CC BY
12УДК 004.7: 004.81 doi:10.18720/SPBPU/2/id23-53
Горелова Галина Викторовна \
научный руководитель ИУЭС ЮФУ, д-р техн. наук, профессор;
Клименко Анна Борисовна 2, доцент кафедры фундаментальной и прикладной информатики ИИНТБ РГГУ, канд. техн. наук;
-5
Сафроненкова Ирина Борисовна ,
младший научный сотрудник лаборатории ИТиПУ ЮНЦ РАН;
Мельник Ярослав Эдуардович 4, студент Института компьютерных технологий и информационной безопасности ЮФУ
ОНТОЛОГИЧЕСКИЙ И КОГНИТИВНЫЙ ПОДХОДЫ К ОРГАНИЗАЦИИ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ
1 Россия, Таганрог, Институт управления в экономических, социальных и экологических системах Южного федерального университета,
gorelova-37@mail.ru; Россия, Москва, Институт информационных наук и технологий безопасности Российского государственного гуманитарного университета, anna_klimenko@mail.ru; 3 Россия, Ростов-на-Дону, Федеральный исследовательский центр Южный научный центр Российской академии наук, safronenkova050788@yandex .т;
4 Россия, Таганрог, Институт компьютерных технологий и информационной безопасности Южного федерального университета,
iamelnik@sfedu.ru
Аннотация. В работе исследуются проблемы, связанные с организацией вычислительного процесса в динамичных средах. Описан метод решения задачи перераспределения вычислительной нагрузки в туманной среде, основанный на процедуре онтологического анализа. При реализации данного метода актуализируется вопрос, связанный с разработкой продукционных правил в соответствии с которыми необходимо осуществлять перераспределение нагрузки. Данный процесс весьма трудоемкий, требует значительной работы экспертов. В настоящей работе предлагается использовать методологию когнитивного анализа для формирования детального описания состояний динамичной распределенной системы при перераспределении вычислительной нагрузки в ней. Предполагается, что когнитивное моделирование окажет существенную поддержку эксперту в разработке продукционных правил. Новизна данной работы заключается в совместном использовании онтологического и когнитивного подходов к организации распределенных вычислений. Построена общая схема, отражающая основные этапы реализации предлагаемых подходов. В качестве примера разработаны онтологические модели, описывающие область динамичной
распределенной вычислительной среды, когнитивная карта перераспределения вычислительной нагрузки, проведен когнитивный анализ.
Ключевые слова, распределенные вычисления, онтологическая модель, когнитивная карта, перераспределение вычислительной нагрузки, сценарное моделирование.
Galina V. Gorelova 1,
Scientific Supervisor of the Institute of Ecology and Economics,
Doctor of Technical Sciences, Professor;
л
Anna B. Klimenko ,
Associate Professor of the Department of Fundamental and Applied Computer Science, Institute of Information Sciences and Security Technologies, Candidate of Technical Sciences;
Irina B. Safronenkova 3, Junior Researcher, IT and CP Laboratory, SSC RAS;
Yaroslav E. Melnik 4, Student, Institute of Computer Technologies and Information Security of the Southern Federal University
ONTOLOGICAL AND COGNITIVE APPROACHES TO THE ORGANIZATION OF DISTRIBUTED COMPUTING
1 Institute of Management in Economic, Social and Ecological Systems of the Southern Federal University, Taganrog, Russia, gorelova-37@mail.ru;
Л
Institute of Information Sciences and Security Technologies, Russian State University for the Humanities, Moscow, Russia, anna_klimenko@mail.ru;
-5
Federal Research Center The Southern Scientific Center of the Russian Academy of Sciences, Rostov-on-Don, Russia, safronenkova050788@yandex.ru ; 4 Institute of Computer Technologies and Information Security of the Southern
Federal University, Taganrog, Russia, iamelnik@sfedu.ru
Abstract. The paper examines the problems associated with the organization of the computing process in dynamic environments. A method for solving the problem of redistribution of computational load in a foggy environment based on the ontological analysis procedure is described. When implementing this method, the issue related to the development of production rules according to which it is necessary to redistribute the load is updated. This process is very laborious, requires considerable work of experts. In this paper, it is proposed to use the methodology of cognitive analysis to form a detailed description of the states of a dynamic distributed system when redistributing the computational load in it. It is assumed that cognitive modeling will provide significant support to the expert in the development of production rules. The novelty of this work lies
in the joint use of ontological and cognitive approaches to the organization of distributed computing. The general scheme reflecting the main stages of implementation of the proposed approaches is constructed. As an example, ontological models describing the area of a dynamic distributed computing environment, a cognitive map of the redistribution of computational load, and a cognitive analysis were developed.
