Разработка и исследование методов применения систем поддержки принятия решений на основе нечетких моделей в задачах проектирования информационно-вычислительных сетей тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Солодовников, Андрей Юрьевич

• Солодовников, Андрей Юрьевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Солодовников, Андрей Юрьевич

Глава 1. Анализ процесса проектирования информационно-вычислительных сетей

1.1. Анализ корпоративных информационно-вычислительных сетей.

1.2. Этапы и задачи проектирования информационно-вычислительных сетей масштаба предприятия.

1.3. Анализ существующих методов и средств проектирования информационно-вычислительных сетей.

1.4. Постановка задачи разработки методики использования систем поддержки принятия решений в задачах начальных этапов проектирования корпоративных информационно-вычислительных сетей.

1.5. Выводы.

Глава 2. Теоретические основы, принципы построения и функционирования систем поддержки принятия решений на основе нечетких моделей.

2.1. Использование систем поддержки принятия решений в задачах проектирования сложных информационных систем.

2.2. Применение аппарата нечеткой логики в системах поддержки принятия решений.

2.3. Методы извлечения нечетких экспертных знаний.

2.4. Координация нечетких решений при декомпозиции многоуровневых иерархических систем.

2.5. Выводы.

Глава 3. Разработка методики проектирования корпоративных вычислительных сетей на основе системы поддержки принятия решений с использованием нечетких моделей

3.1. Описание предлагаемой методики проектирования вычислительных сетей.

3.2. Алгоритм построения иерархии и топологии вычислительной сети.

3.3. Нечеткие модели решения задач проектирования вычислительных сетей.

3.4. Описание среды системы проектирования вычислительных сетей: модули, программная реализация.

3.5. Выводы.

Глава 4. Решение задач проектирования корпоративных вычислительных сетей с использованием разработанных методов и системы проектирования.

4.1. Проектирование вычислительной сети кафедры «экономические информационные системы» МГУ ПИ.

4.2. Проектирование корпоративной сети сервисно-информационного центра Калужского филиала ОАО «ЦентрТелеком».

4.3. Выводы.

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов применения систем поддержки принятия решений на основе нечетких моделей в задачах проектирования информационно-вычислительных сетей»

Актуальность темы исследования. Развитие технологий, используемых в производственных и информационных процессах, ведет к необходимости создания все более быстродействующих и сложных вычислительных сетей, обеспечивающих необходимое качество услуг для различных нужд предприятий. Постоянное повышение требований к быстродействию и качеству предоставляемых сетями услуг, быстро изменяющийся спектр сетевого оборудования, протоколов, появление новых технологий и программного обеспечения, а также острая конкуренция на рынке предоставления услуг системной интеграции определяет повышенные требования к процессу проектирования вычислительных сетей с целью снижения издержек и ускорения процесса проектирования.

Анализ проектных процедур, используемых сетевыми интеграторами, показывает, что процесс проектирования вычислительной сети в большой степени основывается не на формальных методах, а на опыте и интуиции разработчиков. Это обуславливается тем, что начальные этапы проектирования вычислительной сети (ВС), предусматривающие выбор технических и программных средств, топологии, иерархии сети и системы протоколов, с одной стороны, требуют учета большого числа параметров, определяющих качественные и количественные показатели вычислительной сети, а с другой, проходят в условиях неполной и неточной начальной информации.

Существующие системы проектирования вычислительных сетей ограничиваются имитационным моделированием физических моделей сетей, оставляя системному интегратору синтез и оптимизацию модели сети. Класс задач структурного и параметрического синтеза ВС относится к NP-полным задачам принятия решений, и в условиях неточности и неопределенности формализовать их выполнение традиционными аналитическими методами не представляется возможным. На практике начальные этапы проектирования ВС сводятся к итеративному процессу интуитивного выбора разработчиком конфигурации сети и оборудования, построения имитационной модели, оценки результатов моделирования и коррекции параметров модели.

Учитывая вышесказанное, представляется актуальным разработка методов и средств, автоматизирующих выполнение задач начальных этапов проектирования ВС, таких, как синтез топологии и иерархии сети, параметрический синтез технических и программных средств, принимая во внимание как специфику самих ВС, так и процесса их проектирования. Перспективным подходом к решению подобных задач является использование интерактивных человеко-машинных систем поддержки принятия проектных решений, позволяющих проводить этапы структурного и параметрического синтеза проектных решений на основе экспертных оценок и суждений с учетом опыта, знаний и предпочтений разработчиков проекта. Специфика исследуемой проблемной области обуславливает необходимость интегрированного подхода к построению интеллектуальных систем поддержки принятия решений, позволяющего рационально сочетать математические и логические методы исследования сложных систем, интуицию и опыт проектировщика с использованием новых методов представления знаний, прогноза и оценки альтернативных вариантов решений.

