авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ВОЛГОГРАДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ »«¬–“» ¬—–  ...»

-- [ Страница 3 ] --

вертом и пятом особых районах по гололеду, Система мониторинга ВЛ ЛЭП, разработан поэтому проблема образование гололеда на ВЛ ная ООО «НТЦ Инструмент-микро» г. Энгельс, остро стоит перед энергетиками. предназначена для автоматического измерения Гололедообразование на проводах ВЛЭП внешних и внутренних воздействий ВЛ [5].

возможно в период с октября по апрель. Оно Состав системы мониторинга:

происходит на границе холодных и теплых • посты телеизмерения внешних и внутрен влажных воздушных масс воздуха при темпе- них воздействий на проводах и тросах ВЛ;

ратуре от –2 до –5 °С [3]. В результате наблю- • пункта сбора, обработки и отображения;

дений отмечено, что наибольшую опасность • системы передачи информации для ВЛЭП представляет «ледяной дождь», т. е. Посты телеизмерения устанавливаются на гололед, образовавшийся в результате выпаде- тех участках, которые наиболее подвержены ния твердых атмосферных осадков в виде про- внешним и внутренним воздействиям (голо зрачных шариков льда, внутри которых нахо- ледно-ветровым нагрузкам), на промежуточных дится незамерзшая вода. Когда такие шарики опорах ВЛЭП. Они состоят из специальных попадают на предметы, они разбиваются, вода датчиков, которые измеряют метеорологиче вытекает и тут же замерзает, вызывая обледе- ские параметры, вес грозотроса, котроллера, нение. передающего радиомодема, устройств питания.

Для устранения гололеда используется спе- Пункт сбора, обработки и отображения инфор циализированный метод плавки, когда часть мации состоит из модема, который принимает энергосистемы отключается от передачи энер- данные, компьютера и специального про гии потребителям и на нее подаются нагрузоч- граммного обеспечения.

ные токи, приводящие к разогреву линий и Автоматизированная информационная сис плавке льда. Процедура плавки является слож- тема контроля гололедной нагрузки (АИСКГН), ной и дорогостоящей, что означает необходи- разработанная ООО «Спец КБП и СА» г. Не мость минимизации ее использования. Для винномысск, предназначена для раннего обна проведения такой процедуры необходимо ружения гололедообразования на ВЛЭП по иметь актуальную информацию о метеоуслови- средством контроля нагрузки на проводах ВЛ и ях на наиболее критических участках электри- контроля метеопараметров (температуры, ческой сети. В настоящее время для этого фор- влажности, направления и скорости ветра) в мируют специальные бригады оперативно- месте установки пункта контроля [4]. Дополни ремонтного персонала, которые совершают ви- тельно АИСКГН позволяет контролировать зуальный осмотр мест наиболее вероятного об- температуру проводов, а также может комплек разования максимального количества гололеда товаться системой удаленного видеонаблюде и сообщают диспетчерам данные о количестве ния для получения фото и видеоизображения отложений по существующим каналам связи. провода.

Точно определить вес отложений, их характер, Состав система АИСКГН:

скорость нарастания, а также метеорологиче- • пункты контроля (ПК), устанавливаемые ские параметры визуально практически невоз- на высоковольтных опорах;

можно. Как правило, 80 % всей поступающей • пункты приема (ПП);

информации диспетчеру, необъективно, что • приемный терминал (ПТ), предназначен влечет за собой увеличение времени принятия ный для получения и первичной обработки решения и количества неверных решений. данных от ПК;

Эффективно выполнить данную задачу мо- • сервер АИСКГН, предназначенный для жет только автоматизированная система мони- хранения данных по ПК в базе данных.

торинга состояния ВЛЭП, при использовании АРМ «Клиент АИСКГН» предназначен для которой нет необходимости визуального на- визуального отображения данных ПК из базы блюдения за ВЛ, т. к. информация, поступаю- данных сервера АИСКГН.

54 ИЗВЕСТИЯ ВолгГТУ Таблица Сравнительная характеристика функционального состава АС Система мониторинга ВЛ ЛЭП (ООО АИСКГН (ООО «Спец КБП Критерии «НТЦ Инструмент-микро» г. Энгельс) и СА» г. Невинномысск) Определение метеопараметров на ВЛ да да Информирование об аварийном режиме ЛЭП да да Встроенные возможности мониторинга да да состояния ВЛ при плавке Обнаружение образования гололеда да да Работа на ВЛ 500 кВ нет да Прогнозирование образования гололеда нет нет Определение вероятности «пляски проводов» да нет Поддержка резервных серверов нет нет Использование системы вне локальной сети нет нет Поддержка подключения высокоточных нет нет метеостанций Возможность опроса датчиков в режиме реального нет нет времени (до 1 раза в секунду) Работа в тонком клиенте (браузере) нет нет Поддержка аутентификации в корпоративной Active нет нет Directory Анализ существующих аппаратно-програм- ности воздуха;

датчик скорости и направления мных систем контроля гололедной нагрузки, ветра;

цифровой преобразователь метеопара результат которой представлен в табл. 1, дает метров;

микропроцессорный линейный преоб нам основания утверждать, что существующие разователь;

интеллектуальное зарядное устрой решения не в полной мере отвечают современ- ство;

GSM-модем;

радиомодуль;

источник пи ным тенденциям развития информационных тания. Метеорологические данные, полученные технологий, а также не отвечают всем потреб- платой сбора данных, кодируются, дополняют ностям пользователей системы (в первую оче- ся контрольной суммой и передаются по запро редь диспетчерам). В результате этого было су по GSM-каналу.

принято решение о создании новой АИСКГН Подсистема метеостанций обеспечивает из «Энергощит». мерение следующих параметров: температуры АИСКГН «Энергощит» включает в себя воздуха;

давления воздуха;

относительной следующие подсистемы: влажности воздуха;

скорости ветра;

направле • подсистема пунктов контроля, устанавли- ния ветра;

интенсивности осадков. Устройство ваемых на опорах ВЛ;

метеостанции снабжено цифровым интерфей • подсистема метеостанций, устанавливае- сом RS-485, по которым осуществляется пере мых на территории подстанций Волго-Донско- дача измеренных значений метеопараметров на го ПМЭС;

GSM-модем, который осуществляет трансля • подсистема сбора, обработки и хранения цию данных.

данных;

Подсистема сбора, обработки и хранения • подсистема отображения информации. данных опрашивает пункты контроля и метео Подсистема пунктов контроля обеспечивает станции;

формирует SQL-запросы к серверу базы измерение следующих параметров: нагрузки, данных для записи в базу данных результатов оп создаваемой грозотросом в точке подвеса;

тем- роса и рассчитывает толщину стенки гололеда.

пературы воздуха;

относительной влажности Подсистема отображения информации воздуха;

скорости ветра;

направления ветра;

представлена автоматизированными рабочими температуры грозотроса. Подсистема пунктов местами пользователей и Web-ориентирован контроля имеет в своем составе: датчики голо- ным программным обеспечением, обеспечи ледной нагрузки;

датчик температуры и влаж- вающим: отображение результатов измерений ИЗВЕСТИЯ ВолгГТУ пользователям системы, построение отчетов по Active Directory;

разграничение доступа к объ измеренным параметрам за указанный времен- ектам базы данных, настройкам системы и от ной интервал: в виде графиков и в виде таблиц, четам на основании ролей;

протоколирование отображение информации пунктов контроля на действий пользователей системы;

репликацию карте местности, построение отчетов по дейст- баз данных между основным и резервным сер виям пользователей системы, визуальное и зву- верами системы;

автоматическую организацию ковое оповещение об опасности гололедообра- опроса пунктов контроля и метеостанций ре зования на ВЛ, визуальное и звуковое опове- зервным сервером АИСКГН при неисправности щение о несанкционированном доступе на основного сервера.

пункт контроля. На рис. 1 представлена архитектура разра Также АИСКГН выполняет: аутентифика- ботанной программной системы в виде основ цию пользователей системы в службе каталогов ных подсистем и связях между ними.

Условные обозначения Границы системы Подсистема Подсистема сбора данных с сбора данных с метеостанций пунктов контроля Пользователь Подсистемы Интернет Подсистема Подсистема управления АС сбора данных Подсистема Подсистема Подсистема авторизации Подсистема генерации взаимодействия с и аутентификации взаимодействия с БД отчетов пользователем Файлы отчета БД Пользователь Рис. 1. Архитектура программной системы АИСКГН В настоящий момент разработанная тических участках электрической сети Волго АИСКГН проходит внедрение в филиале ОАО градской области, наиболее часто подвергаю «ФСК ЕЭС» – Магистральные электрические щихся опасным метеорологическим испытани сети Центра (МЭС Центра) в Волгоградской ям. Со всех источников с заданным интервалом области. В данную АИСКГН были подключены времени (1 мин, 5 мин, 15 мин, 1 час) круглосу 16 метеостанций, расположенных на узловых точно в режиме реального времени происходит распределительных подстанциях, и 84 пункта сбор данных и их отображение на клиентской контроля, которые были установлены на кри- части АИСКГН.

56 ИЗВЕСТИЯ ВолгГТУ Рис. 2. Отображение состояния метеорологических параметров на распределительных подстанциях на карте Рис. 3. Графики накопленных исторических данных измерений метеорологических параметров поступающих с метеостанции В результате разработки автоматизирован- ледной нагрузки «Энергощит» удалось повы ной информационной системы контроля голо- сить надежность и отказоустойчивость ВЛ, ИЗВЕСТИЯ ВолгГТУ ные проблемы управления, вычислительной техники и снизить среднегодовую стоимость эксплуата информатики в технических системах» ;

вып. 1). – С. 74–76.

ции ВЛ за счет сокращения затрат на техниче 2. Левченко, И. И. Диагностика, реконструкция и экс ское обслуживание и ремонт ВЛ в результате плуатация воздушных линий электропередачи в гололед аварий, вызванных гололедом. В настоящее ных районах: учеб. пособие / И. И. Левченко, А. С. Засып кин, А. А. Аллилуев, Е. В. Сацук. – М.: Издательский дом время ведется активная работа по разработке МЭИ, 2007. – 448 с.: ил.

