CC BY
62
компонентного анализа (ПКА). Это уменьшает не только количество правил (например, КНС), но также и количество функций принадлежности согласно предварительно заданным требованиям динамической точности. В изучении параметров ПНКНС применяется упорядоченное производное исчисление для получения периодических правил обучения, благодаря которым достигается возвратная струк-, . запоминать шаблоны КНС и другие параметры ПНКНС. Предлагаемые ПНКНС обеспечивают решение текущей задачи при создании шаблонов и/или нечетких правил существующей встроенной (нечеткой) системы КНС. Это может найти широкое применение при построении прогнозных моделей поведения сложных дина, -метры при взаимодействии с различными характеристиками окружающей среды. Экспериментальные результаты демонстрируют, что предлагаемая схема является эффективной и перспективной [8].
Заключение. В результате мож но сделать вывод, что для сокращения времени разработки новой технической системы, повышения достоверности и оперативности контроля механических свойств компонентов ее конструкции целесообразно решать задачи синтеза программ испытаний прогнозных моделей в нейросетевом .
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Прохорович В.Е. Прогнозирование состояния сложных технических комплексов. - СПб.: Наука, 1999.
2. Растригин Л.А., Пономарев ЮМ. Экстраполяционные методы проектирования и управления. - М.: Машиностроение, 1986.
3. Оссовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Ру-динского. - М.: Финансы и статистика, 2002.
4. Назаров A.B., Лоскутов AM. Нейросетевые алгоритмы прогнозирования и оптимизации систем. - СПб.: Наука и Техника, 2003.
5. I. Szatmari, D. Balya, G. Timar, C. Rekeczky, and T Roska. Multi-channel spatio-temporal topographic processing for visual search and navigation. in Proc. SPIE Microtechnologies for the New Millenium, Gran Ganaria, Spain, May 2003, Paper 5119-38.
6. F. Colodro and A. Torralba. Cellular neuro-fuzzy networks (CNFNs), a new class of cellular networks. in Proc. 5th IEEE Int. Conf. Fuzzy Systems, vol. 1, Sept. 8-11, 1996, pp. 517-521.
7. Cs. Rekeczky, T. Roska, and A. Ushida. CNN-based difference-controlled adaptive nonlinear image filters. Int. J. Circuit Theory Applicat., vol. 26, 1998, pp. 375-423.
8. C. T. Lin, C. L. Chang, and W. C. Cheng. A recurrent fuzzy neural network system with automatic structure and template learning. IEEE Transactions on circuits and systems - I: Regular papers, vol. 51, no. 5, May 2004, pp. 1024-1035.
BA. Литвиненко, C.A. Ховансков ОРГАНИЗАЦИЯ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ НА ОСНОВЕ МУЛЬТИАГЕНТНОГО ПОДХОДА
При решении задач требующих обработки большого объема данных возникает проблема получение решения за приемлемое время. Одним из путей выполнения ограничения на временной ресурс является разделение всего объема вычисле-
[1]. -тров обработки используются работающие совместно персональные компьютеры.
При организации совместной работы компьютеров неизбежна проблема разделения задачи на вычислительные блоки между центрами обработки. Традиционно она решается созданием управляющей программы. Управляющая программа закрепляет между компьютерами вычислительные блоки задачи, организовывает их совместную работу, следит за работоспособностью компьютеров, обеспечивает сбор обработанных данных [2].
Такой подход накладывает жесткие ограничения на круг выполняемых задач из-за невозможности быстрой перенастройки компьютеров в случае необходимости выполнения ряда задач с разными вычислительными алгоритмами, Также недостатками различных реализаций такого подхода являются неизбежные времен, -
- , -тельных блоков задач с высокой степенью связности по данным.
В настоящее время активно развивается направление, связанное с организацией процесса принятия решения, основанное на распределении объемов решаемой задачи с помощью технологии мобильных агентов, называемой мультиагент-ной системой (МС). Достоинствами технологии мобильных агентов является высокая надежность и возможность поддержки независимых вычислительных процессов [3].
