CC BY
0
Orlovskiy Sergey Nikolaevich, candidate of technical sciences, docent, orlovskiysergey@mail. ru, Russia, Krasnoyarsk, Krasnoyarsk State Agrarian University,
Karnaukhov Andrey Ivanovich, candidate of technical sciences, docent, [email protected], Russia, Krasnoyarsk, Reshetnev Siberian State University of Science and Technology,
Voinash Sergey Alexandrovich, junior researcher, sergey [email protected], Russia, Rubtsovsk, Rubtsovsk Industrial Institute (branch) of Polzunov Altai State Technical University
УДК 331.015.1
Б01: 10.24412/2071 -6168-2024-2-232-233
РЕКОМЕНДАЦИИ ПО ПРАКТИЧЕСКОМУ ИСПОЛЬЗОВАНИЮ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И МЕТОДОВ ПОСТРОЕНИЯ ПРОЦЕССОВ ХРАНЕНИЯ И ОБРАБОТКИ ИНФОРМАЦИИ В УЧЕБНО-ТРЕНИРОВОЧНЫХ СИСТЕМАХ
О.В. Есиков, А.И. Ковинько
Предложены рекомендации по практическому использованию моделей и методав построения процессов хранения и обработки информации в учебно-тренировочных системах. Приведены исходные данные, результаты и порядок решения задач. Рассмотрены особенности применения метода косяка рыб для получения рационального решения задач за ограниченное время. Рассмотрены варианты, как взаимосвязанного, так и автономного решения задач построения процессов хранения и обработки информации в учебно-тренировочных системах с учетом их комплексного применения.
Ключевые слова: тренажерные комплексы, математическое моделирование, распределенные системы.
Разработанные в [1,2] математические модели построения процессов хранения и обработки информации в УТС могут быть использованы на этапе проектирования, в период эксплуатации и совершенствования тренажерных комплексов [3].
Для решения задач построения процессов хранения и обработки информации в УТС предложено использовать метод косяка рыб (МКР) [4,5]. Возможно применение данного метода при реализации, как традиционной, так и распределенной схемы организации вычислений.
Выбор значений параметров метода решения зависит от [ 6,7]:
1. размерности решаемой задачи;
2. требований к максимально допустимому времени решения задачи;
3. прогнозируемого времени решения задачи заданной размерности.
Размерность задачи определяется числом переменных и ограничений. Увеличение данных параметров приводит к нелинейному росту времени ее решения. Исходные данные решаемой задачи определяются целями системы и конкретным состоянием УТС на момент решения задач.
Схема применения метода косяка рыб для решения формализованных задач представлена на рисунке 1.
МКР применяется для решения задач оптимизации распределения элементов программного обеспечения (ЭПО) и информационых массивов (ИМ) по узлам серверного сегмента. Размерность задач определяется на основе данных о количестве узлов, ЭПО и ИМ в серверном сегменте. По аппроксимирующим зависимостям [8] рассчитываются рациональные значения параметров МКР, применение которых позволяет получить планы распределения ЭПО и ИМ по узлам серверного сегмента близкие к оптимальным за приемлемое время.
Наличие экспериментальных данных о влиянии исходных данных на время получения результата, позволяет получить ожидаемое время решения задачи с конкретным вариантом исходных данных каждым из рассматриваемых методов решения.
В связи с тем, что экспериментальная проверка эффективности метода решения формализованных задач выполняется на вычислительном комплексе с параметрами, которые будут отличаться от характеристик средств вычислительной техники эксплуатирующихся в конкретной организации, целесообразно иметь набор тестовых задач различной размерности.
Предварительное и однократное решение данных задач на реально эксплуатирующихся вычислительных комплексах с соответствующей засечкой времени их решения рассматриваемым методом позволит осуществить корректировку прогнозных значений ожидаемого времени получения решения в реальных условиях.
Исходя из этого, последовательность действий по решению совокупности задач построения процессов обработки и хранения данных в УТС включает следующие шаги (рисунок 2).
1. Определение параметров решаемой задачи (размерность, условия функционирования УТС и т.п.).
2. Формирование исходных данных:
а) задача распределения ЭПО в клиентском сегменте:
число учебных задач;
перечень учебных задач;
перечень ЭПО;
план закрепления учебных задач за рабочими местами (РМ);
матрица связи учебных задач с ЭПО;
множество номеров узлов клиентского сегмента УТС.
