Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Модели и алгоритмы выбора аппаратно-программного комплекса распределенных систем обработки информации и управления

Диссертация: Модели и алгоритмы выбора аппаратно-программного комплекса распределенных систем обработки информации и управления
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Сложность анализа надежности и эффективности функционирования РСОИиУ требует от их разработчиков применения мощного математического аппарата и самых современных походов в теории оптимизации. Используемые математические модели должны учитывать динамический и стохастический характер функционирования РСОИиУ, что требует применения теории стохастических процессов. В то же время большое число… Читать ещё >

Содержание

  • Глава 1. Модели распределенных систем обработки информации и управления
    • 1. 1. Общая характеристика и выделение представительных классов 10 распределенных систем обработки информации и управления
    • 1. 2. Модель распределенной системы управления технологическим 13 контуром космического аппарата
    • 1. 3. Модель распределенной системы управления целевым контуром 16 космического аппарата
    • 1. 4. Модель распределенной системы управления 20 командно-программным контуром космического аппарата
    • 1. 5. Модель распределенной системы управления дорожным трафи- 25 ком
    • 1. 6. Модель распределенной системы управления охранно-пожарной 29 сигнализацией
  • Выводы
  • Глава 2. Алгоритмы выбора эффективных вариантов распределенных систем обработки информации и управления
    • 2. 1. Стандартный генетический и локальный алгоритмы выбора эф- 34 фективных вариантов распределенных систем
    • 2. 2. Гибридный и модифицированный гибридный генетический ал- 42 горитм
    • 2. 3. Результаты тестирования стандартного и модифицированного 49 гибридного алгоритма
    • 2. 4. Настройка нейронной сети на вычисление целевых функций
  • Выводы
  • Глава 3. Практическая реализация моделей и алгоритмов
    • 3. 1. Программная система безусловной оптимизации с помощью 70 стандартного ГА
    • 3. 2. Программная система безусловной оптимизации с помощью 75 гибридного и стандартного ГА
    • 3. 3. Программная система условной оптимизации с помощью гиб- 82 ридного и стандартного ГА
    • 3. 4. Программная система автоматизации моделирования сложных 89 систем с помощью Марковских процессов
    • 3. 5. Программная система автоматизации проектирования распреде- 93 ленных систем обработки информации и управления
    • 3. 6. Решение задачи моделирования и оптимизации распределенной 99 системы управления охранной сигнализацией
    • 3. 7. Модель распределенной системы управления охранной сигна- 108 * лизацией для двух и трех защищаемых объектов
  • Выводы

Модели и алгоритмы выбора аппаратно-программного комплекса распределенных систем обработки информации и управления (реферат, курсовая, диплом, контрольная)

Актуальность. Распределенные системы обработки информации и управления (РСОИиУ) сложными объектами и процессами являются наиболее перспективным направлением развития информационно-телекоммуникационных технологий. Высокие требования, предъявляемые к производительности и надежности таких систем, диктуют необходимость разработки и применения формальных методов моделирования и оптимизации для формирования эффективной структуры их аппаратно-программного комплекса, реализующего основные функции. Поддержка принятия решений на этапе предварительного проектирования позволяет повысить эффективность создаваемых систем и выйти на качественно новый уровень развития наукоемких технологий.

Сложность анализа надежности и эффективности функционирования РСОИиУ требует от их разработчиков применения мощного математического аппарата и самых современных походов в теории оптимизации. Используемые математические модели должны учитывать динамический и стохастический характер функционирования РСОИиУ, что требует применения теории стохастических процессов. В то же время большое число подсистем и сложность их взаимодействия приводят к необходимости построения стохастических моделей большой размерности и сложности, что требует либо глубоких знаний математического аппарата от инженеров-разработчиков конкретных систем, либо профессиональных знаний законов функционирования системы от специалистов-математиков. Оба варианта достаточно редко встречаются на практике в современных условиях.

