CC BY
44
старших разрядов, т.к. их изменение приведет к большому изменению ошибки, в то время как вклад младших разрядов в ошибку будет гораздо меньшим. Таким образом, решение может очень долго задерживаться в окрестности локального оптимума, определяемой текущими значениями старших битов. Для вывода ее из этой окрестности может быть использована предлагаемая в данной работе процедура изменения вероятности мутации в зависимости от текущего состояния популяции. Эта процедура заключается в нахождении среднего изменения ошибки на определенном числе шагов поиска (этапе поиска). Если различие между значениями, измеренными на текущем и предыдущем этапах, различаются не значительно (в пределах 1%), вероятность мутации увеличивается и через некоторое количество шагов возвращается к прежнему значению. Таким образом, при долгом нахождении популяции в локальном оптимуме высокая мутация дает ей возможность покинуть его.
Предложенный метод был исследован на задачах, предполагающих использование нейросетей, состоящих из 5-7 нейронов. Эксперименты показали, что при увеличении числа нейронов эффективность использования предложенных генетических операторов возрастает по сравнению с использованием исходных операторов.
На рассмотренных задачах не удалось достичь значительного выигрыша в скорости обучения, по сравнению с алгоритмом обратного распространения. Однако генетический метод имеет преимущества в своей универсальности. С небольшими модификациями он может быть применен практически к любой нейро-сетевой парадигме, не зависимо от ее структуры и способа функционирования.
ЛИТЕРАТУРА
1. Чернухин Ю. В. «Нейропроцессорные сети». Таганрог: ТРТУ, 1999.
2. Курейчик В.М., Лебедев Б.К., Нужное Е.В. Учебное пособие по курсу «Генетические методы оптимизации». М., 1996.
3. Whitley D. «Genetic Algorithms and Neural Networks». 1995.
УДК 681.325.(681.324)
В.Ф. Гузик, B.E. Золотовский, В.Б. Резников КОММУНИКАЦИОННЫЕ СРЕДСТВА ВЫЧИСЛИТЕЛЬНЫХ СЕТЕЙ
Требования к производительности современных компьютеров постоянно растут. Самой высокой производительностью из всех типов компьютеров обладают суперкомпьютеры. Решение задачи создания высокопроизводительных компьютеров упирается в проблему преодоления физического предела. Уровень современных технологий подошел к наивысшей точке и для существенного прорыва в этой области необходим переход к принципиально новым технологиям. Это могут быть нейро-, квантовые или оптические компьютеры, которые, однако, в данной области ещё не нашли достаточно приемлемого технологического решения.
Поэтому при разработке высокопроизводительных систем применяют принцип параллелизма. Таким образом, упор делается на распараллеливание работы на несколько элементов, а не на увеличение производительности отдельного элемента.
Все современные суперкомпьютеры имеют параллельную архитектуру. На сегодня существуют две основные архитектуры параллельных компьютеров: симметричные мультипроцессорные системы с общей памятью (БМР) и мультипроцессорные с распределенной памятью (МРР).
Системы с общей памятью имеют преимущество в удобстве программирования. Но для их реализации необходимы устройства арбитража шины памяти. К тому же увеличение количества процессоров ведет к росту конфликтов при обращении к памяти. Поэтому данные системы обладают небольшим числом процессоров (до 32). Оптимальным считается число 4 [1,2].
В системах с распределенной памятью основной упор делается на локальную память процессора. Взаимодействие между процессорами осуществляется при помощи специального коммуникационного оборудования. Недостатком данной архитектуры является ориентированность программ на топологию системы. Так же уникальность структуры затрудняет разработку универсальных пакетов приложений.
Одним из решений проблем разработки МРР систем является создание виртуальной общей памяти, распределенной между узлами системы. Но при этом требуется сверхбыстрое коммуникационное оборудование. И подобные системы обладают высокой стоимостью.