математической модели для прогнозирования 3. Стандарт организации ОАО «ФСК ЕЭС». Методи образования гололедной нагрузки на ВЛ, кото- ческие указания по применению сигнализаторов гололеда рая позволит не только выполнять мониторинг (СГ) и прогнозированию гололедоопасной обстановки. – ОАО «ФСК ЕЭС». – 2012.

состояния опор на ВЛ и определять факт обра 4. Описание автоматизированной информационной зования гололеда, но и производить расчет ве- системы контроля гололедной нагрузки на воздушных ли роятности его возникновения на основе соб- ниях электропередачи [Электронный ресурс] // Офици ранных метеорологических данных, а также за- альный сайт ООО «Специальное конструкторское бюро приборов и систем автоматизации». – [2011]. – Режим ранее планировать порядок и длительность доступа http://www.ice-monitor.skbp-ltd.ru/ плавки. 5. Описание системы мониторинга ВЛ ЛЭП [Элек тронный ресурс] // Официальный сайт «МРСК Юга». – БИБЛИОГРАФИЧЕСКИЙ СПИСОК [2011]. – Режим доступа http://www.mrsk-yuga.ru/files/ file/site/sist_monit.pdf 1. Камаев, В. А. Анализ методов оценки качества функ- 6. Хабибулли, М. С. Опыт усовершенствования и раз работки новых принципов телеизмерений гололедных на ционирования и эффективности систем защиты информа грузок на проводах ВЛ-110 500 кВ. / М. С. Хабибулли // ции на предприятиях электроэнергетики / В. А. Камаев, Вторая научно-технической конференция молодых спе В. В. Натров, // Известия ВолгГТУ : межвуз. сб. науч. ст.

циалистов электроэнергетики. – Москва, 1999.

№ 1(60) / ВолгГТУ. – Волгоград, 2007. – (Серия «Актуаль УДК 681. Б. Х. Санжапов*, Н. В. Буханцева**, А. Н. Буханцев** ДИНАМИКА САМООРГАНИЗАЦИИ СТРУКТУРЫ ПОРТАЛА И МЕТОД ОБЕСПЕЧЕНИЯ ЭФФЕКТИВНОСТИ ЕГО ПОИСКОВОЙ СИСТЕМЫ * Волгоградский государственный архитектурно-строительный университет ** Волгоградский государственный университет wild.@volsu.ru, nina.buhantseva@volsu.ru В статье представлена система самоорганизации структуры и динамики развития веб-портала авторских ресурсов, обеспечивающая принцип взаимодействия участников веб-сообщества, как ограниченного опре деленными рамками, так и свободного, а также некоторые методы повышения эффективности поиска ин формации внутри самой веб-структуры.

Ключевые слова: деятельностная триада, микропортал, самоорганизация веб-структуры, портал, иерар хический граф, контент, база данных, поисковая система,нечеткие множества.

B. Kh. Sanzhapov*, N. V. Buhantseva**, A. N. Buhantsev** THE DYNAMICS OF SELF-ORGANIZING STRUCTURE OF THE PORTAL AND THE METHOD OF ENSURING THE EFFECTIVENESS OF ITS SEARCH ENGINE * Volgograd State University of Architecture and Civil Engineering ** Volgograd State University The article presents a system of self-organization of the structure and dynamics of the web portal of copyright resources, ensuring the principle of interaction between participants in the Web community, as limited in scope, as well as free, as well as some methods to improve the efficiency of searching for information within the web structure.

Keywords: activity-triad, micro, self-organizing structure of the web, portal, a hierarchical graph, content, database, search engine, fuzzy sets.

Эффективный доступ к информации обе- ленным видом деятельности, поэтому каждая спечивается структурой базы данных и навига- единица ресурса связана с индивидуальной ционной системы, в основу которых положен триадой (Субъект деятельности (автор ресурса), деятельностный принцип организации: инфор- Вид деятельности, Объект деятельности (ад мационные ресурсы портала связаны с опреде- ресная группа)) [1].

58 ИЗВЕСТИЯ ВолгГТУ Эта деятельностная триада (Т) является Структура портала ОБЪЕКТ (рис. 3).

главной структурообразующей основой порта ла. Каждый из ее элементов имеет собственную иерархическую структуру (в общем случае не являющуюся деревом).

Субъект деятельности (автор ресурса) = ре гион-организация-структурное подразделение организации-...-личность (фактическим автором ресурса всегда является личность – одна или несколько).

Структура портала АВТОРЫ (рис. 1).

Рис. 3. Адресные группы Еще раз подчеркнем, что описываемые ие рархические структуры имеют структуру более сложную, чем деревья (множественное подчи нение).

В портале потенциально возможно количе ство Т, равное произведению числа элементов в каждой из триадных структур. Т = N1*N2*N3.

Где N1 – Авторы (элементы триады) (рис. 1).

N2 – Виды деятельности (рис. 2). N3 – Адресные группы (рис. 3). Между некоторыми Т устанав ливается иерархическое отношение задающее на множестве всех Т отношение частичной упорядоченности (для каждой Т можно указать множество главных и подчиненных ей Т).

Рис. 1. Авторы ресурсов В структуре триад нет приоритета вершин – Вид деятельности = научно-образователь- нельзя сказать, что одна менее приоритетная ная-(учебная, научная, международная, воспи- чем другая, есть родительские вершины, а есть тательная, профориентационная и т. д.). Каж- дочерние, но это не значит, что у них ниже дый из видов в свою очередь также может под- приоритет.

разделяться на соответствующие подвиды (те- Существует возможность добавлять эле матические разделы) и т. д. менты в триадные структуры, если необходимо Структура портала ВИД ДЕЯТЕЛЬНОСТИ {1,2,….., N1}, N1+1, {1, …., N2, N2+1, …} и т. д., (рис. 2). т.е. Автор ресурса может добавить раздел сред ствами организации интерфейса на странице портала, если он не нашел в структуре триад нужный ему (вид деятельности, адресную группу, автора) и прикрепить свой ресурс к этому разделу. Например, необходимо размес тить методическое пособие по строительной механике, а такого раздела пока не существует в структуре портала, автор этого ресурса может самостоятельно добавить раздел в структуру и прикрепить к нему размещаемое пособие, так Рис. 2. Виды деятельности же можно добавить адресную группу (студенты определенного курса, факультета и другие поль Объект деятельности (адресная группа) = зователи).

все=(студент, школьник, абитуриент, учитель, Каждая актуализированная Т означает, что преподаватель, сотрудник, научный работник и т. в портале имеется связанный с ней информаци д). Здесь также возможно более подробное разде- онный ресурс. Актуализация Т происходит ление на подгруппы и иерархические уровни. динамически в момент размещения ресурса в ИЗВЕСТИЯ ВолгГТУ портале (при внесении ресурса его автор указы- – частично иерархическая структура подчи вает соответствующие признаки). Если актуали- ненных (вложенных) микропорталов;

зирована некоторая Т, то тем самым актуализи- – часть базы данных (БД) и ее ресурсов;

руются и все главные для нее Т. Множество ак- – HTML-страница.

– и т. д.

туальных Т (АТ) образует актуальную струк туру портала. (Ликвидация информационного Если внесение информационного ресурса по ресурса влечет за собой изменение множества влекло за собой возможность появления нового актуальных Т и, следовательно, изменение акту- МП, то сообщение об этом приходит к админи альной структуры портала. стратору портала, который обеспечивает пол Каждая АТ образует элемент структуры ноту его атрибутов (HTML-страница). До это портала (его раздел) или микропортал (МП) го момента ИР активной является связь ИР с (рис. 4), имеющий следующие атрибуты: соответствующими главными МП.

Рис. 4. Микропорталы Информационный ресурс (ИР) должен быть подчиненных ему по иерархии общей структу связан с хотя бы одной Т (МП). Связь с ИР с ры. Каждому микропорталу соответствует некоторой Т автоматически влечет его связь с часть базы данных, имеющих признаки данного каждой из главных для нее Т (МП). Кроме того, микропортала и ее ресурсов (документы, веб возможна связь ресурса с несколькими Т, не страницы) (рис. 4). Информационный ресурс связанными между собой иерархическими от- портала обязательно связан хотя бы с одним ношениями микропорталом (ресурс может принадлежать Множество МП с одним и тем же элемен- нескольким микропорталам). Для построения том Т и все подчиненные им МП образуют МП раздела – информационного микро-портала ор данного элемента Т (МП образовательной или ганизации, отдела, личности созданы техноло любой другой организации, МП факультета или гические средства для интерактивной разработ другого структурного подразделения организа- ки страниц микро-порталов и настройки на ции, МП Конкретного автора, МП учебной ра- конкретные требования к внешнему виду и боты, МП научного направления «Нелинейный внутренней взаимосвязи компонентов (шабло анализ», МП абитуриента и т. д.). ны страниц также лежат в базе данных).

Администратор МП (им, вообще говоря, Так как единство и преемственность уров может стать любой авторизованный пользова- ней развития портала основана на единстве тель) может самостоятельно проектировать ие- структуры базы данных и системы навигации рархическую структуру каждого из триадных разработана и привязана к навигации будет элементов своего МП интерфейсными средст- только первая ступень инфраструктуры портала вами Портала. Это означает, что не существует [2]. Развитие дальнейшей инфраструктуры оп единой иерархической структуры триадных ределяется авторизованными участниками пор элементов Портала. тала, которые будут являться его создателями.