Задачи оптимизации, которые возникают на этапе формирования структуры аппаратно-программного комплекса РСОИиУ, обладают свойствами, существенно затрудняющими их решение: дискретные или смешанные переменные, алгоритмически заданные целевые функции, отсутствие удобных для оптимизации свойств, существенные ограничения, накладываемые на переменные принятия решений и т. д. Для решения таких задач зачастую могут быть применены только алгоритмы прямого адаптивного поиска, не требующие информации о свойствах оптимизируемой функции. Наиболее перспективными в настоящее время признаны так называемые эволюционные алгоритмы, теоретический анализ и практическое применение которых испытывают серьезные трудности в связи со сложностью их настройки на решаемую задачу. Использование таких алгоритмов требует от разработчиков систем значительных знаний в теории и применении эволюционной оптимизации, что также редко достижимо на практике.

Таким образом, можно утверждать, что разработка средств автоматизации моделирования РСОИиУ с помощью методов теории стохастических процессов и оптимизации выбора эффективных вариантов их аппаратно-программных комплексов с помощью эволюционных алгоритмов, которой посвящена данная работа, является актуальной научно-технической задачей.

Целью работы является повышение обоснованности принятия решений при автоматизированном проектировании аппаратно-программных комплексов распределенных систем обработки информации и управления за счет комплексного применения инструментальных средств стохастического моделирования и эволюционной оптимизации.

Сформулированная цель предопределила следующую совокупность решаемых задач:

1. Анализ реальных распределенных систем обработки информации и управления различного назначения и построение математических моделей их функционирования.

2. Формализация выбора эффективных вариантов таких систем в виде оптимизационных задач.

3. Выявление основных свойств оптимизационных задач, возникающих при выборе эффективных вариантов РСОИиУ.

4. Разработка алгоритмического обеспечения для решения полученных задач оптимизации.

5. Анализ свойств разработанных алгоритмов и исследование их эффективности при решении сформулированных задач.

6. Разработка средств автоматизированного моделирования и оптимизации распределенных систем обработки информации и управления.

7. Решение реальных практических задач выбора структуры аппаратно-программного комплекса РСОИиУ различного назначения.

Методы исследования. При выполнении работы использовался аппарат системного анализа, исследования операций, теории оптимизации, теории вероятностей и математической статистики, методика создания прикладных интеллектуальных систем.

Научная новизна работы заключается в следующем:

1. Построены новые формальные модели выбора структуры РСОИиУ различного назначения, отличающиеся глубиной детализации систем.

2. Разработан новый гибридный эволюционный алгоритм безусловной оптимизации, отличающийся от известных способом генерирования новых решений и превосходящий их по надежности и быстродействию.

3. Предложен модифицированный гибридный эволюционный алгоритм условной оптимизации, использующий динамические и адаптивные штрафные функции и позволяющий успешно решать практические задачи выбора эффективных вариантов РСОИиУ.

Практическая значимость. Предложенный в работе подход, математическое и алгоритмическое обеспечение, а также разработанная программная система поддержки принятия решений при моделировании сложных систем Марковскими процессами могут быть использованы при моделировании и оптимизации сложных систем различного назначения. Разработанная система автоматизации проектирования распределенных систем обработки информации и управления может служить удобным средством на стадии предварительного проектирования сложных систем.

Работа выполнена в рамках ФЦНТП «Исследования и разработки по приоритетным направлениям развития науки и техники на 2002;2006 годы» по теме 2006;РИ-16.0/001/076 (государственный контракт № 02.438. 11.7043) и 2006;РИ-19.0/001/377 (государственный контракт № 02.442.11. 7337), в рамках НИР 4422 «Разработка и исследование эффективности гиб* ридных методов оптимизации алгоритмически заданных функций дискретных переменных», выполняемой по ведомственной научной программе «Развитие научного потенциала высшей школы», а также по темплану СибГАУ «Бионические методы идентификации и оптимизации сложных систем» (№ Б 1.1.05).

Реализация результатов работы. Разработанные модели основных контуров управления космическими аппаратами, программная система моделирования сложных систем Марковскими процессами и гибридные генетические алгоритмы оптимизации переданы НПО прикладной механики (г. * Железногорск) в составе отчета по государственному контракту № 02.438. 11.7043.

