Разработка интеллектуальных программных средств управления активным оборудованием корпоративных вычислительных сетей с использованием методов распознавания образов тема диссертации и автореферата по ВАК РФ 05.13.13, кандидат технических наук Чашков, Юрий Анатольевич

• Чашков, Юрий Анатольевич
• кандидат технических наук
• 2002

Оглавление диссертации кандидат технических наук Чашков, Юрий Анатольевич

ВВЕДЕНИЕ.

Глава 1. ИССЛЕДОВАНИЯ МЕТОДОВ И СРЕДСТВ РАЗРАБОТКИ ПРОГРАММНЫХ СИСТЕМ УПРАВЛЕНИЯ КОРПОРАТИВНЫМИ

ВЫЧИСЛИТЕЛЬНЫМИ СЕТЯМИ.

L1. Принципы разработки систем управления вычислительными сетями . .11 L2. Стандарты и средства управления сетями.

1.2.1. Протокол управления сетями.

1.2.2. Протокол дистанционного мониторинга.

1.2.3. База управляющей информации.

1.3. Исследование и анализ архитектур систем сетевого управления.

1.4. Исследование и анализ моделей сетевого управления.

1.4.1. Модель управления сетями со стеком протоколов ТСРЛР.

1.4.2. Модель управления сетями Международной организации по стандартизации.

1.4.3. Открытая модель управления сетями.

1.4.4. Унифицированная модель сетевого управления.

1.5. Анализ программных систем управления сетями.

1.5.1. Система управления сетью HP Open View.

1.5.2. Система управления сетью SunNet Manager.

1.5.3. Система управления сетью DECmcc director.

1.5.4. Интеллектуальные системы управления корпоративными сетями

1.6. Методы разработки интеллектуальных компонент систем сетевого управления.

1.6.1. Сбор и предварительная обработка информации.

1.6.2. Идентификация состояний и выработка управляющих воздействий

Выводы к главе 1.

Глава 2. МЕТОДЫ И СРЕДСТВА ИНТЕЛЛЕКТУАЛЬНОГО ПРОГРАММНОГО УПРАВЛЕНИЯ КОРПОРАТИВНЫМИ СЕТЯМИ ПРИ ПОМОЩИ РАСПОЗНАВАНИЯ ОБРАЗОВ.

2.1. Формализация задачи управления вычислительной сетью.

2.2. Анализ применимооти методов распознавания состояний в управлении корпоративной вычислительной сетью.

2.3. Анализ методов распознавания состояний.

2.3.1. Интенсиональные методы распознавания.

2.3.2. Экстенсиональные методы распознавания.

2.4. Выбор алгоритма обучения распознаванию состояний сети.

2.5. Метод потенциальных функций.

2.5.1. Машинная реализация метода.

2.5.2. Выбор формы решающей функции.

Выводы к главе 2.

Глава 3. РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ ПРОГРАММНЫХ СРЕДСТВ УПРАВЛЕНИЯ КОРПОРАТИВНЫМИ ВЫЧИСЛИТЕЛЬНЫМИ СЕТЯМИ.

3.1. Разработка требований к интеллектуальным программным системам управления сетями.

3.2. Разработка структуры интеллектуальной программной системы управления сетями.

3.3. Выбор системы информативных переменных.

3.4. Разработка классификатора состояний сети.

3.5. Формирование и определение объёма обучающей выборки.

Выводы к главе 3.

Глава 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ И МЕТОДОВ.

4.1. Экспериментальная система интеллектуального программного управления корпоративными сетями «AE4etMon».

4.1.1. Общая характеристика программы.

4.1.2. Структура и алгоритм функционирования программы.

4.2. Методика применения разработанного программного обеспечения.

Выводы к главе 4.

Введение диссертации (часть автореферата) на тему «Разработка интеллектуальных программных средств управления активным оборудованием корпоративных вычислительных сетей с использованием методов распознавания образов»

Актуальность темы. В настоящее время при проектировании и эксплуатации корпоративных вычислительных сетей (ВС) актуальной задачей является решение проблемы предоставления качественных услуг по распределенной обработке информации [53, 128, 130], которая в значительной степени определяется развитостью механизма управления сетью [24].

Современная система управления вычислительными сетями (СУВС) объединяет ресурсы сети в единое целое и определяет тем самым уровень качества предоставляемых услуг. Но, несмотря на то, что постоянно разрабатываются новые аппаратные средства для организации передачи данных, соответствующее программное обеспечение, позволяющее эффективно решать задачи управления им, с учетом результатов анализа её работы и диагностирования как единым целым пока развиты недостаточно. Причина заключается в том, что программное обеспечение, которое заставило бы вычислительную сеть работать в качестве единой интегральной системы трудно создать, а альтернативный вариант - переработка существующих прикладных программ для адаптации к специализированным процедурам передачи данных, применяемых в большинстве сетей, для многих пользователей практически неприемлем.

Поэтому, несмотря на значительное увеличение скоростей передачи данных, отсутствие эффективных методов и средств управления активным сетевым оборудованием (ACO), в ряде случаев приводит к непредсказуемым снижениям производительности сети, и является существенным препятствием в применении изохронных и мультимедиа приложений. Отказы отдельных элементов сети приводят к прекращению функционирования целых подсистем, терминалов и рабочих станций, что в свою очередь ведёт к различным нарушениям в работе всей сети, изменению её конфигурации, перераспределению ресурсов, и перегрузке в информационном, алгоритмическом и программном плане отдельных компонент сети. В связи с этим своевременное прогнозирование внештатных ситуаций и планирование профилактического обслуживания позволяет повысить надёжность и эффективность сетевых инфраструктур, а также управлять их технической эксплуатацией. Эффективность использования таких средств тесно связана с возможностью построения распределенных систем управления на основе концепции открытых информационных систем [17].

