Применение интеллектуальных средств для автоматизации процедур мультиязыковой трансляции с языков моделирования Текст научной статьи по специальности «Компьютерные и информационные науки»

Раздел VI. Вычислительные комплексы нового поколения и нейрокомпьютеры

УДК 004.4'4

Ю.В. Чернухин, В.Ф. Гузик, М.Ю. Поленов, А.А. Герасимов ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СРЕДСТВ ДЛЯ АВТОМАТИЗАЦИИ ПРОЦЕДУР МУЛЬТИЯЗЫКОВОЙ ТРАНСЛЯЦИИ С ЯЗЫКОВ МОДЕЛИРОВАНИЯ

Рассматривается применение экспертной системы совместно с разработанной средой мультиязыковой трансляции - Мультитранслятором для решения задачи автоматизации трансляции моделей, написанных на различных языках моделирования, в требуемый исследователю выходной формат представления на целевом языке. Необходимость применения дополнительных интеллектуальных средств вызвана определенными различиями в формальных схемах описания моделей, реализованных в современных языках и средах моделирования сложных систем. Использование данного подхода позволяет повысить эффективность процесса мультиязыковой трансляции моделей при их импорте/экспорте для различных систем моделирования.

Многоязыковая трансляция; Мультитранслятор; экспертная система; языки моде.

Yu.V. Chernukhin, V.Ph. Guzik, M.Yu. Polenov, A.A. Gerasimov APPLICATION OF THE INTELLECTUAL TOOLS FOR AUTOMATIZATION OF MULTILANGUAGE TRANSLATION FROM SIMULATION LANGUAGES

Application of an expert system together with the developed multilanguage translation environment (software package Multitranslator) for automation of models' translation from various modeling languages into required to researcher output format on target language is considered. The necessity of additional intellectual tools usage is caused by defined differences in formal schemes of models' description implemented in modern languages and environments for complex system simulation. Usage of the given approach allows improving work of the multilanguage translation of models in their import/export for various simulation environments.

Multilanguage translation; Multitranslator; expert system; simulation languages.

Введение. В процессе моделирования слож ных мультидисциплинарных технических систем зачастую требуется привлечение специалистов, работающих в различных областях на разных языках и средах моделирования. Однако если для построения и исследования модели сложной системы необходима определенная среда и соответствующий ей язык моделирования, то возникает задача преобразования используемых моделей компонент к единому языку.

Для решения этой задачи целесообразно использовать инструментальные средства многоязыковой трансляции [1]. Одним из таких средств является разработанный программный комплекс «Мультитранслятор» (МТ) [1], позволяющий производить трансляцию моделей с различных языков моделирования, посредством описания правил преобразования в трансляционных модулях. Применение МТ для перевода моделей различных систем моделирования неоднократно показывало свою эффективность [2,3]. В то же время, при трансляции моделей иногда возни,

.

Различают два основных метода в описании моделей: аналитическое и ими. -жить непрерывное моделирование на языке ACSL (современное название acslx [4]). Однако, большинство языков моделирования (ЯМ) используют имитационный подход. К таким языкам можно отнести транзактно-ориентированные, например, SIMULA, GPSS, SIMAN, процессно-ориентированные - PEPA, событийноориентированные - SIMSCRIPT, интегрированные - Arena, Stratum, и др. [5].

При трансляции моделей, реализованных на языках, использующих различные методы их описания, недостаточно использования стандартных средств Мультитранслятора [1]. Разрешением данной проблемы является привлечение пользо-,

помощи Мастера трансляции, или применение некоторых интеллектуальных , .

Применение экспертных систем для разрешения проблем мультитрансляции языков моделирования. Процесс мультитрансляции представляет собой генерацию для каждой конструкции или набора конструкций входного языка некоторой конструкции или набора конструкций выходного языка по правилам, описанным в трансляционном модуле (ТМ) Мультитранслятора. Генерация выходного кода производится в процессе построения синтаксического дерева вход. -вательно по мере разбора синтаксических символов входного языка, то возможно , , кода посредством текстовых меток [6].