Моделирование распределенной системы обработки информации и управления сетью автомобильных дорог выполнялась в рамках проекта «Саг Traffic Measurement and Control» Института автоматизации управления Специальной высшей школы (Fachhochschule Ulm, г. Ульм, Германия). Результаты исследования переданы немецкой стороне, о чем имеются подтверждающие документы.

Система автоматизации проектирования распределенных систем обработки информации и управления использовалась в качестве инструмента у поддержки принятия решения в ЗАО «А.Р.Т.», занимающегося проектированием, установкой и обслуживанием систем охранно-пожарной сигнализации на крупномасштабных объектах (Красноярский горно-химический комбинат, Красноярский комбайновый завод, Красноярская гидроэлектростанция и др.), что отражено в акте о передаче и использовании.

Три программные системы, разработанные в ходе выполнения работы, прошли отраслевую и государственную экспертизу и зарегистрированы в ОФАП и ВНТИЦ, что делает их доступными широкому кругу специалистов по моделированию и оптимизации сложных систем.

Разработанные алгоритмы и программные системы используются в учебном процессе при проведении занятий по курсу «Адаптивные и эволюционные методы принятия решений» в Сибирском государственном аэрокосмическом университете, по специальным курсам «Системный анализ и управление», и «Эволюционные алгоритмы оптимизации» в Красноярском государственном университете, а также при выполнении курсовых работ.

Основные положения, выносимые на защиту:

1. Система поддержки принятия решений при моделировании Марковскими процессами позволяет автоматизировать моделирование распре* деленных систем обработки информации и управления.

2. Гибридный генетический алгоритм безусловной оптимизации, обеспечивает высокую эффективность поиска решения и превосходит, стандартный генетический алгоритм по надежности и скорости сходимости.

3. Модифицированный гибридный генетический алгоритм условной оптимизации позволяет успешно решать задачи выбора эффективных вариантов РСОИиУ.

Публикации. По теме данной работы опубликовано 25 печатных работ, среди которых три статьи в научных изданиях, входящих в Перечень.

ВАК. Тринадцать работ опубликованы без соавторов.

Апробация работы. Процесс разработки и результаты, представленные в работе, докладывались и обсуждались на следующих научных конференциях различного уровня:

— Международные научно-технические конференции «Интеллектуальные системы и интеллектуальные САПР» (AIS'05, AIS'06, Дивно-морское, 2005,2006 гг.);

— X Национальная конференция по искусственному интеллекту с международным участием (КИИ'06, Обнинск, 2006 г.);

— Международная научно-практическая конференция «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 2006 г.);

— Международная научно-практическая конференция «Системный анализ в проектировании и управлении» (Санкт-Петербург, 2006 г.);

— Всероссийские научно-практические конференции «Решетневские чтения» (Красноярск, 2003, 2005 гг.);

— Международная научная конференция молодых ученых «Ломоносов-2005» (Москва, 2005);

— Всероссийская конференция-конкурс «Технологии Microsoft в теории и практике программирования» (Новосибирск, 2006 г.), а также региональные и межвузовские конференции.

Структура работы. Работа состоит из введения, трех глав, заключения, списка литературы и приложения.

3.8. Выводы.

В третьей главе представлено описание программных систем моделирования и оптимизации распределенных систем обработки информации и управления. В программных системах был реализован разработанный в предыдущих главах алгоритмическо-математический аппарат для автоматизации проектирования распределенных сложных технических систем, позволяющий принимать эффективные и обоснованные решения инженеру конструктору на предварительных стадиях проектирования.

Модель, построенная с помощью программного модуля моделирования Марковскими процессами, и примененные разработанные во второй главе алгоритмы, используемые в составе программного модуля для оптимизации, позволили найти условно оптимальное решение, то есть аппарат* ный состав для реальной распределенной охранной сигнализации обеспечения безопасности на двух объектах.

Заключение

.

