CC BY
27
УДК 004.41/.42 ББК 32.973-018 Х 17
Хализев В.Н.
Кандидат технических наук, профессор кафедры компьютерных технологий и информационной безопасности института компьютерных систем и информационной безопасности Кубанского государственного технологического университета, Краснодар, e-mail: ha53@mail.ru Угрюмов Д.В.
Аспирант кафедры компьютерных технологий и информационной безопасности института компьютерных систем и информационной безопасности Кубанского государственного технологического университета, Краснодар, e-mail: 122@krasnodar.pro
Дорин Н.Е.
Аспирант кафедры компьютерных технологий и информационной безопасности института компьютерных систем и информационной безопасности Кубанского государственного технологического университета, Краснодар, e-mail: nikolay.dorin@gmail.com
Оценка эффективности алгоритмов множественного выбора при проектировании распределенных информационных систем
(Рецензирована)
Аннотация. Рассмотрен опыт экспериментальной оценки алгоритма множественного выбора при проектировании распределенных информационных систем. Приведена сравнительная оценка разработанного метода с данными методов экспертного анализа и предлагаемыми архитектурами в «лучших мировых практиках».
Ключевые слова: алгоритм множественного выбора, анализ требований, системная интеграция.
Khalizev V.N.
Candidate of Technical Sciences, Professor of Computer Technologies and Information Security Department of Institute of Computer Systems and Information Security, Kuban State University of Technology, Krasnodar, e-mail: ha53@mail.ru Ugryumov D.V.
Post-graduate student of Computer Technologies and Information Security Department of Institute of Computer Systems and Information Security, Kuban State University of Technology, Krasnodar, e-mail: 122@krasnodar.pro
Dorin N.E.
Post-graduate student of Computer Technologies and Information Security Department of Institute of Computer Systems and Information Security, Kuban State University of Technology, Krasnodar, e-mail: nikolay.dorin@gmail.com
Efficiency assessment of multiple choice algorithms at design of the distributed information systems
Abstract. The paper describes the experience in an experimental assessment of the multiple-choice algorithm in designing the distributed information systems. The authors give the comparative assessment of the developed method, data of methods of expert analysis and the architectures proposed in the «world's best practice». Keywords: multiple choice algorithms, analysis of requirements, integrated security systems.
При решении задач проектирования и системного интегрирования сложных, распределенных информационных систем зачастую возникает проблема множественного выбора, то есть выбора множества или совокупности проектных решений из набора альтернатив (задача МВ). В таких случаях эту ситуацию можно рассматривать как задачу оптимального выбора некоторого количества подсистем интегрированной системы. При системном интегрировании перед лицом, принимающим решение (ЛИР), стоит задача выбора между несколькими всеобъемлющими многофункциональными системами (имеющими много технических параметров и некоторых качественных экспертных характеристик для сравнения) и, возможно, несколькими узкоспециализированными подсистемами, как правило, с лучшими некоторыми параметрами, чем у первых, а
также их всевозможными сочетаниями.
Возможных сочетаний может быть довольно много и нет гарантии, что ЛПР их все учтет при анализе. Нет также гарантии, что лучшего качества или меньших затрат нельзя добиться, выбрав набор узкоспециализированных и дешевых подсистем или их сочетаний. Эти все ситуации и варианты как раз укладываются в модель системной интеграции и поиска решений МВ.
Частным случаем рассматриваемой проблемы (формирования проектных решений по системе) является задача подбора оптимального сочетания решений для уже выбранного (установленного, закупленного) набора оборудования, учитывающего их параметры как фиксированные.
Для экспериментальной оценки эффективности предлагаемых подходов используем разработанный программный комплекс для оптимизации выбора параметров интегрированных систем [1]. Данный комплекс реализует набор алгоритмов, методик и моделей, предложенных авторами в [2, 3]. Реализованный на платформе СППР или в виде отдельного модуля, внедряемого в консоль администрирования и управления, он позволяет автоматизировать решение задач выбора характеристик компонентов ИС на этапе проектирования и управление ими в ходе эксплуатации.
После иерархического воспроизведения проблемы устанавливаются приоритеты критериев и оценивается каждая из альтернатив по критериям. В методе анализа иерархий (МАИ) элементы задачи сравниваются попарно по отношению к их воздействию на общую для них характеристику [4, 5].