Обеспечение высокого качества управления сложными техническими системами, к которым относятся корпоративные вычислительные сети, требует разработки новых методов и эффективных средств исследования протекающих в них процессов [42]. Поэтому в последние годы в ряде отечественных научно-исследовательских и производственных организациях, таких как ЦНИИС, ЦНИИ РТК, НПО «Дальсвязь», НИИ ССУ, НИИКТЭ, СПбГУВК, ИТЭФ, ИКИ РАН и др. проводятся работы по созданию новых принципов управления и их интеграции в вычислительные сети. Теоретические методы анализа производительности сетевого оборудования разрабатывались и развивались в работах Л.Б. Богуславского, В.М. Вишневского, В.В. Глущенко, J.A. Huntington, Т. Komel, М. Rose и др. [1, 2, 12, 13, 24, 32, 33, 176, 178, 179, 190, 191]. Анализ публикаций по проводимым в настоящее время разработкам СУВС показывает, что основное внимание в этой области направлено на решение задачи взаимодействия сети с пользователем и реальными объектами управления, а также задачи организации взаимодействия с внешней средой.

Однако решение сложных и ответственных задач управления сетевыми ресурсами в условиях изменяющейся внешней и внутренней обстановки требует от систем управления кроме применения методов теории управления в кибернетических системах включения блоков, обеспечивающих интеллектуальную поддержку механизма администрирования ВС. В связи с этим, проблемы создания интеллектуальных систем управления вычислительными сетями (ИСУВС) и оценки их производительности представляют значительный интерес: издаются специализированные журналы по данной тематике («Приборы и системы управления», «Сети и системы связи», «ШЕЕ Network»). В ведущих журналах типа «ШЕЕ/АСМ Transactions on Networking)), «Networks)), «LAN/Журнал сетевых решений)) периодически выходят тематические выпуски, посвященные появлению новых методов оценки производительности и управления ВС; ежегодно проходит множество специализированных международных конференций по проблемам оценки производительности и созданию интеллектуальных систем управления. Широкие перспективы применения адаптивных методов и интеллектуальных средств управления стимулировали научные исследования, в проведении которых принимают участие ученые в области систем связи, методов управления и создания интеллектуальных систем управления: В.В. Глущенко, B.C. Заборовский, О.И. Пятковский и др. [32, 33, 42, 92, 93].

Одним из перспективных направлений в указанной проблематике является применение методов теории распознавания образов. В рамках данного направления интенсивно развиваются логико-комбинаторные распознающие системы, необходимость создания которых неоднократно подчеркивалась известными учеными в области распознавания образов В.Н. Вапником, Н.Г. Загоруй-ко, Г.С. Лбовым, Д А. Поспеловым и др [18, 19, 43-45,48, 69, 70, 89, 90].

К настоящему времени разработано и реализовано на ЭВМ множество алгоритмов, распознающих состояния на основе предварительного обучения. Методы распознавания образов успешно применяются при создании интеллектуальных систем различной ориентации для поддержки процессов анализа знаний и принятия решений. Они предоставляют возможность ввода, хранения, изменения и анализа знаний большой размерности; позволяют выявлять закономерности, присущие изучаемым объектам; обеспечивают оперативность принятия решений по отношению к предъявляемым объектам. Многие задачи, успешно решаемые с помощью этих методов, характеризуются недостаточностью априорных данных о характеристиках распознаваемых объектов. Все это обусловило их практическую полезность.

Исходя из всего вышесказанного, можно сделать вывод, что методы теории распознавания образов могут быть успешно применены в составе интел-ле1стуальных систем управления корпоративными вычислительными сетями для идентификации состояний и выработки управляющих воздействий.

Целью диссертационной работы является разработка интеллектуальных программных средств управления активным оборудованием корпоративных вычислительных сетей с использованием методов распознавания образов. В соответствии с поставленной целью основными задачами, решаемыми в диссертационной работе, являются:

- анализ существующих программных средств управления корпоративными сетями;

- анализ архитектур и моделей систем сетевого управления;

- разработка требований, предъявляемых к интеллектуальным программным системам управления сетями;

- разработка методов сбора и предварительной обработки информации, а также идентификации состояния объекта управления;

- разработка комплекса моделей и методов интеллектуализации процесса управления сетью;

- реализация разработанных моделей и методов в виде программного комплекса и разработка методики его использования.

Данные задачи и проблемы определяют актуальность выбранной темы диссертационной работы. Логическая структура работы соответствует решению перечисленных проблем в указанной последовательности.

Первая глава диссертационной работы посвящена анализу применяемых в настоящее время моделей и методов исследования сетевых процессов, и содержит классификацию задач управления с точки зрения обеспечения необходимых параметров работы сетевых приложений. Определен класс рассматриваемых систем, в рамках которого анализируются основные задачи проектирования СУВС. Проведен детальный анализ существующих моделей и архитектур программных систем управления сетями. Отмечается, что современный этап развития сетевых технологий характеризуется ориентацией на создание распределенных информационных приложений, что требует разработки эффективных средств управления сетевыми параметрами и ресурсами.

Во второй главе рассматривается комплексный подход к реализации процедуры идентификации состояний активного сетевого оборудования как динамического объекта с использованием методов распознавания образов. Дано формальное описание процесса управления сетью в терминах теории распознавания образов. Анализируются существующие методы обучения распознаванию образов, и возможность их применения в ИСУВС для идентификации состояний.

В третьей главе предложена и обоснована обобщенная модель интеллектуальной системы управления корпоративными вычислительными сетями. Определены принципы построения и основные функциональные компоненты интеллектуальных управляющих программных систем. Сформулированы основные требования, которым должна соответствовать ИСУВС. В этой главе также рассматривается вопрос выбора системы информативных признаков характеризующих текущее состояние активного сетевого оборудования.

В четвертой главе решаются задачи практической разработки интеллектуального программного комплекса управления вычислительной сетью на основе теоретических положений, полученных в предыдущих главах диссертации. Приводятся основные характеристики и методика использования разработанного комплекса, а также примеры его практического использования. Даются рекомендации по использованию получаемой в процессе работы дополнительной информации.

В заключении приведены основные научные теоретические и практические результаты диссертационной работы.

В приложении представлены акты и справки о внедрении результатов работы.