В ходе выполнения диссертационной работы получены следующие результаты:

1. Построены модели функционирования РСОИиУ различных типов.

2. Разработаны формальные модели выбора эффективных вариантов аппаратно-программных комплексов РСОИиУ и исследованы их свойства.

3. Разработаны гибридные генетические алгоритмы условной и безусловной оптимизации алгоритмически заданных функций смешанных переменных.

4. Проведено исследование эффективности разработанных гибридных генетических алгоритмов и установлено оптимальное сочетание их параметров для решения задач оптимизации РСОИиУ,.

5. Разработаны программные системы, позволяющие автоматизировать моделирование РСОиУ с помощью методов теории Марковских процессов и их оптимизацию по составу структуры аппаратно-программного комплекса.

6. Разработана, протестирована и апробирована на реальных задачах система автоматизации проектирования аппаратно-программных комплексов РСОИиУ.

Итак, в диссертации проведен анализ распределенных систем обработки информации и управления с целью разработки нового подхода, комбинирующего эвристические идеи интеллектуальных информационных технологий и строгий формальный аппарат современной математики для эффективного решения задач моделирования и оптимизации сложных систем. Предложенный способ моделирования РСОИиУ и предложенный гибридный эволюционный алгоритм позволяют эффективно решать задачу моделирования и задачу условной оптимизации состава аппаратно-программного комплекса системы управления. При этом алгоритм не требует специальных действий по настройке его параметров. Совместное использование СППР, автоматизирующей процесс моделирования функционирования систем управления Марковскими процессами, и гибридного эволюционного алгоритма позволяет в рамках единого подхода решать задачи моделирования и оптимизации распределенных систем управления сложными объектами и, тем самым, автоматизировать этап их предварительного проектирования.

Таким образом, в данной работе на основе автоматизации стохастического моделирования и эволюционной оптимизации обоснован и реализован подход к автоматизации проектирования распределенных систем обработки информации и управления, имеющий существенное значение для теории и практики системного анализа, проектирования и управления сложными системами.

