- на схемах с малым количеством элементов оптимальное число компьютеров-клиентов смещается в сторону больших значений по сравнению с более сложными схемами;
- выигрыш по времени обратно пропорционален загруженности схемы цепями, однако с ростом размерности схемы влияние загруженности на выигрыш ослабевает;
- при увеличении размерности схемы оптимальное число компьютеров-клиентов смещается в сторону меньших значений и составляет три клиента;
- выигрыш при увеличении размерности схемы уменьшается достаточно резко, затем стабилизируется в районе 1,3 раза.
В результате проведенных экспериментов был выяснен характер зависимости выигрыша от размерности схемы с точки зрения сложности применяемого алгоритма трассировки. В программе применяется волновой алгоритм, время работы которого растет прямо пропорционально площади ДРП, причем зависимость квадратичная. Соответственно, чем большего размера схема разбивается на подсхемы, тем больше в общем случае доля работы дотрассировки на сервере относительно клиентов в силу разности площадей ДРП у клиентов и сервера. И, следовательно, уменьшается доля работы, которую можно распараллелить. Именно по этой причине уменьшается выигрыш. На малых же схемах разница в площадях, с которыми работают компьютеры-клиенты и сервер, невелика, и поэтому растет выигрыш и смещается оптимум разбиения в сторону увеличения числа подсхем. Одним из путей решения этой проблемы, по мнению авторов, является применение алгоритмов трассировки, слабо зависящих от площади ДРП.
Литература
1. Нестеров Ю.Г., Папшев Ю.С. Разработка САПР: В 10 кн. Выбор программно-технического комплекса САПР: Практ.
пособие; [под ред. А.В. Петрова]. М.: Высш. школа, 1990. Кн. 6. 159 с.
2. Глушань В.М. Использование GRID-технологий для построения подсистемы автоматизированного проектирования СБИС // AIS&IT'11: тр. конгр. М.: Физматлит, 2011.
3. Курейчик В.М., Глушань В.М., Щербаков Л.И. Комбинаторные аппаратные модели и алгоритмы в САПР. М.: Радио и связь, 1990. 216 с.
4. Глушань В.М., Лаврик П.В Концептуальный анализ и построение распределенной подсистемы автоматизированного конструирования электронных схем: В кн. Интеллектуальные системы: коллектив. моногр. М.: Физматлит, 2011. Вып. 5. 262 с.
5. Лаврик П.В. Концептуальные подходы параллельной обработки информации в контексте реализации распределенной САПР // AIS-IT'10: тр. конгр. М.: Физматлит, 2010. Т. 3. С. 112-118.
6. Глушань В.М., Иванько Р.В., Лаврик П.В., Орлов Н.Н. Обобщение некоторых результатов исследования когнитивной модели распределенной САПР. Изв. Волгоградского гос. тех-нич. ун-та. 2008. № 5.
References
1. Nesterov Yu.G., Papshev Yu.S., Razrabotka SAPR: v 10 kn., Kn. 6, Vybor programmno-tekhnicheskogo kompleksa SAPR: Prakt. posobie [CAD design: in 10 books, Book 6. The choice of CAD hardware and software suite: practical guide], Moscow, Vyssh. shkola, 1990.
2. Glushan V.M., Trudy kongressa po intellektualnym sistemam i informatsionnym tekhnologiyam "AIS&IT'11" [Proc. cong. on intelligent systems and IT "AIS&IT'11"], Moscow, Fizmatlit, 2011, Vol. 2.
3. Kureychik V.M., Glushan V.M., Shcherbakov L.I., Kombinatornye apparatnye modeli i algoritmy v SAPR [Combinatorial hardware simulators and algorithms in CAD], Moscow, Radio i svjaz, 1990.
4. Glushan V.M., Lavrik P.V., Intellektualnye sistemy. Kollektivnaya monografiya [Intelligent systems. Multi-author book], iss. 5, Moscow, Fizmatlit, 2011.
5. Lavrik P.V., Trudy kongressa po intellektualnym sistemam i informatsionnym tekhnologiyam "AIS&IT'11" [Proc. cong. on intelligent systems and IT "AIS&IT11"], Moscow, Fizmatlit, 2011, Vol. 3, pp. 112-118.
6. Glushan V.M., Ivanko R.V., Lavrik P.V., Orlov N.N., Izvestiya VSTU [The Bulletin of VSTU], Volgograd, 2008, iss. 5, no. 8(46), pp. 130-134.
