Автоматизированное проектирование вычислительных сетей крупных проектных организаций тема диссертации и автореферата по ВАК РФ 05.13.12, доктор технических наук Стецко, Александр Алексеевич

• Стецко, Александр Алексеевич
• доктор технических наук
• 2008

Оглавление диссертации доктор технических наук Стецко, Александр Алексеевич

ВВЕДЕНИЕ.

ГЛАВА 1. СРАВНИТЕЛЬНЫЙ ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ. ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1 Основные проблемы автоматизированного проектирования ВС для крупных проектных организаций

1.2 Возможности и недостатки существующих систем АП ВС.

1.3 Математические модели трафика ВС.

1.4 Структурные модели ВС.

1.5 Методы оптимизации трафика.

1.6 Интеллектуальное моделирование рассуждений проектировщика.

1.7 Модели прогнозирования ВС на основе нечетких временных рядов.

1.8 Декомпозиция задачи автоматизированного проектирования ВС. Постановка задачи исследования.

ГЛАВА 2. МОДЕЛИ И МЕТОДЫ АВТОМАТИЗИРОВАННОГО

ПРОЕКТИРОВАНИЯ ВС НА ТРАНСПОРТНОМ УРОВНЕ.

2.1. Модель ВС транспортного уровня (Т-модель).

2.2 Формализованное описание топологии ВС (Топ-уровень).

2.3 Модель трафика ВС на транспортном уровне (Тр-уровень).

2.4 Моделирование маршрутизации на основе нечетких метрик (М-уровень)

2.5 Генетическая оптимизация выбора коммуникационного оборудования и топологии ВС.

2.6 Выводы по моделям транспортного уровня в САПР ВС.

ГЛАВА 3. МОДЕЛИ И МЕТОДЫ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ НА ПРИКЛАДНОМ УРОВНЕ.

3.1. Модель ВС на прикладном уровне (П-модель).

3.2. Имитационные модели «толстых» и «тонких» клиентов ВС (А-уровень).

3.3. Имитационные модели файлового сервера, сервера данных и ргоху-сервера (А-уровень).

3.4. Функциональные модели клиентских станций и серверов на основе сетей Петри (А-уровень)

3.5. Формализованное описание процессов проектирования на основе DFD-диаграмм (DFD-уровень)

3.6. Модификация DFD-диаграмм для задач АП. Включение в формализм расписания задач

3.7. Байесовская оптимизация ВС на прикладном уровне

3.8. Выводы по моделям прикладного уровня функционирования сети в крупной проектной организации.

ГЛАВА 4. ОСНОВЫ КОМПЛЕКСНОГО ТЕОРЕТИЧЕСКОГО ПОДХОДА К АВТОМАТИЗИРОВАННОМУ ПРОЕКТИРОВАНИЮ КРУПНОЙ

ПРОЕКТНОЙ ОРГАНИЗАЦИИ

4.1. Обобщенная модель ВС как объекта автоматизированного проектирования (ТП-модель)

4.2 Задача генерации транспортной схемы ВС по описаниям производственных процессов.

4.3 Метод распределения прикладных сервисов по транспортной схеме ВС

4.4 Алгоритм размещения сервисов

4.5 Модель нечеткого временного ряда

4.6. Выводы по обобщенной модели автоматизированного проектирования ВС.

ГЛАВА 5. ПРОГРАММНАЯ СИСТЕМА САПР ВС

5.1 Архитектура САПР ВС

5.2 Программная подсистема проектирования, моделирования и генетической оптимизации трафика и структуры ВС на транспортном уровне

5.3 Программная подсистема моделирования и байесовской оптимизации трафика ВС

5.4 Программная реализация функциональных моделей на основе сетей Петри.

5.5 Программная подсистема моделирования маршрутизации ВС на основе нечетких метрик.

5.6 Программная подсистема размещения прикладных сервисов в ВС.

5.7 Программная подсистема анализа нечетких временных рядов

5.8 Выводы по основным этапам проектирования ВС

ГЛАВА 6. АНАЛИЗ ВЫЧИСЛИТЕЛЬНЫХ ЭКСПЕРИМЕНТОВ МОДЕЛИРОВАНИЯ ВС И РЕЗУЛЬТАТОВ ЭКСПЛУАТАЦИИ РАЗРАБОТАННЫХ СИСТЕМ ПРОЕКТИРОВАНИЯ.

6.1 Анализ результатов оценки адекватности моделей ВС транспортного уровня

6.2 Сравнительный анализ эффективности генетической и байесовской оптимизации

6.3 Анализ эффективности моделирования нечеткой маршрутизации в ВС.

6.4 Анализ размещения сервисов по топологической схеме ВС.

6.5 Реализации функциональных моделей элементов ВС

6.6 Эффективность применения САПР ВС для крупной проектной организации.