Показать весь текст

Список литературы

  1. А. Н. Семенкин Е.С. и др. Разработка модельного и алгоритмического обеспечения сквозного проектирования систем управления космическими аппаратами. Отчет по х/т 13И92 НПО ПМ. — Красноярск: Сибирский филиал Инженерной академии РФ, 1992.-282 с.
  2. А.Я. Программирование в С++ Builder 5. М.: БИНОМ, 2000.-с. 700.
  3. . Просто и ясно о Borland С++. М.: БИНОМ, 1994. — 400 с.
  4. К.Н., Бурдаев М. Н., Мамон П. А. Динамика и принципы построения орбитальных систем космических аппаратов. М.: Машиностроение, 1975 — с. 270.
  5. Д. И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я. Е.: Учеб. пособие. Воронеж, 1995.
  6. Д.И., Исаев С. А. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов. URL: http://saisa.chat.ru/ga/summer 97. html
  7. Н.С. Численные методы. М.: Наука, 1975 г.
  8. Н.С., Жидков Н. П., Кобельков Г. М. Численные методы. -М.: Наука, 1987 г.
  9. Г. Г., Скрубушевский Б. С., Соколов Г. А. Системы управления полетом космических аппаратов. М.: Машиностроение, 1978. -с 272.
  10. Ю.Белецкий Я. Энциклопедия языка Си. -М.: Мир, 1992.
  11. П.Беляков Г. П. и др. Основы системотехники: Учеб. Пособие для вузов/ Г. П. Беляков, В. А. Сарычев, В. А. Сорокин, В. О. Чернышев. Под ред. В. О. Чернышева. Томск: МГП «РАСКО», 1992. 312 е.: ил.
  12. С. Язык программирования С++ Специальное издание. М.: БИНОМ, 2005. — с. 490
  13. З.Бронштейн И. Н., Семендяев К. А. Справочник по математике для инженеров и учащихся втузов Москва: Наука, 1981 г.
  14. М.Буцынская Т. А., Родионов А. В. Функциональное моделирование систем охранно-пожарной сигнализации. // Материалы ХШ-ой научно-технической конференции «Системы безопасности» СБ-2004 -М: Академия ГПС — URL: http://ipb.mos.ru/konf/2004/sb-2004/sec 1 .html
  15. В.Н., Говорущенко Н. Я. Модели управления движением автомобилей. // Материалы IV-ой международной научно-технической конференции «Автомобильный транспорт: проблемы и перспективы» (4−8 сентября 2000 г.). Севастополь: СевГУ, 2000. -С. 4−8.
  16. Г. В. Общая методика эксперементального исследования и обработки опытных данных. -М.: Колос, 1972. -315с.
  17. Е.С., Овчаров J1.A. Теория случайных процессов и ее инженерные приложения. М.: Наука. Гл. ред. физ.-мат. лит. -1991. -384с.
  18. Е.С. Исследование операций. Задачи, принципы, методология. Учебное пособие для студ. Втузов. 2-е из., стер. — М.: Высшая школа, 2001.-208 с.
  19. Е.С. Теория вероятностей. М.: Высшая школа, 2000.
  20. Е.А. Численные методы. М.: Наука, 1987 г.
  21. М.А. Коэффициент готовности прибора со встроенной системой контроля // Системный анализ и исследование операций. -Новосибирск: ВЦ АН СССР, 1977.
  22. Г. К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. X.: ОСНОВА, 1997.
  23. В.Е. Теория вероятностей и математическая статистика. -Учеб. пособие. М.: Высш. шк., 2000, 479 с.
  24. .В., Коваленко И. Н. Введение в теорию массового обслуживания. М.: Наука, 1987. — 336 с.
  25. А.Н. Нейронные сети на персональном компьютере / Гор-бань А.Н., Россиев Д. А. Новосибирск: Наука, 1996. — 276 С.
  26. С.Н. Метод «проб и ошибок» и поисковая оптимизация: анализ, классификация, трактовка понятия «естественный отбор». Электронный журнал «Исследовано в России», 2003.
  27. Гутер, Овчинский. Основы теории вероятностей. М.: Просвещение, 1967.-159с.
  28. ЗО.Заенцев И. В. Нейронные сети: основные модели. Учеб. пособие к курсу «Нейронные сети», ВГУ, Воронеж, 1999.
  29. Искусство программирования на С. Фундаментальные алгоритмы, структуры данных и примеры приложений: Энциклопедия программиста: Пер. с англ. / Р. Хэзфилд, J1. Кирби, Д. Корбит и др.- К.: Диасофт, 2001.- 736 с.