В реализации Мастера трансляции использовалось разбиение данных исходного кода на отдельные массивы, для удобства дальнейшей обработки. Для их обработки Мультитранслятор позволяет использовать модули расширения и динамические подключаемые библиотеки с необходимыми функциями, реализация которых может быть осуществлена пользователем на различных языках программирования высокого уровня, что позволяет использовать для решения поставленной задачи большого количества сторонних программных средств.

В качестве примера возникающих при мультитрансляции проблем, рассмотрим трансляцию с языка моделирования (например, ACSL [4]) в выходную конструкцию (XML [7]). При переводе следует учитывать особенности исходного и вы: , , наличие специализированных переменных. Это связано с тем, что не все конструкции, поддерживаемые входным языком, могут быть переведены в соответствующие конструкции выходного языка.

ACSL -

скую модель процесса или системы. При моделировании может использоваться большое число переменных блоков и функций, описывающих элементы системы [4]. При трансляции модели необходимо соблюдать логическую последовательность описания блоков, что не всегда однозначно возможно определить из-за раз. , . 1, XML -

, ACSL.

Таблица1

ACSL XML

При разработке ТМ можно сохранить порядок выполнения действий, заменяя операторы и функции одного языка, на соответствующие операторы и функции другого языка. Недостаток такого подхода заключается в том, что разнятся не только операторы, но и способы описания процессов. Необходимо также учиты-, , должны игнорироваться для предотвращения некорректной трансляции. Именно по этой причине разумно использование Мастера, при помощи которого МТ запрашивает у пользователя в диалоговом режиме дополнительные параметры для перевода. На рис. 1 показан вид такого Мастера.

Создание

последовательностей

Создание соединительных узлов последовательности Задание области моделирования

Основное выражение

Пара основных переменных

Г рафическое отображение последовательности

Выражения описания модели

Общие

выражения

Рис. 1. Мастер трансляционного модуля ЛСБЪ-ХИЬ

Как видно из рисунка (см. рис. 1) пользователю приходиться вручную определять последовательность действий в описании среды, области моделирования, размерности и типа элементов, распределения переменных и описаний, а также определения системных и общих параметров. Работать с таким Мастером может - , -шение пользователя приведет к некорректному завершению трансляции.

В качестве альтернативного, более эффективного решения предлагается использование специализированной экспертной системы, выполняющей автоматически все функции пользователя-эксперта: хранение знаний в области моделирования и форматов моделей, принятие верных решений при возникновении неопределенностей, возможность, при необходимости, пополнения базы знаний [8].

Рассмотрим организацию взаимодействия работы Мультитранслятора с экспертной системой (рис. 2). После разбора входного кода, данные, поступавшие ранее Мастеру трансляции, передаются в рабочую память экспертной системы. Далее экспертная система (ЭС) начинает обработку поступивших данных. База знаний ЭС содержит правила обработки полученных данных.

Правила записываются на специальном языке символьного программирования и имеют вид: Если <Условие> тогда ^ействия>. Правила могут иметь некую , , что помогает при выборе варианта в ситуации неопределенности. При помощи механизма логического вывода правила поочередно применяются к полученным данным. Если условия применения правила удовлетворены, то происходит преобразование части данных в рабочей памяти, помечая их как обработанные.

Рис. 2. Структура взаимодействия МТ и экспертной системы

Положительным результатом окончания работы ЭС является отсутствие не обработанных данных, и передача их трансляционному модулю Мультитранслятора для завершения формирования выходного кода. При ином результате производится дальнейший поиск необходимых правил. Ситуация при которой были применены все существующие правила, и остались непомеченные данные, говорит о , -, .

Процесс обучение сводиться к заданию правил пользователем-экспертом. Большинство правил описано при создании ЭС, но для ее дообучения используется интеллектуальный редактор [8], являющийся частью подсистемы диалога. Недостающие правила могут относиться к разным этапам обработки данных, что позволяет оградить эксперта от тонкостей экспертной системы. Интеллектуальный , , на пополнение базы знаний, требующий знаний только в области моделирования.

Применяемые правила следуют в той или иной последовательности, благодаря чему формирователь объяснений может разъяснить пользователю почему были сделаны те или иные изменения. Данная функция не влияет на эффективность ра, .