Микропортал. Структура каждого микро- Используя эту структуру, создатели портала портала состоит из разделов-микропорталов, наполняют ее конкретным контентом. При этом 60 ИЗВЕСТИЯ ВолгГТУ они имеют возможность динамического расши- тора (статья.rtf), может одновременно попадать рения структуры своего микро-портала за счет в рубрику организации для компонента адрес применения специального технологического ной группы, конкретный автор для адресной решения (навигационная структура формирует- группы или вид деятельности для адресной ся выбранными разделами, которые активизи- группы т. д. Пользователи, выбрав в процессе руют соответствующие шаблоны страниц). навигации разные рубрики, обнаружат иско Разрабатываемая структура позволяет реа- мый документ (статья.rtf), придя к нему раз лизовать централизованное администрирование личными путями навигации, но хранится он в портала и распределенное управление контен- одном определенном месте базы данных.

том. Централизованное администрирование оз- Любой размещенный Автором ресурс в базе начает концентрацию функций управления данных можно найти, указав набор параметров.

структурой портала и пользователями портала Это могут быть инициалы автора ресурса, ини в руках его администратора, что позволяет кон- циалы разыскиваемой персоны, наименование тролировать общую конструкцию портала. В то ресурса (название статьи, книги, лекции и т. п.), же время функции управления контентом (на- название организации и т. д. Каждый Автор сам пример, процедура публикации информации, определяет полноту описания размещаемого им размещение ресурсов, формирование структу- ресурса, поэтому поиск по параметрам (всем ры микропортала) распределены по различным или части) может не дать результатов.

организациям, подразделениям организаций, Ключевым компонентом системы являются авторам ресурсов, в которых сотрудникам (если также традиционные возможности сквозного это организации или отделы организаций) на- поиска по названию, ключевым словам, которы значаются специальные права – авторов, пуб- ми автор снабдил документ в момент занесения ликаторов информации. в раздел, текстовому описанию и, наконец, пол Пользователь может сам выбирать структу- ному тексту документа [3]. Пользователи порта ру навигации по микро-порталу из соответст- ла могут сохранять наиболее часто задаваемые вующего справочника разделов (справочник условия поиска под произвольными именами.

может быть дополнен пользователем-разработ- В дальнейшем выбор условия приведет к созда чиком при необходимости). Так, например, нию динамической выборки, основанной на те размещаемому ресурсу присваиваются опреде- кущем состоянии электронного хранилища.

ленные признаки, которые определяют место Ключевые слова для поиска ресурса могут расположения этого ресурса на портале и путь обозначать различные направления деятельно к нему. Если раздел определен ранее внесен- сти и, следовательно, принадлежности элемен ным ресурсом, вносимый ресурс добавляется в та или структурной единицы определенному каталог этого раздела. Если же раздел не опре- направлению. Автор ресурса портала в резуль делен, администратор портала по просьбе авто- тате экспертной оценки может при его разме ра или сам автор позиционирует в структуре щении самостоятельно указать степень принад портала новый раздел, соответствующий раз- лежности из отрезка [0,1] микропортала соот мещаемому ресурсу. ветствующему ресурсу, что обеспечит эффек Для быстрого развертывания и поддержки тивность поиска нужного документа [4]. Здесь поиска информационных ресурсов микро- подразумевается, что каждый документ, исходя порталов для постоянных авторизованных из своего названия, в первую очередь, по мне пользователей на портале организован «быст- нию эксперта, может соответствовать различ рый» (минуя навигацию) вход в раздел ресур- ным группам, но с разной степенью принад сов портала. Так как ресурс тесно связан с ба- лежности. Поэтому формируемое экспертом зой данных, то каждому документу сопоставля- множество, состоящее из групп – дискретных ется ряд признаков – факультет, студенту, на- элементов, интерпретируется как универсаль учная, статья и т. д. Характер категории таков, ное множество, а документ, или, точнее, на что документ в каждый момент времени при- правления его применения, является нечетким надлежит одной категории. Пользователь мо- множеством, здесь функция принадлежности жет сам выбирать способ навигации по порталу – показывает степень соответствия между доку либо по иерархии разделов организации, либо ментом и каждой фиксированной группой.

по организациям региона или видам деятельно- В качестве иллюстрации предложенного сти, или адресным группам, или по нескольким подхода рассмотрим пример: документ «Исто признакам одновременно. Так, например: до- рия развития баз данных», который по смыслу кумент, с признаками любой структуры или ав- соответствует группам книг по управлению ИЗВЕСТИЯ ВолгГТУ данными-К1, по бизнес информатике-К2. Но в туры. Размещенный ресурс автора определяет названии присутствует слово «История», и со- путь к ресурсу по признакам базы данных, обо ответствие документа группе книг по «исто- значаемым автором при его описании. Если из рии»-Кист. – незначительное. Поэтому целесо- авторского микропортала удаляются все ресур образно представить предпочтение эксперта в сы, микроструктура и навигация к ней пере виде следующего нечеткого множества: стают существовать, и пользователь не будет тратить время на поиск несуществующих ре «История развития баз данных» = сурсов – это один из методов повышения эф = 1/ К1 +0,9/К2 + 0,1/ К ист..

фективности поисковой системы. Кроме того, При формировании списка литературы для поиск целевой группы пользователей (адресная пользователей по курсам Управление данными группа) определен навигационной структурой, или Бизнес – информатика данный документ остальные пользователи могут использовать будет присутствовать в начале списка найден- стандартный поиск по ключевым словам, кото ной литературы. В свою очередь, при формиро- рый поддерживается описанием ресурса при вании списка литературы для направления Ис- его определении в базу данных автором. Таким тория этот документ, в силу назначения экспер- образом, развитие структуры и навигации пор том веса 0,1, будет присутствовать в нижней тала, а, следовательно, управление контентом части списка искомой литературы. осуществляется авторами ресурсов, что способ Предложенный подход позволяет сделать ствует эффективному функционированию ин более эффективным поиск нужной пользовате- формационной системы веб-портала.

лю литературы, не загружая список второсте БИБЛИОГРАФИЧЕСКИЙ СПИСОК пенной по значимости информацией. Все ре 1. Буханцева, Н. В. Реализация деятельностного под сурсы, выбранные пользователем при исполь хода при проектировании научно-образовательного пор зовании комплекса поисковой системы, отобра- тала Волгоградского государственного университета / зятся в верхней части списка, что позволит Н. В. Буханцева, А. А. Воронин // Научно-методическая кон ференция «Современные информационные технологии в экономить временные и прочие ресурсы.

образовании: Южный федеральный округ, 2004. – С. 52–54.

Таким образом, используя аппарат теории 2. Воронин, А. А. Модель оптимального управления нечетких множествах можно определить степень структурными изменениями организационной системы / принадлежности к тому или иному направлению А. А. Воронин, С. П. Мишин // Автоматика и телемеха ника. – 2002. – № 8. – С. 136–150.

или, точнее, к соответствующему признаку эле 3. Санжапов, Б. Х. Портал знаний: модель развития ментов базы данных, а, следовательно, положе- информационного образовательного пространства региона / ние элемента базы данных в полученном резуль- Б. Х. Санжапов, Н. В. Буханцева, А. Н. Буханцев // Изве тате поиска ресурса. Это, естественно, повышает стия ВолгГТУ : межвуз. сб. науч. ст. № 12(60) / ВолгГТУ. – Волгоград, 2009. – С. 112–115.

эффективность поисковой системы. 4. Заде, Л. Понятие лингвистической переменной и В ы в о д ы : Динамика развития портала обе- его применение к принятию приближенных решений / спечивается принципом организации его струк- Л. Заде. – М.: Мир, 1976. – 165 с.

УДК 004. С. С. Укустов, А. Г. Кравец ПОДХОД К РЕШЕНИЮ ЗАДАЧИ ИДЕНТИФИКАЦИИ ВЛИЯТЕЛЬНЫХ РАЗРАБОТЧИКОВ В СОЦИАЛЬНОЙ СЕТИ ГИТХАБ* Волгоградский государственный технический университет agk@gde.ru В статье рассматривается возможность определения влиятельных разработчиков программного обеспе чения в социальной сети Гитхаб. Предложен подход к определению влияния продуктов труда разработчиков программного обеспечения, исходя из известного влияния членов команды проекта.

Ключевые слова: разработка программного обеспечения, социальная сеть, влияние, обнаружение экспертов.

A. S. Ukustov, A. G. Kravets THE APPROACH TO IDENTIFICATION OF INFLUENTIAL SOFTWARE DEVELOPERS IN GITHUB SOCIAL NETWORK Volgograd StateTechnical University The approach to detect influential software developers in GitHub is considered in the paper. Scheme for estimat ing influence of software projects based on known influence of developers is proposed.

Keywords: software development, social network, influence, expert mining.

* Выполнено при поддержке гранта РФФИ № 12-07-00760-а.

62 ИЗВЕСТИЯ ВолгГТУ Социальные сети как один из важнейших ли. Благодаря распространению открытого про классов сетей давно привлекает к себе внима- граммного обеспечения, его благоприятному ние. Широкое распространение интернета по- принятию в индустрии, становится возможным родило взрывной рост доступных данных, в автоматически определять наиболее значимых том числе сетевых, для анализа. Наряду с часто программистов.

применяемой коллаборативной фильтрацией, Разработка программного обеспечения с анализ подобных данных может помочь при нашей точки зрения осуществляется следую обнаружении экспертов [1]. В зависимости от щим образом. Для продукта создается репози масштаба доступных данных обнаружение мо- торий (хранилище) исходного кода, из которого жет осуществляться как в пределах одной ком- с разной степенью автоматизации создается го пании, так и на глобальном уровне. Очевидным товый для распространения и употребления применением является рекрутинг, в том числе продукт. В исходный код программисты вносят внутренний [2]. Менее очевидно использование изменения так называемыми «коммитами».

технологии в службе технической поддержки Каждый коммит является атомарным объеди (вопрос клиента сразу передается сотруднику, нением изменений в нескольких файлах с ис способному в нем разобраться) и службе взаи- ходным кодом сразу. Для разработки в новом моотношения с клиентами (обнаружение кли- направлении или сохранения текущего статуса ентов-экспертов с целью предоставления осо- репозитория разработчик может создать свою бых привилегий). собственную копию репозитория, так называе Сфокусируемся на проблеме поиска экспер- мый «форк».

