Семантическое моделирование корпоративных вычислительных сетей тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Серяков, Павел Юрьевич

• Серяков, Павел Юрьевич
• кандидат технических наук
• 1999

Оглавление диссертации кандидат технических наук Серяков, Павел Юрьевич

ВВЕДЕНИЕ.

1. ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ, ПРОЕКТИРОВАНИЯ И ИССЛЕДОВАНИЯ КОРПОРАТИВНЫХ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ (КВС).

1Л. Принципы построения КВС и их классификация.

1.2. Проблемы проектирования сетей.

1.3. КВС, как объект имитационного моделирования.

1.4. Современное состояние автоматизации имитационного исследования.

1.5. Основные задачи диссертационной работы и пути их решения.

Выводы по ГЛАВЕ 1.

2. РАЗРАБОТКА ТЕОРЕТИЧЕСКИХ ОСНОВ ФРЕЙМ-ПРОДУКЦИОННОГО МОДЕЛИРОВАНИЯ КОРПОРАТИВНЫХ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ.

2.1. Построение математического аппарата имитационного моделирования корпоративных вычислительных сетей.

2.2. Концепция построения системы семантического моделирования корпоративных вычислительных сетей.

2.3. Разработка структуры продукционной базы знаний для имитационного моделирования КВС.

2.4. Разработка механизма логического вывода системы семантического моделирования.

Выводы по ГЛАВЕ 2.

3. МОДЕЛИ И МЕТОДЫ УСКОРЕННОЙ ИМИТАЦИИ КОРПОРАТИВНЫХ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ.

3.1. Проблемы организации ускоренного статистического моделирования корпоративных вычислительных сетей.

3.2. Анализ методов ускоренной имитации КВС.

3.3. Ускоренное статистическое моделирование КВС на основе расслоения пространства случайных величин.

3.4. Адаптивный алгоритм организации ускоренного статистического моделирования.

Выводы по ГЛАВЕ

4. РАЗРАБОТКА ОБОБЩЕННОЙ СЕМАНТИЧЕСКОЙ МОДЕЛИ КОРПОРАТИВНЫХ ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ И ПРИНЦИПЫ ЕЁ ПРОГРАММНОЙ РЕАЛИЗАЦИИ.

4.1. Общие принципы организации программного обеспечения фрейм-продукционного моделирования КВС.

4.2. Логическое программирование фрейм-продукционной модели представления знаний.

4.3. Реализация механизма логического вывода на Прологе.

Выводы по ГЛАВЕ 4.

5. СЕМАНТИЧЕСКОЕ МОДЕЛИРОВАНИЕ КОРПОРАТИВНОЙ ВЫЧИСЛИТЕЛЬНОЙ СЕТИ.

5.1. Разработка концептуальной модели распределенной корпоративной вычислительной сети.

5.2. Разработка структуры современной корпоративной вычислительной сети.

5.3. Модели корпоративных вычислительных сетей.

5.4. Модели повышения качества обслуживания в корпоративных вычислительных сетях.

Выводы по ГЛАВЕ 5.

Введение диссертации (часть автореферата) на тему «Семантическое моделирование корпоративных вычислительных сетей»

Практика создания и расширения корпоративных вычислительных сетей (КВС) выдвинула проблему разработки обобщенных алгоритмов автоматизации их проектирования и интеграции. Это относится в равной мере как к решению задач выбора рациональной конфигурации аппаратного состава, так и определению наилучших алгоритмов объединения уже имеющихся ВС различных архитектур.

Наиболее сложными и трудно формализуемыми при этом являются задачи оценки вариантов построения вычислительной сети, а так же проверки эффективности разрабатываемого решения. Проблемы в проектировании сетей на перспективу можно объединить в две группы: локальные и глобальные.

Глобальные проблемы вызваны тем, что: основные международные организации по стандартизации не поспевают с принятием и апробацией новых стандартов; зачастую международные организации по стандартизации вырабатывают дополняющие, дублирующие и альтернативные стандарты; фирмы-разработчики сетевого оборудования (СО) решают многие актуальные вопросы по своему, вырабатывая при этом свои собственные технологии; постоянно появляются новые и исчезают старые фирмы-разработчики.