Методы исследований. Решение сформулированных задач базируется на использовании математического аппарата и основных результатов в области искусственного интеллекта, теории распознавания образов, и теории вычислительных сетей, а в практической части - системного и объектно-ориентированного программирования.

Научная новизна. Основными научными результатами диссертационной работы выносимыми на защиту являются:

1. Модель интеллектуального программного управления корпоративными вычислительными сетями.

2. Применение методов распознавания образов для идентификации состояний активного оборудования корпоративных вычислительных сетей.

3. Обобщенная структура и требования, предъявляемые к интеллектуальным программным средствам управления корпоративными вычислительными сетями.

4. Комплекс интеллектуальных программных средств управления корпоративными вычислительными сетями, реализующий разработанные модели и методы.

Практическая значимость работы состоит в:

1. Создании программного комплекса для решения задачи интеллектуализации процесса управления сетями, включающего в себя 4 библиотеки, охватывающих решение всей совокупности задач: сбор и первичную статистическую обработку данных, обучение (переобучение) распознаванию состояний сети, классификации и хранения состояний сети, обеспечении оперативности принятия управляющих решений, подготовка отчетов. Практическое использование данного комплекса позволяет повысить качество администрирования и эффективность прогнозирования недопустимых состояний ВС.

2. Использовании объектно-ориентированного языка программирования JAVA, сетевых стандартов на базе протокола SNMP, структур MIB и набора библиотек AdventNetSnmpv3 в качестве основы для решения задачи построения интеллектуальной системы управления корпоративными вычислительными се

10 тями.

Практическая значимость работы подтверждена актами о внедрении, а также свидетельством об официальной регистрации программы для ЭВМ.

Внедрение результатов. Практическая реализация созданного программного комплекса позволила облегчить задачу оперативного управления корпоративными вычислительными сетями, эффективно прогнозировать возможные неполадки в сети, а также сократить время на их поиск и устранение. Основные результаты диссертации внедрены в: Московском государственном институте электроники и математики. Черновицком национальном университете. Государственном научно-производственном предприятии «Черновицкий геоинфоцентр», ООО «ЛантаТехСервис», ЗАО «АЛП-96». Акты и справки о внедрении представлены в приложении.

Публикации. Отдельные положения диссертации отражены в 12 печатных работах.

Апробация результатов. Основные научные положения и результаты диссертации докладывались и обсуждались на научно-технических конференциях студентов, аспирантов и молодых специалистов МГИЭМ (Москва, 20012002 гг.).

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, приложения и списка литературы из 205 наименований. Основная часть работы излагается на 155 страницах, включает в себя 27 рисунков и 4 таблицы.

Заключение диссертации по теме «Телекоммуникационные системы и компьютерные сети», Чашков, Юрий Анатольевич

Выводы к главе 4

На основе разработанного в диссертационной работе метода решения задачи интеллектуализации управления активным оборудованием корпоративной вычислительной сети, основанного на применении алгоритма распознавания состояний. В данной главе выполнена практическая реализация предложенных алгоритмов и методов и получены следующие основные результаты:

1. Разработана экспериментальная программная система интеллектуального управления корпоративными вычислительными сетями «AINetMon», которая: 1)предоставляет возможность ввода, хранения, и модификации экспертных знаний; 2)позволяет выявлять закономерности присущие изучаемому объекту; 3)обеспечивает оперативность принятия решений. Все это обусловливает её практическую ценность.

2. Экспериментальные исследования интеллектуального программного обеспечения «AINetMon» показали сходимость итерационных процессов применяемых при сборе и анализе информации, и подтвердили работоспособность программного обеспечения при классификации состояний активного сетевого оборудования методами искусственного интеллекта.

3. Практическое применение интеллектуальной программной системы управления корпоративными сетями «AINetMon» подтверждено актами о внедрении в Московском государственном институте электроники и математики. Черновицком национальном университете. Государственном научно-производственном предприятии «Черновицкий геоинфоцентр», ООО «Ланта-ТехСервис», ЗАО «АЛП-96». В ряде случаев применение разработанного ПО позволило сократить время затрачиваемое на поиск и устранение неполадок в сети на 10-12%.

ЗАКЛЮЧЕНИЕ

В диссертации рассмотрены вопросы разработки интеллектуальных программных средств управления активным оборудованием корпоративных вычислительных сетей с использованием методов распознавания образов и получены следующие основные результаты:

1. Анализ внештатных ситуаций в сетях позволил определить основную проблему, возникающую при управлении корпоративными вычислительными сетями заключающуюся в недостаточности априорной информации о функционировании активного сетевого оборудования. В итоге системы управления, основанные на традиционном подходе, становятся малоэффективны при управлении сложным динамическим многопараметрическим активным сетевым оборудованием. В связи с этим требуется разработка новых подходов к решению задачи автоматизации управления корпоративными вычислительными сетями.

2. Исследование систем управления сетями показало, что их основная функция заключается в сборе статистических данных о работе сети, а анализ и принятие решений выполняется администратором, что снижает качество управления сетью. Применение методов искусственного интеллекта для решения данных задач позволит повысить эффективность управления корпоративными вычислительными сетями.

3. Задача управления вычислительными сетями может быть сведена к задаче распознавания образов с использованием обучения с учителем в условиях недостаточности априорной информации. Это позволяет более точно проводить диагностику сети, выявляя неисправности на ранних стадиях их возникновения, и своевременно принимать соответствующие управляющие решения. В связи с этим сформулирована задача и разработана обобщенная процедура интеллектуализации управления корпоративными вычислительными сетями.

4. Так как для динамических систем, к которым относится корпоративная вычислительная сеть, характерно непрерывное изменение параметров, то области, соответствующие различным состояниям будут соприкасаться, а при учете помех и погрешностей измерения - пересекаться. Наиболее предпочтительными следует считать методы распознавания, основанные на математических моделях, ориентированных на обработку информации большой размерности. В связи с этим наиболее приемлемыми являются алгоритмы перцептронно-го типа в детерминистской постановке, работающие при пересекающихся образах, и алгоритмы аппроксимирующие разделяющую функцию путем минимизации квадратичного функционала.