тов в области разработки программного обес- На рис. 1 приведена схема типичного про печения. В этой сфере рекрутинг представляет цесса разработки. Дополнительно цветом выде собой особую проблему ввиду величины отрас- лено отношение владения над репозиторием.

Рис. 1. Схема процесса разработки Это означает, что весь поток событий, свя занных с репозиторием, в том числе о комми тах и сообщениях об ошибках, направляется владельцу репозитория. Стрелкой с надписью «форк» показано, что проект А’ является фор ком проекта А, то есть его независимой копией.

Выделение экспертов родственно проблеме выявления распределения доверия и влияния и, шире, является проблемой распространения ин формации в сети. С этой точки зрения распро- Рис. 2. Схема выявления распределения доверия и влияния странение экспертного влияния транзитивно, Фокусируясь на свободном программном т. е. влияние передается от одного узла к друго обеспечении, обратив внимание на крупнейший му, уменьшаясь с каждым вовлеченным узлом.

ИЗВЕСТИЯ ВолгГТУ получать обновления о всех событиях в систе ресурс хранения репозиториев – Гитхаб [3].

ме, в которых задействован Б. То же справед В дополнение к схеме (рис. 2) ресурс предос ливо для заинтересованности в репозиториях.

тавляет механизм наблюдения за разработчи Таким образом, схема разработки принимает ками и репозиториями. Так, программист А, за вид (рис. 3).

интересованный работой его коллеги Б, может Рис. 3. Схема разработки ПО Экспертное влияние распространяется с времени разработки, список авторов и кон общим потоком информации. Поэтому экс- трибьюторов, лицензию, адреса домашней стра пертное влияние разработчика зависит от его ницы проекта и/или репозитория исходного ко наблюдателей и обладаемых репозиториев: да проекта.

Рубигемс (rubygems.org) – это центральное (1) хранилище для всех публично доступных ге мов. Ресурс можно использовать для поиска Экспертное влияние репозитория в свою подходящих гемов, просмотра зависимостей, очередь зависит от наблюдателей, форков и авторов или перехода на ресурс с документаци коммитов:

ей к гему. Рубигемс публично предоставляет (2) данные по общему числу скачиваний гема, по каждой версии и суммарно.

В рамках Гитхаба изменения вносятся ком В сложившейся практике гемы, являющиеся митами в основной репозиторий проекта А, что зависимостями данного проекта, скачиваются с позволено только владельцам репозитория, или Рубигемс автоматически, так что число скачи в собственный репозиторий, являющийся фор ваний можно считать мерой реальной популяр ком А. Отсюда по экспертному влиянию репо ности и уровня полезности гема. В самом деле, зитория выводится экспертное влияние разра как показано в табл. 1, десять наиболее скачи ботчика, вносящего вклад в развитие продукта, ваемых гемов также являются и одними из са но при этом не являющегося его владельцем.

мых важных в экосистеме языка Руби.

Число форков и фолловеров для репозито Авторам интересны числа фолловеров, фор рия является публично доступной информаци ков и скачиваний по каждому проекту. Первые ей. Как только данный репозиторий тем или два набора доступны на ГитХабе, последний иным путем получает большое число фоллове можно взять из данных Рубигемс. На первом ров и форков, эти числа становятся в некотором шаге происходит выделение тех гемов, исход роде мерой популярности и «успеха» проекта.

ный код которых размещен на ГитХабе. Второй В экосистеме, сложившейся вокруг языка шаг состоит в объединении числа фолловеров и программирования Руби (Ruby, «рубин» в пе форков с ГитХаба и числа скачиваний с Руби реводе на русский), готовые к использованию гемс. Наконец, эти наборы анализируются.

библиотеки и пакеты исполнимых программ При изучении влияния на основе данных распространяются в виде так называемых гемов Твиттера [4,5,6] в качестве меры «действитель (gem, «камень»). Гем обычно содержит набор ного» влияния берут данные по CTR ссылок, файлов библиотек, исполнимых файлов и мета указанных в сообщениях. Аналогично в данной данные. Последние включают в себя такие све работе мерой «действительного» влияния явля дения, как зависимости времени исполнения, 64 ИЗВЕСТИЯ ВолгГТУ ется число скачиваний проекта по данным Ру- ект. Число форков и фолловеров показывает бигемс. Чем больше раз гем скачали, тем более ожидаемое влияние, в соответствие со здравым нужным, важным, влиятельным является про- смыслом, как изложено выше.

Таблица 10 проектов с наибольшим числом скачиваний, коммитов, форков и фолловеров Скачивания Коммиты Форки Фолловеры rack/rack rails/rails rails/rails rails/rails rails/rails AndyObtiva/glimmer mojombo/jekyll plataformatec/devise svenfuchs/i18n rhomobile/rhodes spree/spree mojombo/jekyll brynary/rack-test resolve/refinerycms Shopify/active_merchant thoughtbot/paperclip cjheath/polyglot spree/spree thoughtbot/paperclip justinfrench/formtastic HeSY josh/rack-mount plataformatec/devise defunkt/resque INUvSBZfxqA/microwave tenderlove/nokogiri resolve/refinerycms binarylogic/authlogic wayneeseguin/rvm intridea/multi_json sferik/rails_admin sinatra/sinatra danlucraft/redcar rdoc/rdoc mongoid/mongoid chriseppstein/compass mongoid/mongoid rtomayko/tilt gregbell/active_admin mislav/will_paginate Таким образом, набор данных содержит Среди всех 35741 гемов на 23-е марта 2012 г., информацию о том, как много фолловеров, 19791 имеют действительные репозитории на форков и скачиваний имеет данный репозито- ГитХабе. Собранные числовые значения имеют рий. Авторы исследуют возможные корреляции большой разброс (табл. 2):

между переменными, используя коэффициент корреляции Спирмена: Таблица ( xi x )( yi y ) Разброс значений исследуемых величин = (3) ( xi x ) ( yi y ) Скачивания Фолловеры Форки Здесь xi, yi – объекты соответствующих Минимум 8 -2 выборок, x, y – соответствующие средние. Максимум 11195071 13335 Для целей демонстрации авторы вычислили коэффициенты корреляции для всей имеющей Частоты распределены по закону степенно ся выборки, 10 % и 1 % самых скачиваемых го распределения y x :

проектов.

Рис. 4. Распределение исследуемых величин ИЗВЕСТИЯ ВолгГТУ Значения степеней рассчитаны согласно пар фолловеры/коммиты и форки/коммиты.

процедуре, описанной в [7]: В этом случае сделать форк или стать фоллове ром – пассивные действия, не подразумеваю Таблица щие дальнейшего приложения сил.

Степени распределения значений Более влиятельные проекты имеют не исследуемых величин сколько меньшее вовлечение пользователей, как показывают небольшие коэффициенты Степень Скачивания Коммиты Фолловеры Форки корреляции для первых трех пар в табл. 4. Тем 1.86 ± 0.01 2.30 ± 0.03 1.62 ± 0.01 1.96 ± 0. не менее, существует активное ядро разработ чиков, вносящих изменения в проект. Это то, Основные результаты представлены в табл. 4. что можно было бы назвать кафедральной мо делью разработки. Ядро значительно отличает Таблица ся от случайных контрибьюторов в базарной Коэффициенты корреляции модели тем, что их намерения делать вклад в проект постоянны.

Все Верхние 10% Верхний 1% В данной работе авторы сделали анализ мет Скачивания/фолловеры 0.474 0.427 0. рик, доступных для репозитория на ГитХабе, Скачивания/форки 0.444 0.447 0.223 и сравнили их с числом скачиваний готовых к использованию пакетов. Рассмотренные метри Скачивания/коммиты 0.486 0.307 0. ки могут быть использованы для не слишком Фолловеры/форки 0.751 0.898 0. популярных проектов, но они не связаны напря Фолловеры/коммиты 0.436 0.401 0. мую с влиянием. Число фолловеров и форков Форки/коммиты 0.346 0.395 0. может быть важным для проекта на ранней ста дии развития, но для больших, устойчивых про Авторы должны обратить внимание на ектов эти числа не имеют особого значения. По сильную корреляцию в паре фолловеры/форки.

добная разница может быть отнесена на счет раз Явление связано с тем, что каждый раз, когда личных моделей разработки, а именно кафед разработчик делает форк, ГитХаб помечает его ральной и базарной моделей. Существующие фолловером оригинального репозитория. Обос данные показывают, что большие, влиятельные нование этому: разработчик форка должен ос проекты используют кафедральную модель.

таваться в курсе событий, происходящих с ори Таким образом, авторы считают, что в дан гинальным репозиторием.

ной работе новыми являются следующие поло Наблюдается корреляция средней силы ме жения и результаты:

жду фолловерами, форками и числом скачива 1. Выявлена схема распространения эксперт ний для общей выборки, что поддерживает ного влияния в социальной сети разработчиков предположение здравого смысла: чем больше программного обеспечения Гитхаб, фолловеров и форков, тем лучше. Однако, как 2. Предложен способ выявления наиболее только проект становится в самом деле влия влиятельных разработчиков программного обе тельным эти метрики теряют смысл. Как пока спечения среди участников сети Гитхаб.

зывают коэффициенты корреляции для пар Схема может быть использована в неизмен фолловеры/коммиты и форки/коммиты, с рос ном виде для индивидуального [9] подбора пер том влияния происходит качественное измене сонала в компании, занимающиеся разработкой ние аудитории репозитория на ГитХабе.

программного обеспечения. С минимальными Это изменение может быть связано с раз изменениями ее можно применить для внутрен личными моделями разработки, а именно ка него рекрутинга, в том числе с формированием федральной и базарной [8]. Для большинства проектных команд [10] в больших организациях, проектов относительно малая пользовательская специализирующихся на разработке ПО.