Локальные проблемы вызваны: меняющимися требованиями к пропускной способности КВС; меняющимися требованиями к качеству обслуживания; меняющимся сетевым ПО; сменой структуры организаций; сменой видов деятельности и бизнеса организаций.

Из вышесказанного можно заключить, что вероятность конфликтов при установке в сети оборудования различных производителей или при объединении нескольких ЛВС с различной архитектурой весьма велика.

Наиболее перспективным инструментом для решения задачи анализа проектируемого решения представляется имитационное моделирование на ЭВМ. Аналитическое моделирование мало пригодно для таких задач, так как в большинстве случаев не удается получить решения задачи в законченном виде.

В нашей стране проблемами автоматизации имитационных экспериментов с моделями сложных систем, в том числе и моделями вычислительных сетей, занимались Альянах И.Н., Бусленко В.Н., Ермаков С.М., Максимей И.В., Мелас В.Б., Полляк Ю.Г., Пугачев В.Н. Сабинин О.Ю. Фомин Б.Ф. и др. Над разработкой методов и средств имитационного моделирования работают такие ведущие фирмы как IBM (США), Pritsker and Associates (США), Rapid Data (Англия), национальный институт INRIA (Франция), технический университет в г. Дрездене (Германия), Политехнический институт в Турине (Италия). Среди отечественных институтов наибольший интерес представляют работы Института проблем управления (г. Москва), центра «Робототехника» при МВТУ им. Н.Э. Баумана и Санкт-Петербургского государственного электротехнического университета (ЛЭТИ).

В настоящее время разработан целый ряд программных систем имитационного моделирования, которые позволяют проводить эксперименты на различных моделях. Вместе с тем, использование существующих средств имитационного моделирования, при выполнении конструкторских и проектных работ, сопряжено с большими затратами средств и времени. Вызвано это главным образом следующими причинами:

- большой длительностью основных этапов проведения имитационного моделирования (формализация задачи, отладка модели, эксперимент, обработка результатов и др.), что часто не позволяет укладываться в приемлемые сроки выполнения проектных работ;

- большими затратами машинного времени на проведение статистико-имитационных экспериментов. Даже при использовании современных вычислительных систем требуются часы, а в некоторых случаях и десятки часов для получения результатов с требуемой точностью;

- необходимостью привлечения высококвалифицированного пользователя, обладающего разносторонними знаниями в различных областях науки и техники (математического моделирования, статистической оценки результатов моделирования, а также имеющего навыки работы с ЭВМ и хорошо знающего ту область, для которой создается модель вычислительной сети). Таким образом, разработка методов ускоренного имитационного моделирования, ориентированных на современные персональные ЭВМ, представляет собой актуальную задачу.

Цель настоящей работы - создание новых методов и инструментальных средств для организации ускоренного имитационного моделирования корпоративных вычислительных сетей, позволяющих существенно сократить сроки выполнения проектных работ, а также работ по поиску и устранению неисправностей.

В диссертации предлагается новый подход к организации систем имитационного моделирования, который снижает затраты и повышает отдачу имитационных исследований.

Основными результатами, содержащимися в работе и полученными автором, являются:

- аппарат и метод фрейм-продукционой формализации моделей, которые предоставляют удобный и эффективный способ описания КВС;

- методика организации ускоренного статистического моделирования которая позволяет сокращать затраты времени на реализацию экспериментов без снижения точности получаемых результатов;

- базы знаний для проектирования, оптимизации и поиска неисправностей в КВС с архитектурами Ethernet и Token Ring;

- программная система ускоренного имитационного моделирования с "дружественным" пользователю интерфейсом.

Научная новизна полученных результатов состоит в следующем:

1) Разработана оригинальная методика символьной формализации корпоративных вычислительных сетей, основанная на использовании специального декларативного языка описания систем в терминах исследуемой области. Методика реализует такие современные концепции, как квазипараллельное, наглядное представление задачи; использование логических описаний с применением терминологии области.

2) Разработана методика организации ускоренного статистического моделирования в рамках имитационного эксперимента, которая гарантирует сокращение времени проведения статистического моделирования без потери точности результатов и эффективна для одновременной оценки нескольких критериев в условиях большой размерности вектора исследуемых величин.

3) Предложен адаптивный механизм планирования ускоренного статистического моделирования на основе использования явно задаваемых математических конструкций, обеспечивающий эффективность и точность статистических экспериментов.