Альтернативой суперкомпьютерам является создание вычислительной сети на базе современных персональных компьютеров. Данные системы обладают целым рядом достоинств. Основными преимуществами являются низкая себестоимость и простота реализации системы. Производительность персональных компьютеров и сетевого оборудования значительно возросла за последнее время. Параллельные вычислительные системы (кластеры) на базе общедоступных персональных ЭВМ на ряде задач составляют серьёзную конкуренцию современным высокопроизводительным мультипроцессорным системам. Кроме того, построение подобных вычислительных систем является наиболее привлекательным именно для высших учебных заведений. Они имеют большой парк персональных ЭВМ, но зачастую не имеют достаточного количества денежных средств на приобретение высокопроизводительных систем. И создание вычислительного кластера на базе учебных лабораторий позволит получить необходимую мощность для исследований.
Таким образом, предлагаемым решением проблемы разработки высокопроизводительной системы является создание вычислительной сети на основе общедоступных персональных компьютеров. В основное время - это обычная информационная сеть, представляющая собой сеть уровня кафедры или даже университета. При возникновении потребности в решении сложной задачи или возможности свободного использования ресурсов данной сети (не рабочее время) эта сеть преобразуется в вычислительную.
При создании вычислительного кластера необходимо решить 2 основные задачи - разработку коммуникационных средств, осуществляющих объединение сетевых станций в кластер, и обеспечение поддержки специального программного обеспечения, позволяющего создавать кластер - ориентированные проекты. Коммуникационные средства объединения распределенных рабочих станций во многом определяют производительность всей системы. Структура коммуникационной системы представлена на рис.1.
В ходе проектирования коммуникационной системы рассматривались нижние три уровня - сетевое аппаратное обеспечение. При этом были рассмотрены наиболее распространенные сетевые технологии для локальных сетей: Simple Ethernet, Token Ring, Fast Ethernet, lOOVGAnyLan, FDDI, Gigabit Ethernet. Их сравнительные характеристики изображены на рис. 2.
Рис.1
технология Gigabit Ethernet
FDDI
гісхУхххххххххххххм і,то«гоЯЛ
ЦоЕДГіЛ
100VG Any Lan
ХХХХХХХХХХХХХХХХЯ Сіищштл
ХХХХХХХХХХХХ I
Fast Ethernet
Token Ring
їУ/УЛСШИетЛ
Ethernet
WJ UMHWH I
0 10
1Й0
збо
y.e. за порт/ Мбит в сек
Їо5о *
Рис.2
В результате анализа самой оптимальной из рассмотренных сетевых технологий является lOOVGAnyLan. Однако хотя данная технология работает с более напряженным трафиком, чем Fast Ethernet, но Fast Ethernet обладает несколько меньшей стоимостью и широко поддерживается производителями сетевого обеспечения. И поэтому наиболее оптимальной сетевой технологией был выбран Fast Ethernet, Предполагаемая стоимость подключения определяется 70 долларов за одну рабочую станцию. При этом сеть должна иметь закрытую архитектуру для максимального использования пропускной способности коммуникационных средств, то есть присутствие посторонних пакетов недопустимо. Необходимым условием является использование коммутатора в качестве узла сети. Это позволит осуществлять параллельные независимые парные соединения. Однако недостатком такого способа коммутации является отсутствие соединения один со всеми [3].
На программном уровне (коммуникационная библиотека и прикладные средства) взаимодействие распределенных задач осуществляется посредством коммуникационных библиотек. Наиболее распространенным интерфейсом параллельного программирования в модели передачи сообщений является МР1/4/. На базе этого интерфейса было разработано большое количество реализаций MPI, таких как MPICH, HPVM. Выбор определенной коммуникационной библиотеки определяется спецификой задачи и реализации кластера. В качестве базового протокола коммуникационной библиотеки чаще всего выбирается TCP/IP в силу своей универсальности.
