CC BY
7
Юдин Сергей Михайлович, заместитель начальника отдела, lamkon@ro.ru, Россия, Ахтубинск Астраханской области, Государственный летно-испытательный центр им. В.П. Чкалова,
Молчанов Андрей Сергеевич, д-р техн. наук, доцент, начальник отдела, andryoe@yandex.ru, Россия, Ахтубинск Астраханской области, Государственный летно-испытательный центр им. В. П. Чкалова
INTEGRATION OF FLIGHT SIMULATORS INTO THE SOFTWARE OF SEMI-NA TURAL AND MATHEMATICAL MODELING OF AIRCRAFT ON-BOARD EQUIPMENT COMPLEXES ON THE EXAMPLE
OF THE FLIGHTGEAR SOFTWARE PACKAGE
S.M. Yudin, A.S. Molchanov
The article presents the conclusions from the analysis of the possibility of using the simulator with the freely distributed source code FlightGear for flight visualization and simulation of aircraft motion parameters and operating modes of the onboard equipment complex during ground and flight tests.
Key words: mathematical modeling, flight simulator, half-life stand simulation bench, mathematical model of onboard equipment, FlightGear, onboard equipment complex.
Yudin Sergey Mihaylovich, deputy head of department, lamkon@ro.ru, Russia, Akhtubinsk city, Astrakhan region, Chkalov State Flight Test Center,
Molchanov Andrey Sergeevich, doctor of technical sciences, assistant professor, head of department, andryoe@yandex.ru, Russia, Akhtubinsk city, Astrakhan region, Chkalov State Flight Test Center
УДК 004.451.25
DOI: 10.24412/2071-6168-2023-5-67-68
ПОКАЗАТЕЛИ ОБОСНОВАННОСТИ, РЕСУРСОПОТРЕБЛЕНИЯ И СКРЫТНОСТИ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ПРОЦЕССА ПЛАНИРОВАНИЯ
В.С. Скрябин, А.Я. Моргунов, Е.В. Комаров, В.А. Питенко, А.И. Муравьев
В статье подробно рассмотрены следующие показатели эффективности информационной поддержки процесса планирования и компьютерной системы информационной поддержки: обоснованность, ресурсопотребление и скрытность информационной поддержки процесса планирования и безопасность компьютерной системы информационной поддержки. Данные показатели рассмотрены применительно к этапам процесса планирования.
Ключевые слова: процесс планирования, информационная поддержка планирования, система информационной поддержки.
Оценим обоснованность информационной поддержки процесса планирования (ИППП) на основе показателя адекватности разработки документов и интегрального показателя полноты и точности предоставляемой ДЛ информации в ходе планирования.
Показатель адекватности определяется из таких внутренних показателей, как вероятности ошибки на элемент документа в исходных данных Рид, при работе ДЛ Рдл, аппаратных за время работы программы РА, являющиеся характеристиками таких свойств программы, как информационная, операторская, алгоритмическая и техническая безотказность, которые в свою очередь характеризуют такое свойство программы, как надежность:
Рош = 1-(1-Рид)ы-(1-Рдл)Ш <1-Ра(р); где N - среднее число символов в документе (в текстовых и табличных документах - 1000-20000 символов, определено на основе оценки существующих текстовых и табличных документов [1]), No - трудоемкость документа, определяемая средним количеством символов, вводимых оператором.
Доля операций ручного редактирования документа по оценкам составит 20-30% всего объема документа, т.е. No=(0,2-0,3) N.
Показатель эффекта применения компьютерной системы информационной поддержки (КСИП) для процессов ИППП по свойству адекватности будет следующий:
Эд =
грРУ
ад рк Üi
где Р^™ - значение вероятности ошибок в документах при использовании КСИП; РРру - значение
вероятности ошибок при ручном способе исполнения документов.
Для оценки интегрального показателя полноты и точности предоставляемой ДЛ информации в работе используем методику, позволяющую представлять процент выданных релевантных кадров информации и процент релевантных информационных кадров, невыданных согласно данному запросу ДЛ.
Вычисления средних значений коэффициентов полноты (Кп) и точности (КТ) проводятся по формулам:
т т
У V Уу
1 /-1 р 1 /—I р
Кп = —х-^- 'КТ = —х-Ч- '
m X Vp + Vp) m X (Vv + Vp) 1=1 1=1
где Vnv - количество выданных нерелевантных информационных кадров; Vp - количество выданных релевантных информационных кадров; Vnp - количество невыданных релевантных кадров; m - количество запросов ДЛ на получение информации.