база некоторым образом компенсируется во влечением пользователей, одновременно яв- БИБЛИОГРАФИЧЕСКИЙ СПИСОК ляющихся разработчиками – так называемый 1. Bonchi, F. Social network analysis and mining for базар. Вовлечение, тем не менее, недостаточно business applications / Bonchi F., Castillo C., Jaimes A. // велико для того, чтобы вносить значительные ACM Trans. Intell. Syst. Technol. 2011. Т. 2, № 3, С. 1–37.

положительные изменения в проект, что де- 2. Кравец, А. Г. Теория согласованного управления ре монстрируют коэффициенты корреляции для гиональными ресурсами рынка труда и качеством подго 66 ИЗВЕСТИЯ ВолгГТУ товки специалистов: основные положения / А. Г. Кравец // 7. Clauset, A., Shalizi, C.R., Newman, M.E.J.: Power-law Известия ВолгГТУ : межвуз. сб. науч. ст. № 1(27) / distributions in empirical data. SIAM Review 51(4) (June ВолгГТУ. – Волгоград, 2007. – С. 86–89. 2007) 43.

3. Github – Social Coding [Электронный ресурс] – 8. Raymond, E.S.: The Cathedral and the Bazaar. O’Reilly Электрон. дан. – Режим доступа: http://www.github.com, Media (1999) свободный. – Загл. с экрана. 9. Обухов, А. С. Автоматизация управления уровнем 4. Romero, D. M., Galuba, W., Asur, S., Huberman, B. A.: профессиональных компетенций специалистов на пред Influence and Passivity in Social Media. Information Systems приятии / А. С. Обухов, А. Г. Кравец // Программные про (August 2010). дукты и системы. – 2008. – № 2. – С. 85–87.

5. Bakshy, E., Hofman, J., Mason, W., Watts, D.: Identi- 10. Укустов, С. С. Интеллектуальный подход к про fying «Influencers» on Twitter. kdpaine.blogs.com блеме формирования проектной команды с учетом произ 6. Wu, S., Hofman, J., Mason, W., Watts, D.: Who says водительности и кооперативного эффекта / С. С. Укустов, what to whom on twitter. In: Proceedings of the 20th interna- А. Г. Кравец // Открытое образование. – 2011. – № 3. – tional conference on World wide web, ACM (2011) 705–714. С. 92–95.1.

УДК 621.31.001.18:004.032. М. В. Щербаков, М. А. Аль-Гунаид РАЗРАБОТКА И ИССЛЕДОВАНИЕ ГИБРИДНЫХ НЕЧЕТКИХ МОДЕЛЕЙ ИДЕНТИФИКАЦИИ ДЛЯ ПРОГНОЗИРОВАНИЯ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ Волгоградский государственный технический университет Maxim.shcherbakov@gmail.com, MohammadAlgunaid@gmail.com Данное исследование направлено на разработку математической модели гибридной нечеткой нейронной сети. Рассматривается решение проблемы краткосрочного прогнозирования потребления электроэнергии.

В качестве решения предлагается гибридная нейро – нечеткая модель с алгоритмом обучения. Представлены результаты применения гибридной нечеткой нейронной сети.

Ключевые слова: гибридная математическая модель, нечеткая нейронная сеть, энергосбережение, крат косрочное прогнозирование.

M. V. Shcherbakov, M. A. Al-Gunaid DEVELOPMENT AND ANALYSIS OF HYBRID FUZZY MODEL IDENTIFICATION Volgograd State Technical University This research oriented to mathematical model hybrid fuzzy neural net-work. The problem is solved by means of short – term forecasting of energy consumption. As a solution proposed hybrid neuro – fuzzy model with learning algorithm. The results are depicted application hybrid fuzzy neural network.

Keywords: hybrid mathematical model, fuzzy neural network, energy saving, short – term forecasting.

Введение к оценке тренда изменения временного ряда и оценке взаимосвязей между параметрами, Проблема идентификации динамических влияющими на динамику системы. Третья – систем в различных постановках является акту возможность «подмены» технических или ап альной задачей во многих предметных облас паратных средств персональными компьютера тях. При этом следует отметить тенденции, ми небольшой размерностью, с возможностью влияющие на изменение подходов к идентифи реализации сложных алгоритмов интеллекту кации моделей сложных систем [1]. Первая со альной обработки данных. И наконец, четвер стоит в низкой точности прогнозирования се тая – проблема интерпретируемости модели зонно – дневных временных рядов. Примером прогнозирования: зачастую точная модель об такой предметной области является прогнози ладает низкой степенью интерпретируемости, рование потребления электроэнергии. Более то что сужает рамки ее применения на практике.

го проблема низкой точности прогнозирования Одним из направлений, решающих данные в условиях неопределенности и качественного задачи, является развитие теории коннективи изменения информации (изменение статистиче стских систем и нечетких систем в направлении ских характеристик временного ряда) сама по создания гибридных нечетких коннективист себе является актуальной задачей. Вторая тен ских моделей. Среди преимуществ такого под денция – необходимость в робастных подходах ИЗВЕСТИЯ ВолгГТУ хода выделяют 1) удобность и полезность для ситуации, при которых среди нечетких пара объяснения получаемых с их помощью резуль- метров в модель включены параметры, описан татов, т. е. высокую интерпретируемость;

2) вы- ные в явном виде. Значение таких параметров сокую устойчивость к воздействию мешающих могут представлять временной ряд. В иссле факторов и 3) возможность аппроксимации не- дуемой работе был разработан алгоритм фор линейных функций. мирования нечетких переменных на основе В данной работе описана гибридная нейро – временного ряда [2].

Пусть имеется временный ряд {xi }, где нечеткая модель, разработка которой направле на на повышение эффективности моделей про i = 0,..., N x. Необходимо получить набор нечет гнозирования сезонно – дневных временных {} рядов в условиях неопределенности. ких множеств A и функции принадлежности i Aj ( xi ). В качестве функций принадлежности 1. Метод прогнозирования Метод решения задачи краткосрочного про- выбраны функции Гаусса:

гнозирования потребления электроэнергии по A j ( xi ) = (1.1) средством синтеза гибридной нечеткой ней- x bj ронной сети включает в себя последовательное 1+ i j выполнение следующих алгоритмов:

1) алгоритм формирования нечетких пере xi – элемент временного ряда, где b j – центр менных на основе временного ряда;

2) алгоритм синтеза базы знаний;

класса нечеткого множества Aj, j – коэффи 3) алгоритм синтеза нечеткой нейронной циент пологости функции принадлежности.

сети на основе нечеткой базы знаний;

Находим центры классов нечетких мно 4) алгоритм обучения гибридной нечеткой жеств согласно формуле нейронной сети;

b j = xmin + (2 j 1) (1.2) 5) формирования гибридной модели;

6) применение гибридных нечетких ней где xmin – минимальное значение временного ронных сетей для автоматического прогнозиро ряда {xi }, а – значение шага, получаемое со вания потребления электроэнергии.

гласно:

1.1. Формирования нечетких переменных x x на основе временного ряда = max min (1.3) NA Для решения задачи с использованием ме тодов нечеткой логики необходимо сформиро- где xmax – максимальное значение временного вать базу нечетких правил. Эта процедура за ряда {xi }, а N A – заданное число нечетких частую осуществляется экспертом в рассматри ваемой предметной области. Однако, возникают множеств.

Рис. 1.1. Функции принадлежности нечетким множествам, на основе функции Гаусса N A = пользования следующего алгоритма [3]:

1.2. Алгоритм синтеза базы знаний Ш а г 1. Для определения числа регрессоров Главной идеей данного подхода является ис в модели прогнозирования, задаем значение ключение экспертов из процедуры формирования глубины погружения.

нечетких правил. Это достигается с помощью ис 68 ИЗВЕСТИЯ ВолгГТУ Ш а г 2. Положим текущее значение време- фаззификаторов) равно произведению авторег ни t =. рессионных переменных на число нечетких множеств, определенных для этих переменных.

Ш а г 3. Формируем левую часть нечеткого Так, например, если мы учитываем потребле правила для текущего значения времени t i ние в 2 предыдущих момента времени и опре следующим образом. Для каждого регрессора делили 3 нечетких множества – «низкое», xt p, где p = 1,..., определить такое нечеткое «среднее» и «высокое» потребление, то число множество, для которого значения функции нейронов во входном слое равно 6. Нейрон – принадлежности будет максимальным, т. е. фаззификатор, соединен с соответствующим ti = y( xt p ) = max Aj ( xi ) An i (2.1) нейроном входного слоя в соответствии с сис темой нечетких правил и реализует преобразо исходя из максимального значения функции вание:

принадлежности.

y (2) = Ak ( y (1) ;

bk, k ), (3.2) Ш а г 4. Правая часть формируется анало- j,k j где k – номер нечеткого множества.

гично третьему шагу, только в качестве пере мененной выступает текущее значение времен- 3. Сформировать слой минимизации. Дан ного ряда, т. е. xt. ный слой состоит из nr нейронов, характери зующих нечеткие правила. Каждый нейрон Ш а г 5. Сохраняем правило в базе нечетких слоя минимизации соединен с нейронами пре правил.

Ш а г 6. Если t = N x, то завершить выпол- дыдущего слоя в соответствии со структурой термов соответствующего правила. Нейрон ми нение алгоритма, в противном случае увели нимизатор реализует операцию произведения чить t = t + 1 и перейти на третий шаг.

входов, т.е. операцию минимизации по Мам Ш а г 7. Формируем из полученных термов дани [4].

правило вида если-то.

qj y (3) = ( yi(2) ), (3.3) 1.3. Алгоритм синтеза нечеткой нейронной сети j i = на основе нечеткой базы знаний где q j – число термов, в левой части j го Результатом выполнения предыдущего ал правила.