Цели и задачи исследования. Целью данной работы является исследование и разработка методики применения систем поддержки принятия решений на основе нечетких моделей в задачах начальных этапов проектирования информационно-вычислительных сетей и практическая реализация разработанной методики в виде инструментального программного обеспечения, позволяющего автоматизировать начальные этапы проектирования корпоративных вычислительных сетей.

Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

• Исследование моделей представления знаний в интеллектуальных системах, анализ методов и принципов применения интеллектуальных систем для решения задач проектирования сложных информационных систем.

• Исследование особенностей корпоративных вычислительных сетей (КВС) и возникающих при их проектировании задач, анализ возможности применения систем поддержки принятия решений (СППР) на основе нечетких моделей для решения задач начальных этапов проектирования ВС.

• Разработка методики автоматизации начальных этапов проектирования ВС на основе СППР и системы имитационного моделирования, разработка методов взаимодействия СППР с системой имитационного моделирования ВС и лицом, принимающим решение (ЛПР), в процессе проектирования ВС.

• Разработка инструментального программного обеспечения системы автоматизированного проектирования ВС на основе предложенной методики, экспериментальное исследование и анализ эффективности предложенной методики проектирования ВС, определение критериев и ограничений ее применения.

Методы исследования. Для решения поставленных задач в данной работе использовались понятия и методы математической логики, теории множеств, теории графов, элементы L-исчисления, системного анализа, формальной семантики языков, современные методологии построения программных комплексов, систем и системного программирования, совокупность методов, обобщенных направлением "мягкие вычисления": аппарат нечетких множеств, нечеткой алгебры и нечеткой логики, теория возможностей, нейросетевые технологии; методы теории вероятности, теории массового обслуживания и имитационного моделирования.

Научная новизна диссертации заключается в следующем:

• Предложены принципы построения и применения систем поддержки принятия решений в задачах проектирования вычислительных сетей, обосновано применение нечетких моделей и аппарата нечеткой логики в системах поддержки принятия решений применительно к задачам проектирования корпоративных вычислительных сетей.

• Разработана методика решения общей задачи проектирования ВС, включающая метод нечеткой декомпозиции общей задачи проектирования ВС на ряд локальных подзадач проектирования сегментов сети.

• Разработаны нечеткие модели представления экспертных знаний для решения локальных подзадач проектирования ВС.

• Разработаны методы интеграции системы моделирования и системы поддержки принятия решений, разработан и апробирован метод определения качества получаемого проекта ВС.

Практическая значимость. В данной работе в качестве объекта проектирования исследуется наиболее распространенный класс ВС - сети масштаба предприятия (корпоративные ВС), с соответствующими параметрами работы, задержек, типами передаваемого трафика и требованиями к надежности и безопасности. Предлагаемая методика проектирования ВС позволяет эффективно, при взаимодействии системы с разработчиком (ЛПР), решать задачи, возникающие на начальных этапах проектирования корпоративных ВС. В ходе выполнения работы создано оригинальное программное обеспечение инструментария проектирования информационно-вычислительных сетей на базе среды разработки экспертных систем Fuzzy Expert, доведенное до уровня исследовательского прототипа. Общий объем разработанного программного обеспечения инструментария составляет около 30000 строк кода на языках С++, JavaScript, FCL и IDL. Часть инструментария (экспертная среда Fuzzy Expert) зарегистрирована в отделе регистрации программ ЭВМ, баз данных и топологий ИМС Федерального института промышленной собственности РОСПАТЕНТа (свидетельство №2002611146 от 09.07.2002).

Практическая ценность состоит в том, что разработанные методики, модели и алгоритмы реализованы в виде программной инструментальной среды проектирования вычислительных сетей и используются в производственных процессах Калужского филиала ОАО "ЦентрТелеком" и ОАО "КалугаЭнерго". Предлагаемая методика проектирования вычислительных сетей, а также разработанная система проектирования допускают модификации и расширения, обеспечивающие поддержку процесса проектирования различных классов вычислительных сетей.

