Технология интеллектуальной поддержки проектирования ЛВС на основе экспертных оценок и нечёткой логики Текст научной статьи по специальности «Компьютерные и информационные науки»

д____________

--------- © Д.К. Потресов, Д.А. Львов,

2008

Д.К. Потресов, Д.А. Львов

ТЕХНОЛОГИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРОЕКТИРОВАНИЯ ЛВС НА ОСНОВЕ ЭКСПЕРТНЫХ ОЦЕНОК И НЕЧЁТКОЙ ЛОГИКИ

щ ш роцесс проектирования вычислительной сети, будь она Д небольшой локальной или корпоративной на более чем 1000 рабочих мест, в большой степени основывается не на формальных методах, а на опыте и интуиции разработчиков. Это обуславливается тем, что начальные этапы проектирования ВС, предусматривающие выбор технических и программных средств, топологии, иерархии сети и системы протоколов, с одной стороны, требуют учета большого числа параметров, определяющих качественные и количественные показатели вычислительной сети, а с другой, проходят в условиях неполной и неточной начальной информации.

Существующие системы проектирования ВС ограничиваются имитационным моделированием физических моделей сетей, оставляя системному интегратору синтез и оптимизацию модели

сети. В условиях неточности и неопределенности формализовать выполнение задач структурного и параметрического синтеза ВС традиционными аналитическими методами не представляется возможным. На практике начальные этапы проектирования ВС сводятся к итеративному процессу интуитивного выбора разработчиком конфигурации сети и оборудования, построения имитационной модели, оценки результатов моделирования и коррекции параметров модели.

Учитывая вышесказанное, представляется актуальным разработка методов и средств, автоматизирующих выполнение задач начальных этапов проектирования вычислительных сетей, а так же конечного этапа выборки оптимального решения. Перспективным подходом к решению подобных задач является использование интерактивных человеко-машинных систем поддержки принятия проектных решений, позволяющих проводить этапы структурного и параметрического синтеза проектных решений и итогового выбора наилучшего проекта на основе экспертных оценок и суждений с учетом опыта, знаний и предпочтений разработчиков проекта.

Выше было указанно, что при проектировании ВС часто используются интуитивные предпосылки разработчиков, то есть ключевое значение имеют не только точные, математические обоснованные данные, но и модели, содержащие качественную информацию, которая включает многолетний опыт эксплуатации и важные сведения о данной области знаний. В большинстве случаев эта информация предоставляется людьми — экспертами и поэтому содержит понятия естественного языка, трудно выражаемые количественными отношениями. Также большое значение имеет неоднозначность воспринимаемых данных, так как эксперт при принятии решений основывается на своем субъективном представлении информации, в отличие от человека к любой информации экспертные системы подходят объективно. Важно и то, что во многих случаях, время принятия решения строго ограничено. В таких условиях особенно актуальным является применение различных технологий интеллектуальной поддержки, например систем, основанных на экспертных знаниях, позволяющих обрабатывать как количественную информацию, так и экспертную информацию качественного характера, и на основе этого решать поставленные задачи. Язык нечётких множеств и алгоритмов в настоящее время наиболее адекватный математический аппарат, который позволяет максимально со-

кратить переход от вербального словесного качественного описания объекта, которое характеризует человеческое мышление, к численным количественным оценкам его состояния и сформулировать на этой основе простые и эффективные алгоритмы, то есть позволяет моделировать человеческие размышления и человеческую способность решения задач.

Проектирование вычислительной сети

Для проектирования ВС требуются не только обширные знания о существующем на данный момент оборудовании, параметрах и структуре ВС, но и точное представление требований заказчика, а так же понимание их адекватности и осуществимости в целом. Предлагается следующая модель процесса проектирования ВС (рис. 1).

Рис. 1. Модель процесса проектирования ВС

Исходными данными для процесса проектирования являются параметры функциональной модели производства, описывающие информационные потоки предприятия, расположение узлов производства и потребления информации, ценовую категорию, ограничения по надежности и другие параметры, определяющие ограничения и критерии проекта. СППР на основе этих данных, экспертных знаний и взаимодействия с разработчиком выполняет этапы технического и физического моделирования, получая несколько вариантов предварительных физических моделей ВС.

Затем планируется выполнение процедуры имитационного моделирования, количественные параметры физических моделей

уточняются в соответствии с результатами моделирования системой поддержки принятия решений производится выбор наилучшей модель ВС из представленных. Результат работы системы может корректироваться с помощью изменение весовых коэффициентов критериев выбора, тем самым подбирая оптимальную модель при различных финансовых или технических требованиях.