В работе [4] предложено организовать распределенные вычисления части вычислительных блоков задачи с слабыми связями по данным, но наличие центра управление и отдельных центров хранения информации о компьютерах дают частичный выигрыш от применения МС.
В настоящей статье предлагается алгоритм работы МС для организации распределенных вычислений на нескольких персональных компьютерах (ПК) методом принятия коллективного решения.
При организации распределенных вычислений система решает проблему конфигурирования вычислительного процесса в компьютерной среде. Предложенный алгоритм предусматривает не только организацию совместной работы имеющихся центров обработки информации, но и предпринимает попытки увеличения количества центров обработки данных, оптимизирует получаемую конфигурацию в ходе выполнения компьютерами задачи с целью сокращения времени решения и повышения степени живучести всей системы
Предлагаемый алгоритм работы МС позволяет использовать в качестве центров обработки не специализированные машины с необходимым аппаратным , ,
. -ствию компьютеров, а также не существует ограничение на количество ПК. Необходимым условием является наличие связей между ПК для передачи данных.
Это может быть и обычная компьютерная сеть, построенная по топологиям, имеющим иерархическую структуру, используя различные сетевые технологии (ЕШете1). При такой конфигурации и сетевой технологии каждый ПК может обращаться к источнику входных данных по каналу связи независимо от других ПК, передавать данные и служебную информацию от компьютера к компьютеру.
Сеть используется при выполнении задач для получения обрабатываемой информации (входные данные) из одного источника во все ПК (например, сеть Интернет, решение задач САПР, задачи управления и др.). Все результаты обработок передаются по сети и собираются на одном из ПК.
Модуль МС (агент) - это программа, устанавливаемая на каждый компьютер. Включает в себя вычислительные модули, необходимые для выполнения самой
задачи обработки данных, и управляющую программу агента, реализующую пред. -сурсы своего ПК находящегося в сети. При использовании ПК аппаратные ресурсы и маршруты передачи данных между агентами образуют иерархическую вычисли. , выходные данные собираются у агента самого верхнего уровня. Агент самого верхнего уровня располагается на ПК пользователя.
Первоначально модуль агента может располагаться на одном или нескольких
.
алгоритму. Агенты равноправны и управляют работой своего компьютера независимо друг от друга. Под управлением своего агента ПК занимается сбором и обра-.
выполняется обмен между агентами ПК имеющими связи согласно иерархической .
В ходе работы каждый агент старается увеличить количество агентов в сети и начинает поиск свободных от других агентов ПК. При обнаружении таких ПК выполняется их «вербовка». При этом происходит передача от агента-родителя своей копии в виде управляющего модуля агента-клона, который будет работать на «за» . -ПК запоминается как завербованный. В случае отсутствия передачи ПК запоминается как занятый. Появившийся агент-клон в иерархической структуре будет принадлежать следующему нижнему уровню МС по отношению к агенту-родителю.
- , который для него является родителем. Разрастаясь таким образом, иерархическая структура вычислительной системы может иметь неограниченное количество .
Агент-клон является полной копией породившего его агента-родителя и будет выполнять те же функции, что и агент-родитель: управление обработкой данных; обмен ею с другими агентами; передача служебной информации агентам-родителям и своим агентам-клонам; поиск и вербовка новых свободных ПК.
- -бесконечно. Все множество агентов делится на совокупности агентов-родителей и их агентов-клонов:
1 i + 1 1 i + 1 1 i + 1 _ 1 i 1 в , l в + 1 ,•••, l в + (к - 1) е l « (1)
где
Г - ПК на ¿-ом уровне, на котором расположен агент-родитель.
- , - , -ной информацией сведения, содержащие данные о наиболее коротком маршруте передачи выходных данных и служебной информации от агента-клона агенту самого высокого уровня.