На основании приведенных соотношений можно заключить, что коэффициент полноты отражает исчерпывающее свойство КСИП, тогда как точность характеризует специфичность системы. Эти два показателя ориентированы на пользователя, поскольку пользователь заинтересован в выборке наибольшего числа информационных блоков, релевантных его запросу.
В то же время важно отметить, что суждения о релевантности информационных кадров являются априорными, возникающими на основе решения ДЛ в рамках формулируемого запроса к системе.
Ресурсопотребление характеризует способность распределения в процессе автоматизированного планирования усилий органов управления и имеющихся ресурсов КСИП для обеспечения информационной поддержки формирования требуемых решений и разработки необходимого перечня документов. Ресурсопотребление ИППП в наибольшей степени характеризуется временным ресурсом органов управления [2, 3, 4], зависящим от допустимой продолжительности выполнения информационных задач ТЦ°п
цикла автоматизированного планирования, числа ДЛ ЫдЛ, участвующих в планирования, коэффициента а трудоемкости работ по информационной поддержке процессов планирования, а также методов работы ДЛ, способов организации планирования и т.п. Поэтому ресурс определим как имеющийся бюджет времени:
N э
Rn = а ■ Тдоп ■ Nш = Е а. ■ Т. ■ NД„ ,
П цп ДЛ / , i i ДЛ.
i=1
где N3 - число этапов планирования; а. - коэффициент трудоемкости информационных задач i-го этапа планирования; Т - длительность выполнения информационных задач i-го этапа планирования; Nдлi -количество ДЛ, участвующих в решение информационных задач i-го этапа планирования.
В качестве частных показателей ресурсопотребления выберем количество ДЛ (N^) и затраты вычислительных ресурсов КСИП (RKCm), необходимых для реализации информационной поддержки процессов планирования (необходимые характеристики математического, программного и аппаратного обеспечения), а в качестве интегрального показателя - Rn. Требования к ресурсопотреблению: Щл < NДЛ
(или ^л — min), RKwn<R^crn (или Riem— min) и Rn < Rdnon (или Rn -min), где NДЛ и R^Crn - допустимое (выделенное) количество людских и вычислительных ресурсов соответственно, RПО" - допустимый бюджет времени.
Оценка ресурсов КСИП (в первую очередь математического, программного и аппаратного обеспечения) связана с определением следующих показателей:
1) номенклатуры и количества необходимых аппаратных средств (включая типы и число ЭВМ, внешних устройств, сетевого оборудования и др.);
2) размера информационного массива, включающего множество информационных кадров по каждому пространству активности, которые используются для решения конкретной задачи информационной поддержки (Рим);
3) расхода процессорного времени на выполнение одной информационной задачи автоматизированного планирования (tp);
4) числа выполнения информационных задач в процессе итерационного решения задачи автоматизированного планирования (пр);
5) объема памяти ЭВМ, необходимого для размещения пакета прикладных программ, реализующего определенную информационную задачу автоматизированного планирования (Qnnn);
6) общего объема памяти ЭВМ, необходимого для использования пакета прикладных программ (QX);
7) числа составляющих алгоритмов работы КСИП в различных режимах (псост) или информационной модели КСИП (1сост) как параметров определенного метода решения информационных задач автоматизированного планирования.
Под QППП и Qz понимается тот объем, который занимается при одновременной загрузке всего компонента программного обеспечения в оперативную память ЭВМ. При использовании ЭВМ с виртуальной или сегментированной памятью, а также при оверлейном сегментировании программ данные показатели носят условный характер. Раздельное рассмотрение подобных по своему смыслу показателей QППП и Qz обусловлено следующим. Объем памяти, занимаемый пакетом прикладных программ (МММ), составляет только часть того объема, который необходим для использования ППП в процессе решения конкретной задачи. Помимо QППП сюда входят также объемы, занимаемые стандартными программами и информационными массивами, описывающими модель решения информационной задачи.