4) Предложена универсальная система ускоренного статистико-имитационного моделирования корпоративных вычислительных сетей, на основе семантического представления модели. Система позволяет проводить ускоренный статистической анализ результатов имитационных прогонов моделей, реализует современные идеи и концепции создания автоматизированных интеллектуальных средств проектирования.

5) Разработана технология построения баз знаний для проектирования оптимизации и поиска неисправностей в КВС для архитектур Ethernet и Token Ring.

Практическая ценность полученных в диссертационной работе результатов заключается в следующем:

- Разработан аппарат фрейм-продукционой формализации корпоративных вычислительных сетей, который упрощает формализацию задачи и работу с полученной моделью, за счет предоставления пользователю возможности применения специфической терминологии, привычной для экспериментатора, из области моделируемой системы. Аппарат обладает, наряду с наглядностью, простотой, способностью к верификации модели, а также способностью интеграции с другими системами.

- Разработана эффективная методика организации ускоренного статистического моделирования на основе модифицированного метода расслоения пространства случайных величин, гарантирующая сокращение затрат машинного времени на проведение статистического моделирования без снижения точности получаемых результатов. Отличительной способностью предлагаемой методики является автоматизация процесса построения планирующих функций и работоспособность при большой размерности векторов случайных величин и оцениваемых критериев моделируемой системы.

- Предложен адаптивный подход к планированию моделирования, отличающийся возможностью его реализации пользователем, без определенных навыков работы, и при этом, не снижая точность и эффективность ускоренного статистического эксперимента, а также существенно упрощающий его работу.

- Разработана технология построения баз знаний для проектирования и оптимизации KB С, а также для поиска неисправностей в сетях, построенных на архитектурах Ethernet и Token Ring.

- Предложена программная система ускоренного статистико-имитационного моделирования вычислительных сетей, которая облегчает процесс человеко-машинного общения, может интегрироваться с другими системами, а также наращивать мощность моделирования без изменения кода программы.

Достоверность научных и практических положений, выводов и рекомендации подтверждается результатами экспериментов, а также результатами использования и внедрения.

Полученные научные результаты используются и внедрены в Государственном унитарном предприятии «Северное ПКБ», АОЗТ «Градиент», ООО «Телекосмос», о чем свидетельствуют соответствующие акты.

Предложенные в диссертации положения реализованы в виде программной системы с помощью языка программирования Эрити-Пролог 5.1. Экспериментальная оценка эффективности разработанной системы имитационного моделирования проводилась при решении нескольких практических задач: анализа функционирования участка вычислительной сети в АОЗТ «Градиент» и проектирования КВС в ООО «Телекосмос». Она подтвердила эффективность разработанных методик.

По теме диссертационной работы опубликовано пять научных работ.

Полученные в диссертации результаты могут быть использованы при проектировании корпоративных сетей в различных сферах производственной, коммерческой и научной деятельности, а также при расширении, модернизации и оптимизации работы сети

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Серяков, Павел Юрьевич

Выводы по Главе 5

1. Построенные модели корпоративных ВС позволяют оценить реализованную систему семантического моделирования со следующих позиций:

1) с позиции способности аппарата семантического моделирования описывать реальные технические объекты и упрощать процесс исследования модели;

2) с позиции ускорения этапа статистического исследования моделей, на основе метода расслоения пространства случайных величин;

3) с позиции способности аппарата семантического моделирования отыскивать наиболее узкие места в предлагаемом решении корпоративных вычислительных сетей, и на основе оптимизации их работы показать пути повышения пропускной способности в уже имеющихся сетях и заложить основу для их дальнейшего развития.

2. Разработанные модели позволили определить различные характеристики используемых вычислительных сетей. В частности удалось:

- определить наиболее предпочтительные варианты конфигурации оборудования по заданному критерию;

- наметить возможные варианты объединения уже имеющихся сетей;

- наметить возможные варианты повышения пропускной способности сети и ее дальнейшего расширения;

- распределить приоритеты между группами пользователей и в результате повысить эффективность всей сети;

- определить места зон наиболее частых сбоев работы корпоративных вычислительных сетей.