Интеллектуальная автоматизация трансляции моделей. Работа экспертной системы должна замещать работу эксперта, следовательно, должна решать те же задачи и в той же последовательности.

Как видно из табл. 1 (см. табл. 1), ACSL не требует задавать константам ни единицы измерений, ни тип сигнала, требуемые в XML [7]. Применение экспертной системы позволяет определить «область моделирования» путем определения пары основных переменных through-across (см. рис. 2). Этот процесс проходит путем сравнения данных из поля с данными из ранее записанных в базу знаний экспертной системы (быстрый поиск). Если соответствий более одного, то вводиться дополнительный параметр поиска - список наиболее часто используемых пере-

( ). на быстрый и углублённый позволяет ускорить работу ЭС. Благодаря такому поиску система может автоматически задать переменным единицы измерения и тип .

Блоки в ACSL-моделях оделены друг от друга операторными скобками [1], позволяющими определить количество блоков в системе и их границы. В данном

ACSL, -

торные скобки: DERIVATIVE и END):

DERIVATIVE

time = INTEG(1.0, 0.0)

xdd =(w - k*xd - a*x)/(w/g)

xd = INTEG(xdd, xdic)

x = INTEG(xd , xic )

TERMT(t.GE.tstp,'Time Limit')

END

После определения блоков модели экспертная система должна определить основное выражение блока - выражение, содержащее основные параметры. Для окончания трансляции необходимо исключить системные переменные, предварительно помещенные в базу знаний.

В данном случае задачей экспертной системы является интеллектуальный поиск необходимых конструкций с возможностью возврата для разбиения полученных данных на более сложные структуры.

Необходимую экспертную систему возможно создать при помощи специали-, . средств могут выступать: программная среда для разработки экспертных систем CLIPS, Prolog - язык логического программирования, РЕФАЛ - язык функционального программирования, LISP - язык обработки списков.

CLIPS -

, , -ках программирования; в свою очередь модули, написанные на CLIPS, могут быть вызваны программами, написанными на других языках [9], что позволяет ее совместное использование с МТ.

CLIPS

структуру правил по принятию решений, что позволяет в процессе разбора модели определять количество блоков, связь между блоками, и их внутренний состав. Так

, CLIPS

останется ни одного блока/параметра. После завершения разбора данные возвращаются в трансляционный модуль, который воспринимает их также как и данные при окончании работы мастера трансляции.

Таким образом ЭС, созданная на CLIPS, может использоваться в качестве интеллектуального средства автоматизации трансляции с языков моделирования совместно с средой Мультитранслятора.

.

моделирования также может быть применим для решения иных задач многоязыковой трансляции (например, для решения задач перевода моделей с универсальных языков программирования).

, -ния является отнюдь не единственным способом построения ЭС. Существует возможность создания экспертной системы внутренними средствами Мультитрансля-, .

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Чернухин Ю.В., Гузик В.Ф., Поленов ММ. Многоязыковая трансляция средств виртуального моделирования. - Ростов н/Д: Изд-во ЮНЦ РАН, 2009. - 368 с.

2. Чернухин Ю.В., Гузик В.Ф., Поленов ММ. Подход к формированию внешних библиотек

// -

пьютерных и информационных технологий. - 2008. - № 10. - С. 2-12.

3. Чернухин Ю.В., Поленов ММ., Булгаков Д.В. Использование мультиязыковой трансля-

, // -ственный интеллект. - Донецк: Изд-во «Наука i осви-а». 2009. - № 4. - С. 462-471.

4. Моделирование с acslX. Официальный сайт acslX. [Электронный ресурс]. Режим доступа: http://www.acslx.com/products/modeling.shtml

5. Языки моделирования систем. Claim - научно-обрюовательный кластер. [Электронный ресурс]. - Режим доступа: http://www.philippovich.ru/Library/Books/ITS/wwwbook/ist5/ glava_1/4_10.htm

6. . ., . . -

виртуальных моделирующих систем // Известия ТРТУ. - 2004. - № 3 (38). - С. 115-120.

7. Организация и функциональные возможности платформы XML. Портал Российские

[ ]. - : http://www.elbib.ru/index.phtml?page=elbib/rus/methodology/xmlbase/analysis.

