выбранные письма на пакеты; 5) осуществить маршрутизацию копий; 6) передать выбранные транзакты модели передающего интерфейса сервера. Тип 8 (сообщение в чат) 1) принять транзакт; 2) размножить транзакт на количество копий, равный количеству конечных узлов; 3) присвоить параметру конечного узла каждой копии различные значения идентификаторов конечных узлов; 4) осуществить маршрутизацию для всех копий; 5) передать копии модели передающего интерфейса сервера. Тип 9 (обмен данными с узлом Internet) 1) принять транзакт; 2) если в параметре узла-источника указан идентификатор конечного узла – присвоить параметру узла-назначения идентификатор узла Internet; если в параметре узла-источника указан идентификатор узла Internet – присвоить значение параметра адресата параметру узла-назначения; 3) осуществить маршрутизацию; 4) передать транзакт модели передающего интерфейса сервера. Тип 10 (сервис голосовой конференции) Тип 11 (сервис видео- конференции) 1) принять транзакт; 2) если параметр направления равен 1 – удалить транзакт; если параметр направления равен 0 – переход к шагу 3; 3) размножить транзакт на количество копий, заданное значением параметра PConn; 4) инициализировать параметры узла-назначения копий значениями параметров с порядковыми номерами, равными порядковому номеру копии; 5) изменить параметр направления пришедшего транзакта на значение 1; поменять местами значения узла-источника и узла- назначения; 6) осуществить маршрутизацию транзакта и копий; 7) передать транзакт и копии передающему узлу. Тип 12 (размещение файла на сервере) 1) принять транзакты одного семейства; 2) объединить транзакты одного семейства; 3) удалить полученный транзакт. Ольшевский А.И. «Искусственный интеллект» 4’2008 482 5-О Как отмечалось выше, сервер также является конечным узлом с особым назна- чением. Он не генерирует транзактов, однако также имеет передающий и прини- мающий физические интерфейсы. Структура моделей этих блоков в корне отличается от структуры моделей аналогичных блоков конечных узлов пользователей несмотря на то, что назначения их подобны. Так, из-за существенных различий в обработке транзактов различных типов, принимающий блок теперь берет на себя задачу разбиения на пакеты потоков, требующих этого. А вот модель передающего интер- фейса упростилась по максимуму, и в модели сервера не содержит блоков инициали- зации параметров, а содержит только блоки, организующие приоритетное поступление транзактов в сеть, а также отвечающие за маршрутизацию и передачу транзакта в сеть (в этом плане блок передатчика сервера дублирует блоки передатчиков конеч- ных станций пользователей). Заключение В статье рассмотрены принципы построения и функционирования коммуни- кационных сетей, произведена декомпозиция сети дистанционного обучения, предложен подход к построению имитационных моделей по заданной топологии и характеристикам сети. Решена проблема представления времени в модели для осуществления эффектив- ного моделирования. Разработаны алгоритмы осуществления маршрутизации и моделирования конечных узлов сети, выделены основные составляющие элементы сети обучения, их взаимодействие и алгоритмы обработки передаваемых сообщений. Построена модель главного сервера, находящегося в вершине иерархической структуры сети дистанционного обучения. Произведены расчеты и даны рекомен- дации для трансляции характеристик сети в параметры модели. Предлагаемая модель может использоваться при принятии решений на построение коммуни- кационной сети дистанционного обучения. Таким образом, полученные в статье результаты являются составной частью интеллектуальной системы проектирования информационных сетей дистанционного обучения. Литература 1. Ольшевский А.И. Интерактивная система проектирования топологии сетей дистанционного обу- чения на базе ДонГИИИ // Искусственный интеллект. – 2001. – № 2. – С. 52-56. 2. Ольшевский А.И. Интеллектуальная система проектирования информационных сетей дистанцион- ного обучения на базе ДонГИИИ // Искусственный интеллект. – 2007. – № 1. – С. 244-249. 3. Нейлор Т.Х. Имитационные эксперименты с моделями экономических систем. – М.: Мир, 1975. – 334 с. 4. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы. – СПб.: Питер, 2006. – 958 с. А.І. Ольшевський Розробка алгоритмів генерації імітаційних моделей комунікаційних мереж дистанційного навчання Стаття присвячена питанням автоматизації імітаційного моделювання при проектуванні мереж дистанційного навчання. Для реалізації алгоритмів генерації імітаційних моделей на GPSS запропонована декомпозиція моделі комунікаційної мережі дистанційного навчання. Також приведені: представлення окремих частин моделі, алгоритми роботи і інтерпретація алгоритмів мовою моделювання в середовищі GPSS World. Статья поступила в редакцию 17.07.2008
id	nasplib_isofts_kiev_ua-123456789-7551
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	1561-5359
language	Russian
last_indexed	2025-12-01T06:07:29Z
publishDate	2008
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
record_format	dspace
spelling	Ольшевский, А.И. 2010-04-02T10:26:41Z 2010-04-02T10:26:41Z 2008 Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения / А.И. Ольшевский // Штучний інтелект. — 2008. — № 4. — С. 471-482. — Бібліогр.: 4 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/7551 681.03.06 Статья посвящена вопросам автоматизации имитационного моделирования при проектировании сетей дистанционного обучения. Для реализации алгоритмов генерации имитационных моделей на GPSS предложена декомпозиция модели коммуникационной сети дистанционного обучения. Также приведены: представление отдельных частей модели, алгоритмы работы и интерпретация алгоритмов на языке моделирования в среде GPSS World. Стаття присвячена питанням автоматизації імітаційного моделювання при проектуванні мереж дистанційного навчання. Для реалізації алгоритмів генерації імітаційних моделей на GPSS запропонована декомпозиція моделі комунікаційної мережі дистанційного навчання. Також приведені: представлення окремих частин моделі, алгоритми роботи і інтерпретація алгоритмів мовою моделювання в середовищі GPSS World. ru Інститут проблем штучного інтелекту МОН України та НАН України Обучающие и экспертные системы Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения Розробка алгоритмів генерації імітаційних моделей комунікаційних мереж дистанційного навчання Article published earlier
spellingShingle	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения Ольшевский, А.И. Обучающие и экспертные системы
title	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения
title_alt	Розробка алгоритмів генерації імітаційних моделей комунікаційних мереж дистанційного навчання
title_full	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения
title_fullStr	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения
title_full_unstemmed	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения
title_short	Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения
title_sort	разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения
topic	Обучающие и экспертные системы
topic_facet	Обучающие и экспертные системы
url	https://nasplib.isofts.kiev.ua/handle/123456789/7551
work_keys_str_mv	AT olʹševskiiai razrabotkaalgoritmovgeneraciiimitacionnyhmodeleikommunikacionnyhseteidistancionnogoobučeniâ AT olʹševskiiai rozrobkaalgoritmívgeneracííímítacíinihmodeleikomuníkacíinihmereždistancíinogonavčannâ

Разработка алгоритмов генерации имитационных моделей коммуникационных сетей дистанционного обучения

Репозитарії

Схожі ресурси