На настоящий момент существует большое количество реализаций кластер
- систем. Одним из первых был проект Beowulf, который был реализован в 1994
году в центре CESD1S [5]. Состав кластера 16 станций (485DX4/16 Мбайт ОЗУ и сеть по технологии ЮМбит Ethernet). Одним из наиболее известных стал проект Avalon [6,7]. Он был построен в 1998 году в Лос-аламосской национальной лаборатории на базе 140 станций (DEC Alpha/533 MHz, 256Мбайт ОЗУ и сеть по технологии FastEthernet). Общая стоимость системы -313 тыс. долларов, а достигнутая производительность - 47,7 Гфлопс по UNPACK. По показателю стои-
мость/производительность проект получил премию “1998 Gordon Bell Price/Performance Prize” [6]. Так же существует проект более скромного масштаба
- кластер на базе 9 станций (Celeron 300А х 2/128 Мбайт ОЗУ и сеть по технологии FastEthernet). Стоимость системы - 12 тыс. долларов, а пиковая производительность - 7,5 Г флопс.
В заключение необходимо отметить перспективность развития кластерных систем, которые на настоящий момент определяют оптимум по показателю цена/производительность. Создание и развитие подобных проектов позволит обеспечить потребность отечественной науки в высокопроизводительных системах для решения сложных задач.
ЛИТЕРАТУРА
1. Французов Д., Тест оценки производительности суперкомпьютеров. Открытые системы, № 6, 1995.
2. Арапов Д., Можно ли превратить сеть в суперкомпьютер?. Открытые системы, № 4, 1997.
3. Олифер В.Г., Олифер Н.А., Компьютерные сети. Принципы, технологии, протоколы, 1999.
4. Snir М., Otto S., Huss - Lederman S., MPI: The Complete Reference, 1996.
5. http://www.beowulf.org/The BeowulfProject.htm.
6. http://cnls.lanl.gov/avalon/index.html.
7. http://loki-www.Ianl.gov/papers/sc98/Avalon.htm.
8. http://www.diadema.ru/I^acTep 9xDual Celeron 300A.htm.
УДК 681.326.74.06
В.Ф.Гузик, В.И Мартиросян
ПРОГРАММНО-АППАРАТНЫЙ КОМПЛЕКС ДИСТАНЦИОННОГО ТЕСТИРОВАНИЯ С «КЛИЕНТ-СЕРВЕРНОЙ» АРХИТЕКТУРОЙ
Комплекс предназначен для дистанционного тестирования учащихся в процессе обучения. Объектом тестирования могут быть учащиеся средних, профессионально-ориентированных и высших учебных заведений. Комплекс ориентирован на использование в локальном (в рамках учебного заведения) и в глобальном (по сети Internet) масштабах. Он позволяет более объективно оценивать учащихся в процессе тестирования, так как отсутствует человеческий, во многом субъективный фактор.
Комплекс можно разделить на три функциональные части.
Первая часть — программная, разработана на языке Visual Basic с использованием распространенной в Internet архитектуры «клиент-сервер».
Вторая — аппаратная часть, разработана на СП «TMS» и предназначена для криптографической защиты выходящей информации, а именно «снимка», сформированного из основной базы данных, находящейся на сервере, и данных, исходящих от «клиента».
Третья же часть представляет собой устройство чтения смарт-карт, соответствующих международному стандарту ISO 7816-2, через параллельный порт. Благодаря третьей части осуществляется авторизованный доступ к динамическому набору, формируемому из основной и ключевой баз данных.
Клиент, подключенный к серверу через ЛВС либо через Internet получает вопрос из базы данных, который предварительно кодируется на аппаратной части комплекса. Получив очередную порцию закодированной информации, она аналогичным образом декодируется и выводится на дисплей уже программной оболочкой. Полученный сервером ответ проходит аналогичные стадии обработки, и в связи с этим перехваченная злоумышленником информация предстанет в закодированном виде. На конечном этапе ответы, полученные от клиента, сравниваются с правильными, находящимися в ключевой базе данных, и результаты тестирования, по выше приведенному маршруту, поступают на дисплей клиента.