5. На базе проведенных исследований разработаны требования, предъявляемые к системе интеллектуального программного управления сетями, обобщенная структура, принципы построения и основные функциональные компоненты, позволяющие в результате анализа поступающей информации классифицировать текущее состояние сети за счет введения предварительной процедуры обучения.

6. На основе полученных теоретических и практических результатов разработана интеллектуальная программная система управления корпоративными вычислительными сетями «AINetMon», предназначенная для анализа функционирования активного сетевого оборудования методами распознавания образов. Научные и практические результаты были внедрены в Московском государственном институте электроники и математики, Черновицком национальном университете. Государственном научно-производственном предприятии «Черновицкий геоинфоцентр», ООО «ЛантаТехСервис», ЗАО «АЛП-96» что подтверждено соответствующими актами о внедрении. В ряде случаев применение разработанного ПО позволило сократить время, затрачиваемое на поиск и устранение неполадок в сетях на 10-12%.

138

Список литературы диссертационного исследования кандидат технических наук Чашков, Юрий Анатольевич, 2002 год

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

2. Абросимов Л.И. Методология анализа вероятностно-временных характеристик вычислительных сетей на основе аналитического моделирования: Дис. д-ра тех. наук 05.13.13. -М., 1996. -415 с: ил.

3. Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных М.: 1983. -471с.

4. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Теоретические основы метода потенциальных функций в задаче обучения автоматов разделению входных ситуаций на классы. «Автоматика и телемеханика», 1964, т. XXV, №6

5. Алгоритмы обучения распознаванию образов. Под ред. В.Н. Вапника. М.: «Сов. радио», 1973. -200с.

6. Антонов C.B. Разработка методов и программных средств расчёта характеристик сетей с коммутацией пакетов: Дис. канд. тех. наук 05.13.13. -М., 1997. -157 с: ил.

7. Аркадьев А.Г., Браверман Э.М. Обучение машины распознаванию образов. М.: 1964.-112с.

8. Архангельский Б.В., Черняховский В.В. Поиск устойчивых ошибок в программах. -М.: Радио и связь, 1989. -240с.

9. Барабаш Ю.Л. Коллективные статистические решения при распознавании. -М.: Радио и связь, 1983. -224с.

10. Ю.Бекман Д. Стандарт SNMPv3 //Сети и системы связи. 1998. -№12. с.50.

11. П.Благодаров A.B. Математическое и программное обеспечение интеллеку-альных процедур идентификации состояния дискретного канала сети передачи данных: Дис. канд. тех. наук 05.13.11. -Рязань, 1999. -153с.: ил.

12. Богуславский Л.Б. Вероятностные методы и модели управления потоками данных и ресурсами в сетях и многопроцессорных системах: Дис. д-ра тех. наук: 05.13.13. -М., 1995. -350с.: ил.

13. Боков A.C. Об одном подходе к оценке надежности обучения распознавания постепенных отказов САУ //В сб.: Обеспечение надежности и качества систем методами технической диагностики: Тез. докл. -Челябинск: НТО, 1979. -с.33-35.

14. Бор Н. Атомная физика и человеческое познание: Пер. с англ. М.: Мир, 1961.-151с.

15. П.Бочаров П.П., Рыков В.В. Проблемы устойчивости и производительности информационно-вычислительных сетей в среде открытых систем // Информационно-вычислительные сети. 1998. -№1. с.95.

16. Вапник В.Н. Задача обучения распознаванию образов. М.: «Знание», 1971. -64с.

17. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистические проблемы обучения). М.: «Наука», 1974. 416с.

18. Васильев В.И. Распознающие системы: Справочник. К.: Наукова думка, 1983.-230с.

19. Васильев Д.В., Сабинин О.Ю. Ускоренное статистическое моделирование систем управления. -Л.: Энергоатомиздат. Ленингрд. отд-ние, 1987. -136с.

20. Вдовичев СВ. Методы и алгоритмы интеллектуальных технологий в управлении техническими системами: Дис. канд. тех. наук 05.13.01. -М, 1998. -180с.: ил.

21. Вебер Дж. Технология JAVA™ в подлиннике: Пер. с англ. -СПб.: BHV -Санкт-Петербург, 2000. -1104с.: ил.

22. Влацкая И.В. Решение задач управления технологическими объектами сложной структуры: Дис. канд. тех. наук 05.13.07. -Оренбург, 1999. -162с.

23. Вольфсон В. Л. Анализ качества работы каналов и серверов в 1п1етеШп1гапе1 сетях // Приборы и системы управления. 1999. -№4. с. 12.

24. Вычислительные сети. Выпуск 6. Диагностирование в локальных вычислительных сетях / Отв. ред. Пелипейко В.А. -Рига: Зинатие, 1990. -177с.

25. Гаврилов А.И. Нейросетевая реализация процедуры идентификации динамических систем: Дис. канд. тех. наук 05.13.11. -М, 2000. -169 с: ил.

26. Ганьжа Д. Удаленный мониторинг // ЬАК/Журнал сетевых решений. -1998. -№11.с.21.

27. Гедике А.И. Выявление закономерностей в знаниях и принятие решений: Дис. канд. тех. наук 05.13.11. -Томск, 1998. -227 с: ил.

28. Глобальные и корпоративные сети: Учебное пособие по циклу «Сетевые технологии» / Под ред. профессора В.Н. Азарова. -М.: МИЭМ, 1997. 213с.

29. Глушков В.М. Введение в АСУ. -Киев: Технка, 1974, 320с.

30. Глущенко В.В. Диагностико-прогнозирующие системы управления информационными процессами в сетевых объектах. -СПб.: СПГУВК, 1999. -286с.

31. Глущенко В.В. Информационные сетевые системы принятия решений в условиях неопределенности. -СПб.: СПГУВК, 1998. -114с.

32. Гордеев Э. Сложности выбора системы управления сетью // ЬАК/Журнал сетевых решений. 1997. -№1. с.56.

33. Горелик А.Л., Скрипкин В.А. Методы распознавания. -М.: Высшая школа, 1984. -219 с.