Трудоемкость характеризует возможности средств КСИП по снижению интенсивности работы ДЛ в процессе планирования. В качестве показателей трудоемкости (а и а,) выберем следующие:
1) коэффициент автоматизации информационных задач планирования - мера возможности КСИП по реализации планирования:
а) для планирования в целом:
*■ = Т",
где Аа - число автоматизированных работ (операций) информационной поддержки в процессе планирования; АП - общее число работ (операций) информационной поддержки в процессе планирования;
б) для ,-го этапа планирования:
- Т1" •
где Аа, - число автоматизированных работ (операций) информационной поддержки процессов планирования на ,-м этапе; Ат, - общее число работ (операций) информационной поддержки процессов планирования на ,-м этапе;
2) коэффициент загрузки ДЛ:
а) для планирования в целом:
тр к3 ——, 3 Т
где Т - продолжительность планирования; Т - общее время, в течение которого ДЛ заняты обработкой информации и выполнением информационных работ (операций) планирования;
б) для ,-го этапа планирования:
т р
к з, - ,
где Т, - продолжительность ,-этапа планирования; Т, - общее время, в течение которого ДЛ заняты обработкой информации и выполнением информационных работ (операций) планирования на ,- м этапе;
3) коэффициент темповой напряженности ДЛ:
а) для планирования в целом:
Т н кт т '
где Т - продолжительность планирования; Т - время, необходимое ДЛ для выполнения информационных работ (операций) процесса планирования в режиме "автотемпа" при установке их на безошибочную работу;
б) для ,-го этапа планирования:
Т н
к т Т '
где Т - продолжительность ,-го этапа планирования; Т', - время, необходимое ДЛ для выполнения информационных работ (операций) ,-го этапа планирования в режиме "автотемпа" при установке их на безошибочную работу;
4) выигрыш по коэффициенту автоматизации:
к
Э — аГМТ
а ~ к '
аСТ
выигрыш по коэффициенту загрузки ДЛ:
к
Э — зСТ
к
зГМТ
выигрыш по коэффициенту темповой напряженности ДЛ:
к
Э — тСТ т к
тГМТ
Требования к трудоемкости: ка> кадоп (ка — max), ка> ктдоп — max), к3< к3доп, k3t< kj°n, кт< ктдоп, ктt < ктгдоп, где кадоп, кадоп, кздоп, к3гдоп, ктдоп, ктдоп - допустимые коэффициенты автоматизации информационных работ планирования, загрузки ДЛ и темповой напряженности для планирования в целом и i-го этапа.
В качестве основного показателя скрытности ИППП и безопасности КСИП выберем коэффициент скрытности (защищенности) Кскр, имеющий смысл риска компрометации результатов планирования, выражаемый через вероятность несанкционированного доступа (НСД) Рнсд за время, не превышающее период планирования. Обеспечение требуемых значений показателей скрытности ИППП является основной целью создания компонентов защиты от НСД в КСИП. Требования, предъявляемые к вероятности НСД:
•рдоп Рнсд< нсд ,
где РднС." - допустимая вероятность НСД.
Скрытность ИППП будет определяться способами защиты, применяемыми в среде функционирования КСИП.
Степень защиты КСИП от НСД приближенно можно оценить числом возможных переборов всех вариантов паролей защиты, примененных для защиты доступа к системе и данным.
T +1
Рн
SD ■ t
вп
где: tem - среднее время ввода одного варианта пароля; Тпл - среднее время отводимое на планирование; SD - количество возможных значений кодов паролей, где S - число символов в выбранном алфавите кода (для русского алфавита S =33; к алфавиту возможно добавление цифр от 0 до 9, тогда S=43 и т.д.); D -длина кода пароля в количестве символов.
Список литературы
1. Котенко И.В. Теория и практика построения автоматизированных систем информационной и вычислительной поддержки процессов планирования связи на основе новых информационных технологий. Монография. СПб.ЛЕС, 1998. 404 с.
2. Резников Б.А. Системный анализ и методы системотехники. М.: МО, Ч.1. 1990. 552 с.
3. Галов С.Ю., Кудрявцев А.М., Смирнов А.А. Применение аналитических методов при принятии решений: Учеб. пособие. СПб.: ВАС, 2019. 110 с.
4. Карпов Е.А., Котенко И.В., Боговик А.В. и др. Основы теории управления в системах военного назначения. Часть 1. СПб.: ВУС, 2000. 194 с.