Введение диссертации (часть автореферата) на тему «Автоматизированное проектирование вычислительных сетей крупных проектных организаций»

Актуальность проблемы

За последнее десятилетие отмечается интенсивное развитие вычислительных сетей (ВС) различной конфигурации, в том числе на базе МепШ-технологий с последующей интеграцией в глобальную информационную сеть. Практический потенциал в этой области накоплен очень большой, однако на практике очень часто сети проектируются и устанавливаются без привлечения соответствующих научных результатов, что приводит в итоге к частым выходам сетей из строя и их большим перегрузкам. Для малых сетей это не является критичным, в то время как для ВС крупных предприятий ошибки проектировщиков непосредственно сказываются на эффективности таких сетей.

ВС предприятия представляет собой эволюционирующий объект, который за время эксплуатации переживает несколько модификаций. Условия модификации существенно отличаются от условий проектирования тем, что ВС в текущем состоянии доступна для измерений. Результаты измерения параметров трафика и эксплуатационных параметров ВС могут быть использованы для прогнозирования параметров ВС в новом послепроектном состоянии. При проектировании с нуля гипотетические параметры могут быть получены в результате вычислительного эксперимента в ходе имитации или в результате экстраполяции результатов какого-то «типового» варианта на рассматриваемый вариант сети.

Автоматизированное проектирование (АП) ВС предполагает в качестве обязательной компоненты подсистему моделирования сети.

Модель ВС представляет собой топологию узлов, каналов и коммуникационного оборудования. Коммуникационное оборудование включает в себя: концентраторы, коммутаторы и маршрутизаторы. Концентраторы и коммутаторы задаются функционально, модели маршрутизаторов зависят от выбранного протокола и метрик каналов. Каналы обеспечивают передачу сигналов - пакетов. Природа трафика ВС — нечеткая случайная величина. Топология задается графом, в развитом виде - нечетким гиперграфом.

Узлы на транспортном уровне представляют собой генераторы и потребители трафика и могут быть заданы матрицей интенсивности. На прикладном уровне узлы делятся следующим образом: серверы данных, файловые серверы, ргоху-серверы, «толстые» и «тонкие» клиенты.

Взаимодействие узлов на прикладном уровне описывается на уровне производственных процессов модифицированными диаграммами потоков данных (дополнение - расписанием работы ВС). Особенность ВС проектной организации составляет наличие особого процесса — функционирования проектного репозитория - архива проектно-конструкторской документации.

Цель диссертационной работы

Целью диссертации является разработка нового теоретического подхода к автоматизированному проектированию вычислительных сетей на основе интеграции процессов принятия проектных решений, моделирования и оптимизации в условиях нечетко заданного трафика и нечетких метрик маршрутизации, разработка на основе данного подхода нового структурно-функционального решения САПР вычислительных сетей, позволяющего повысить качество автоматизированного проектирования в условиях неопределенности.

Задачи исследования

В соответствии с целью работы актуальными будем считать следующие задачи исследования:

• необходимо провести сравнительный анализ известных интеллектуальных методов оптимизации, существующих систем автоматизированного проектирования и моделирования ВС, в том числе языков имитационного моделирования;

• необходимо построить математическую модель АП ВС, позволяющую использовать современные методы поиска проектных решений, в том числе генетическую оптимизацию; адаптировать генетические алгоритмы (ГА) к задаче оптимизации ресурсов в ВС;

• необходимо разработать интеллектуальную систему АП ВС на основе моделирования рассуждений проектировщика ВС, исследовать применимость схемы рассуждений на основе распространенного метода байесовских сетей доверия (БСД);

• необходимо разработать формализованную модель трафика ВС, позволяющую использовать как качественные оценки, так и результаты статистических измерений;

• необходимо выработать ряд дополнений к известным языкам имитационного моделирования с целью их адаптации к задаче АП ВС, построить методику слияния двух видов описаний сети: прикладного описания и описания транспортной структуры сети;

• необходимо разработать средства представления структуры ВС, позволяющие описывать структуру ВС с разной степенью требуемой точности, например, на основе , нечетких гиперграфов; построить методику учета нечетких метрик; сформировать алгоритм маршрутизации с использованием нечетких гиперграфов и нечетких метрик;

• необходимо разработать функциональные модели узлов на прикладном уровне: имитационные модели серверов и клиентов;

• необходимо разработать алгоритм для решения задачи генерации транспортной схемы ВС, позволяющий успешно решить прикладные задачи в условиях неопределенности;

• необходимо разработать и реализовать средства оптимизации ВС как программную систему и исследовать ее результативность на примере ВС конкретных проектных организаций.

Методы исследования

Современная теория неопределенности, неточности и нечеткости; теория нечетких систем; теория графов, теория имитационного моделирования, методы генетической и байесовской оптимизации

Результаты, выносимые на защиту

Основные положения, выносимые на защиту

1. Теоретический подход к построению САПР ВС, сочетающий проектные процедуры с моделированием трафика и оптимизацией проектируемой ВС.