УДК 51-3
РЕШЕНИЕ ЗАДАЧИ СТРУКТУРНОГО ПОСТРОЕНИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНОГО ДАТЧИКА ВЛАЖНОСТИ
(Работа выполнена при частичной поддержке РФФИ, грант № 12-08-00352-а)
С.В. Артемова, к.т.н., доцент (Тамбовский государственный технический университет, ул. Советская, 106, г. Тамбов, 392000, Россия, SArtemova@yandex.ru)
Рассматривается подход к решению задачи структурного построения ПО на примере интеллектуального датчика влажности (ИДВ), представляющего собой информационно-измерительную систему (ИИС). При проектировании программного и информационного обеспечения в качестве основных модулей ИДВ рассматриваются интеллектуальный интерфейс, супервизор, модули опроса датчиков и реализации измерительных процедур. Функционирование ИДВ базируется на использовании БД и БЗ. Для реализации работы ИДВ используются алгоритмы,
которые требуется разместить по модулям таким образом, чтобы проектируемая ИИС обладала заданными свойствами. Подобные задачи выбора даже умеренного размера относятся к классу №-полных, их удается решать только приближенно. Поэтому для практического решения задачи структурного построения ПО предлагается использовать эвристические методы, в частности генетические алгоритмы. Методика решения задачи включает следующие этапы: формирование вектора-строки генов распределения алгоритмов по модулям, описание матрицы связей, взаимодействие алгоритмов посредством информационных элементов, создание матрицы альтернатив принадлежности алгоритма модулю, определение целевой функции. Подобный подход можно применять при проектировании информационного обеспечения и ПО как информационно-измерительных, так и информационно-управляющих систем, имеющих в своем составе большое количество модулей и алгоритмов.
Ключевые слова: оптимизация структурного построения, генетические алгоритмы, программное обеспечение.
SOLUTION OF A SOFTWARE STRUCTURAL CONSTRUCTION PROBLEM FOR INTELLIGENT HUMIDITY SENSOR
Artemova S. V., Ph.D., associate professor (Tambov State Technical University, Sovetskaya St., 106, Tambov, 392000, Russia, SArtemova@yandex.ru) Аbstract. The article considers the approach to solution of software structural construction problem using the intellectual humidity sensor (IHS), which is an information-measuring system (IMS). When designing software and data support, the main modules of HIS are: an intellectual interface, a supervisor, survey sensors modules and measurement procedures modules. The functioning of the IHS is based on using databases and knowledge bases. The IHS implementation requires a number of algorithms, which should be placed in the modules to provide the designed IMS with specified properties. Such tasks of a choice belong to the class of NP-complete that can be solved only approximately. Therefore, for practical solving of the software structural construction problem it is offered to use heuristic methods, in particular, genetic algorithms. Method to solve the tasks includes following stages: forming the vector-line of algorithms distribution genes on the modules, description of a matrix of relations, interaction of algorithms using information elements, creating the matrix of alternatives of algorithm belonging to module, determining the target function. This approach can be used for designing data support and software for information-measuring or information management systems, that involves a large number of modules and algorithms. Keywords: structural construction optimization, genetic algorithms, software.
Возможности практического решения задач структурного построения рассматриваются в теории сложности задач выбора, где показано, что задачи даже умеренного размера относятся к классу ОТ-полных и их удается решать только приближенно [1]. Поэтому большинство практических задач структурного построения решают с помощью приближенных (эвристических) методов. Эти методы не гарантируют оптимального решения, но приводят к результатам, близким к оптимальным, при приемлемых затратах вычислительных ресурсов. Рассмотрим структурное построение ПО на примере информационно-измерительной системы (ИИС) - интеллектуальный датчик влажности (ИДВ). ИДВ позволяет проводить косвенные измерения влажности материала непосредственно в процессе сушки в реальном времени [2]. В основе функционирования ИДВ лежат нейронные сети.
Важным этапом проектирования ИДВ является создание ПО, позволяющего ИИС иметь следующие свойства: слабую связанность элементов, тестируемость, диагностируемость, простоту обслуживания и эксплуатации, защищенность от несанкционированного доступа, экономичность, модифицируемость, функциональную расширяемость, возможность изменения конфигурации, максимальную длительность жизненного цикла, минимальное время на пусконаладку [3].
При проектировании ПО и информационного обеспечения в качестве основных модулей ИДВ (см. рис.) можно выделить интеллектуальный интерфейс (ИИ), супервизор (СВ), модуль опроса датчиков (МОД) и модуль реализации измери-
тельных процедур (МРИП). Функционирование ИДВ базируется на использовании БД и БЗ.