Для повышения живучести системы информация о маршруте используется в случае выхода из строя или отключении ПК, входящих в маршрут передачи данных. Если из указанного маршрута выбыл или отключился ПК, то связанный с ним агент-клон более нижнего уровня передает информацию агенту ближайшего подключенного ПК высокого уровня, присутствующего в указанном маршруте пере.
При многоуровневой иерархии агент-клон может быть одновременно и аген--.
При работе агентов весь процесс работы МС делится на одинаковые по действиям каждого агента шаги. Под шагом понимается повторяющийся набор действий: прием данных, их обработка, прием и обработка служебной информации, ее передача и передача своего и принятого результатов.
Шаг начинается с того, что после обработки данных каждый агент-клон передает агенту являющимся его родителем помимо выходных данных еще и служебную информацию о ПК, на которых эти вычисления выполнялись:
♦ скорость выполнения данным ПК заданного объема вычислений;
♦ время получения выходных данных и передачи;
♦ время приема об работанных данных.
Это «прямая» связь в МС «снизу-вверх». Позволяет осуществить сбор результатов вычислений при любом количестве центров обработки данных. Сущест-« » « - ». -ции по «прямой» связи. Все агенты-клоны после своей передачи информации по прямой связи ждут передачи служебной информации от своих агентов-родителей.
После получения результатов от агентов нижнего уровня агентами-родителями анализируются служебные данные, полученные при «прямой» передаче. При «обратной» передаче от агента-родителя высокого уровня всем связанным с ним агентам-клонам нижнего уровня будет передана служебная информация , , -объема вычислений выполняемых при обработке входных данных и путь передачи выходных данных на самый верхний уровень.
Каждый агент обменивается на каждом шаге информацией с агентом верхнего уровня иерархической структуры, являющимся его родителем, и своими агентами-клонами нижнего уровня, которые поддерживают с ним связь. По ЭТИМ СВЯЗЯМ агент занимается не только приемом и передачей обработанных данных на верхний ,
нижний уровни структуры. Для агента время шага складывается из времени приема входных данных, выполнения своего объема вычислений, времени обработки и передачи различной информации агентам соседних уровней.
Основной задачей для агента остается выполнение своего объема вычислений , .
Агент-родитель при появлении своего нового агента-клона пытается перераспределить весь объем обрабатываемых данных, который назначен ему агентом-родителем на части примерно в равной пропорции между своими агентами-клонами, с учетом своих собственных вычислительных ресурсов. При последующих шагах происходит корректировка объема обрабатываемых данных им и его клонами с учетом вычислительных ресурсов каждой ПК. Сам агент-клон являясь агентом-родителем также изменяет объем заданий своим агентам-клонам в соответствии с установленной от своего агента-родителя долей от общего объема обра-.
Это позволяет уменьшить разницу во времени получения результатов решения на всех ПК МС одного уровня и повышает надежность работы системы. Выравнивание может выполняться и по другим критериям в зависимости от объема вычислений и пропускной способности каналов связи.
Обозначим Р - весь объем обрабатываемой информации на одном шаге. В самом начале работы МС, структура имеет один уровень и агент работает только на одном ПК п1 = 1. Соответственно весь объем вычислений Р выполняется агентом на этом ПК. При расширении структуры каждый ПК присоединяется к
соответствующему уровню I а € п1. Агенты второго уровня образуют множество
п2 = (I2, /22,..., О.
При размножении агента на другие ПК весь объем вычислений (2) начинает делиться между всеми агентами МС:
Рга = в + Р;+! + ... + РК;*-!) + Ра , (2)
где к - количество агентов-клонов агента-родителя ПК Г
Время решения задачи на одном шаге (3) определяется наибольшим временем выполнения своего объема вычислений этого шага одним из агентов входящих в совокупность агент-родитель и его агенты-клоны:
!а = тах(?р , ^ в+!,..., в+(*-!)) . (3)
Для второго уровня:
г1 = шах(^, г22,..., г2т). (4)
Среднее время вычислений агентами-клонами:
1 = 0
У гг+!