3. Исследование семантической модели проводилось в двух режимах: первый - с использованием обычной выборки статистических данных (метод Монте-Карло); второй - с использованием модифицированного метода на основе расслоения пространства случайных величин. Применение модифицированного метода расслоенной выборки позволило сократить время проектирования корпоративных вычислительных сетей в 2,5 - 3 раза. Реальное сокращение затрат времени показало преимущество предложенного метода организации статистического моделирования, что и было отражено в актах об использовании результатов диссертационной работы.

4. Проведенные исследования работы КВС позволяют дать следующие рекомендации:

1) В локальной сети можно использовать технологию Ethernet со скоростью 10/100/1000 Мбит/с для подключения персональных компьютеров и серверов к портам коммутатора Ethernet первого уровня, что уменьшает вероятность появления коллизий, устраняет «борьбу» за пропускную способность и позволяет осуществлять полнодуплексную передачу данных. Такое подключение стоит гораздо дешевле, чем подведение каналов ATM.

2) Технологию Ethernet не рекомендуется использовать при соединении между собой коммутаторов в тех случаях, когда требуется обеспечение небольшого дрожания. Хотя в некоторых ситуациях можно просто повысить пропускную способность при помощи использования каналов Fast или Gigabit Ethernet (это будет стоить немного дешевле, чем использование ATM), но они не смогут гарантировать качества обслуживания.

1 70

Заключение

Технологическая цепочка проектирования, оптимизирования и поиска неисправностей в вычислительных сетях включает в себя большое число операций, требующих существенных затрат машинного времени, значительных интеллектуальных усилий пользователей, выполнения больших объемов вспомогательных, часто рутинных, но трудоемких работ. К числу таких операций можно отнести: построение имитационной модели вычислительных сетей; ввод больших объемов исходных данных в терминах формализованного описания модели; поиск ошибок, допущенных при вводе исходных данных; многократное воспроизведение исследуемого процесса; анализ пользователем результатов моделирования и принятие им квалифицированных решений. Выполнение этих операций на существующих системах делает процесс проектирования, оптимизирования и поиска неисправностей в вычислительных сетях весьма длительным, не дает возможности провести достаточно глубоких исследований в приемлемые сроки, не позволяет гарантировать высокое качество принимаемых проектных решений.

Основные научные и практические результаты данной диссертационной работы заключаются в следующих положениях:

1. Разработан метод организации ускоренного имитационного моделирования вычислительных сетей масштаба предприятия, что позволяет сократить цикл исследовательского процесса.

2. Упрощение подготовительных работ конструкторов по созданию модели, вводу в ЭВМ и последующей отладке, за счет предоставления пользователю качественно новых свойств системы, таких как:

1) возможность формализации модели на языке той области, в которой создается модель и обеспечивающей ясное и наглядное понимание процессов, протекающих в модели;

2) способность продукта допускать формализацию модели иными средствами с использованием тесной интеграции системы моделирования с прогрессивными технологиями интеллектуализации труда, например, инженерии знаний. 7 Ъ

3. Снижение затрат машинного времени на воспроизведение модели при статистическом характере исследования, за счет рациональной организации выборки данных (расслоения пространства исследуемых величин), и упрощения работы с моделью и с системой имитационного моделирования.

4. Реализована программа имитационного исследования вычислительных сетей, на основе полученных разработок.

5. Разработана открытая структура системы исследования вычислительных сетей, обеспечивающую интеграцию имитационного и статического моделирования, вместе с другими системами, например, системы информационной поддержки пользователя

6. Разработан универсальный аппарат формализации описания вычислительных сетей, который допускает использование терминологии исследуемой системы и интеграцию с другими схемами описания.

7. Разработаны технологии построения баз знаний для проектирования, оптимизации и поиска неисправностей в КВС, построенных на архитектурах Ethernet и Token Ring.

В ходе разработки системы ускоренного исследования корпоративных вычислительных сетей предложено использовать:

A) интеграцию представления модели на базе логики фрейм - продукционных интеллектуальных систем, с сетевыми методами моделирования дискретно - непрерывных процессов, что позволит придать аппарату формализации новые полезные свойства. Например, такие как, использование профессиональной терминологии разработчика вместе со структурной наглядностью и гибкостью получаемой модели;

Б) адаптивную схему планирования статистического моделирования, которая позволяет эффективно проводить эксперимент, даже пользователю, не имеющему практических навыков работы с системой;

B) разработанный универсальный аппарат, который может использоваться как для моделирования, поиска неисправностей, так и для исследования полученных моделей и оптимизации сети при помощи экспертной системы.