В состав модуля ИИ входит следующее:
- когнитивная графика, позволяющая визуально воспринимать процесс и результаты поиска благодаря установлению взаимосвязей между изображениями, возникающими на экране дисплея, с когнитивными процессами образного мышления;
- интегрированная среда разработки, которая дает возможность разработчику вносить коррективы в функциональные программные модули и БЗ;
- лингвистический процессор, реализующий интеллектуальный диалог пользователей с ИДВ на ограниченном естественном языке; важной операцией интеллектуального диалога является функ-
Канал ввода информации
ИИ
мод
СВ
МРИП
Информационная модель ИДВ
ция внесения в БД необходимой при функционировании ИДВ информации.
Супервизор - главный модуль ИДВ, управляющий процессами обработки, передачи и хранения информации в ИДВ, а также работой технических и программных средств.
К основным типовым функциональным программным модулям информационно-измерительной системы ИДВ относятся модули опроса датчиков и реализации измерительных процедур.
Для реализации работы ИДВ используются алгоритмы, которые требуется разместить по модулям таким образом, чтобы проектируемая ИИС обладала вышеприведенными свойствами.
Решать задачу оптимизации структурного построения ПО ИДВ предлагается с использованием эволюционных методов, в частности генетических алгоритмов. Постановку задачи можно сформулировать следующим образом: в качестве исходных данных задаются таблица вариантов распределения алгоритмов по модулям (табл. 1) и таблица взаимодействия алгоритмов посредством информационных элементов (табл. 2), вводятся ограничения на однократность включения алгоритма в программные модули (1), на дублирование занимаемой памяти информационными элементами (2), на сложность информационного интерфейса между отдельными модулями (3), формируется целевая функция. Используя генетический алгоритм, необходимо определить оптимальное размещение алгоритмов по модулям.
Таблица 1
Варианты распределения алгоритмов по модулям
Алгоритм Наименование модуля
Номер Наименование
1 Предварительный расчет входных значений ИИ, СВ, МОД, МРИП
2 Нормирование входных значений ИИ, СВ, МОД, БД, БЗ
3 Работа с когнитивной графикой ИИ
4 Денормирование рассчитанных выходных значений ИИ, СВ, МОД, МРИП
5 Функционирование базы данных СВ
6 Функционирование базы знаний ИИ
7 Опрос датчиков МОД
8 Реализация измерительных процедур МРИП
9 Функционирование лингвистического процессора ИИ
10 Реализация работы технических средств СВ, МОД
11 Реализация работы программных средств СВ, МОД
12 Принятие решений в случае отказов датчиков ИИ, СВ, МОД, МРИП, БЗ
13 Реализация различных моделей измерительных процедур БЗ, МРИП
Таблица 2
Взаимодействие алгоритмов посредством информационных элементов
Номер Номера взаимодействующих
алгоритма с ним алгоритмов
1 2, 3, 11, 8, 5, 7, 6
2 5, 11, 6, 8, 7
3 4, 5, 6, 12, 13, 9
4 3, 5, 6
5 1-13
6 1-13
7 1, 2, 5, 6, 8
8 5, 6, 3, 11, 12, 13
9 5, 6, 3
10 7
11 1-13
12 5, 6, 8,7
13 5, 6, 7, 8
Решение задачи предлагается проводить по предложенной в [3] методике, состоящей их следующих этапов.
1. Формируется вектор-строка Р генов распределения алгоритмов по модулям.
2. Описывается матрица Д-связей взаимодействия алгоритмов с помощью информационных элементов.
3. Создается матрица принадлежности 1-го алгоритма '-му модулю - матрица альтернатив X. Значения матрицы X связаны с вектором Р логическими функциями ограничений:
- на однократность включения /-го алгоритма в совокупность программных модулей
т
Е X,, = 1; (1)
1=1
- на дублирование занимаемой памяти к-м информационным элементом
п
Е уы = 1; (2)
1=1
- на сложность информационного интерфейса между отдельными модулями
й т-1 т
ЕЕ Е ^м, (3)
к=1 ]=1 ]=]+1
где т - количество модулей; п - количество алгоритмов; d - количество информационных элементов; М - максимально допустимое число информационных элементов, являющихся общими для всех модулей. Данное ограничение вводится с целью минимизации информационных связей между модулями. Для формализации задачи введены следующие обозначения: ху - принадлежность /-го алгоритма у'-му модулю; ук>1 - принадлежность к-го информационного элемента 1-й области памяти; - вхождение к-го информационного элемента в у'-й модуль, таким образом, - взаимосвязь в процессе работы алгоритмов '-го текущего модуля с последующим по к-му информационному элементу.