горитма является база знаний, состоящая из 4. Сформировать слой максимизации. Дан правил {ri }, где i = 1,..., nr, nr – число правил. ный слой состоит из 2n, нейронов, где n – чис Каждое i e правило состоит из nlt термов в i ло выходов. Каждый нейрон соединен с нейро нами предыдущего слоя в соответствии со i левой части и nrt в правой части. На основе структурой правил. Для первого нейрона из па данной системе правил выполним алгоритм ры y (4), значения весов, соединяющих ней формирования структуры нечеткой нейронной j,(1) роны предыдущего слоя, соответствуют значе сети, состоящей из пяти слоев. Обозначим че ниям центров класс нечетких множеств для рез x (ji ) j ю компоненту i го входного век термов в правых частей нечетких правил. Для тора, i = 1,..., s, где s – число элементов обу второго нейрона из пары y (4) веса равны еди j,(2) чающей (или тестовой) выборки. Выходные нице.


сигналы обозначим как y (jl ),(i ), где l – номер n y (4) = (i yi (3) ), (3.4) слоя нейронной сети, j – номер нейронной в j,(1) i = слое. Для простоты обозначения опустим ин- n y (4) = ( yi (3) ).

декс (i). (3.5) j,(2) i = 1. Сформировать входной слой. Число ней 5. Сформировать выходной слой. Выходной ронов в первом слое соответствует числу авто слой или слой дефаззификации состоит из n регрессионных переменных или числу термов в нейронов, где n – число выходов. Выходной левой части нечеткиих правил. Выходные зна нейрон соединен с соответствующими выходу чения нейрона вычисляются согласно формуле:

нейронами предыдущего слоя и реализует ме y (1) = x j (3.1) j ханизм дефаззификации относительно среднего 2. Сформировать слой фаззификации. Число центра [4]. Выход рассчитывается следующим элементов в слое фаззификации (нейронов– образом:

ИЗВЕСТИЯ ВолгГТУ Ниже представлен пример формирования y (4) j, y (5). (3.6) нечеткой нейронной сети на примере 2–x не j y (4) четких правил, показанную на рис. 3.1.

j, Сред y t R Выс Сред y (j4()1) с Вы, Малое R2 y (j 5 ) Мал y(j4)2) л Ма,( y t Сред R Выс Рис. 3.1. Схема реализации нечеткие нейронные сети em y m y 1.4. Алгоритм обучения гибридной нечеткой (4.3) m нейронной сети где y – реальное значение.

Рассмотрим процесс обучения нечеткой m нейронной сети. Применительно к настройке 1.4. Определяется средняя ошибка за цикл правой части нечетких правил алгоритм обуче обучения.

ния выглядит следующим образом:

1M m Ш а г 1. По формулам (3.1)–(3.6) в нечеткой e me = (4.4) M m нейронной сети определяем прогнозное значе ние выходной переменной y m для каждого из Если значение средней ошибки за цикл обучения превышает значение средней допус m примеров обучающей выборки.

тимой ошибки, то происходит возврат на шаг 1.1. Задаем величину средней допустимой (1.2).

ошибки за цикл обучения доп. Так же на дан 1.5. В противном случае процесс обучения ном этапе задается скорость обучения.

прекращается, и сеть считается обученной.

1.2. Определяется новое значение весов свя- Ш а г 2. Корректировка формы функций зей между третьим и четвертым слоем по сле- принадлежности гауссовского типа, представ дующим формулам: ляющих нейроны второго слоя, заключается в m (q 1) m (q) m настройке центра функций принадлежности в (4.1) j j j соответствии с формулой:

2 ( xm C m ) l m y i em C m em ( y m y ) i i (4.2) (4.5) j j m i m ( ) i где q – номер цикла обучения. Один цикл обу чения включает перебор всех примеров из обу- Представленные зависимости (4.1), (4.2) и чающей выборки. (4.5) определяют способ модификации весов и 1.3. Рассчитывается погрешность на выходе параметров в предлагаемый модель на основе модуля. алгоритма обратного распространения ошибки.

70 ИЗВЕСТИЯ ВолгГТУ 1.5. Формирования гибридной модели Выходом гибридной y mz модели является Алгоритм формирования гибридной модели среднее возвышения выходов нечетких моделей.

представлен следующими шагами:

n Пусть дано множество, ymz, где Z = 1,..., z, ymz = y (5.1) im i = где z – количество нечетких моделей. Необхо димо найти наилучшую модель по следующему где n – число гибридной модели, вес каж i алгоритму:

дой гибридной модели.

Ш а г 1. Задаем количество нечетких моде Для определения качества гибридной моде лей z.

ли рассчитывается следующие критерии:

Ш а г 2. Для каждой модели определяется количество нечетких множеств FuzzySets, а так 1n m E= (y y ) (5.2) же коэффициент пологости функции принад- m n i = лежности, являющийся константой.

Ш а г 3. Определяем множество временных В итоге получаем совокупность прогнозных отсчетов (глубину погружения) T {t1, t2,..., t z }. гибридных моделей ymz (рис. 5.1) Ш а г 4. Задаем интервал времени между Таблица 5. точками глубины погружения.

Параметры экспериментов (ТF= 96) Ш а г 5. Задаем значения входных нейронов из исходного временного ряда (3.1). Число z FuzzySets входных нейронов равно числу множество вре менных отсчетов T = t z (6.1). 1 15 Ш а г 6. Задаем горизонт прогнозирования ТF. 2 13 Ш а г 7. Определяем временной ряд реаль- 3 10 ных значений.

4 6 Ш а г 8. Формируем нечеткую модель ymz.

а б Рис. 5.1. Схема гибридной модели (а) и график качества идентификации гибридных моделей (б) Таким образом, в результате определения качества идентификации гибридной модели средняя арифметическая ошибка составила 14,79.

Таблица 5. Результаты качества идентификации гибридной модели Номер Е1 Е2 Е3 Е4 ЕG2 ЕG эксперимента 1 17,28 16,31 17,81 20,19 15,74 15, 2 14,19 17,42 17,48 17,66 15,43 13, 3 14,87 14,77 13,89 13,29 11,88 13, 4 16,37 19,04 17,04 23,38 17,44 16, Средняя ошибка 15,68 16,89 16,55 18,63 15,12 14, ИЗВЕСТИЯ ВолгГТУ где N1 число входных параметров в системе, Критерии интерпретируемости Ki* = ( N1 + N2 + N3 ) (5.3) i* индекс критерии интерпретируемости.

K N min Qi* = (1 i ) 100 % (5.4) Q = min(Qi* ) (5.5) N max N min Рис. 5.2. График критерии интерпретируемости 2) E (t 7 n ),, т.е. неделю назад;

3) E (t Таблица 5. Критерии интерпретируемости 365 n ), т. е. год назад.

№ T FuzzySets Rules Q Ш а г 3. Задаются значения входных нейро нов из исходного временного ряда (3.1). Число 1 4 15 131 32,67% входных нейронов равно числу множества вре 2 4 13 113 45,33% менных отсчетов T = t z.

3 4 10 96 58,00% tz = i T (6.1) 4 4 6 62 82,67% EG 4 6 62 82,67% где t z – переменная погру жения, i – индекс EG2 4 6 62 82,67% переменной погружения.

Ш а г 4. По формулам (3.1)–(3.6) рассчиты 1.6. Применение гибридных нечетких нейронных вается прогнозное значений y.

сетей для автоматического прогнозирования потребления электроэнергии Ш а г 5. Определяется качество идентифи Для численной оценки суточного прогнози- кации – ошибка на основе среднеквадратичного рования величины электрической нагрузки раз- отклонения.

работан следующий алгоритм [5]:

T 1 em = Ш а г 1. Определяем множество временных ( y (t ) y (t )) (6.2) T отсчетов T {t1, t2,..., t z } и множество D расстоя y t = ний между временными отсчетами T.

t = Ш а г 2. Определяется число временных то где y (t ) – значение прогнозного потребления, чек с помощью автокорреляционной функцией.

y (t ) – значение фактического (измеренного) Как правило, наиболее значимыми переменны ми могут быть: 1) E (t n ), день назад, где потребления, T – число временных отсчетов в n число временных отсчетов в течение дня;

рассматриваемом интервале прогнозирования.

Рис. 6.1. График реальных (1) и прогнозных значений (2) на неделе 72 ИЗВЕСТИЯ ВолгГТУ Заключение 2. Аль-Гунаид, М. А. Метод формирования нечетких переменных на основе временного ряда / М. А. Аль-Гуна В результате были изучены проблемы иден- ид, М. В. Щербаков // Городу Камышину – творческую тификации системы в условиях нечеткой ин- молодежь (посвящается 15-летию Камышинского технол.

формации и проблемы слабой интерпретируе- ин-та (филиала) ВолгГТУ): матер. III реигон. Н.-практ.

мости моделей идентификации. Также разрабо- студ. конф., 22–23 апр. 2009 г. / ВолГТУ, КТИ (филиал) ВолГТУ. – Камышин, 2009. – Т. 2. – С. 42–43.

таны модели гибридной нечеткой нейронной 3. Аль-Гунаид, М. А. Разработка импульсной нечеткой сети для автоматического решения задачи нейронной сети / М. А. Аль-Гунаид, М. В. Щербаков // идентификации. Кроме того разработаны алго- Нечеткие системы и мягкие вычисления (НСМВ-2009):

ритмы предварительной обработки информа- сб.ст. 3-й всерос. науч. конф., 21–24 сент. 2009 г. / ВолгГТУ ции, алгоритмы модели гибридной нечеткой [и др.]. – Волгоград, 2009. – Т. 2. – С. 89–94.

4. Тарков, М. С. Нейрокомпьютерные системы // URL нейронной сети. В процессе работы были реа http://www.intuit.ru/department/expert/neuro/15/2.html (дата лизованы алгоритмы в виде системы и испыта обращения: 10.04.2012).

ны на примере прогнозирования потребления 5. Специфика применения интеллектуальных моделей электроэнергии. анализа данных для повышения энергетической эффек тивности / М. В. Щербаков, Н. Л. Щербакова, Д. П. Пан ченко, А. Бребельс, А. П. Тюков, М. А. Аль-Гунаид // Из БИБЛИОГРАФИЧЕСКИЙ СПИСОК вестия ВолгГТУ : межвуз. сб. науч. ст. № 11 / ВолгГТУ. – Волгоград, 2010. – (Серия «Актуальные проблемы управ 1. Л.Лыонг, А. С. Манделя А.В.Н. Идентификация си ления, вычислительной техники и информатики в техни стем: Теория для пользователя / пер. с англ. Наука, 1991. – P. 432. ческих системах» ;

вып. 9). – С. 72–76.