Аи т+1
А = Л+; , л +; , , л +; = _*_______ (5)
V а~1в ^ гв+! ^1в+(к-!) к ' ^ ^
-
производимых вычислений для уменьшения максимального времени выполнения агентами-клонами своих задач:
/ +!\' Т)г+! СРа
(Рт ) ~ Рт .¡+; . (6)
т
Алгоритм агента.
!. .
2. .
3. -
проверенных компьютеров? Если адрес есть, то перейти к п.5, иначе перейти к п.4.
4. .
5. - ?
выполнена, то перейти к п.6, иначе перейти к п.3.
6. Проверить - получены ли выходные данные? Если данные получены, то перейти к п.7, иначе перейти к п.3.
7. Запись полученных данных.
8. Проверить - получены ли данные от агентов уровня г —!? Если данные получены, то перейти к п.9, иначе перейти к п.!0.
9. Занесение компьютера-отправителя в список агентов уровня г —!.
!0. Проверить - все ли агенты уровня г —! передали данные? Если все, то .!!, .3.
11. Передача всех выходных данных.
!2. - г + ! ?
Если получена, то перейти к пЛ4, иначе перейти к пЛ3.
.
М. Расчет ?ср а и рт+! .
!5. г —!.
!6. .!.
Разработанный алгоритм организует и оптимизирует распределенные вычисления методом принятия коллективного решения с использованием МС. Выполняется на фоне решения основной задачи. Время, затраченное на переконфигурацию структуры МС, из-за изменений в системе или поступления нового задания сводится к минимуму и оказывает относительно небольшое влияние на общее время ре.
БИБЛИОГРДФИЧЕСКИЙ СПИСОК
!. Лорин Г. Распределенные вычислительные системы. - М.: Радио и связь, !984. - 296 с.
2. Таненбаум Э. Распределенные системы: принципы и парадигмы. - СПб: Питер, 2003. -877 с.
3. Хованское С.А., Мельник ЭМ. Блуишвили ИМ. Метод организации распределенных вычислений в управляющих системах // Мехатроника, автоматизация, управление. «Новые технологии», №4, 2003.
4. . ., . ., . .
// , « многопроцессорные системы». - Таганрог: Изд-во ТРТУ, №!0, 2005.
..
ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОЙ СТРУКТУРЫ МОДУЛЬНОГО ТИПА ДЛЯ РЕШЕНИЯ НАВИГАЦИОННОЙ ЗАДАЧИ*
Ставится задача определения координат летательного аппарата по измеренным расстояниям до опорных радиомаяков. Если рассматривается более трех радиомаяков, то аналитически задача не решается. Предложенные способы решения, основанные на методе наименьших квадратов, требуют больших вычислительных ресурсов. Поэтому предлагается использовать нейронные сети для решения по. -
, -
.
решения навигационной задачи.
. -
разом (рисЛ). В трёхмерном декартовом пространстве заданы координаты точек, в которых находятся опорные радиомаяки. Необходимо определить положение летательного аппарата (ЛА) по измеренным расстояниям Д от ЛА до опорных радиомаяков (г = !, п). Предполагается, что схема расположения маяков фиксирована, а ЛА находится внутри заданного куба, называемого областью решения. Необходимо с точностью не более чем Ш м оценить координаты летательного аппарата х, у
и г по измерениям дальностей Д до радиомаяков. Предполагается, что координаты
радиомаяков заданы с погрешностями и измерения дальностей также производятся на фоне помех.
Поставленная прикладная задача относится к классу задач аппроксимации функций многих переменных. В роли функций выступают оцениваемые координа-
* Работа выполнена при финансовой поддержке РФФИ (проект № 05-08-0!42!).