8. . , 2010.

[Электронный ресурс]. - Режим доступа: http://www.aiportal.ru/articles/expert-

systems/short-about-expsys.html.

9. . . CLIPS

[ ]. - : http://www.masters.donntu.edu.ua /2005/kita/kapustina/ind/clips.htm.

. . ., . . .

Чернухин Юрий Викторович

Технологический институт Федерального государственного автономного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге.

E-mail: chernukhin@dce.tsure.ru.

347928, г. Таганрог, пер. Некрасовский, 44.

.: 88634371656.

Кафедра вычислительной техники; профессор.

Гузик Вячеслав Филиппович

E-mail: gvf@tsure.ru.

.: 88634371737.

Кафедра вычислительной техники; заведующий кафедрой.

Поленов Максим Юрьевич

E-mail: polenov@dce.tsure.ru.

.: 88634371656.

Кафедра вычислительной техники; доцент.

Герасимов Александр Александрович

E-mail: sunsunger@gmail.com.

.: 88634371656.

Кафедра вычислительной техники; аспирант.

Chernukhin Yuri Victorovich

Taganrog Institute of Technology - Federal State-Owned Autonomy Educational Establishment of Higher Vocational Education “Southern Federal University”.

E-mail: chernukhin@dce.tsure.ru.

44, Nekrasovskiy, Taganrog, 347928, Russia.

Phone: +78634371656.

The Department of Computer Engineering; Professor.

Guzik Vyacheslav Philippovich

E-mail: gvf@tsure.ru.

Phone: +78634371737.

The Department of Computer Engineering; Department Chair.

Polenov Maxim Yuryevich

E-mail: polenov@dce.tsure.ru.

Phone: +78634371656.

The Department of Computer Engineering; Associate Professor.

Gerasimov Alexander Alexandrovich

E-mail: sunsunger@gmail.com.

Phone: +78634371656.

The Department of Computer Engineering; Post-graduate Student.

УДК 004.27; 007.52

A.H. Берёза, M.B. Ляшов ЭВОЛЮЦИОННЫЙ СИНТЕЗ КОНЕЧНЫХ АВТОМАТОВ*

Сложная цифровая система состоит из комбинационных и последовательностных ,

конечным автоматом. Один из самых важных шагов в синтезе конечного автомата - это кодирование внутренних состояний. Задача кодирования внутренних состояний состоит в обнаружении лучшего назначения комбинаций триггеров к состояниям автомата. В современных системах автоматизированного проектирования для кодирования внутренних состояний конечного автомата используются алгоритмы NOVA, MUSTANG и их модификации. Однако сгенерированные коды состояний для конечного автомата являются далекими от оптимума. В данной статье рассмотрен разработанный эволюционный алгоритм кодирования внутренних состояний конечного автомата, показавший лучшие результаты по сравнению с традиционными методами.

Эволюционный синтез; NP-задача; конечный автомат; генетические алгоритмы.

A.N. Bereza, M.V. Lyashov EVOLUTIONARY SYNTHESIS OF FINITE STATE MACHINES

A complex digital system consists of combinational and sequential logic circuits, and the behavior of sequential circuits can be described by a finite state machines. One of the most important steps in the synthesis of finite state machines is a state assignment. The state assignment task is searching the combinations triggers to the finite state machines. In modern systems, synthesis of coding the internal states of a finite automaton algorithms are used NOVA, MUSTANG and their modifications. However, state assignment of finite state machines is far from optimum. This article describes an evolutionary algorithm developed by coding the internal states of a finite state machines, which showed better results compared to traditional methods.

Evolutionary synthesis; NP task; finite state machines; genetic algorithms.

. -довательностных логических схем, при этом поведение последовательностной

( ). -прерывно развиваются [1-5]. Один из самых важных шагов в синтезе КА - это кодирование внутренних состояний. Задача кодирования внутренних состояний состоит в обнаружении лучшего назначения комбинаций триггеров к состояниям

* Работа выполнена при поддержке: АВЦП (гранты № 2.1.2/9625, № 2.1.2/9981), г/б № Г-11.11.МР (0120.1155814).