  30. С.А. Популярно о генетических алгоритмах. URL: http://saisa.chat.rU/ga/ga-pop.html//top
  31. С. Основы теории случайных процессов: Пер. с англ. М.: Мир, 1971.-536 с.
  32. В.Г. Математическое программирование // БСЭ, т. 15. М.: Советская энциклопедия, 1974.
  33. О.В. Лаборатория лабораторией распределенных систем НИИ МВС. URL: http://wvv.tsure.ru/University/nii/raspredelitel.htm
  34. Дж., Снелл Дж. Конечные цепи Маркова: Пер. с англ. М.: Наука, 1970. -271.
  35. Д., Смит В. Теория восстановления.: Пер. с англ. М.: Сов. Радио, 1967.-300 с.
  36. С. Нейронные сети: основные положения. URL: http://vww.neurok.ru
  37. В.Б. Математические модели и методы оптимизации распределенных систем с дискретными источниками физических полей. URL: http://lib.profi.net.ua/vebsites/wwv.ziet.zhitoinir.ua/pri in.ziet.zt.ua/krizha n/seininar/resume/resume.htm.
  38. С. Теория информации и статистика. М.: Наука, 1967.
  39. Дж., Джеанини М. Объектно-ориентированное программирование: Учебный курс. Издательство: Питер, 2005−237 с.
  40. Г. Искусство тестирования программ / Пер. с англ. Под ред. Б. А. Позина.-М.: Финансы и статистика, 1982- 176 с.
  41. А.В. Автоматизация проектирования распределенных систем обработки информации на основе развития теории формальных атрибутных грамматик: Дис. д-ра техн. наук: 05.13.12 Челябинск, 1995.
  42. В.П. Теоретические основы разработки и анализ вероятностно-временных характеристик распределенных систем управления телекоммуникационными сетями и услугами. М.: ФИЗМАТЛИТ. -2006.-365с.
  43. В.П. Модель распределенной системы обработки данных// Инфокоммуникационные технологии. 2004. -Т.2, № 2.-с.31−34.
  44. В.П. Модель сети управления услугами TMN// Современные наукоемкие технологии: Тез. докл. межд. конф. 12−19 июня 2005 г. -Тунис, 2005 г.-№ 5.-с.71−72.
  45. В.П. Математическая модель организации взаимодействия компонентов распределенных систем// Современные наукоемкие технологии: Тез. докл. межд. конф. 20−27 ноября 2005 г.-Канарские острова (о. Тенерифе), 2005 г.-№ 10.-с.85.
  46. Ope О. Теория графов.: Пер. с фр.-М: Наука, 1968.-352 с. 52.0ре О. «Графы и их применение». Пер. с англ. под ред. И. М. Яглома. М., «Мир», 1965, 174 с.
  47. X., Стайглиц К. Комбинаторная оптимизация. Алгоритмы и сложность. М. Мир, 1979.
  48. Ф.И., Тарасенко Ф. П. Основы системного анализа: Учеб. 2-е изд., доп. Томск, 1997.
  49. Проектирование распределенных систем управления. URL: http://wvvw.kaskod.ru/ru/article/03prsycontr.php
  50. Растригин J1.A. Случайный поиск. М.: Знание, 1979.
  51. Растригин J1.A. Бинаризация задач оптимизации решений в САПР. -В кн.: Моделирование и оптимизация решений в САПР. Таллин, 1983, ч.2.
  52. .А. Методы и алгоритмы оптимизации на дискретных моделях сложных систем. JL: ВИКИ им. Можайского, 1983. — 250 с.
  53. А.И. Методы анализа данных. Учеб. пособие: В 2 ч. Ч. 2- КГТУ. Красноярск, 1994, -125 с.
  54. T.JI. Элементы теории массового обслуживания и ее приложения. -М: Советское радио, 1971.
  55. А.А., Гулин А. В. Численные методы: Учеб. пособие для вузов.—М.: Наука, 1989 г.
  56. В.К. Математические теории массового обслуживания М.: Статистика, 1979. — 96 с.
  57. Е.С., Лебедев В. А. Метод обобщенного адаптивного поиска для синтеза систем управления сложными объектами М.: МАКС Пресс, 2002 -320 с.
  58. Е.С., Семенкина О. Э., Терсков В. А. Методы оптимизации в управлении сложными системами // Учебное пособие. Красноярск: СибЮИ МВД РФ, 2000. — 254 с.
  59. Е.С., Семенкина О. Э., Коробейников С. П. Оптимизация технических систем. Учебное пособие. Красноярск: СИБУП, 1996.
  60. О.Э., Жидков В. В. Оптимизация управления сложными системами методом обобщенного локального поиска. М.: МАКС Пресс, 2002.-215 с.