Достоверность полученных результатов обеспечивается использованием аппарата математической логики, теорий нечетких множеств, принятия решений, графов, структур данных, полнотой и корректностью исходных предпосылок, математической строгостью доказанных утверждений и преобразований при получении аналитических зависимостей, а также результатами имитационного моделирования, практической реализации и апробации работы.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 12-ой международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, МЭИ (ТУ), 2006г), 11-ой международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, МЭИ (ТУ), 2005г), международной научно-технической конференции "Информационные средства и технологии" (Москва, МЭИ (ТУ), 2005г), международной научно-технической конференции "Информационные средства и технологии" (Москва, МЭИ (ТУ), 2004г), 5-м всероссийском семинаре "Моделирование неравновесных систем" (Красноярск, 2002), региональной студенческой научно-технической конференции "Прогрессивные технологии и конструкции, механизация и автоматизация производственных процессов" (Калуга, КФ МГТУ им. Н.Э.Баумана, 2000г).

Публикация результатов работы. По теме диссертации опубликовано 11 работ, отражающих основные результаты работы.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 77 наименований и приложений. Работа, содержит 147 страниц машинописного текста содержательной части, 39 рисунков, 9 таблиц и 8 страниц библиографии.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Солодовников, Андрей Юрьевич

4.3. Выводы

• При помощи рассмотренных примеров показано, что предлагаемая методика проектирования ВС на основе СППР и использованием нечетких моделей обеспечивает выполнение этапов проектирования технической и физической моделей ВС с использованием экспертных оценок и суждений при решающей роли разработчика проекта. Разработанная на основе предлагаемой методики инструментальная среда проектирования ВС обеспечивает построение и имитационное моделирование физической модели ВС на основе функциональной модели предприятия, результаты проектирования представлены в виде карты ВС и результатов работы системы имитационного моделирования.

• Анализы результатов внедрения инструментальной среды проектирования ВС показывают, что в задачах проектирования корпоративных ВС малых и средних размерностей обеспечивается значительное снижение трудозатрат на создание имитационных моделей ВС, уменьшается время получения проектных решений ВС при аналогичном либо лучшем качестве решения. Обосновано снижение трудоёмкости выполнения проекта ввиду того, что от разработчика проекта ВС не требуется специальных знаний языка построения имитационных моделей ВС.

• Сравнительный анализ результатов выполнения проектов ВС как с использованием предлагаемой методики, так и без, показывает, что получение нескольких вариантов проектных решений с оценкой качества решения в результате выполнения проекта при помощи разработанной инструментальной среды позволяет сравнительно оценить предложенные варианты при проведении имитационного моделирования и выбрать наиболее удовлетворяющие поставленным ограничениями и критериями проектирования ВС.

Заключение

В ходе выполнения диссертационной работы получены следующие основные теоретические и практические результаты:

• На основе анализа существующих методов и средств проектирования ВС были выявлены характерные особенности ВС как объекта проектирования и самого процесса проектирования ВС, определены возможности и необходимости применения СППР в задачах проектирования ВС в условиях неопределенности, проведен анализ современных принципов построения и методов применения СППР в задачах проектирования информационных систем, обосновано использование экспертных систем на основе нечетких моделей и продукционного представления экспертных знаний в задачах проектирования ВС совместно с системами имитационного моделирования ВС.

• Разработана методика решения общей задачи проектирования ВС с использованием СППР на основе нечетких моделей, включающая метод нечеткой декомпозиции общей задачи проектирования ВС на ряд подзадач проектирования сегментов ВС и метод координации нечетких решений.

• Предложены нечеткие модели решения подзадач проектирования сегментов ВС на основе экспертных оценок и знаний, разработан и апробирован метод определения качества получаемого проекта ВС.

• Определены основные этапы функционирования системы проектирования ВС, разработаны методы взаимодействия системы поддержки принятия проектных решений ВС с системами имитационного моделирования ВС, case-системой представления функциональной модели предприятия и разработчиком проекта сети.

На основе предложенных методов, методики, моделей и алгоритмов были разработаны следующие программные инструментарии и проведены исследования критериев применимости предлагаемой методики проектирования ВС:

На основе представленных методов и алгоритмов проектирования ВС, значительно доработанной в результате исследований экспертной среды Fuzzy Expert, пакетов имитационного моделирования ВС Comnet III и NS2, case-среды Rational Rose разработан программный инструментарий проектирования ВС, позволяющий на основе DFD-диаграмм, описывающих функционально-информационную модель производства, получать проектное решение в виде физической модели ВС.

Произведено проектирование сегмента ВС кафедры «Экономические информационные системы» МГУПИ, определено оптимальное наполнение базы знаний системы проектирования применительно к задачам проектирования малых корпоративных вычислительных сетей. Выполнено внедрение разработанной системы проектирования ВС в учебные и производственные процессы Калужского филиала ОАО «ЦентрТелеком» и ОАО "КалугаЭнерго", определены критерии применимости предлагаемой методики проектирования ВС в задачах проектирования ВС малой и средней размерности.