2. Методы оптимизации проектных решений на основе генетических алгоритмов (ГА) и байесовских сетей доверия (БСД), позволяющие определить состав коммуникационного оборудования и пропускную способность каналов.

3. Язык дополненных потоковых диаграмм взаимодействия прикладных задач, позволяющий выполнить имитационное моделирование трафика ВС.

4. Математическая модель трафика корпоративной сети на основе нечеткой случайной величины, позволяющая оперировать прогнозными данными о трафике и вычислительной загрузке сети, использовать нечеткие метрики при маршрутизации.

5. Формализованные функциональные модели прикладных процессов: имитационные модели серверов и клиентов на основе сетей Петри.

6. Гибридный метод, объединяющий нечеткое моделирование и распознавание нечетких тенденций для временного ряда трафика ВС и позволяющий строить результативные модели серверов приложений и клиентов.

Научная значимость работы

Автор защищает: разработанные модели автоматизации проектирования ВС; результаты теоретических, экспериментальных и практических разработок, внедрение в промышленную и опытно-промышленную эксплуатацию САПР ВС, в целом составляющие комплексный теоретический подход к построению САПР ВС.

Научная новизна. Впервые:

1. Адаптированы методы генетической оптимизации для всех основных этапов автоматизированного проектирования ВС.

2. Построена мера трафика как нечеткая случайная величина и разработана формализованная модель сети на основе теории нечетких гиперграфов, позволяющая на основе вероятностных нечетких величин оперировать прогнозными данными о трафике и вычислительной загрузке сети.

3. Разработаны методы поиска проектных решений на основе байесовской оптимизации.

4. Предложен язык модифицированных DFD-диаграмм {Data Flow Diagram), дополненных расписанием, для автоматизированного проектирования ВС.

5. Предложен метод моделирования протоколов маршрутизации с использованием нечетких метрик.

6. Разработаны формализованные функциональные модели узлов, как элементов прикладных процессов: имитационные модели серверов и клиентов на основе сетей Петри.

7. Разработан новый гибридный метод, объединяющий нечеткое моделирование и распознавание нечетких тенденций трафика и позволяющий строить имитационные модели сервера приложений и клиентов как системы нечетких правил.

8. Разработан алгоритм для решения задачи генерации транспортной схемы ВС, обеспечивающей успешное выполнение прикладных задач.

Практическая ценность и внедрение результатов

Созданная система автоматизированного проектирования вычислительных сетей используется на производстве и позволяет достичь улучшенных технико-экономических показателей объектов проектирования. Предлагаемый теоретический подход, методы и средства автоматизированного проектирования были успешно применены в проектных работах, выполняемых предприятием ФНПЦ ОАО «НПО «МАРС» в интересах АСУ ВМФ РФ (Море-99, Мелодия, Запевала и др.). Созданная САПР ВС активно используется в производстве и позволяет эффективно перераспределять высокопроизводительный трафик путем применения предлагаемого подхода и автоматической оптимизации, а так же сокращать время, затрачиваемое на проектирование вычислительных сетей.

Практическая ценность состоит в том, что разработанные модели и алгоритмы реализованы в форме программной системы и внедрены в деятельность ФГУП НПО "Марс" (г. Ульяновск). Практическое использование результатов диссертационной работы подтверждено соответствующими документами о внедрении.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Стецко, Александр Алексеевич

5.8. Выводы по основным этапам проектирования ВС

Разработанная САПР ВС демонстрирует необходимое сочетание процессов АП ВС и моделирования будущего поведения ВС. Взаимодействие этих двух процессов позволяет выделить следующие основные этапы проектирования ВС:

1. Описание задач проектируемой ВС. На этом этапе составляется модель потоков данных проектируемой сети без привязки к физической структуре сети. Этот этап является важнейшим в предлагаемом методе проектирования ВС, так как правильно составленная диаграмма процессов, происходящих в сети, является основой для дальнейшей разработки.

2. Описание физической структуры сети. На этом этапе проектировщик описывает саму локальную сеть на уровне узлов сети и каналов связи. Здесь устанавливаются взаимосвязи узлов сети через коммутирующие модули, или маршрутизаторы, расставляются серверы. Для каждого узла сети задается таблица маршрутизации. Фактически моделируется процесс составления и настройкр! реальной локальной сети. Указанные этапы производятся в системе параллельно. Проектировщик в любой момент может переключаться между составлением диаграммы прикладных процессов и созданием физической модели сети. Такая возможность позволяет уже на начальных этапах проектирования улучшить качество получаемой модели ВС за счет того, что проектировщик постоянно держит взаимосвязь между этими моделями.

3. Расчет обобщенной модели. На этом этапе производится слияние модели прикладных процессов и физической модели сети в обобщенную модель и ее автоматизированный расчет. Фактически система самостоятельно расставляет блоки диаграммы прикладных процессов, учитывая суммарный трафик сети, а также вычислительную загрузку отдельных узлов. При помощи ГА система находит оптимальный вариант наложения составленной схемы прикладных процессов на спроектированную физическую сеть.