34. Гупта Э. Экспертные системы способны совершенствовать стратегию управления сетями // Сети, 1989 № 1 - с. 14 - 15.

35. Гурьянов В.М. Комплексная оптимизация параметров сети обмена данными в распределённых информационно-вычислительных системах: Дис. канд. тех. наук 05.13.13. -М., 1996. -191с.: ил.

36. Дуду Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. М.: Мир, 1978.-510с.

37. ЗР.Дюран Б., Оделл П. Кластерный анализ: Пер. с англ. -М.: Статистика,1977.-125с.

38. Даффи Д. Разные мнения о Web-технологиях и управлении гетерогенными сетями // Сети. 1996. -№6. с. 17.

39. Искусственный интеллект. -В 3-х кн. Кн. 2. Модели и методы: справочник /Под ред. Д.А. Поспелова. -М.: Радио и связь, 1990. -304с.

40. Каныгин Ю.М., Посадских В.И., Паньшин Б.Н. Совершенствование организации и управления электронно-вычислительным потенциалом. -М.: 0-во «Знание» УССР, 1982. -40с.

41. Классификация и кластер /Под ред. Дж. Райзина. -М.: Мир, 1980.-3 89с.

42. Клепарский В.Г., Менгазетдинов Н.Э. Основные задающие блоки управляющих систем // Приборы и системы управления. 1998. -№8. с.35.

43. Колесн1ков М.М., Чашков Ю.А. 1нтегральне управл1ння мультисерв1 сними телематичними мережами // Науковий в1сник ЧДУ. Вин. 66: Ф1зика. Елек-трошка. -Чершвщ: ЧДУ, 1999. -с. 106-108.

44. Кравец О.Я. Вычислительные сети: архитектура, оптимизация, управление: Учеб. пособие. -Воронеж, гос. техн. ун-т. Воронеж, 1996. -118с.

45. Кравчено В.П. Новая информационная технология поддержки процессов принятия решений // Проблемы информатизации. 1997. -№4. с. 44.

46. Краюшкин В.А. Разработка и исследование метода для анализа функциональных характеристик и выбора оптимальных параметров структуры мульти-сегментной локальной вычислительной сети: Дис. канд. тех. наук 05.13.13. -М., 1990. -290с.: ил.

47. Крылов СВ. Мониторинг и управление территориально-распределен-ными сетями: Дис. канд. тех. наук 05.13.14. -Н.Новгород, 1999. -240с.: ил.

48. Крейнес А. RMON переходит в наступление // Сети. 1996. -№6. с. 15.

49. Куен Зуй Ань Применение методов распознавания образов для экспресс оценки состояния электрических систем при больших возмущениях: Дис. канд. тех. наук 05.14.02. -М., 1993. -140с.: ил.

50. Кузин Е.С Адаптивная интеллектуальная система управления сбором и анализом информации // Проблемы информатизации. 1997. -№4. с. 51.

51. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. -М.: Наука, 1982. -168 с.

52. Кульгин М. Контроль трафика в сетях ATM // LAN/Журнал сетевых решений. 1998.-№12. с. 88.

53. Куо Ф.Ф. Протоколы и методы управления в сетях передачи данных. -М.: Радио и связь, 1985. 480с.

54. Купи Т. SunNet Manager ваш хороший помощник //Сети. -1995. -№2. с.7

55. Лазарев В.Г. Интеллектуальные цифровые сети. -М.: Финансы и статистика, 1996. 224с.

56. Ларюшкин С. Управление информационными сетями //Сети. 1997. -№5. с. 102.

57. Лбов Г.С., Котюков В.И., Машаров Ю.П. Метод обнаружения логических закономерностей на эмпирических таблицах. -В кн.: Вычислительные системы. Вып. 67. Новосибирск, 1976, с. 29-41.

58. Лбов Г. С, Старцева Н. Г. Алгоритм многоклассового распознавания, основанный на логических решающих функциях. -В кн.: Вычислительные системы. Вып. 111. Новосибирск, 1985, с. 3-10.

59. Лбов Г.С., Старцева Н.Г. Об одном понятии сложности стратегии природы в распознавании образов. -В кн.: Вычислительные системы. Вып. 117. Новосибирск, 1986, с. 91-102.

60. Леохин Ю.Л. Методы и аппаратно-программные средства комплексной динамической отладки для систем управления реального времени: Дис. канд. тех. наук 05.13.05, 05.13.13. -М., 1992. -188с.: ил.

61. Леохин Ю.Л. Управление и администрирование в компьютерных сетях: программные системы управления компьютерными сетями М.: МГИЭМ, 1998. -30с.

62. Леохин Ю.Л. Управление и администрирование в компьютерных сетях: протокол SNMP и базы данных управляющей информации MIB М.: МГИЭМ, 1998. -46с.

63. Липецкая Н.Д. Исследование и разработка интеллектуальных сервисных подсистем высокопроизводительных вычислительных систем: Дис. канд. тех. наук 05.13.13. -Л., 1991. -280с.: ил.

64. Макетирование, проектирование и реализация диалоговых информационных систем: Под ред. Е.И. Ломако / Л.И. Гуков, В.И. Ломако, A.B. Морозов и др. ~ М.: Финансы и статистика, 1993 . -320с.

65. Макеев СП., Шахнов И.Ф. Упорядочение альтернатив на основе расплывчатых оценок: Сообщения по прикладной математике. -М.: ВЦАН СССР, 1989. -42с.

66. Манохин А.Н., Старцева Н.Г. Экспериментальное сравнение 4-х алгоритмов распознавания образов. -В кн.: Вычислительные системы. Вып. 102. Новосибирск, 1984, с. 127-132.

67. Минский М., Пейпарт С. Персептроны. -М.: Мир, 1971. 261с.

68. Модин A.A. Основы разработки и развития АСУ. -М.: Наука, 1981. -3 Юс

69. Нариньяни A.C. Недоопределенность в системах представления и обработки знаний // Известия АН СССР. Техническая кибернетика. 1986 №5.-с.З-28

70. Научные основы организации управления и построения АСУ / Под ред. В.П. Бройдо, B.C. Крылова. М.: Высшая школа, 1990. -320с.