Система парных сведений приводит к результату, который может быть представлен в виде обратно симметричной матрицы. Элементом матрицы а(г, у) является интенсивность проявления элемента иерархии г относительно элемента иерархии у, оцениваемая по шкале интенсивности от 1 до 9, предложенной автором метода, где оценки имеют следующий смысл:
1 - равная важность;
3 - умеренное превосходство одного над другим;
5 - существенное превосходство одного над другим;
7 - значительное превосходство одного над другим;
9 - очень сильное превосходство одного над другим;
2, 4, 6, 8 - соответствующие промежуточные значения (могут не учитываться).
Если при сравнении одного фактора г с другим у получено а(г, у)=Ъ, то при сравнении второго фактора с первым получаем а(/, г)=1/Ъ.
Относительная сила, величина или вероятность каждого отдельного объекта в иерархии определяется оценкой соответствующего ему элемента собственного вектора матрицы приоритетов, нормализованного к единице. Процедура определения собственных векторов матриц поддается приближению с помощью вычисления геометрической средней.
Модуль позволяет произвести сравнительный анализ множества систем по заданным критериям (параметрам) и предоставляет пользователю оценки каждой из систем после их анализа, на основе которых пользователь может выбрать наиболее ему подходящие.
Задача выбора здесь рассмотрена в теоретико-множественной интерпретации как задача о наименьшем покрытии (ЗНП) множества. Для получения оптимального варианта структуры проектируемой системы используются математические модели, представляющие собой формальное описание на принятом уровне детализации множества объектов проектирования в виде набора реализуемых функций или выполняемых требований к системе.
В модели объединены применение аппарата нечеткой логики для обработки экспертных знаний при подготовке исходных данных и строгий метод целочисленного не-
линеиного программирования поиска оптимального решения, что и определяет его новизну.
Алгоритмы, реализованные в программном комплексе, являются трансформированным вариантом алгоритма последовательных итераций методом уступок, ориентированным на практическое использование [5, 6]. В используемой модели сменяются и оцениваются по очереди параметры стоимости и эффективности для построения паре-то-оптимального фронта.
Практическая ценность работы заключается в том, что внедрение результатов исследования в практику позволит на основе анализа требований выбирать оптимальную архитектуру систем и набор оборудования для синтеза интегрированной системы из различных элементов, предложенных на рынке.
Сравниваемые параметры, а также их значимость (нужность) пользователь задает сам. Системам также задаются сведения о реализованности заданного параметра (в случае, если параметр не имеет точного значения и является качественным) либо его значение и оценка того, насколько он подходит пользователю (в случае, если параметр имеет точное значение и является техническим). Системам задается их стоимость для последующего выставления оценки по критерию качество/цена.
Система также позволяет задать «идеальную систему», которая будет точно подходить пользователю по параметрам, но не имеет точной ценовой оценки для упрощения последующего выбора оптимальных систем.
В качестве примера рассмотрим результаты выбора оборудования по параметрам (выбор из пяти межсетевых экранов по одиннадцати параметрам). Можно задать имя каждого параметра и его принадлежность к качественным либо техническим параметрам (по умолчанию все параметры являются качественными).
Иллюстрация системных свойств модели на примере выборки небольшого размера со специально подобранными данными межсетевых экранов, систем обнаружения вторжений и антивирусных средств представлена на рисунке 1.
Рис. 1. Окно работы с параметрами
На рисунке 2 показана реализация функции «Индекса согласованности», которая позволяет отследить, насколько логика построения соотношений пользователя не противоречива.
При изменении любого параметра в окне будет показываться индекс согласованности таблицы. В случае, если его значение превысит 10%, рекомендуется пересмотреть соотношение оценок некоторых параметров.
Рис. 2. Определение индекса согласованности параметров
Посредством меню (рис. 3) можно задать оценки по каждым параметрам (шкала оценок приведена в справке по программе), если параметр является качественным, либо методом задания оценок задать идеальную систему, цену системы, добавить новую систему или удалить текущую.
Рис. 3. Окно редактирования систем
Для удобства пользователь может также задать абстрактную желаемую (идеальную) систему, которая впоследствии может облегчить выбор из предложенных. Результаты анализа отображаются на графике, на котором точками будут обозначены системы и их положение относительно их оценок (рис. 4):
- квадратом обозначены системы, входящие во Фронт Парето;
- треугольником обозначены системы, не входящие во Фронт Парето;
- кругом обозначена система, которая в данный момент выделена в таблице. Пунктирной линией показана ранее заданная «идеальная система». Относительно
нее можно ориентироваться, какие системы по показателям наиболее нам подходят.
Рис. 4. Результаты сравнительного анализа систем
Аналогичным образом была проведена серия тестовых испытаний по задачам различного класса: выбор параметров сложных информационных систем (ИС), формирование набора компонентов программно-аппаратных комплексов, определение оптимального состава группы экспертов с учетом их доступности и т.д. - 9 серий экспериментов.