4. Модификация. Заключается во внесении изменений в одну или обе модели, а также перестроение взаимосвязей проектировщиком.

Этапы модификации и оптимизации могут повторяться несколько раз, до тех пор, пока полученная система не будет удовлетворять всем требованиям проектировщика.

ГЛАВА 6. АНАЛИЗ ВЫЧИСЛИТЕЛЬНЫХ ЭКСПЕРИМЕНТОВ МОДЕЛИРОВАНИЯ ВС И РЕЗУЛЬТАТОВ ЭКСПЛУАТАЦИИ РАЗРАБОТАННЫХ СИСТЕМ ПРОЕКТИРОВАНИЯ

6.1. Анализ результатов оценки адекватности моделей ВС транспортного уровня

Для вычислительного эксперимента была выбрана ВС «НПО МАРС» на одном из этапов ее развития. Она состоит из сегмента конструкторов, сегмента

Источник трафика Получатель трафика Расписание и объём

АРМ конструктора Сервер конструкторов 4 раза в день по 10-100 Мб

АРМ тех-нормоконтроля Сервер конструкторов 8 раза в день по 10-100 Мб

Центральный сервер Сервер конструкторов 200 раз в день по 1 Мб

АРМ архива Сервер конструкторов 1 раз в день по 2000 Мб технологического и нормоконтроля, сегмента технологов и сегмента архива.

Расписание сетевых задач представлено в табл. 6.1.

ЗАКЛЮЧЕНИЕ

В результате исследования был создан новый теоретический подход к АП ВС на основе научного направления мягких вычислений, разработан комплекс моделей и алгоритмов для элементов ВС, позволяющих генерировать транспортную схему ВС по формализованному описанию прикладного уровня. Выполнен научный анализ современных работ по стохастической оптимизации, ГА, оптимизации ВС, обоснована целесообразность использования ГА как средств стохастической оптимизации ВС в связи с нарастающей сложностью корпоративных сетей.

Главным итогом диссертационной работы является создание нового теоретического подхода к автоматизированному проектированию ВС на основе научного направления мягких вычислений; разработка комплекса моделей и алгоритмов для элементов ВС, позволяющих генерировать транспортную схему ВС по формализованному описанию прикладного уровня.

1. Выполнен научный анализ современных работ по стохастической, генетической и байесовской оптимизации, обоснована целесообразность нового теоретического подхода к автоматизированному проектированию ВС на основе научного направления мягких вычислений в связи с нарастающей сложностью вычислительных сетей. На основе анализа возможностей и ограничений существующих САПР вычислительных сетей определено место нечетких систем в САПР ВС. Обоснована необходимость использования нечетких данных на этапе проектирования и перепроектирования вычислительных сетей. Выполнен сравнительный анализ существующих систем автоматизированного проектирования и моделирования ВС, а так же анализ существующих языков имитационного моделирования .

2. Адаптированы методы генетической оптимизации для АП ВС. Адаптация включает формализацию функции оптимальности ГА за счет моделирования трафика. Для построения функции оптимальности построена достаточная для применения ГА модель топологии вычислительной сети на основе упрощенных функциональных моделей коммутационного оборудования вычислительных сетей: концентраторов и коммутаторов. Исследованы различные виды генетических алгоритмов применительно к задаче оптимизации топологии ВС, в частности алгоритм «только мутация», эволюционные стратегии, мобильный генетический алгоритм.

3. Построена модель вычислительной сети на основе меры трафика, представленной нечеткой случайной величиной. Разработаны алгоритм выбора коммуникационного оборудования и определения оптимального варианта сегментации ВС в условиях нечетко заданных исходных данных.

4. Разработаны модифицированные ОГО-диаграммы (дополненные расписанием) для проектирования ВС. Разработана модель рабочей нагрузки на основе потоковых диаграмм; разработана методика и алгоритм слияния двух видов описаний сети: прикладного описания на уровне прикладных процессов и физической структуры сети.

5. Построена модель распределенной корпоративной сети на основе нечетких гиперграфов; разработана модель маршрутизации в условиях неопределенности; разработан алгоритм поиска кратчайшего пути по нечеткому гиперграфу с использованием нечетких метрик.

6. Разработана система моделирования маршрутизации в распределенных вычислительных сетях с использованием четких и нечетких параметров в условиях автоматизированного проектирования.

7. Разработаны модели функционирования сервера приложений на основе гибридного метода нечетких тенденций и нечеткого моделирования временных рядов.

8. Разработаны имитационные модели различных серверов: данных, ргоху, файл-серверов и модели различных клиентов на основе сетей Петри.

9. Проведены вычислительные эксперименты по исследованию эффективности разработанной САПР ВС.