Ч а с т ь III УПРАВЛЕНИЕ В СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ УДК [651.9:004.45]: С. В. Белов, Б. Р. Досмухамедов ПРОЦЕДУРА НАХОЖДЕНИЯ ОПТИМАЛЬНОГО МАРШРУТА ДВИЖЕНИЯ ДОКУМЕНТА Астраханский государственный технический университет s.belov@astu.org, bulat@doslab.ru В статье представлена процедура нахождения оптимального маршрута движения документа. Описаны основные модели процессов передачи документа, а также алгоритмы маршрутизации документов. Пред ставленный метод позволит сократить время как внешних, так и внутренних корреспонденций организации, а также повысить безопасность обработки документов.

Ключевые слова: оптимальный маршрут движения документа, алгоритмы маршрутизации документов, система документооборота, процессы движения документов, информационная безопасность, стохастическое программирование.

S. V. Belov, B. R. Dosmukhamedov THE PROCEDURE FOR FINDING THE OPTIMAL ROUTE MOVEMENT DOCUMENT Astrakhan State Technical University The article describes a procedure for finding the optimal route of the document. The basic model of the proc esses of document transmission and routing algorithms documents. The presented method will reduce the time, both external and internal correspondence of the Organization, as well as increase the security processing.


Keywords: best route document routing algorithms documents, document management, document flow proc esses, information security, stochastic programming.

ния управления. Четко организованный доку Введение ментооборот ускоряет прохождение и исполне Документооборот является важным звеном ние документов в организации, повышая тем в организации делопроизводства в организа самым эффективность всего процесса управ ции, так как он определяет не только инстанции ления.

движения документов, но и скорость движения В связи с высказанным, наиболее актуаль документов. В делопроизводстве документо ной проблемой является своевременная и на оборот рассматривается как информационное дежная доставка документа адресату, т. е. вы обеспечение деятельности аппарата управле числение оптимального маршрута передачи до ния, его документирования, хранения и исполь кумента, который должен быть безопасным и зования ранее созданных документов.

удовлетворять требованиям регламента доку Организация документооборота – это пра ментооборота, принятого в организации. Отме вила, в соответствии с которыми должно про тим, что сам регламент должен соответствовать исходить движение документов [1]. Организа требованиям нормативно-правовых докумен ция документооборота объединяет всю после тов, связанных с передачей и обработкой дан довательность перемещений документов в ап ных;

в частности, с законами о защите персо парате управления организации, все операции нальных данных, коммерческой тайны. Данная по приему, передаче, составлению и оформле проблема особенно важна для организаций, нию, отправке документов в дело. Документо в которых процесс документооборота исполь оборот является важной составной частью де зует общедоступные сети и каналы: организа лопроизводства и информационного обеспече 74 ИЗВЕСТИЯ ВолгГТУ Введем следующие характеристики, связан ций, имеющих удаленные подразделения и фи ные с перечисленными выше ограничениями:

лиалы, виртуальных организаций.

N – число возможных узлов процесса доку Данная проблема применительно к выбору ментооборота;

будем считать, что все узлы наиболее безопасных маршрутов передачи пронумерованы числами от 1 до N;

в информационно-вычислительных сетях рас S = {s1, s2,..., sK } – множество возможных сматривалась в [2].

статусов документа, каждый из статусов харак Моделирование процесса теризуется своими значениями по ограничени передачи документа ям;

K – число всех возможных статусов;

Нахождение оптимального маршрута пред i( k ) – ограничения по допустимому време полагает, прежде всего, построение модели ни обработки документа k-го статуса, послан процесса передачи документа, которая должна ного из i-ого узла;

включать критерии оптимальности доставки tijk ) – случайное время обработки документа ( документа и ограничения, связанные с процес сом передачи. Рассмотрим вначале возможные k-го статуса, посланного из i-ого узла в j-ый ограничения по процессу передачи.

узел с функцией распределения Fij( k ) ( x) ;

Все множество ограничений можно разбить pijk ) – вероятность того, что при обработке ( на следующие группы:

1. Ограничения на время движения доку- в i-ом узле документа k-го статуса он (доку мента в соответствии с существующим в орга- мент) будет передан на обработку в j-ый узел;

низации и установленными нормативно если pijk ) = 0 для всех i j, то узел j является ( правовыми документами – как полное время конечным узлом доставки документа;

обработки документа, так и ограничении по от ij – вероятность нарушения информацион дельным его этапам.

2. Возможные изменения маршрута движе- ной безопасности документа при его прохожде ния в отдельных узлах маршрута в процессе нии от выхода из i-го узла до выхода из j-го узла;

согласования документа на маршруте его дви mijk ) = {vi((0) ;

vi((1) ;

...;

vi((kl )) } – цепь передачи до ( k) k) жения.

кумента k-го статуса из i-го узла в j-ый (без об 3. Требования по информационной безо работки в промежуточных узлах), где i (0) = i, пасности при обработке документов, имеющих ограничения по доступу к ним;

прежде всего, i (l ) = j и vi((km ) – последовательные номера уз ) ограничения по конфиденциальности, целост лов, через которые проходит документ;

ности и своевременности доставки документа.

L(ijk ) – средние потери (в абсолютных или В качестве критерия, определяющего выбор оптимального маршрута движения, целесооб- относительных единицах), связанные с нару разно выбрать величину суммарных рисков, шением безопасности документа k-го статуса связанных с возможным нарушением требова- при выходе из i-го узла до выхода из j-го узла;

ний по обработки документа. ijk ) – число или доля документов k-го стату ( Полный маршрут движения документа са, изначально передаваемых из i-го узла в j-ый;

складывается из отдельных цепей, каждая из – максимально возможное число цепьев которых соединяет последовательные узловые в процессе движения документа по маршруту.

точки движения документа, в которых проис Отметим, что вероятности ij могут зави ходит обработка (уточнение, согласование и сеть также от статуса документа. Более того, верификация) документа. Если исчерпано рег часто целесообразно рассматривать отдельно ламентное время обработки документа, то до вероятности ijк ), ijц ) и ijс ) нарушения конфи кумент изымается из процесса обработки. Без ( ( ( ограничения общности можно считать, что уз денциальности, целостности своевременности лы надежны, то есть отказов и нарушений ин доставки документа соответственно. Далее, формационной безопасности в узлах не проис- N p = 1 для всех i и k.

(k ) ходит – в противном случае ненадежный узел ij представляем в виде фрагмента из двух надеж- j = Тогда задача выбора оптимального мар ных узлов, соединенных ненадежным каналом, шрута может быть формализована следующим характеристики которого (канала) совпадают образом.

с характеристиками исходного узла.

ИЗВЕСТИЯ ВолгГТУ Тогда формализованная постановка задачи { mijk ) } ( Выбрать такой набор цепей нахождения оптимальной совокупности цепей ( i, j = 1, N ;

k = 1, K ) таким образом, чтобы ве- передачи может быть записана следующим об личина среднего суммарного риска R была бы разом: найти такую совокупность цепей минимальной. Если задан конкретный маршрут {mijk ) ;

i, j = 1, N ;

k = 1, K }, для которой величина R, ( обработки данных, состоящий из совокупности выраженная соотношением (1), достигает ми из l цепей mi((0) i (1), mi((1) i (2), …, mi((kl )1) i ( l ), то сред k) k) нимально возможного значения, при условии, няя величина суммарного риска при обработке что выполнены также ограничения (2).

по данному маршруту равна произведению ве- Данная задача относится к классу задач роятности обработки документа по данной со- стохастического программирования, для реше вокупности маршрутов умноженное на сред- ния которых существуют методы решения [3].

нюю величину потерь, то есть Однако, уже при относительно небольших, l l pi((kj)1)i ( j ) L(i k(1)i ( ). с точки зрения практических приложений, раз ) мерностях задачи (то есть, прежде всего, значе = j = ниях N) существующие методы решения стано Далее необходимо усреднить данное выра вятся неэффективными. Поэтому, ниже предла жение по всем возможным маршрутам, всем гается полуэвристический алгоритм решения возможным статусам документов с учетом час задачи нахождения оптимального набора цепей тоты появления на входе документов разных статусов. Если формализовать последнее пред- передачи.

ложение в виде соотношения, то оно будет дос таточно громоздким. Для упрощения записи вве- Алгоритмы маршрутизации движения документов дем набор параметров z = { zij, i, j = 1, N }, и сле Процесс движения документов достаточно дующие матрицы:

адекватно описываются методами теории гра N L( k ) ;

P ( k ) = P ( k ) ( z ) = pijk ) z ij ij ( фов. Именно, узлы ориентированного графа – i, j = это пункты обработки информации, дуги – воз N t(k ) T ( k ) = T ( k ) ( z ) = pijk ) z ijij ( можные маршруты движения документа. По i, j = этому ниже предлагается графическая модель Тогда, как можно проверить, справедливо процесса движения документа, для которой, соотношение:

в отличие от предыдущей модели, может быть l NNK предложен алгоритм выбора наиболее прием ( k ) z det ( P( k ) ) R = ijk ) ( l =1 (, ){M (l )} лемых маршрутов передачи документов. При z = i =1 j =1 k =1 ij этом понятие «наиболее приемлемый» связано (1) в работе либо с задачей нахождения наиболее где M ij (l ) = {mi (0) i (1), mi (1) i (2),..., mi ( l 1) i ( l ) }, i (0) = i, (k ) (k ) (k ) (k ) надежного маршрута доставки документа из одного узла в другой, либо с нахождением наи i (1) = j, – один из возможных маршрутов дви более короткого маршрута доставки документа.