4. Формируются матрицы Y=XxD и W=YxX . Число внутренних связей равно сумме элементов главной диагонали матрицы W. Исходя из задачи, нужно увеличить число внутренних связей, так как это означает уменьшение числа внешних связей. Эта функция целевая, она подвергается максимизации с помощью генетического алгоритма. Целевая функция является суммой элементов главной диагонали матрицы W и подлежит максимизации посредством изменения значений генов вектора P с помощью генетических алгоритмов.
Согласно приведенной методике сформируем вектор-строку P, число ее элементов соответствует числу распределяемых алгоритмов (n=13). Здесь неизменяемые в результате действия ограничений ячейки с i=3, 5, 6, 7, 8, 9:
i 1 2 3 4 5 6 7 8 9 10 11 12 13 P2212213412214
Элементы P являются генами, их значения подбираются в процессе решения для достижения оптимального значения целевой функции. Диапазон изменения ограничен. Значения элементов (номер) указывают на принадлежность соответствующего алгоритма модулю с номером, который содержится в ячейке. Модули пронумерованы следующим образом: 1 - ИИ, 2 - СВ, 3 - МОД, 4 -МРИП, 5 - БЗ, 6 - БД.
Далее формируем матрицу X (см. табл. 3). Она имеет размер nxm. Если i-й алгоритм содержится в j-м модуле, то в ячейке i, j стоит единица, в противном случае ноль. Данные берутся согласно вектору-строке P. Таблица строится в Excel автоматически с помощью логических функций (функция ЕСЛИ). Служебная строка СУММ показывает, что сумма соответствующих столбцов равна единице - ограничение на принадлежность алгоритма только одному модулю. С помощью служебного столбца СУММ (сумма соответствующих строк) можно видеть и контролировать (ограничивать) наполняемость модулей.
Таблица 3
Принадлежность i-го алгоритма j-му модулю
X i
j 1 2 3 4 5 6 7 8 9 10 11 12 13 СУММ
1 0 0 1 0 0 1 0 0 1 0 0 1 0 4
2 1 1 0 1 1 0 0 0 0 1 1 0 0 5
3 0 0 0 0 0 0 1 0 0 0 0 0 0 1
4 0 0 0 0 0 0 0 1 0 0 0 0 1 2
5 0 0 0 0 0 0 0 0 0 0 0 0 0 0
6 0 0 0 0 0 0 0 0 0 0 0 0 0 0
СУММ 1 1 1 1 1 1 1 1 1 1 1 1 1
Заполним матрицу D (пхп), которая показывает, как связаны между собой алгоритмы (связь несимметричная, направленная). Если модули связаны, то на пересечении соответствующей строки и
столбца стоит единица, в противном случае ноль. Матрица формируется исходя из исходных данных задачи.
Таблица 4
Связь алгоритмов между собой
D i i 1 1 0
2 3 1 1
2 0 0
3 0 0 0
4 0 0 0
4 0
0 0
5 0 0
6 0 0 0
1
0
0 0
5 1 1 1 1 0
0 0
9 10 11 12 13
0 0
0 0 0 0 1 0
0 0 0 0 1111
0 1
70000000 80000000 90000000 10 0000000
0 0 0 0
1 1 0
0
0 0 0
11 00000000000 12 00000000000 13 00000000000
0 0 1 1 0 0 1 1
0 0 1 1 0 0 0 0 0 0
Используем также служебные матрицы Р и представляющие собой транспонированные матрицы Р и X. Матрица У определяется путем произведения матриц X и D: У=XхD.
Матрица W представляет собой произведение матриц У иХт: W=УхXT.
Целевая функция / является суммой элементов главной диагонали матрицы W и подлежит максимизации посредством изменения значений генов вектора Р с помощью генетических алгоритмов:
13
/ = Е ^ .
Для реализации процесса подбора подходящей комбинации используются следующие настройки: размер популяции - 50, длина хромосомы - 8 бит, тип хромосом - непрерывные, вероятность скрещивания - 0,9, вероятность мутации - 0,01, степень обновления - 0,98, стратегия элитаризма -О^ оператор разнообразия - ОК
Требуется найти максимум функции /
Для решения поставленной задачи используются ограничения:
- на диапазон для хромосом: 1<Р,<6, г = 1,13;
6
- на единственность алгоритмов: ^Х1 = 1,
I=1
г = 1Д3;
- на размещение для конкретных алгоритмов (из условия): 1<Л<4, 1<Р4<4, 2<Р10<3, 2<Р„<3, 1<Р12<5, 4<Р13<5.