10. Предлагаемый теоретический подход, методы и средства автоматизированного проектирования были успешно применены в проектных работах, выполняемых предприятием ФНПЦ ОАО «НПО «МАРС» в интересах АСУ ВМФ РФ (Море-99, Мелодия, Запевала и др.) .

Таким образом, в диссертации решена крупная научная проблема, имеющая важное хозяйственное значение для развития вычислительных сетей крупных проектных организаций, а именно: разработан новый теоретический подход к автоматизированному проектированию вычислительных сетей на основе интеграции процессов принятия проектных решений, моделирования и оптимизации в условиях нечетко заданного трафика и нечетких метрик маршрутизации, разработано на основе данного подхода новое структурно-функциональное решение САПР вычислительных сетей, позволяющее повысить качество автоматизированного проектирования в условиях неопределенности.

Список литературы диссертационного исследования доктор технических наук Стецко, Александр Алексеевич, 2008 год

1. Азов, 2005. Азов М.С., Макеев A.C., Стецко A.A. и дрПрикладные интеллектуальные системы, основанные на мягких вычислениях // Под ред Ярушкиной Н.Г./-Ульяновск, 2005.- 138 с.

2. Азов, 2008. Азов, А.А.Стецко, Н.Г.Ярушкина Автоматизированное проектирование вычислительных сетей крупных проектных организаций //Инфокоммуникационные технологии, № 1, 2008

3. Азов, 2007. Азов М.С. Стецко A.A., Ярушкина Н.Г. Автоматизированное проектирование вычислительных сетей на основе нечеткой модели трафика // Информатика и экономика: Сборник научных трудов Ульяновск: УлГТУ, 2007.

4. Альваро, Р., 2002. Альваро, Р. Принципы проектирования корпоративных IP сетей. Пер. с англ./Р. Альваро, У. Расс, Д. Слайс. — М. : Издательский дом «Вильяме», 2002.

5. Барбер, 1981. Барбер, Д.Вычислительные сети и сетевые протоколы/Д. Барбер, У. Прайс, С. Соломонидес. М. : Мир, 1981.

6. Березко, 2001. Березко, М. П Математические модели исследования алгоритмов маршрути-зации в сетях передачи данных/М. П. Березко, В. М. [Вишневский, 2001] Вишневский,Е. В. Левнер, Е. В. Федотов// Информационные процессы. 2001 -Т. 1, №2. С. 103-125.

7. Берж, 1962. Берж, К. Теория графов и ее применения/К. Берж. М. : Изд-во иностр. лит., 1962.

8. Берштейн, 1991. Берштейн, JI. С. Нечеткие модели для экспертных систем в САПР/Л. С. Берштейн, А. В. Боженюк, Н. Г. Малышев. М. : Энергоатомиздат, 1991.

9. Берштейн, 1999. Берштейн, Л. С. Введение в теорию нечетких графов: учебное пособие/ Л. С. Берштейн, А. В. Боженюк. Таганрог : ТРТУ, 1999.

10. Берштейн, 2005. Берштейн, JL С. Нечеткие графы и гиперграфы/JI. С. Берштейн, А. В. Боженюк. М. : Научный мир, 2005.

11. Букатова, 1981. Букатова, И. Л. Эволюционное моделирование: идеи, основы теории, приложения/И. Л. Букатова. -М. : Знание, 1981.

12. Вельмисов, 2007. Вельмисов А.П.,Стецко А.А.,Ярушкина Н.Г Data Minig для информационного интеллектуального хранилища // Информатика и экономика: Сборник научных трудов Ульяновск: УлГТУ, 2007.

13. Вишневский, 1990. Вишневский, В. M.Анализ методов маршрутизации при проектировании сетей пакетной коммутации. BrdLS. "Teletraffic Theory and Computing Modeling"/B. M. Вишневский, E. В. Федотов. -София, 1990.

14. Гнеденко, 1987. Гнеденко, Б. В. Введение в теорию массового обслуживания/Б. В. Гнеденко, И. Н. Коваленко. М. : Наука, 1987.

15. Жожикашвили, 1988. Жожикашвили, В. А. Сети массового обслуживания. Теория и применение к сетям ЭВМ/В. А. Жожикашвили, В. М. Вишневский. М. : Радио и связь, 1988.

16. Заде, 1974. Заде, Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений/Л. А. Заде. М. : Знание, 1974.

17. Заде, 1976. Заде, Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений/Л. А. Заде. М. : Мир, 1976.

18. Зыков, 1984. Зыков, А. А. Основы теории графов/А. А. Зыков М. : Наука, 1984.

19. Котов, 1984. Котов, В. Е. Сети Петри/В. Е. Котов. М. : Наука, 1984.

20. Кульгин, М.,1999. Кульгин, М. Технологии корпоративных сетей. Энциклопедия/М. Кульгин. СПб. : Питер, 1999.

21. Курейчик, 1990. Курейчик, В. М. Математичекое обеспечение конструкторского и технологического проектирования с применением САПР/В. М. Курейчик. М. : Радио и связь, 1990.