Скрябин Виктор Сергеевич, преподаватеь, 3944550@mail. ru, Россия, Санкт-Петербург, Военная академия связи,
Моргунов Алексей Яковлевич, канд. воен. наук, доцент, vchery@yandex. ru, Россия, Санкт-Петербург, Военная академия связи,
Комаров Евгений Владимирович, канд. воен. наук, доцент, преподаватель, komarovv53@maii.ru, Россия, Санкт-Петербург, Военная академия связи,
Питенко Валерий Александрович, старший преподаватель, vaiaipit@yandex.ru, Россия, Санкт-Петербург, Военная академия связи,
Муравьев Александр Иванович, преподаватель, muravjev.a1@yandex.ru, Россия, Санкт-Петербург, Военная академия связи
INDICATORS OF VALIDITY, RESOURCE CONSUMPTION AND SECRECY OF INFORMATION SUPPORT
FOR THE PLANNING PROCESS
V.S. Skrybin, A.Ya. Morgunov, E.V. Komarov, V.A. Pitenko, A.I. Muravyev
The article considers in detail the following indicators of the effectiveness of information support for the planning process and the computer system of information support: validity, resource consumption and secrecy of information support for the planning process and the security of the computer system of information support. These indicators are considered in relation to the stages of the planning process.
Key words: planning process, planning information support, information support system.
70
Skrybin Viktor Sergeevich, lecturer of the department, 3944550@mail.ru, Russia, St. Petersburg, Military Academy of Communications.,
Morgunov Alexey Yakovlevich, candidate of military sciences, docent, vchery@yandex.ru, Russia, St. Petersburg, Military Academy of Communications,
Komarov Evgeny Vladimrovich, candidate of military sciences, lecturer, docent, koma-rovv53@mail.ru, Russia, St. Petersburg, Military Academy of Communications,
Pitenko Valery Aleksandrovich, senior lecturer, valalpit@yandex.ru, Russia, St. Petersburg, Military Academy of Communications., Russia, St. Petersburg, Military Academy of Communications,
Muravyev Alexander Ivanovich, lecturer, muravjev.a1@yandex.ru, Russia, St. Petersburg, Military Academy of Communications
УДК 519.81:519.873
DOI: 10.24412/2071-6168-2023-5-71-72
К ВОПРОСУ СУЖЕНИЯ МНОЖЕСТВА ПАРЕТО-ОПТИМАЛЬНЫХ РЕШЕНИЙ В ЗАДАЧАХ ДВУХКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ. ЧАСТЬ 1
Лэ Ван Хуен, Л. В. Черненькая
Данная работа посвящена разработке методики, позволяющей сузить множество Парето-оптимальных решений (множество Парето) задачи двухкритериальной оптимизации. Рассмотрена задача двухкритериальной оптимизации. Исследованы методы нахождения множества Парето задачи двухкритериальной оптимизации: геометрический метод и метод сравнения. Парето-оптимальные решения найдены на основе бинарных отношений между векторных оценок. На основе экспертных оценок, а именно на основе дополнительной информации о важности (приоритете) критериев, разработана методика сужения множества Парето. Для этого критерии задачи двухкритериальной оптимизации преобразованы на основе важности критериев и свойств инвариантных бинарных отношений. Результат применения разработанной методики состоит в получении нового множества Парето исходной задачи оптимизации, размер которого меньше размера старого множества Парето. В дальнейшем разработанная методика может применяться для решения задач двухкритериальной оптимизации на практике, а также служить теоретической базой для решения задач многокритериальной оптимизации.
Ключевые слова: двухкритериальная оптимизация, Парето-оптимальное решение, сужение множества Парето, бинарное отношение, экспертная оценка, важность критериев
Наряду с теорией устойчивости теория принятия решений также является одним из основных направлений исследований по специальности «системного анализа, управления и обработки информации». В последние десятилетия теория принятия решений в целом и многокритериальная оптимизация в частности, стремительно развиваются и привлекают большое внимание ученых по всему миру. Широкое распространение задачи многокритериальной оптимизации получили в различных сферах, таких как экономика, финансы, технологии, энергия, транспорт, телекоммуникации, и т.д. Важная роль задач многокритериальной оптимизации заключается в том, чтобы помогать лицу (или группе лиц), принимающему решение (ЛПР), в процессе принятия решений, на основе анализа и оценки взглядов и предпочтений выбрать действительно наилучшее решение.
Определение задачи многокритериальной оптимизации и ее основные понятия можно найти в работах [1-8]. Под задачей многокритериальной оптимизации понимается задача выбора, содержащая множество допустимых (возможных) решений X и векторный критерий f. В любой задаче многокритериальной оптимизации необходимо, чтобы существовало по крайней мере два критерия выбора. Например, в задаче двухкритериальной оптимизации перевозки грузов из Санкт-Петербурга в Москву. Критериями для этой задачи можно считать время транспортировки и стоимость топлива. Возможные решения включают допустимые транспортные маршруты, в том числе маршруты на автомобиле, корабле, самолете и т.д.