  61. B.C., Частикова В. А. Генетические алгоритмы и поиск оптимальных решений // Автоматизация и современные технологии, 2003, № 6.
  62. . Я., Яковлев С. А. Моделирование систем. М.: Высшая школа, 1985. -326 с.
  63. В.Н., Печенежский Д. С. Моделирование дорожных знаков в имитационном проекте автомобильного дорожного движения. // Математическое моделирование, 2001, № 1(6).
  64. В.Н., Печенежский Д. С. Имитационный проект автомобильного дорожного движения. //Радиоэлектроника, автоматика, управление, 2001, № 1.
  65. В. Методология программирования. / Пер. с англ. Под ред. и с предисл. А. П. Ершова. М.: Мир, 1981. -264 с.
  66. JI.И. Основы численных методов. / Под редакцией Щеннико-ва В.В. М.: Наука, 1987 г.
  67. Ю.Н., Макаров А. А. Статистический анализ данных на компьютере. М.: ИНФА — М, 1999. — 528 с.
  68. Ф. Нейрокомпьютерная техника. Теория и практика. М.: Мир, 1984.
  69. И.А. О вычислении среднего стационарного времени пребывания полумарковского процесса в подмножестве состояний // Извещение АН СССР. Техническая кибернетика. 1990. -№ 4.
  70. Дж., Молер К. Численное решение систем линейных алгебраических уравнений. М.: Мир, 1969.
  71. Хаймен М. Borland С++ для «чайников». К.: «Диалектика», 1995. -416с.
  72. Э. Искусственный интеллект. М.: Мир, 1978. — 558с.
  73. Харт-Дэвис Г. Microsoft Windows ХР Professional. Полное руководство. СП ЭКОМ, 2003 .-816с.
  74. Я.А. Проектирование информационно-вычислительных комплексов: Учеб. Для вузов. М.: Высш. шк., 1987. — 280с.
  75. В.А. С++ Builder 5. Техника визуального программирования. М.: «Нолидж», 1998.-512 с.
  76. Г. Теория и практика С++. СПб: BHV — Санкт-Петербург, 1996.-416.
  77. . Г. Перспективы компьютерного управления дорожным трафиком. По материалам «TweakTown», «ipKonfig», Microsoft Corp. и BMW Group. URL: http://www.atom.by/index.php?p=50&id=118
  78. Л. Теория и практика обработки результатов измерений. -М.: Мир, 1968.-462 с.
  79. Anderson D., McNeil G. Artificial neural networks techonology. A DACS State-of-the-Art Report. New York, 1992.
  80. Antamoshkin A., Schwefel H.-P., Torn A., Yin G., Zilinskas A. System Analysis, Design and Optimization. An Introduction. Krasnoyarsk, 1993.-203 p.
  81. Antamoshkin A., Semenkin E. Optimization of Unimodal Monotone Pseudoboolean Functions. Kibernetica 26. (1990) pp 432−442 pp.
  82. Antamoshkin A., Semenkin E. Local Search Under Optimizing Unimodal Pseudoboolean Functions. Informatica 4. (1996) 18 pp.
  83. Goldberg D.E. Genetic algorithms in search, optimization and machine learning. Reading, MA: Addison-Wesley, 1989.
  84. Goodman E. et al (Eds). Evolutionary computation and its applications. Proceedings of the International Conference. Moscow: IHPCS of RAS, 1996.-350 pp.
  85. De Jong K. An analysis of the behavior of a class of genetic Algorithms, Doctoral dissertation. University of Michigan, 1975.
  86. Hebb D.O. The Organization of Behavior: A Neuropsychological Theory.—NewYork: Wiley, 1949.
  87. Holland J. H. Adaptation in natural and artificial systems. Ann Arbor: The University of Mithigan Press, 1975.
  88. Michalewizc Z. Genetic algorithms, numerical optimization, and constraints. Proceeding of the Sixth ICGA, 1995, pp.151−158
  89. I. (Ed.) Adaptive computing in engineering design and control. Proceedings of the International Conference. Plymouth, 1996. — 325 pp.
  90. Schwefel H.-P. Evolution and Optimum Seeking. N.Y.: Whiley Publ., 1995 — pp 612.
  91. Semenkin E., Volovik M. Modelling and Optimization of Spacecrafts' Systems Design // Operations research'95. Berlin: Springer, 1995. — Pp. 353−358.