Результаты сравнения абсолютных величин и процентного соотношения ошибок определения адекватности предлагаемых решений по сравнению со взвешенной экспертной оценкой приведены на рисунке 5. Для оценки релевантности полученных кандидатур проведен экспертный анализ предлагаемого решения. Точность отбора при этом составила от 65 до 80 процентов в зависимости от предметной области и полноты учитываемых характеристик (описания параметров).
Сравнив полученные результаты с данными методов экспертного анализа и предлагаемыми архитектурами в «лучших мировых практиках», можно сделать вывод о
достаточной адекватности, надежности и эффективности разработанных методик и алгоритмов (табл. 1).
Рис. 5. Результаты оценки вычисления мер семантической близости различными алгоритмами
Таблица 1
Результаты сравнения с аналогичными методами
Название метода Корреляция с эталонным решением (лучшие мировые практики)
Экспертное оценивание 0,9015
Деревья решений 0,7450
МАИ 0,7724
Нейросети (нечеткие регуляторы, многослойные нейронные сети прямого распространения) 0,8914
Предлагаемый алгоритм 0,8129
В экспериментах предлагаемый метод показал наивысшую корреляцию 0,834. С учетом вычислительной сложности метода (в сравнении, например, с нейросетевыми), а также отсутствием практических ограничений на область его применения, получаемые в ходе функционирования программного модуля результаты (с предусмотренной возможностью их корректировки экспертом) позволяют осуществлять эффективный подбор параметров сложных ИС и организовывать контур управления ими.
Примечания:
1. Хализев В.Н., Тарасов Е.С., Угрюмов Д.В., До-рин Н.Е. Алгоритмизация процедур проектирования сложных информационных систем на основе методик множественного выбора // Вестник Адыгейского государственного университета. Сер. Естественно-математические и технические науки. 2015. Вып. 1 (154). С. 141-146. URL: http://vestnik.adygnet.ru
2. Хализев В.Н., Федоров С.Ю. Математическая модель синтеза интегрированной системы безопасности // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубгАУ). Краснодар: КубгАу, 2012. № 07 (081). С. 960-969.
3. Курлыкин А.С., Хализев В.Н. Разработка модели выбора оборудования для построения оптимального технического предложения систем консолидированной обработки данных // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). Краснодар: КубГАУ, 2013. № 01 (085). С. 356367.
4. Ногин В.Д., Басков О.В. Сужение множества Парето на основе учета произвольного конечного набора числовой информации об отношении предпочтения // Доклады АН. 2011. Т. 438, № 4. С. 1-4.
5. Алексеев О.Г. Комплексное применение методов дискретной оптимизации. М: Наука, 1987. 279 с.
6. Львович Я.Е., Чернышева Г. Д., Каширина И.Л. Оптимизация проектных решений в САПР на основе эквивалентных преобразований задачи о минимальном покрытии. Эл № ФС 77-30569.
References:
1. Khalizev V.N., Tarasov E.S., Ugryumov D.V., Dorin N.E. Algorithmization of procedures of design of the composite information systems on the basis of techniques of a multiple choice // The Bulletin of the Adyghe State University. Ser. Natural-Mathematical and Technical Sciences. 2015. Iss. 1 (154). P. 141-146.
URL: http://vestnik.adygnet.ru
2. Khalizev V.N., Fedorov S.Yu. Mathematical model of synthesis of the integrated security system // Multidisciplinary Network Electronic Scientific Journal of the Kuban State Agricultural University (The KubSAU scientific journal). Krasnodar: KubSAU, 2012. No. 07 (081). P. 960-969.
3. Kurlykin A.S., Khalizev V.N. Development of the model of choice of the equipment for creation of the optimum technical offer of systems of the consolidated data processing // Multidisciplinary network electronic scientific journal of the Kuban State Agricultural University (The KubSAU scientific journal). Krasnodar: KubGAU, 2013. No. 01 (085). P. 356-367.
4. Nogin V.D., Baskov O.V. Narrowing of Pareto set on the basis of accounting of undefined final set of numerical information on the preference relation // AS Reports. 2011. Vol. 438, No. 4. P. 1-4.
5. Alekseev O.G. Complex application of discrete optimization methods. M: Nauka, 1987. 279 pp.
6. Lvovich Ya.E., Chernysheva G.D., Kashirina I.L. Voronezh State Technical University, Voronezh State University. Optimization of design decisions in SAPR on the basis of equivalent transformations of the minimum covering problem. El No. FS 7730569.