По результатам внедрения разработанной инструментальной среды проектирования ВС сделаны выводы о значительном снижении трудозатрат на процесс проектирования ВС, уменьшении времени получения проектного решения, расширении возможностей анализа получаемых решений, а также упрощении процесса создания имитационных моделей ВС.

Список литературы диссертационного исследования кандидат технических наук Солодовников, Андрей Юрьевич, 2006 год

1. Biswas G., Oliff М., Sen A. Expert decision support system for productuon control // Decision Support System. -1984 -V.4, N 2. P. 7-14.

2. Gerla M., Kleinrock L. On the Topological Design of Distributed Computer Networks // IEEE Trans, on Commun. -1977 V.COM-25, - N1. - P. 48-60.

3. Girratano J., Riley G. Expert Systems: Principles and Programming. PWS Publishing Company, Boston. - 1993, 2nd Ed. - 389 p.

4. IEC 1131. Fuzzy Control Programming. Committee Draft CD 1.0 (Rel. 19 Jan 97). PROGRAMMABLE CONTROLLERS, Part 7. -1997. - 72 p.

5. Jane M., Dovrolis C. End-to-end available bandwidth: measurement methodology, dynamic and relation with TCP throughput // In Proc. ACM SIGCOM -2000-V.1.-P. 12-48.

6. McCanne S., Floyd S. Ns-LNBL network simulator. http://www-nrg.ee.lbl.gov/ns.

7. Saaty T.L. Exploring the interface between hierarchies, multiple objectives and fuzzy sets // Fuzzy Sets and Systems. 1978 - V. 1. - P. 57-68.

8. Saaty T.L. Measuring the fuzziness of sets // Journal of Cybernetics. 1974 -V.4.-P. 53-61.

9. Umano M., Ezawa Y. Execution of approximate reasoning by neural network // Proceedings of FAN Symposium. -1991. P. 267-273.

10. Абросимов Л.И. Анализ и проектирование вычислительных сетей: Учеб. пособие. М.: Издательство МЭИ, 2000. - 52 с.

11. Абросимов Л.И. Расчет характеристик вычислительных систем сложной конфигурации с помощью контуров. // Изв. АН СССР. Сер. Техн. кибернетика.-^. -№5. С. 98-106.

12. Алексеев А. В., Борисов А. Н. и др. Интеллектуальные системы принятия проектных решений. Вильнюс: Zinatne, 1997. - 320 с.

13. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Издательство Тюменского государственного университета, 2000. 352 с.

14. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений : Сб. статей / Пер. с англ. ; Под ред. И.Ф. Шахнова. М., 1976.-С. 172-215.

15. Борисов А. Н. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. - 184 с.

16. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Знатне, 1982. - 256 с.

17. Вишневский В.М. Теоретические основы проектирования компьютерных сетей. Москва: Техносфера, 2003. - 512 с.

18. Гиляров В.Н, Крюков А.Ю, Бондарчук П.В. Использование Neuro-Fuzzy технологии для генерации и оптимизации эвристических правил программный продукт Лингвогенератор // Труды международного семинара

19. Мягкие вычисления 96"/ Под ред. И.З. Батыршина, Д.А. Поспелова, Казань, 1996. - С. 92-100.

20. Гостев В.М., Хабибуллин Р.Ф. Технологии оптимизации проектирования сетей передачи данных территориальных компьютерных сетей // Исследования по информатике: Ин-т проблем информатики АН РТ. Казань, 1999.-С. 157-174.

21. Грунина Г.С., Деменков Н.П. Программный комплекс для проектирования нечеткого логического регулятора // Приборы и системы управления. 1997. -N 8. - С. 19-21.

22. Джерла М. Маршрутизация и управление потоком // Протоколы и методы управления в сетях передачи данных / Под ред. Ф.Ф.Куо. М.: Радио и связь, 1985.-480 с.

23. Джеффри Е. Хинтон. Как обучаются нейронные сети // В мире науки N 11 -N 12, 1992.-С. 103-107.

24. Елисеев П.И. Интерпретация нечетких подмножеств в задачах моделирования и управления // Изв. АН: серия техническая кибернетика, №3, 1992. -С. 32-34.

25. Еремеев А.П. Экспертные модели и методы принятия решений. -М: Издательство МЭИ, 1995. 110 с.

26. Жожикашвили В.А., Вишневский В.М. Сети массового обслуживания. Теория и применение к сетям ЭВМ. М.: Радио и связь, 1988. - 192 с.