71. Орел E.H. Основы теории интеллектуальных систем: Учеб. пособие. Московский гос. ин-т радиотехники, электроники и автоматики. -М.: 1999.-56с.

72. Орлов A.n. Протоколы управления информационно-вычислительными сетями // Компьюлог. 1998. -№4. с. 73.

73. Пакет прикладных программ ОТЭКС. / Н.Г. Загоруйко, В.Н. Елкина, СВ. Емельянов, Г.С Лбов. -М.: Финансы и статистика, 1986. 160с.

74. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. М.: Высшая школа, 1989. -367с.

75. Петров М.Н. Вероятностно-временные характеристики в сетях и системах передачи информации: Научное издание / КГТУ. Красноярск, 1997. -220 с.

76. Подлазов B.C. Повышение пропускной способности коммутируемых локальных вычислительных сетей // Приборы и системы управления. 1997. -№8. с. 48.

77. Поляков А.О. Интеллектуальные системы управления. Введение в прикладную теорию: Учеб. пособие. СПб.: Изд-во СПбГТУ, 1997. -88с.

78. Поспелов Д.А. Моделирование рассуждений. -М.: Радио и связь, 1989. -184с.

79. Поспел OB Д.А. Моделирование человеческих рассуждений в интеллектуальных системах. Ч. 1. -Тверь: Центр программных систем, 1990.

80. Применение технологии JAVA для мониторинга сетевых устройств черезпротоколы SNMP / B B. Коноплев, М.Ю. Захаров, P.P. Назиров. M.: Ин-т косм, исслед. РАН, 1999. -20с.: ил.

81. Пятковский О.И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием / Алт. гос. техн. ун-т. им. И.И. Ползунова Барнаул. Изд-во АлтГТУ, 1999. -351с.

82. Пятковский О.И., Рубцов Д.В., Бутаков C.B., Левин К.А. Информационная система анализа экономического состояния предприятия // Известия Алтайского государственного университета. 1998. -№4. -с. 58-61

83. Раудис Ш.Ю. Ограниченность выборки в задачах классификации // В сб.: Статистические проблемы управления. Вильнюс: ИФМ АН Лит. ССР, 1976. -Вып. 18.

84. Раудис Ш.Ю., Пикялис В., Юшкявичюс К. Экспериментальное сравнение 13 алгоритмов классификации // В сб.: Статистические проблемы управления. -Вильнюс: ИФМ АН Лит. ССР, 1975. -Вып. 11. -с. 53-80.

85. Сабинин О.Ю. Статистическое моделирование технических систем. С. -Пб., С. -ПбГЭТУ, 1993.

86. Саламопе СВ. Сеть под микроскопом: принципы управления // Сети. -1998. -№5. с. 16.

87. ЮО.Семенов Ю. А. Сети Интернет. Архитектура и протоколы. М.: «Блик плюс», 1998. -424с.

88. Симанков B.C., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание) / Техн. ун-т Кубан. гос. технол. ун-та. -Краснодар, 1999. -318с.

89. Скляревич И.К. Анализ производительности информационного канала в решении задач управления сетью: Дис. канд. тех. наук 05.13.13. -Рига, 1990. -194с.: ил.

90. Словарь по кибернетике / Под ред. акад. В. М. Глушкова. -Киев, 1979. -502с.

91. Смилянский Г. Л. Какая АСУ эффективна? (руководителю об автоматизированных системах управления). -М.: Экономика, 1988. -303с.

92. Сталлингс У. Управление перегрузкой сетей ретрансляции кадров // Компьюлог. 1995. -№6. с. 24.

93. Юб.Тейер Т., Липов М., Нельсон Э. Надежность программного обеспечения. Анализ крупномасштабных разработок. -М.: Мир, 1981 . -323с.

94. Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. -М.: Энергия, 1979. -511с.

95. Технические средства сетей ЭВМ. М.: МИЭМ, 1997, 289с.

96. Трахтенгерц Э.А. Организация компьютерных систем поддержки принятия решений // Приборы и системы управления. 1997. -№12. с. 53.

97. ПО.Ту Дж., Гонсалес Р. Принципы распознавания образов. -М. :Мир, 1978 -411с.

98. Фу К. Структурные методы в распознавании образов: Пер. с англ. М.: Мир, 1977. -320с.

99. Харченко A.B. 1нтеграц1я метод1в анал1зу великих набор1в даних у 1нте-лектуальному штерфейс1 користувача: Дис. канд. ф1з. -мат. наук 05.13.15. -Кшв., 1994. -156с.: ил.

100. Хелд Г. Как рассчитать пропускную способность сети? // LAN/Журнал сетевых решений. 1996. -№6.

101. Хемминг Р.В. Численные методы. М.: Наука. 1972.

102. Хорошевский В.Ф. Методология и технология построения программного обеспечения интеллектуальных систем: Дис. д-ра тех. наук: 05.13.11. -М., 1995. -235с.: ил.

103. Хоруитт Э. Web-интерфейс для платформы сетевого управления // Сети. 1997.-№2. с. 31.

104. Христов П. Инструменты управления сетью // Открытые системы. -1994. -№3.с. 51.

105. Царёв Н.В. Мир TCP/IP. Протокол SNMP // Сети и системы связи. -1996. -№7. с. 102.

106. Цьшкин ЯЗ. Адаптация и обучение в автоматических системах. -М.: Наука, 1968. -400с.

107. Цьшкин ЯЗ. Основы информационной теории идентификации. -М.: Наука, 1984. -520с.

108. Цьшкин Я.З. Основы теории обучающих систем. -М.:Наука, 1970. -252с.

109. Чашков Ю.А. Г1С-технолог11 та географ1чне картографування: деяк! проблемн1 аспекти // Науковий в1сник Черн1вецького державного ун1верситету: 36. наук. пр. Вин. 80: Географ1я. Чершвщ: ЧДУ, 2000. -с. 145-148.