22. Макеев, 2008. A.C. Макеев, A.A. Стецко,. Н Г. Ярушкина Система моделирования маршрутизации корпоративных сетей на основе нечетких метрик // Инфокоммуникационные технологии, № 2, 2008

23. Мизин, 1986. Мизин, И. А. Сети коммутации пакетов/И. А. Мизин, В. А. Богатырев, А. П. Кулешов. М. : Радио и связь, 1986.

24. Нанс, 1998. Нанс, Б. Компьютерные сети/Б. Нанс. М. : Бином, 1996.

25. Обельченко, 1998. Обельченко, С. Е Разработка специальных систем связи/С. Е. Обельченко. М. : ИПК РРиС, 1998.

26. Олифер, 1998. Олифер, Н. А. Средства анализа и оптимизации локальных сетей/Н. А. Олифер, Н. Г. Олифер. М. : Центр Информационных Технологий, 1998.

27. Олифер, 2002. Олифер, В. Компьютерные сети: учебник для вузов/В. Олифер, Н. Олифер. СПб. : Питер, 2002.

28. Остерлох, 2002. Остерлох, X Маршрутизация в IP-сетях. Принципы, протоколы, настройка: Пер. с англ./Х. Остерлох. СПб. : ООО «ДиаСофтЮП», 2002

29. Оуэне, 1969. Оуэне, А. Искусственный интеллект и эволюционное моделирование/А. Оуэне, М. Уолш, JL Фогель. М. : Мир, 1969.

30. Растригин, 1968. Растригин, Л. А. Статистические методы поиска/Л. А. Растригин. М.: Наука, 1968.

31. Свами, 1984. Свами, М. Графы, сети и алгоритмы/М. Свами, К. Тхуласираман. М. : Мир, 1984.

32. Скурихин, 1995. Скурихин, А. Н Генетические алгоритмы/А. Н. Скурихин// Новости искусственного интеллекта. — 1995. — № 4.

33. Стецко, 2007. Стецко A.A. Автоматизированное проектирование вычислительных сетей крупных проектных организаций. Ульяновск: УлГТУ, 2007

34. Стецко, 2007а. А.А.Стецко, Н.Г.Ярушкина Автоматизированное проектирование вычислительной сети крупной проектной организации // Программные продукты и системы, № 4, 2007

35. Стецко, 2007b. A.A. Стецко Архитектура программной системы автоматизированного проектирования и моделирования вычислительных сетей // Программные продукты и системы, № 4, 2007

36. Стецко, 2008. Стецко А.А Принятие проектных решений на основе анализа нечетких тенденций временных рядов // Программные продукты и системы, № 3, 2008

37. Стецко, 2008а. A.A. Стецко А.А.Программная система автоматизированного проектирования и моделирования вычислительных сетей // Известия Самарского научного центра РАН, № 3, 2008

38. Стецко, 2008b. Стецко A.A., Ярушкина Н.Г., Методы генетической оптимизации при автоматизированном проектировании вычислительнойсети крупной проектной организации Известия Самарского научного центра РАН, № 3, 2008

39. Стецко, 2005. Ярушкина Н.Г., Шамшев А.Б., Макеев A.C. Система моделирования и проектирования трафика телекоммуникационных сетей в условиях неопределенности.// Диплом Международного Салона изобретений «Женева-2005», 2005

40. Стецко, 2007с. Стецко А. А.,Ярушкина Н.Г. Автоматизированное пректирование вычислительной сети на основе потоковой модели рабочей нагрузки // Информатика и экономика: Сборник научных трудов Ульяновск: УлГТУ, 2007.

41. Стецко, 2007d. Стецко A.A. Архитектура программной системы автоматизированного проектирования корпоративных сетей // Информатика и экономика: Сборник научных трудов Ульяновск: УлГТУ, 2007.

42. Стецко, 2008с. Стецко A.A. Принятие проектных решений на основе анализа нечетких тенденций временных рядов // Труды Всероссийской конференции «Нечеткие системы и мягкие вычисления», Ульяновск, 2008

43. Стецко, 2008d. Стецко A.A. Архитектура программной системы автоматизированного проектирования и моделирования вычислительных сетей // Труды международной конференции, «Интеллектуальные системы» «Интеллектуальные САПР, AIS 08, СAD-08,М.:Физматлит, 2008,

44. Стецко, 2008е. Стецко A.A. Принятие проектных решений на основе анализа нечетких тенденций временных рядов // Информатика, системы искусственного интеллекта и моделирование технических систем, Ульяновск, 2008

45. Столлингс, 2003. Столлингс, В Современные компьютерные сети. — 2-е изд/В. Столлингс. СПб. : Питер, 2003.

46. Тронин, 2008. Тронин В.Г., Стецко А.А.Моделирование сервера и рабочей станции вычислительной сети с помощью раскрашенных сетей Петри// Программные продукты и системы, № 3, 2008

47. Уилсон, 1977. Уилсон, Р. Введение в теорию графов/Р. Уилсон. М. : Мир, 1977.