27. Заде JI. Нечеткая логика / Копия перевода ГПНТБ. N 190786. - М., 12.9.89. - 10 с. - Пер. ст. Zadeh L. из журнала: Computer. - 1988. - Vol. 21, N4.-3. 83-93.

28. Заде JI. Понятие лингвистической переменной и его применение для принятия приближенных решений. М.: Мир, 1976. - 165 с.

29. Захаров Г.П., Методы исследования сетей передачи данных М.:Радио и связь, 1982.-208 с.

30. Клейнрок JI. Вычислительные системы с очередями. М. : Мир, 1979. -600 с.

31. Клещев Н.Т., Роганов А.А. Проектирование информационных систем. / Под общей редакцией Курбанова К.И. М: Издательство Российской экономической академии, 2000. - 386 с.

32. Комарцова JI. Г., Солодовников А. Ю. Инструментальная среда для выбора параметров корпоративной вычислительной сети на основе нечеткого вывода / Информационные технологии, №2, 2003. С. 36-41.

33. Комарцова JI. Г., Солодовников А. Ю. Моделирование компьютерной сети с использованием нечеткой логики / Сб. докладов V Всерос. сем. "Моделирование неравновесных систем". Красноярск: ИВМ СО РАН.,2002. -С. 63-64.

34. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. -М: Изд-во МГТУ им. Н.Э.Баумана, 2002. 320 с.

35. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

36. Кульгин М.В. Технологии корпоративных сетей. СПб: Изд-во "Питер", 2000. - 704 с.

37. Мелихов А.Н., Бернштейн J1.C., Коровин C.J1. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

38. Минский М., ПейпертС. Персептроны. М.: МИР, 1971.-261 с.

39. Нгуен Минь Хай Моделирование с помощью нечетко-значной вероятностной логики // Изв. АН: серия техническая кибернетика, № 5, 1993.

40. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова М.: Наука, 1986. - 311 с.

41. Нечеткие множества и теория возможностей. Последние достижения / Под. ред. Р. Ягера- М.: Радио и связь, 1986. 391 с.

42. Норенков И.П. Основы автоматизированного проектирования. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 336 с.

43. Норенков И.П., Трудношин В.А. Телекоммуникационные технологии и сети. М.: Изд-во МГТУ им. Н.Э. Баумана, 1998. - 232 с.

44. Олифер Н.А, Олифер В.Г. и др. Стратегическое планирование сетей масштаба предприятия. М: Центр Информационных Технологий, 2000. -680 с.

45. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. -М.: Наука, 1981. 206 с.

46. Прикладные нечеткие системы / Под ред. Т.Тэрано -М:Мир, 1993. -512 с.

47. Романов А.Ф., Шемакин Ю.И. Индуктивно-дедуктивный логический вывод в нечетких условиях // Изв. АН: серия техническая кибернетика, № 5, 1992.-С. 18-24.

48. Саати Т. Принятие решений. Метод анализа иерархий / Пер. с англ.- М.: Радио и связь, 1993. 315 с.

49. Сигеру Омату. Нейроуправление и его приложения. Кн2./ Сигеру Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н.В. Батина; под ред. А.И. Галушкина, В.А. Птичкина. М.: ИПРЖР, 2000. - 272 с.

50. Силов В.Б. Оптимизация многокритериальных систем нечетко-условного программирования // Изв. АН: серия техническая кибернетика, № 4, 1992. -С. 34-39.

51. Трахтенгерц Э.А. Компьютерная поддержка принятия решений в САПР // Автоматизация проектирования, № 5, 1997. С. 56-62.

52. Трахтенгерц Э.А. Компьютерная поддержка принятия решений: научно-практическое издание. Серия "Информатизация России на пороге XXI века". -М.: СИНТЕГ, 1998. 376 с.

53. Ульянов С.В. Нечеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты // Изв. АН: серия техническая кибернетика, №3,1991. С. 76-79.

54. Чернов В.Г. Организация ввода аналитических данных в нечеткие контроллеры // Изв. АН: серия техническая кибернетика, №5, 1994. С.45-49.

55. Шаповаленко С. Динамическое моделирование и анализ корпоративных вычислительных систем // Сетевой, №6, 2001 С. 73-79.

56. Язенин А.В. Линейное программирование со случайными нечеткими данными // Изв. АН: серия техническая кибернетика, №3, 1991. -С. 67-69.

57. Ярушкина Н.Н., Пирогов В.В. Оптимизация ресурсов вычислительных сетей в условиях нечетко заданного значения трафика // Вестник УлГТУ, N2, 1999.-С. 80-88.