Keywords: distributed computing, ontological model, cognitive map, redistribution of computational load, scenario modeling.
Введение
Проблема, связанная с организацией вычислительного процесса в динамичных средах, таких как, туманная, весьма актуальная задача, требующая нетривиальных методов решения. Это объясняется, прежде всего, особенностями туманной среды, которая характеризуется динамичностью и очень большим числом вычислительных узлов. Таким образом, актуализируется задача, заключающаяся в перераспределении вычислительной нагрузки. Причем, данная задача актуальна не только для систем, критичных к времени отклика, но и для широкого класса иных распределённых систем, поскольку высвободившиеся от «быстрого» перераспределения временные ресурсы могут быть направлены, например, на решение пользовательских задач [3].
Анализ открытых источников показал, что существующие методы решения задачи перераспределения вычислительной нагрузки не обеспечивают эффективного использования ресурсов «туманного» слоя [6].
В настоящей работе предложено использовать подход к организации распределенного вычислительного процесса в туманной среде, сочетающий в себе методологию онтологического и когнитивного моделирования.
1. Онтологический подход к организации распределенных вычислений в туманной среде
Онтологическая модель представляет собой систему иерархии классов и отношений между ними и позволяет в терминах онтологии описать предметную область [1]. Графически онтологическая модель представляется в виде графа, вершины которого это концепты, а ребра — отношения между концептами. Формальная модель онтологии имеет следующий вид:
O =< C, P, R, A >, (1)
где С — конечное множество концептов предметной области;
P — конечное множество свойств этих концептов;
R — конечное множество связей между концептами;
А — множество аксиом, утверждений, построенных из этих концептов, их свойств и связей между ними [4].
Анализ открытых источников показал, что онтологические модели успешно применяются для решения оптимизационных задач. Например,
в работе [7] предложено использовать процедуру онтологического анализа для сокращения поискового пространства при решении задача перераспределения вычислительной нагрузки. Общая схема предложенного метода изображена на рисунке 1.
Рис. 1. Общая схема реализации метода с использованием онтологического анализа
В данной работе показано, что проведение процедуры онтологического анализа позволяет до 80 % сократить исходное множество узлов-кандидатов для перераспределения вычислительной нагрузки. Сокращение поискового пространства благоприятно сказывается на времени решения задачи перераспределения вычислительной нагрузки (выбор вариантов размещения) в среднем в 2,5 раза в сравнении с методом-аналогом [8]. Выигрыш по времени, полученный в результате применения метода, основанного на онтологических моделях, может быть направлен, на решение пользовательской задачи с целью, например, повышения качества решения.
Процедура онтологического анализа включается в себя выполнение следующих этапов:
1. классификация входных данных в соответствии с классами онтологии;
2. применение продукционных правил к классам онтологии;
3. принятие решения о выборе ограниченного множества узлов-кандидатов.
Однако стоит отметить, что этап разработки продукционных правил весьма трудоемкий процесс, требующий участия экспертов предметной области. Соответственно, необходимо разработать методы, позволяющие сократить трудоемкость процесса разработки продукционных правил.
2. Когнитивный подход к формированию продукционных правил перераспределения вычислительной нагрузки
В настоящей работе предлагается использовать методологию когнитивного моделирования, которая позволяет провести анализ сценариев возможного развития ситуаций в системе при различных изменениях среды.
Математическая модель когнитивной карты представляется знаковым ориентированным графом
Первым этапом когнитивного моделирования является этап разработки когнитивной карты, которая является моделью некоторой предметной области, в данном случае — распределенной вычислительной среды. С целью всестороннего описания данной предметной области, были разработаны онтологические модели, позволяющие выделить основные концепты и связи между ними (рис. 2, 3). Для разработки данных онтологических моделей использовалась инструментальная среда Protégé 5.0.
G = < V, E >,
(2)
где
Свойства —[> | Загруженность
гР**
I
owliïhing
Удаленность
Рис. 2. Онтологическая модель «Ресурсы»
Рис. 3. Онтологическая модель «Задачи»
Далее, на основании разработанных моделей, в среде CMCS (Cognitive Modeling Complex Systems) [2] проводится построение когнитивной карты (рис. 4).
Следующим этапом является проведение сценарного анализа. Результатом сценарного анализа является получение набора возможных сценариев развития событий в распределенной вычислительной среде при изменении ее условий. Анализ данных ситуаций позволяет оценить поведение системы в различных условиях, что существенно облегчает работу эксперта на этапе разработки продукционных правил.