  92. Semenkin E., Semenkina 0. Hybrid methods in the design of spacecraft' control systems. Adaptive computing in engineering design and control. Plymouth: University of Plymouth, 1996. Pp. 277−284.
  93. Semenkin E. and Semenkina O. Local Search Algorithms in Pseudoboo-lean and Discrete Optimization Problems. // Operations Research'95. Abstracts of International Symposium. Passau: Passau University, 1995. P. 77.
  94. Semenkina 0. Adaptive Search Algorithms for Solving Mixed Optimization Problems in CAD of Spacecraft Control Systems // Operations Research'97. Jena: TU-Jena, 1997.
  95. , С.С. Гибридный эволюционный алгоритм для задач выбора эффективных вариантов систем управления / С. С. Бежитский, Е. С. Семенкин, О. Э. Семенкина // Автоматизация и современные технологии. -№ 11.-2005.-С. 24−31.
  96. , С.С. Выбор оптимальной структуры аппаратно-программного комплекса системы управления движением автомобильного транспорта / С. С. Бежитский // Вестник университетского комплекса. -Вып. 6(20). 2005. — С. 168−173.
  97. , С.С. Гибридный эволюционный алгоритм для решения сложных задач оптимизации / С. С. Бежитский // Вестник университетского комплекса.-Вып. 1(15).-2004.-С. 166−173.
  98. , С.С. Гибридный эволюционный алгоритм / С.С. Бе-житский, О. Э. Семенкипа // Компьютерные учебные программы и иннова-ции.-№ 10(11).-2005.-С. 11.
  99. , С.С. Моделирование и оптимизация распределенных систем управления / С. С. Бежитский // Интеллектуальные системы (AIS'06). Тр. Межд. науч.-тех. конф. М.: ФИЗМАТЛИТ, 2006. — Т.2. — С. 530−535.
  100. , С.С. Эффективность гибридного эволюционного алгоритма в задаче выбора варианта системы управления / С. С. Бежитский, О. Э. Семенкина // Интеллектуальные системы (AIS'05). Тр. Межд. науч.-тех. конф. М.: ФИЗМАТЛИТ, 2005. — Т. 1. — С. 22−24.
  101. С.С. Гибридный эволюционный алгоритм выбора эффективных вариантов систем управления. / С. С. Бежитский // Ломоносов 2005. Мат. Межд. конф. студ. и асп. М: Изд-во факультета ВМиК МГУ, 2005.-С. 8−9.
  102. С.С., Семенкина О. Э. Гибридный эволюционный алгоритм. М.: ВНТИЦ, 2005. -№ гос. per. 50 200 501 803.
  103. С.С., Семенкин Е. С., Семенкина О. Э. Система поддержки принятия решений при моделировании сложных систем с использованием теории Марковских процессов. М.: ВНТИЦ, 2006. — № гос. per. 50 200 601 954.
  104. С.С., Семенкин Е. С. Система автоматизации проектирования распределенных систем обработки информации и управления. -М.: ВНТИЦ, 2006. -№ гос. per. 50 200 601 953.
  105. , С.С. О классификации транспортных средств по их магнитному полю / С. С. Бежитский, Г. М. Грамлих // Молодежь Сибири -науке России. Сб. тр. науч.-практ. конф. Часть II. Красноярск: СИБУП, 2005.-С. 371−372.
  106. С.С. О классификации транспортных средств по изменению магнитного поля // «Физика и Энштейн 2005»: Сб. мат. межвуз. конф. молодых ученых. — Красноярск: КрасГУ, 2005.
  107. , С.С. Разработка и исследование гибридного эволюционного алгоритма для решения сложных задач оптимизации / С. С. Бежитский // Молодежь Сибири науке России: Сб. мат. науч.-практ. конф. -Красноярск: СИБУП, 2004. — С. 16−18.
  108. , С.С. О свойствах целевой функции в задаче выбора структуры технологического контура космического аппарата / С. С. Бежитский // Решетневские чтения: сб. тр. Всерос. науч.-практ. конф. Красноярск: СибГАУ, 2003. — С. 266.
  109. , С.С. О трудоемкости алгоритмов локального поиска для задачи выбора структуры технологического контура космического аппарата / С. С. Бежитский // Информатика и информационные технологии. -Красноярск: ИПЦ КГТУ, 2003. С. 17−19.
  110. Результаты выполнения оптимизации с помощью ГА для каждой изцелевых функций
Заполнить форму текущей работой

На отлично!