Список литературы диссертационного исследования кандидат технических наук Серяков, Павел Юрьевич, 1999 год

1. Альянах И. Н. Моделирование вычислительных систем. Л.: Машиностроение, 1988

2. Братко И. Программирование на языке Пролог для искусственного интеллекта. М.: Мир, 1991.

3. Бунин С. Г., Войтер А. П. Вычислительные сети с пакетной радиосвязью. -К.: Тэхника, 1989

4. Бусленко В. Н. Автоматизация имитационного моделирования сложных систем. Москва: Наука, 1977.

5. Бэрри Нанс. Компьютерные сети. М.: Восточная Книжная Компания, 1996.

6. Васильев Д.В., Сабинин О.Ю. Ускоренное статистическое моделирование систем управления. Л.: Энергоатомиздат, 1987.

7. Доорс Дж., Реблейн А.Р., Вадера С. Пролог язык программирования будущего / Пер. с англ. Волкова А.Н. - М.: Финансы и статистика, 1990.

8. Ермаков С.М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1975.

9. Ермаков С.М., Мелас В.Б. Математический эксперимент с моделями сложных стохастических систем. СПб.: Изд-во СПбГУ, 1993.

10. Ермаков С.М., Михайлов Г.А. Статистическое моделирование. М.: Наука, 1982.

11. Журбенко И.Г., Кожевникова И.А. Стохастическое моделирование процессов. М.: Изд-во МГУ, 1990.

12. Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М.: Наука, 1989.

13. Зверев В.В., Сабинин О.Ю. Символьное имитационное моделирование технических систем // Приборы и системы управления, 1997, №3.

14. Иллингуорт В. Толковый словарь по вычислительным системам. М.: Машиностроение, 1990

15. Имитационное и статистическое моделирование. / Харин Ю.С., Малюгин В.И., Кирлица В.П., и др. Минск: БГУ, 1992.

16. Имитационное моделирование в задачах синтеза структуры сложных систем / Цвикун А.Д. и др. М.: Наука, 1985.

17. Искусственный интеллект. Применение в интегрированных производственных системах / Под ред. Кьюсиака Э. М.: Машиностроение, 1991.

18. Искусственный интеллект. Системы общения и экспертные системы / Под ред. Э.В. Попова. М.: Мир, 1990.

19. Киндлер Е. Языки моделирования. М.: Энергоатомиздат, 1985.

20. Котов В.Е. Сети Петри. М.: Наука, 1984.

21. Кузьмук В.В. Сети Петри и моделирование параллельных процессов: Препринт №17. Киев: Ин-т проблем моделирования в энергетике, 1985.

22. Кульгин М.В. Коммутация и маршрутизация IP/IPX трафика. М.: КомпьютерПресс, 1998.

23. Лескин A.A., Мальцев П.А., Спиридонов A.M. Сети Петри в моделировании и управлении. Л.: Наука, 1983.

24. Максимей И.В. Имитационное моделирование на ЭВМ. М.: Радио и связь, 1988.

25. Марселлус Д. Программирование экспертных систем на Турбо Прологе. -М.: Финансы и статистика, 1994

26. Меркурьева Г. В., Меркурьев Ю. А. Экспертные системы имитационного моделирования // Известия АН СССР. Техническая кибернетика, 1991, №3.

27. Мячев А. А, Степанов В. Н, Щербо В. К. Интерфейсы обработки данных: Справочник. М.: Радио и связь, 1989

28. Пантелеймонов А. Основные языки программирования искусственного интеллекта // Компьютер пресс, 1991, №9.

29. Питерсон Дж. Теория сетей Петри и моделирования систем. М.: Мир, 1984.

30. Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоатомиздат, 1981.

31. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.

32. Потапов В.И., Задорожный В.Н., Кузнецова Е.М. Методология имитационное моделирование вычислительных систем// Уч. пособие. Омск: ОмПи, 1983.

33. Практическое введение в технологию искусственного интеллекта и экспертных систем. / Левин Р., Дранк Э., и др. М.: Финансы и статистика, 1990.

34. Представление и использование знаний / Под ред. X. Уэно, М. Исидзука; Пер. с япон. под ред. Н.Г. Волкова. М.: Мир, 1987.