Результаты проведенного сценарного анализа показаны на рисунке 5 (а, б).
Предполагается, что разработанные экспертами продукционные правила могут быть записаны в базу знаний экспертной системы.
Рис. 4. Когнитивная карта перераспределения вычислительной нагрузки
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11Л 12.0 13.0 14.0 15.0 16.0
О Число узлов О Динамичность узлов
О Частота реконфигураций О Надежность узла
О Загруженность в штатном режиме О Суммарное время восстановления системы
Рис. 5а. Сценарный анализ при подаче отрицательных воздействии на вершины «Динамичность узлов» и «Число узлов»
12.5 -
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 Ш> 12.0 13.0 14.0 15.0 16.0 Шаги
О Число узлов О Динамичность узлов
О Частота реконфигураций О Надежность узла
О Загруженность в штатном режиме О Суммарное время восстановления системы
Рис. 5б. Сценарный анализ при подаче положительного воздействия на вершину «Динамичность узлов» и отрицательного воздействия на вершину «Число узлов»
3. Онтологический и когнитивный подход к организации распределенных вычислений
Общая схема, отражающая основные этапы реализации онтологического и когнитивного подходов для организации распределенных вычислений показана на рисунке 6.
В случае если продукционные правила не удовлетворяют критериям системы, для которой они разрабатываются, то осуществляется корректировка либо онтологической модели и/или когнитивной карты. Данная корректировка проводится экспертом.
Начало
Предметная область
Онтологический
инжиниринг
Конец
Рис. 6. Схема реализации онтологического и когнитивного подходов
Заключение
В работе был описан метод решения задачи перераспределения вычислительной нагрузки с использованием процедуры онтологического анализа. Было отмечено, что один из этапов реализации данного метода заключается в выработке продукционных правил и требует значительных временных затрат эксперта. В связи я этим, предложено использовать методологию когнитивного моделирования, позволяющую провести детальный и всесторонний анализ возможных сценариев развития событий в области динамичных распределенных сред, возникающих при изменении ее условий. Таким образом, эксперт формирует продукционные правила, обладая специфическими знаниями, свойственными рассматриваемой области. Это позволяет избежать формирования «ошибочных» продукций, не отвечающих состоянию распределенной среды.
Благодарности
Исследование выполнено при поддержке ГЗ ЮНЦ РАН 122020100270-3.
Список литературы
1. Гаврилова Т. А., Кудрявцев Д. В., Муромцев Д. И. Инженерия знаний. Модели и методы: учебник. - СПб.: Издательство «Лань», 2016. - 324 с.
2. Горелова Г.В., Калиниченко А.И., Мельник Э.В. Программный модуль преобразования данных мониторинга природных явлений в прибрежных зонах в формат когнитивной имитационной модели экосистемы. Свидетельство о регистрации программы для ЭВМ 2020661943, 05.10.2020. Заявка № 2020616303 от 17.06.2020.
3. Мельник Э.В., Сафроненкова И.Б., Клименко А.Б. Формирование ограничений в задаче переноса вычислительной нагрузки в РСАПР как условие повышения качества проектирования // Известия ТулГУ. Технические науки. - 2021. - № 2. - С. 357-364.
4. Сидоркина И.Г. Системы искусственного интеллекта: учебное пособие / И.Г. Сидоркина. - М.: КНОРУС, 2015 - 248с.
5. Gorelova G., Melnik E., Safronenkova I. (2021). The Problem Statement of Cognitive Modeling in Social Robotic Systems. In: Ronzhin, A., Rigoll, G., Meshcheryakov, R. (eds) Interactive Collaborative Robotics. ICR 2021. Lecture Notes in Computer Science(), vol 12998. Springer, Cham. https://doi.org/10.1007/978-3-030-87725-5_6.
6. Matrouk, K., Al-atoun K. Scheduling Algorithms in Fog Computing: A Survey // International Journal of Networked and Distributed Computing. - 2021. - Vol. 9. -Pp. 59-74.
7. Melnik E. V., Safronenkova I., Kapustyan S. The Efficiency Improvement of Robots Group Operation by Means of Workload Relocation // Lecture Notes in Computer Science. - 2021. - Vol. 12998. - Pp. 62-75.
8. Safronenkova I.B., Melnik Y.E. An Estimation of the Workload Relocation Techniques Application in Distributed CAD Systems Area // Lecture Notes in Networks and Systems. - 2022. - Vol 330. - Pp. 572-581.