Решение задачи распределения алгоритмов по функциональным программным модулям в результате оптимизации с использованием генетического алгоритма приведено в таблице 5.
6
Таблица 5
Результат распределения алгоритмов по модулям
Алгоритм Наименование модуля
Номер Наименование
1 Предварительный расчет входных значений СВ
2 Нормирование входных значений СВ
3 Работа с когнитивной графикой ИИ
4 Денормирование рассчитанных выходных значений СВ
5 Функционирование БД СВ
6 Функционирование БЗ ИИ
7 Опрос датчиков МОД
8 Реализация измерительных процедур МРИП
9 Функционирование лингвистического процессора ИИ
10 Реализация работы технических средств СВ
11 Реализация работы программных средств СВ
12 Принятие решений в случае отказов датчиков ИИ
13 Реализация различных моделей измерительных процедур МРИП
В процессе оптимизации построения ПО ИДВ с использованием генетического алгоритма находится решение, не противоречащее здравому смыслу размещения алгоритмов в программных модулях. Таким образом, подобный подход можно применять при проектировании информационного обеспечения и ПО как информационно-измерительных, так и информационно-управляющих систем, имеющих в своем составе большое количество модулей и алгоритмов.
Литература
1. Норенков И.П Основы автоматизированного проектирования: учеб. для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002.
2. Артемова С.В., Грибков А.Н. Система мониторинга процесса сушки с интеллектуальными датчиками влажности // Датчики и системы. 2009. № 3. С. 27-30.
3. Денисенко В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. М.: Горячая линия-Телеком, 2009. 608 с.
References
1. Norenkov I.P., Osnovy avtomatizirovannogo proektirova-niya [The basics of automated designing], textbook for univ., Moscow, Bauman MSTU Publ., 2002.
2. Artemova S.V., Gribkov A.N., Datchiki & Systemi [Sensors & Systems], no. 3, 2009, pp. 27-30.
3. Denisenko V.V., Kompyuternoe upravlenie tekhnologi-cheskim protsessom, eksperimentom, oborudovaniem [Computer control of the technological process, experiment, equipment], Moscow, Goryachaya liniya-Telekom, 2009.
УДК 681.3
ИСПОЛЬЗОВАНИЕ САПР В РЕШЕНИИ ЗАДАЧИ КАТЕГОРИРОВАНИЯ ПОМЕЩЕНИЙ, ЗДАНИЙ И СООРУЖЕНИЙ ПО ВЗРЫВОПОЖАРНОЙ И ПОЖАРНОЙ ОПАСНОСТИ
Н.И. Баранников, д.т.н., профессор; М.А. Сергеева, аспирант (Воронежский государственный технический университет, Московский просп., 14, г. Воронеж, 394026, Россия, barannikovni@yandex.ru, rityttik@mail.ru)
Категория объекта по пожаро- и взрывоопасности - фактор, определяющий требования к конструкции и планировке здания. Правильное определение категории пожаро- и взрывоопасности зданий или сооружений позволяет принять оптимальные проектные решения и предотвратить чрезвычайные ситуации при минимальных затратах ресурсов.
В статье исследована задача определения категорий помещений, зданий и сооружений по взрывопожарной и пожарной опасности. Предложена структура автоматизированной подсистемы, являющаяся частью САПР пожарной безопасности. Предложен состав информационного обеспечения подсистемы. Рассмотрены алгоритмы расчета критериев взрывопожарной и пожарной опасности с применением правил оптимизации пожарной нагрузки в САПР.
Ключевые слова: САПР, показатели, категории пожаро- и взрывоопасности, алгоритм, подсистема.
SOLVING THE PROBLEM OF PREMISES, BUILDINGS AND CONSTRUCTIONS CLASSIFICATION ACCORDING TO EXPLOSION AND FIRE HAZARD CATEGORIES USING CAD Barannikov N.I., Ph.D., professor; Sergeeva M.A., postgraduate (Voronezh State Technical University, MoskovskiyAv., 14, Voronezh, 394026, Russia, barannikovni@yandex.ru, rityllik@mail.ru)
Аbstract. The explosion and fire hazard object categories are the factor defining the requirements to designing and setting out a building. Correct definition of this category for buildings or constructions allows making optimum design decisions and preventing emergency situations with minimum necessary resource sosts.