35. Применение имитационного моделирования для динамической отладки и испытаний комплексов программ управления / Гаганов П.Г., Зубковский А.Н., Крылов A.M. и др. // Управляющие системы и машины, 1984, №3.

36. Пугачев В. Н. Комбинированные методы определения вероятностных характеристик. М.: Сов. радио, 1973.

37. Романов Е.Л., Шмидт В.К. Система имитационного моделирования на базе расширенных сетей Петри // Автоматизация статистической обработки данных. Новосибирск, 1985.

38. Рыбкин Л.В., Кобзарь Ю.В., Демин В.К. Автоматизация проектирования систем управления сетями связи. М., Радио и связь, 1990

39. Сабинин О. Ю. Статистическое моделирование технических систем. Спб: Изд-во ЛЭТИ, 1993.

40. Сабинин О. Ю, Серяков П. Ю. Имитационное моделирование производственно- технических комплексов на основе фреймо-продукционного представления модели // Изв. ГЭТУ: Сб. научн. тр. -СПб. 1998, вып. 519.

41. Сабинин О. Ю., Белова В.А. Математическое обеспечение имитационного моделирования на основе временных расцвеченных сетей. // Сб. "Математическое и имитационное моделирование в системах проектирования и управления". Чернигов, 1991.

42. Серяков П. Ю., Иванов Г.Г., Кутузов В. М. и др. Логистические аспекты организации и администрирования транспортных потоков мегаполиса. // Мониторинг №1, 1997.

43. Советов Б .Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985.

44. Стэн Шатт. Мир компьютерных сетей. К. BHV, 1996.

45. Тельнов C.B., Терехов А.Н. Объектно-ориентированный подход в человеко-машинных системах // Теория и приложения дискретных систем / Под ред. М.К. Чиркова, С.П.Маслова. СПб.: Изд-во С.-Петербургского университета, 1995.

46. Тюрин Ю. Н., Макаров A.A. Анализ данных на компьютере. М.: Финансы и статистика, 1995.

47. Уилкс С. Математическая статистика. М.: Наука, 1967.

48. Форсайт Р. Экспертные системы. Принципы работы и примеры. М.: Радио и связь, 1987.

49. Цапко Г.П. Е-сетевой метод информационно логического проектирования бортовых комплексов управления. Томск: Томский политехи, ун-т, 1995.

50. Шварц М. Сети связи: протоколы, моделирование и анализ: в 2-х ч. М.: Наука, 1992

51. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры / Пер с англ. Б.И. Шитикова. М.: Финансы и статистика, 1987.

52. Юдин Ю.В. Экспертные системы: Инструментальные средства разработки. СПб.: Политехника, 1996

53. Якубайтис Э.А. Открытые информационные сети. М.: Радио и связь, 1991

54. Booch G. Object-Oriented Analysis and Design with Applications. The Benjamin / Cummings Pub. Comp., Inc., 1994.

55. Feldbrugge F. Petri Net Tool: Lecture notes in Computer Science: Advances in Petri nets 1985, vol. 222. 1986.

56. Feldbrugge F., Jensen K. Petri Net Tool Overview: Lecture notes in Computer Science vol. 255. 1987.

57. Ford D.K., Schoroer B.J. An expert manufacturing simulation system // simulation, 1987. V 48.

58. Hitz M., Hudec M. Applying the object oriented paradigm to statistical computing. Proceedings in Computational Statistics, COMPSTAT 94, 1994.

59. Ivanov V.M., Kul'chitstky O.Yu. Statistical method of the numerical analysis with adaptation: S.Peterburg, SPbSTU 1994.

60. Jensen K. Computer Tools for Construction, Modification and Analysis of Petri Nets: Lecture notes in Computer Science vol. 255. 1987.

61. Knowledge-based management support systems / Ed. By G.I. Doukidis. NY: John Wiley and Sons, 1989.

62. Kreutzer W. Object-Oriented modeling and simulation: towards reusable frameworks for simulation design. Proceedings of the Conference on Modeling and Simulation 1994.

63. Marguerat C. Artificial neural network algorithms on a parallel DSP system In: Transputers'94 Advanced research and industrial applications Proc. of the International conf. 21-23 Sept. 1994. IOS Press 1994.