48. Федотов, 1990. Федотов, Е. В. Определение оптимальных маршрутов в сети пакетной коммутации/Е. Федотов//Сетевая обработка информации. -М. : МДНТП, 1990.

49. Харари, 1973. Харари, Ф. Теория графов/Ф. Харари. М. : Мир, 1973.

50. Язенин, 1995. Язенин, А. В. Методы оптимизации и принятия решений при нечетких данных: Дис. . д-р физ.-мат. наук/ ТГУ./А. В. Язенин. -Тверь, 1995.

51. Язенин, 1999. Язенин, А. В. К задаче максимизации возможности достижения нечеткой цели/А. В. Язенин// Известия АН РФ. Теория и системы управления. -1999, №4.

52. Батыршин и др., 2007. Батыршин И.З., Недосекин А.О., Стецко A.A., Тарасов В.Б., Язенин A.B., Ярушкина Н.Г. Нечеткие гибридные системы. Теория и практика / По ред.Н.Г.Ярушкиной. М.: ФИЗМАТ ЛИТ, 2007. -207 с

53. Ярушкина, 2004. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.- 320 с. Ил.

54. Ярушкина, 2007. Н.Г.Ярушкина, А.П.Вельмисов, А.А.Стецко Средства Data Mining для нечетких реляционных серверов данных // Журнал «Информационные технологии», № 6, 2007

55. Ярушкина, 2007а. Ярушкина Н.Г., Макеев A.C., А.А.Стецко Система моделирования трафика телекоммуникационных сетей на основеизмерений и качественных оценок // Журнал «Датчики и системы», №11, 2007, с. 3-7

56. Ярушкина, 2005. Н.Г.Ярушкина, И.В. Семушин, A.A. Стецко Компонентно-ориентированная internet интегрированная среда для экспертизы эффективности деятельности крупных предприятий // Новости искусственного интеллекта, № 4, 2005

57. Ярушкина,2006а. Ярушкина Н.Г., Вельмисов А.П., Стецко A.A. Средства Data Mining для нечетких реляционных серверов данных // Сборник трудов Всероссийской конференции «Нечеткие системы и мягкие вычисления», Тверь, 2006

58. Ярушкина,2006b. Ярушкина Н.Г., Вельмисов А.П., Стецко A.A. Нечеткие гибридные системы в задачах интеллектуального анализа данных // X национальная конференция по искусственному интеллекту с международным участием КИИ-2006 (Обнинск), 2006

59. Ярушкина, 2006с. Ярушкина Н.Г.,Вельмисов А.П., Стецко A.A. Нечеткие гибридные системы в задачах интеллектуального анализа данных // Труды Международной конференции «Интеллектуальные системы», Т. 1, 2006, 81-89

60. Ярушкина, 2007с. Ярушкина Н.Г., Стецко A.A., Селяев А.Г., Чекина A.B., Кору нова Н.В. Разработка и реализация интеллектуального репозитария проектной организации // Научная сессия МИФИ-2007. Том 3.

61. Yarushkina, 2007. Yarushkina N., Stetsko A., Velmisov A. Data Mining for fuzzy relational data servers // Proceeding of World Congress IFSA'07, Cancun, Mexico

62. Ярушкина, 2008. Ярушкина Н.Г., Ярушкина Н.Г.,Стецко A.A., Наместников A.M. Моделирование маршрутизации на основе нечетких метрик // Научная сессия МИФИ-2008. Том 10, с.114-116

63. Ярушкина, 2008b. Н.Г. Ярушкина, A.A. Стецко Генетическая оптимизация при автоматизированном проектировании вычислительных сетей // XI национальная конференция по искусственному интеллекту с международным участием КИИ-2008 (Дубна), 2008,

64. Юнусов и др., 2007. Юнусов Т.Р., Ярушкина Н.Г., Афанасьева Т.В.] Моделирование трафика терминал-сервера на основе анализа нечетких тенденций временных рядов // Программные продукты и системы. 2007. - №4. - С. 15-19.

65. Berge, 1974. Berge, С. Hypergraphs: combinatorics of finite sets. Elsevier Science Puplishers B.V., 1989 [Cantor, Gerla, 1974] Cantor D.G, Gerla M.

66. Optimal Routing in a Packet-Switched Computer Network. IEEE Trans. Computers, 1974, vol. C-23, no. 10, pp.

67. Bothe, 1998. Bothe, H. H. Fuzzy Neural Networks. Prague: IFSA, 1997.

68. Caro, 1998. Caro, G., Dorigo M. Distributed Stigmergetic Control for Communications Networks: Journal of Artificial Intelligence Research. 1998, №9.

69. Gavish, 1983. Gavish, B., Hantler S. An Algorithm for Optimal Route Selection in SNA Networks. IEEE Trans. Comrnun., 1983, vol. COM-31, no. 10, pp. 1154-1161.