232
Рис. 1. Схема применения метода косяка рыб для решения задач построения процессов хранения и обработки
информации в УТС
I функционирования УТС |
Рис. 2. Последовательность решения задач построения процессов хранения и обработки информации в УТС
б) задача распределения ЭПО в серверном сегменте:
перечень ПМ серверного сегмента;
значения интенсивности решения учебных задач;
значения вероятности выполнения информационного обмена между ЭПО клиентского и серверного сегментов;
величины среднего значения объема информационного обмена с ЭПО серверного сегмента при решении учебных задач;
пропускная способность каналов связи между узлами клиентского и серверного сегментов; множество номеров узлов УТС серверного сегмента; план распределения ЭПО в клиентском сегменте.
в) задача распределения ИМ в УТС: перечень информационных массивов; матрица связи ЭПО серверного сегмента и ИМ;
средние значения суммарного объема информационного обмена ЭПО с ИМ; значения среднего времени выполнения ЭПО в серверном сегменте; значения среднего времени доведения эталонного сообщения между узлами УТС; множество номеров узлов УТС серверного сегмента; план распределения ЭПО в серверном сегменте.
г) задача учета комплексной работы УТС при решении учебных задач: значения вероятности выполнения информационного обмена между УТС; значения интенсивности информационного обмена между УТС;
средние значения объема информационного обмена между УТС при решении учебных задач; план распределения ЭПО в серверном сегменте; план распределения ЭПО в клиентском сегменте.
1.Подготовка к решению задач. Для задач распределения ЭПО в серверном сегменте и ИМ в УТС на основе исходных данных определить размерность решаемой задачи и рассчитать рациональные значения параметров МКР.
Решение задач. Порядок решения задач построения процессов хранения и обработки информации в УТС представлен на рисунке 3. Следует учитывать, что результат решения задачи распределения ЭПО в клиентском сегменте УТС является элементом исходных данных для задач оптимизации распределения ЭПО в серверном сегменте и учета комплексной работы УТС при решении учебных задач. План распределения ЭПО в серверном сегменте, являющийся результатом решения соответствующей задачи, входит в исходные данные задач распределения ИМ в УТС и учета комплексной работы УТС при решении учебных задач. Указанные исходные данные задачи учета комплексной работы УТС при решении учебных задач должны быть сформированы для всех участвующих в информационном обмене УТС.
Рис. 3. Порядок применения математических моделей построения процессов хранения
и обработки информации в УТС
При наличии всех исходных данных формализованные задачи могут решаться как последовательно, так и по отдельности.
Если в результате решения задач построения процессов хранения и обработки информации в УТС окажется, что отдельные требования технического задания по временным параметрам решения учебных задач, реакции системы на действия оператора, отображения обстановки и т.п. не выполняются, то следует рассмотреть варианты увеличения пропускной способности каналов передачи данных, вычислительной мощности узлов серверного сегмента и их состава.
Список литературы
1. Есиков, Д.О. Модели представления и обработки информации в комплексных учебно-тренажерных системах/ Есиков Д.О., Ковинько А.И. // Известия Тульского государственного университета. Технические науки. 2023. Вып. 2. С. 87-94.
2. Есиков Д.О. Задачи распределения информационных ресурсов для построения вычислительных процессов в учебно-тренажерных системах/ Есиков Д.О., Румянцев В.Л., Ковинько А.И. // Телекоммуникации. 2023, №10. С.2-8.
3. Ковинько А.И. Оценивание эффективности составных компонентов системы информационно-логистической поддержки, обеспечивающих профессиональную подготовку операторов сложных технических систем/ Ковинько А.И., Абрамов П.И. // Сб. научных трудов НТО РЭС им. А.С. Попова. Тула: ТулГУ. 2019. С. 213-222.
4. C.J.A.B Filho, F.B. de Lima Neto, A.J.C.C. Lins, A.I.S. Nascimento, and M.P. Lima A novel search algorithm based on fish school behavior. Conference Proceedings - IEEE International Conference on Systems, Man and Cybernetics, 2008. P. 2646-2651.
5. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы вдохновленные природой. :уч.пособие. Москва:Изд.МГТУ им.Н.Э.Баумана. 2017. 446 с.
6. Есиков Д.О. Методика выбора метода решения задач обеспечения устойчивости функционирования распределенных информационных систем // Электронные информационные системы № 1 (16), 2018. С. 64-76.