110. Чашков Ю.А. Побудова 1нелектуальних програмних систем керування обчислювальними мережами // Науковий в1сник Чершвецького державного ун1верситету: 36. наук. пр. Вип. 86: Ф1зика. Електрон1ка. Черн1вц1: ЧДУ, 2000. -с. 65-66.

111. Чашков Ю.А. Применение теории распознавания образов в управлении компьютерными сетями // Научно-техническая конференция студентов, аспирантов и молодых специалистов МГИЭМ. Тезисы докладов. -М.: МГИЭМ, 2001, -с. 58-59.

112. Чашков Ю.А. Архитектура систем управления вычислительными сетями // Аспирант и соискатель. 2001. -№3. с. 318-319.

113. Чашков Ю.А. Организация видеоконференций в компьютерных сетях //

114. Техника кино и телевидения. 2001. -№6. с. 34-35.

115. Чашков Ю.А. Распределенная система управления сетью // Computer-World Россия. 2001.-Хо18. с. 41.

116. Чашков Ю.А. Видеоконференции в мультисервисных сетях // Техника кино и телевидения. 2002. -№2 с. 41.

117. Чашков Ю.А. Технология программирования. Учебное пособие для студентов специальности 22.01 // Московский государственный институт электроники и математики. -М., 2001. -110с.:ил.

118. Чашков Ю.А. Методы сбора данных о состоянии вычислительной сети //Научно-техническая конференция студентов, аспирантов и молодых специалистов МГИЭМ. Тезисы докладов. -М.: МГИЭМ, 2002, с. 92-94.

119. Чашков Ю.А. Применение Web-технологии в управлении сетями // Научно-техническая конференция студентов, аспирантов и молодых специалистов МГИЭМ. Тезисы докладов. -М.: МГИЭМ, 2002, с. 91-92.

120. Чашков Ю.А. Средства управления сетями при помощи JAVA // Computer World/Ukraine. -2001. -№33 с. 17-18.

121. Свидетельство об официальной регистрации программы для ЭВМ №20026110444 пакета программ «AINetMon».

122. Шалютин СМ. Искусственный интеллект. -М.: Мысль, 1985. -196с.

123. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. -М. :Энергоатомиздат, 1983.-415с.

124. Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений // Открытые системы. 1998. -№1. с. 30.

125. Шаракшанэ А.С, Шахин В.П., Халецкий А.К. Испытания программсложных автоматизированных систем / Под ред. проф. Шаракшанэ А.С. -М.: Высш.шк., 1982. -192с.

126. Штайнке С. Управление сетями приходит в Web // LAN/Журнал сетевых решений. 1997. -№12. с. 105.

127. Штернберг Л.Ф. Разработка и отладка программ. -М.: Радио и связь, 1984.

128. Юдицкий С, Подлазов В., Борисенко В. Искусство диагностики локальных сетей // LAN/Журнал сетевых решений. 1998. -№7-8. с.97.

129. Юшкявичюс К.З., Раудис Ш.Ю. Вычисление ожидаемой ошибки классификации для кусочно-линейного решающего правила //В сб.:Статистические проблемы управления. -Вильнюс: ИФМ АН Лит.ССР, 1976.-Вьга. 14.-е. 67-83.

130. Ягер P.P. Множества уровня для оценки принадлежности нечётких подмножеств. -В кн.: Нечеткие множества и теория возможностей. Последние достижения. -М.: Радио и связь, 1986. -с. 71-78.

131. AdventNet SNMPv3 API Release 3.0 // Help Document. Advent Net Inc. March 2000. -332 p.

132. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992.

133. Astrom K.J., Anton J.J. Expert control //Automatica. 1986. Vol.22

134. Bandler W., Kohout L. Fuzzy power sets and fiizzy implication operators //Fuzzy Sets and Systems. 1980. V. 4, pp. 13-30

135. Bapat S. OSI management information base implementation. Integrated Network Management II, Washington, D. C, 1991.

136. Bashkirov ОА., Braverman E. M., Muchnik L B. Potential function algorithms for pattern recognition learning machines // Automation and Remote Control. 1964. -N25. -pp. 629-631.

137. Carter E.H., Dia P.O. Evaluating Network Management Systems: Criteria and observations, Integrated Network Management II, Washington, D. C, 1991.

138. Case J.D., Keith McCloghire, Rose M., Waldbusser S.L., Management Information Base for Version 2 of the Simple Network Management Protocol (SNMPv2). Request for Comments 1450, SNMP Research Inc., April 1993.

139. Case J.D., Keith McCloghire, Rose M., Waldbusser S.L., Structure of management information for version 2 of the simple network management protocol (SNMPv2), RFC 1442, April 1993.

140. Collins W. The reality of OSI management // Network World. 1989. № 9.

141. Conant R.C. Laws of information which govern systems // IEEE Trans, on Systems, Man and Cybernetics. 1998. Vol. 49 Ш 4. pp. 99 - 102.

142. Cooper D., Cooper P., Non supervised adaptive signal detection and pattern recognition. IEEE Trans, on IT, vol. IT-11, № 2, 1965.

143. Datapro Research Corp. An Overview of Simple Network Management protocol, NM40-300, pp. 201 -207, Delran, USA, 1990.

144. Datapro Research Corp. SNMP Query Language, NM40-300, pp. 401-404, Delran, USA, 1991.

145. De Baets В., Kerre E. Fuzzy inclusions and the inverse problems, in: Second European Congress on Intelligent Techniques and Soft Computing, Aachen, Germany, 1994, V.2, pp. 940-945.

146. Digital Equipment Corp. LAN Traffic Monitor, Product Guide, Cambridge, USA, 1989.

147. Fu K.S., Nikolie Z.Y. (Purdue Univ., Indiana), A mathematical model of learning in an unknown environment. Proc. of the NEC, Vol. 22, 1966

148. Galvin M.J., Keith McCloghire Administrative Model for Version 2 of the Simple Network Management Protocol (SNMPv2). Request for Comments 1445,

149. Trustedlnforaiation Systems, April 1993.

150. Galvin M.J., Keith McCloghire, Davis J.R. Secure Management of SNMP networks. Integrated Network Management II, Washington, D.C.,1991 -pp 143-151

151. Gilbert E.E. Unified Network Management Architecture Putting it All Together, AT&T Technology, Vol. 3, Number 2,1988, pp 97 - 104.