Использование принципов нечёткой логики

Следует немного разъяснить концепцию применении методов нечёткой логики при проектировке системы поддержки принятия решений. Нечеткая экспертная система - система, которая для вывода решения использует место Булевой логики совокупность нечетких функций принадлежности и правил. Правила в нечеткой экспертной системе имеют обычно вид, подобный следующему: Если х низок, и у высок, тогда ъ = средний, где х Ь у - входные переменные ( для которых известны значения ), ъ -выходная переменная ( значение, которое будет вычислено), низко - функция принадлежности (нечеткое подмножество) определенная на х, высоко - функция принадлежности, определенная на у, и среднее -функция принадлежности, определенная на ъ. Антецедент правила (предпосылка правила) описывает, когда правило применяется, в то время как заключение (следствие правила) назначает функцию принадлежности к каждому из выведенных значений переменных. Совокупность правил в нечеткой экспертной системе известна как база знаний.

Входными переменными на начальном этапе выбора в данном случае будут служить параметры желаемой сети, предоставленные заказчиком. Эти данные будут преобразованы в вид нечёткого факта. Например, если количество рабочих станций задается величиной, равной 75, то нечёткий факт будет представлен в виде будет определен как “ количество компьютеров ” = {(малое, 0), (небольшое, 1), (среднее, 0),(большое, 0)}.На рис. 2 приведено графическое представление нечёткого факта, отражающего количество компьютеров в сети.

Один из примеров получаемых правил в виде продукций приведен ниже:

Если

(количество компьютеров = небольшое);

(общая загруженность сети = средняя);

То

(количество коммутаторов = малое, 1);

(количество портов коммутатора = 24, 1).

Заполнив базу знаний такими правилами, основанными на знаниях экспертов и нечёткой логики, мы получим систему, позволяющую вывести наиболее подходящий план сети. Основываясь на предоставленных заказчиком данных. Позже, после этапа имитационного моделирования, на основе тех же нечётких фактов в интерпретации различных экспертов (точнее «виртуальных экспертов», представляющих собой таблицы субъективных экспертных оценок) будет выбран оптимальный план сети с использованием одного из методов оптимизации с использование взвешенных критериев.

Небольшое Большое

х

10 25 50 75 100 125 150 175 200 225 250 275 300

Рис. 2. графическое представление нечёткого факта

Задача построения ВС в целом

Оценивая задачу построения ВС на основе экспертных оценок и использование методов нечёткой логики, отметим основные этапы работы:

1) Этап подготовки:

- изучение предметной области - ЛВС (способы построение, техническое оснащение, критерии работы и т.д.);

- выявление основных критериев работы ЛВС;

- шкалирование критериев с использованием методов нечёткой логики;

- составление списка вопросов для экспертов;

- подбор экспертов;

- опрос экспертов;

- анализ данных полученных от экспертов и интеграция этих знаний в нечёткую модель.

2) Этап построения системы поддержки принятия решений:

- создание баз знаний структур, параметров и оборудования

ВС;

- создание блока начального этапа проектирования на основе экспертных данных и нечёткой логики;

- создание системы имитационного моделирования;

- создание блока конечной выборки оптимального решения на основе экспертных данных и нечёткой логики;

3) Этап проектирования конкретной ВС:

- ввод входных данных о желаемых параметрах ВС;

- интерпретация данных экспертной системой, предложение конкретных планов ВС;

- моделирование работы каждого из предложенных планов;

- анализ результата моделирования экспертной системой

- выборка наиболее подходящего плана при оптимизации по различным критериям.

Стоит отметить, что первые два этапа производятся всего лишь один раз, после чего, с использованием полученной системы интеллектуальной поддержки можно проектировать множество сетей. Хотя следует учесть, что развитие сетевых технологий не стоит на месте и через несколько лет придётся пересмотреть не только техническую информацию, содержащуюся в базе знаний, но и возможно экспертные знания. ШИЗ

— Коротко об авторах -----------------------------

Потресов Д.К. - проф., д-р техн. наук,

Львов Д. А. -

Московский государственный горный университет.

© С.С. Кубрин, М.В. Хиврин, В.М. Шек, А.М. Могирев,

2008

С.С. Кубрин, М.В. Хиврин, В.М. Шек,

А.М. Могирев

ЛОКАЛЬНАЯ ОПТИКО-ЭЛЕКТРОННАЯ СИСТЕМА КОНТРОЛЯ И СИГНАЛИЗАЦИИ ВЗРЫВООПАСНОСТИ ШАХТНОЙ АТМОСФЕРЫ

Оперативный и достоверный анализ состава воздушной среды непосредственно в горных выработках важен для обеспечения безопасности шахтеров как с точки зрения опасности для здоровья вдыхаемых газов, так и взрывоопасности атмосферы. Особенно важное значение это приобретает в аварийных ситуациях, когда необходимо быстро развернуть систему газового мониторинга в горных выработках на расстоянии до 1 км и более. Основой такой системы должны являться датчики, обеспечивающие измерение величины концентрации компонентов рудничной атмосферы, значительно отличающийся от нормальной. Проведенный анализ принципов действия, достоинств и недостатков различных типов датчиков показал, что термокаталитические и термокондук-тометрические сенсоры не могут применяться в экстремальных ситуациях, когда в атмосфере может быть недостаток кислорода или присутствуют примеси токсичных, отравляющих сенсоры, газов. Поэтому создание высоконадежной и эффективной оптико-