70. Goldberg, 1989. Goldberg, D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Adisonwesley Publishing Company Inc., 1989.V

71. Holland, 1975. Holland, Y.Adaptation in Natural and Artificial Systems. University of Michigan, Press, Ann Arbor, 1975.

72. Monderson, 2000. Monderson, J. N., Nair P. S. Fuzzy graphs and fuzzy hypergraphs. Heidelberg; New-York: Physica-Verl., 2000.

73. Nasiri, 2005. M. Nasiri Fuzzy regression modeling of false twist texturing yarn//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence.

74. Shapiro, 2005. A.Shapiro Soft computing and statistical techniques from an insurance perspective//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence.

75. Aznarte, Benitez, Castro, 2005. J. L. Aznarte, J.M. Benitez, J. L. Castro Equivalence relationships between fuzzy additive systems for time series analysis and smooth transition models//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence

76. Yarushkina, Semoushin, 2005. N. Yarushkina, I. Semoushin A Soft computing-based Integration Environment for Assessing the Performance of a Complex Enterprise//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence

77. Marchek, 2005. D. Marchek Determination of Fuzzy Relations for Economic Fuzzy time series models by SCL techniques//IFSA'05 Fuzzy Logic, Soft Computing and Computational Intelligence

78. Batyrshin, Sheremetov, 2007a. I. Batyrshin and L. Sheremetov Perception Based Time Series Data Mining for Decision Making//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic, pp209-219.

79. Ярушкина, 2004а. Н.Г. Ярушкина Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.- 320 с. Ил.

80. Cheung, Stephanopoulos, 1990. J.T. Cheung, G. Stephanopoulos, Representation of process trends. Part I. A formal representation framework, Computers and Chemical Engineering, Vol. 14, 1990,495-510.

81. Baldwin at al., 1998. J.F. Baldwin, T.P. Martin, J.M. Rossiter Time series modeling and predistion using fuzzy trend information, in: Proc. Int. Conf. SC Information/Intelligent Syst., 1998, 499-502.

82. Sosnin, 2005. Sosnin P., Stetsko A., Maklaev V. Means of question-answer interaction with experience in object-oriented analysis and design// Interactive

83. Systems and Technologies. The problem of Human-Computer Interaction/Collection of scientific papers.- Ulyanovsk, U1STU,2005, pp. 80-90

84. Yu at al., 2007. J. Yu, E. Reiter, J. Hunter, C. Mellish, Choosing the content of textual summaries of large time-series data sets, Natural Language Engineering (2007)

85. Batyrshin, Sheremetov, 2007а. I. Batyrshin and L. Sheremetov Perception Based Time Series Data Mining for Decision Making//IFSA'07 Theoretical Advances and Applications of Fuzzy Logic, pp209-219.

86. Dubois at al., 2005. D. Dubois, H. Prade, T. Sudkamp, On the representation, measurement, and discovery of fuzzy associations, IEEE Trans. Fuzzy Systems, Vol. 13, 2005, 250-262.

87. Zadeh, 2002. L.A. Zadeh, Toward a perception-based theory of probabilistic reasoning with imprecise probabilities, Journal of Statistical Planning and Inference, vol.105, 2002, 233-264.

88. Batyrshin, Sheremetov, 2006. I.Z. Batyrshin, L.B. Sheremetov, Perception based associations in time series data bases, in Proceedings of NAFIPS 2006.

89. Батыршин и др., 2007. Батыршин И.З., Недосекин А.О., Стецко А.А., Тарасов В.Б., Язенин А.В., Ярушкина Н.Г. Нечеткие гибридные системы. Теория и практика / По ред.Н.Г.Ярушкиной. М.: ФИЗМАТЛИТ, 2007. -207 с.

90. Ярушкина, 2000. Ярушкина Н.Г. Мягкие вычисления в автоматизированном проектировании. КИИ2000. М.: Физматлит, Т.2, 2000 - 479с.

91. Ярушкина, 2001. Ярушкина Н.Г. Нечеткие нейронные сети // Новости искусственного интеллекта. — 2001. №2-3

92. Круглов, Дли, 2002. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002. - 256 с.

93. Батыршин, 2001а. Батыршин И.З. Основные операции нечеткой логики и их обобщения. — Казань: Отечество, 2001. 100с.

94. Курейчик, 2004. Курейчик В.В., Курейчик В.М. Гладков JI.A Генетические алгоритмы: Под ред. Курейчика В.М.- Ростов-на-Дону: Ростиздат, 2004, 400 с.

95. Тейл, 1977. Тейл Г. Экономические прогнозы и принятие решений. М.: Статистика, 1977.-282 с.

96. Elder, Abbott, 1998. John F. Elder, Dean W. Abbott A Comparison of Leading Data Mining Tools // Fourth International Conference on Knowledge Discovery & Data Mining. New York, 1998