7. Есиков О.В. Теоретические основы оптимизации информационно-вычислительного процесса и состава комплексов средств защиты информации в вычислительных сетях/Киселев В.Д., Есиков О.В., Кислицын А.С. /Под ред. профессора Сухарева Е.М. -М.:Полиграфсервис XXI век.- 2003.- 198 c.
8. Есиков О.В. Общие принципы выбора параметров многоагентных алгоритмов стохастического поиска для решения отдельных задач дискретной оптимизации/ Есиков О.В., Есиков Д.О., Акиншина Н.Ю.//Приборы и системы. Контроль, управление, диагностика. №5, 2018. С. 47-56.
Есиков Олег Витальевич, д-р техн. наук, профессор, заместитель начальника отдела, [email protected], Россия, Тула, АО ЦКБА,
Ковинько Андрей Иванович, заместитель начальника отдела, Россия, Москва, Главное управление вооружения МО РФ
RECOMMENDATIONS ON THE PRACTICAL USE OF MATHEMATICAL MODELS AND METHODS FOR CONSTRUCTING INFORMATION STORAGE AND PROCESSING PROCESSES IN EDUCATIONAL AND TRAINING
SYSTEMS
O.V. Yesikov, A.I. Kovinko
Recommendations on the practical use of models and methods for constructing information storage and processing processes in educational and training systems are proposed. The initial data, results and the order of solving problems are given. The features of using the fish shoal method to obtain rational solutions to problems in a limited time are considered. The variants of both interconnected and autonomous solutions to the problems of building information storage and processing processes in educational and training systems, taking into account their integrated application, are considered.
Key words: training complexes, mathematical modeling, distributed systems.
Yesikov Oleg Vitalievich, doctor of technical sciences, professor, deputy head of the department, cdbae@cdbae. ru, Russia, Tula, JSC CDBA,
Kovinko Andrey Ivanovich, deputy head of department, Russia, Moscow, Main Directorate of Armament of the Ministry of Defense of the Russian Federation
УДК 004.67; 004.912
DOI: 10.24412/2071-6168-2024-2-235-236
УЛУЧШЕНИЕ ИНФОРМАЦИОННЫХ ХАРАКТЕРИСТИК СООБЩЕНИЙ ПРИ ОБРАБОТКЕ ИНФОРМАЦИИ МЕТОДОМ ХЕШ-КОДИРОВАНИЯ
Д.В. Комолов, А.А. Горшков
Рассматриваются аспекты применения хеш-кодирования при обработке информационных сообщений на примере искусственного языка toki pona. Предметом исследования настоящей работы является оценка информационных характеристик сообщений, формируемых на языке toki pona, применимость процедуры хеш-кодирования сообщений для сокращения объема информации или повышения информационной скорости передаваемых сообщений в каналах управления.
Ключевые слова: хеш-кодирование, информационные характеристики, хеш-слова.
Формированию, передаче и обработке информационных сообщений по каналам управления посвящено множество работ [1-3], и практически каждая из них затрагивает вопросы повышения эффективности составных процессов обработки информации. Вне зависимости от физического источника первичной информации в каналах управления циркулируют сообщения, однозначно интерпретируемые лицом, принимающим управленческие решения, как сообщения на языке его носителя, даже если это не естественный, а специализированный или искусственный язык. Информационный подход при формировании специализированных или искусственных языков используется редко, чаще они формируются по апостериорному принципу. Данный принцип заключается в заимствовании автором, как правило лингвиста или переводчика, по его интуитивному мнению, наиболее ^звучных или экономных конструкций из различных естественных языков и их синтезе в новый лексико-грамматический конструкт. Анонсированный интернет-общественности в 2001 году канадским лингвистом, переводчиком и эсперантистом Соней Ланг язык toki pona, имеющий код ISO «tok», реализовал на практике апостериорный принцип создания искусственного языка [4]. Отличительной особенностью данного языка является ограниченный 119 корнями или языковыми словарными единицами словарь, при этом сами слова или корни записываются всегда строчными буквами, ограниченными 14 латинскими символами. Это символы: a, e, i, j, k, l, m, n, o, p, s, t, u, w. Для придания выразительности предложениям языка toki pona, что дословно в переводе на русский обозначает «добрый язык», в качестве служебных символов применяются стандартные знаки: точка, запятая, восклицательный и вопросительный знаки, двоеточие и кавычки. В таблице 1 представлен оригинальный набор слов языка toki pona, разбитый на 14 групп по начальному символу, с некоторыми информационными характеристиками.