152. Gilsolfi A., Cicalese F. Classifying through a fuzzy algebraic structure. -Fuzzy Sets and Systems, 78, 1996, pp. 317-331.

153. Herman J. Net Management Directions Architectures and standards for mul-tivendor net management. Business Communication Review, June 1991, pp 79-83

154. Hewlett-Packard Company. HP OpenView Network Manager Server, Palo Alto, California, 1989.

155. Holland J.H. Adaptation in natural and artificial systems. An introductory analysis with application to biology, control and artificial intelligence. London: Bradford book edition, 1994 - 211 pp.

156. Highleyman W.H. The design and analysis of pattern recognition experiments. Bull. Syst. Techn. J., Vol. 4, №3,1962.

157. Hubner U. Methodik und Hilfsmittel zur Programmproubung // Radio Femse-hen Elektronik. -1983. -Vol. 32. -№9. -p. 567-571.

158. Hughes G.P. On the mean accuracy of statistical pattern recognizer. IEEE Trans, on Information Theory, Vol. IT-14, № 1, 1968.

159. Huntington J.A. SNMP/CMIP market penetration and user perception, Interop 1990, San Jose, October 1990.

160. Jeffrey D. Case, Mark S. Fedor, Martin L. Schoffstall, and James R. Davin. A simple Network Management Protocol. Request for Comments 1157, SNMP Research, Inc., May 1990.

161. Komel T. Effective management of local area networks: functions, instruments and people. McGrow-Hill, Inc. 1992. -376p.

162. Komel T. Communication networks management. McGrow-Hill, 1993.-596p.

163. Kruskal J.B. Multidimensional Scaling and cluster analysis, in Classificationand Clustering (ed. by J. Van Ryzin). Academic Press, 1977. (Russian translation'A Clussificatsija i cluster. -Moscow, Mir, 1980,20-41)

164. Mendel J.M., McLaren R.W. Reinforcement learning is control and pattern recognition systems //Adaptive, Learning and Pattern Recognition Systems: Theory and Applications -New York: Academic Press, 1970. -pp 287-318

165. Mier E. Testing SNMP in Routers, Network World, July 1991, USA, pp 193-204183 .Morrison W. Ethernet LAN Management: NMCC/VAX ETHERnim, Integrated Network Management, Elsevier Science Publisher, IFIP 1989, pp 207 - 212.

166. Mouttham A., Frontini M., Griffin J. LAN Management using expert systems. Integrated Network Management, Elsevier Science Publisher, IFIP 1997, -pp 248274.

167. Narenda K.S., Parthasarathy K. Identification and Control of Dynamical Systems Using Neural Networks // IEEE Transactions on Neural Networks. 1990. -Vol.1. -No 1.-pp. 4-27.

168. Novell Inc. LANAnalyzer and LANtem Product Guide, San Jose, California, USA, 1998,-pp. 34-49.

169. Presuhn R. Considering CMIP, Data Communications LAN Strategies, McGraw-Hill, March 1990, pp. 55-56.

170. Raman L. «CMISE Functions and Services)) IEEE Commun. Mag., vol. 31, no. 5, May 1993,-pp. 59-63.

171. Richard P. Lippmann, An Introduction to Computing withNeural Nets, IEEE Acoustics, Speech, and Signal ProcessingMagazine, April 1987.

172. Rose T.M., Keith McCloghire How to manage your network using SNMP. PTR Prenfice Hall Englewood Cliffs NJ, 1995. -549p.

173. Rose T.M., The simple book: An introduction to network management, 3"a ed., Upper Saddle River, NJ: Prentice Hall, 1996.

174. Rosenblatt F. The perceptron: a theory of statistical separability in Cognitive systems. Cornell Aeron. Lab. Rep. N V G 1196 - G - 1, Jan. 1958.

175. Saal Н. The protocol Analyzer A multipurpose tool for LAN Managers, LAN Technology, M & T Publishing Inc, June 1993, - pp. 293 - 314.

176. Seaman J. Controlling Complex Networks // Computer Decisions. -1983. -Vol. 15, № 8. pp. 141-143, 145-162

177. Scott K. SNMP brings order to chaos. Data Communications LAN Strategies, McGraw-Hill, March 1990, pp. 24-30.

178. Siegl R., Trausmuth G. Hierarchical network management: a concept and its prototype in SNMPZ/C omputer networks and ISDN systems, pp441-452, March 1996

179. Smith F.W. Design of Minimum-Error Optimal Classifiers for Patterns from Distributions with Gaussian Tails // IEEE Transactions on Information Theory. -1971.-Vol. IT-17. -№6.

180. Spragins J.D. A note on the iterative application of Bayes rule. IEEE Trans., IT-11, July, 1965.

181. Stallings W. SNMP, SNMPv2 and RMON: Practical Network Management, 2^ ed., Readong, M A: Addison-Wesley, 1996.

182. Sun Microsystems. SunNet Manager product guide, Mountain View, California, 1990.

183. Tamura S., Higuchi S., Tanaka K. Pattern classification based on fuzzy relations. -IEEE Trans, on Systems, Man and Cybernetics SMC-1 (1971), 61-66.

184. Tschammer V., Klessman P. Local Area Network Management Issues, Da-tapro Research Corporation, NM50-300, Delran, NJ, 1989, pp. 100-108.

185. Vandenberg Chr. MIB-II extends SNMP Interoperability, Datapro Research Corporation, McGraw-Hill, October 1990, pp. 119-124.

186. Wright M. L., Green M. W., Cross P.P. An expert system for real-time control// IEEE Software. 1996 № 3 .205 .Young T.Y., Calvert T.W. Classification estimation and pattern recognition. Amer. Elsvier. Publ. Сотр., New York, 1974.155