жения документа, изначально посланного из i Применительно к информационно-вычисли ого узла в j-ый;

вертикальная черта с записью тельным сетям задаче выбора наиболее прием «z =1» означает подстановку значений zij = лемого маршрута передачи сообщения (тран для всех i и j после вычислений производных. закта) посвящено достаточно много работ [4].

При этом выполнены ограничения на время Процесс передачи электронного документа обработки документов разного статуса, кото- имеет свои специфические особенности. В ча рые могут быть записаны в виде следующих стности, задается фиксированная последова соотношений: тельность узлов, через которые документ обя l зательно должен пройти и быть обработан в N ( k ) z det (T ( k ) ) i( k ) ijk ) E ( этих узлах, причем весь процесс передачи, а в l =1 (, ){M ( l )} z = j = ряде случаев и отдельные его этапы регламен ij тирован во времени, то есть имеются времен для всех i = 1, N, k = 1, K. (2) ные ограничения на общее время движения до где E – знак математического ожидания (на кумента и его обработку и, возможно, на время помним, что T ( k ) случайны, поскольку случай- его нахождения и обработки на отдельных эта ны времена tijk ) ).

( пах движения. Кроме того, в процессе его об 76 ИЗВЕСТИЯ ВолгГТУ пункт движения документа виду возникновения работки возможно изменение первоначального необходимости по дополнительной работе с маршрута его движения, что может быть связа этим документом в других узлах. То есть непо но с выявленными особенностями (например, средственно нельзя априоре выделить конеч необходимостью изменения, уточнения или до ный узел движения данного документа, а также полнительной верификации) документа. По один или несколько возможных маршрутов его этому, применительно к электронному доку перемещения. Поэтому среди всех просмотрен менту под маршрутом передачи следует пони ных алгоритмов маршрутизации наиболее при мать ни один жестко детерминированный емлемым оказался алгоритм Клейнрока [5]. Его маршрут, а определенную их взаимосвязанную основная особенность: в этом алгоритмы не совокупность с соответствующими вероятно ставится задача нахождения оптимальных стями движения по каждому из них.

маршрутов, соединяющих каждую пару вер Ниже предлагается алгоритм, учитывающий шин, а находится матрица, описывающая перечисленные особенности движения элек (абсолютные или относительные) объемы пере тронного документа. Пусть задан ориентирован даваемых данных для каждой пары смежных ный граф G = {V, A}, где V = {v1, v2,...vN } – узлов при оптимальной маршрутизации про множество всех возможных пунктов обработки цесса передачи. Тогда процесс управления за документов, A – матрица смежности графа, передачей данных сводится к контролю за объ описывающая возможные перемещения доку- емами данных, передаваемых между смежными мента из одного узла в другой. В частности, ис- узлами, на их соответствие величинам, задан ходные вершины, откуда изначально начинает- ным в матрице.

ся движение документа, имеют нулевые столб- Непосредственно алгоритм состоит из сле цы в матрице инцидентности А, а конечные дующих этапов:

вершины, где заканчивается движение, – нуле- 1. Сформировать процедуру построения по вые строки. токов по наиболее безопасным маршрутам, со Введем следующие характеристики: стоящей из следующих двух этапов:

сij – пропускная способность канала, со- а). Пусть для каждой пары вершин задано множество допустимых маршрутов, которые мо единяющего i-ую вершину с j-ой при i j ;

ес гут соединять эти вершины. В частности, приме ли i-ая вершина не соединена с j-ой, по полага нительно к системам документооборота маршру ем сij = 0 ;

если i = j, то полагаем cii = ;

обо ты, время движения документов по которым пре N восходит регламентное значение, исключаются значим C = cij – матрица пропускных спо i, j = из рассмотрения. Найти матрицу H наиболее собностей;

безопасных маршрутов на основе алгоритма ij – объем данных передаваемых за едини- Флойда следующим образом. Полагаем H 0 = P цу времени из i-ой вершины с j-ую;

если i-ая и последовательно, начиная с n =1, строятся мат вершина не соединена с j-ой, по полагаем рицы H n = hij (n) на основе соотношений N ij = 0 ;

обозначим = ij – матрица тяго hij (n) = max ( hij (n 1), hin ( n 1) hnj (n 1) ), i, j = (3) тения между вершинами;

где hij ( n) есть наибольшее возможное значение pij – вероятность того, данные будут пере вероятности обеспечения информационной даны из i-ой вершины с j-ую без нарушения по безопасности по всем маршрутам, соединяю казателей их информационной безопасности;

щим i-ую вершину с j-ой по путям, в которых если i-ая вершина не соединена с j-ой, по пола промежуточные узлы принадлежат множеству N гаем pij = 0 ;

обозначим P = pij – матрица {1, 2, …, n}, при условии, что путь из i-ой вер i, j = шины в j-ую, проходящий через n-ую вершину, безопасной передачи данных.

принадлежит множеству допустимых маршру Как было отмечено выше, существует це тов. Отметим, что если длина кратчайшего пу лый ряд алгоритмов маршрутизации примени ти равна n0 = n0 (i, j ), то максимум в (3) при тельно к информационно-вычислительным се тям. Однако большинство из них не позволяет n = n0 достигается на втором выражении, при учесть одну из основных специфических осо чем вершина n0 является предпоследней вер бенностей процесса движения документа – час шиной маршрута. Очевидно, H = H N.

то отсутствует четко обозначенный конечный ИЗВЕСТИЯ ВолгГТУ общее время движения документа, что обычно N б) Строится матрица = ij потоков не соответствует реальным требованиям по об i, j= по наиболее безопасным маршрутам на основе работке данных. Ниже предлагается алгоритм, следующей рекуррентной процедуры. Введем опирающийся на предыдущий, который, с одной N стороны, обеспечивает выполнение требований матрицу G = gij, описывающую объемы ин i, j = по безопасности передачи документа, а, с другой формационных потоков между всеми парами стороны, позволяет минимизировать суммарное вершин с учетом возможного наличия транзит- время движения документа с учетом возможных ного потока, связанного с другими вершинами – задержек, связанных с загруженностью транзит матрица тяготения с учетом заданных маршру- ных узлов. В алгоритме используется следую тов движения потоков и, как следствие, объе- щее приближенное соотношение для среднего динения всех транзитных потоков в один поток. времени задержки в сети передачи данных [5]:

Полагаем G =, то есть gij = ij для всех i и j. cij NN NN, где = ij – вели T = i =1 j =1 ( c ) Перебираем в определенном порядке все пары i =1 j = ij ij (i, j) вершин. Для каждой пары вершин находим чина полного потока в сети, ij – величина по значение n0 (i, j ) следующим образом: после тока, идущего от i-ого узла к j-ому.

довательно просматриваем значения n от N до В рассматриваемой постановке задачи име 2;

находим номер n0 1 такой, что впервые ются два критерия оптимизации (в зависимости hij (n0 1) hij (n0 ), и при этом pn0 j 0 и от выбранной совокупности маршрутов пере pn0 j 1 ;

если после перебора всех значений n дачи документов): 1) значения Z1 вероятности от N до 2 такого номера n0 не нашлось и при обеспечения информационной безопасности обрабатываемых в сети данных в процессе этом pij 0, то полагаем n0 =1. Если же pij = 0, движения документов, и эту величину необхо то допустимого пути, соединяющего i-ую вер- димо максимизировать;

2) среднее время нахо шину с j-ой, не существует. Затем тяготенияG к ждения документа в процессе его движения по потоку, идущему от i-ой вершины к n0 -ой сети с учетом возможных задержек в пути в ви вершине, добавляем транзитный поток от i-ой ду занятости промежуточных узлов. Как из вершины к j-ой, то есть заменяем в матрице G вестно, задача оптимизации с двумя критерия значение gin9 на gin9 + ij и в матрице потоков ми, вообще говоря, неразрешима. Для ее раз решимости предлагается свернуть их в один к потоку, идущему от n0 -ой вершины к j-ой критерий следующим образом. Вначале для то добавляем поток gij, то есть заменяем значе- го, чтобы обеспечить более лучшие возможно ние n0 j на n0 j + gij. сти для сравнения критериев, время t движения документа преобразуется в вероятность по В приведенном алгоритме в качестве целе формуле p = e t, и тогда суммарное время вой функции выбирается показатель информа движения (а вместе с ним и среднее время) аде ционной безопасности – вероятность обеспече кватным образом преобразуется в произведение ния информационной безопасности передавае вероятностей Z 2. Непосредственно сворачива мых данных, а требования по времени обработки используются кА ограничения при ние критериев Z1 и Z 2 предлагается выполнить формировании множества допустимых мар на основе соотношения Z = ( Z1 ) ( Z 2 ), где шрутов. Совершенно аналогично решается за и, 0, 1, + = 1. – коэффициенты, дача, когда в качестве целевой функции выби рается среднее время обработки документа в учитывающие степень относительной важности каждого из критериев. Эти коэффициенты от сети;

тогда требования по безопасности могут носятся к входным данным алгоритма, и их быть использованы при формировании множе значения могут быть получены на основе экс ства допустимых маршрутов путем выбрасыва пертных оценок [7].

ния маршрутов, и цепей, на которых не выпол няются принятые требования по информацион- Опишем этапы предлагаемого алгоритма.

ной безопасности. 1. Сформировать процедуру нахождения В описанном выше алгоритме в явном виде минимального значения функции одного пере не учитываются временные ограничение на менного на заданном отрезке на основе любого 78 ИЗВЕСТИЯ ВолгГТУ из известных методов одномерной минимиза- (без учета задержек в сети). Затем полагаем ции. Входные данные: минимизируемая функ- n = 0, проводим этапы 3–4 описываемой ниже ция f ( x), интервал минимизации [, ], тре- процедуру по n.

ijn ) буемая точность результата. В качестве ме- ( 3. Вычислить n = max – максимальное тода поиска минимума предлагается выбрать cij i, j метод Фибоначчи [6], который относится к значение относительной меры отклонения су числу наиболее эффективных методов одно ществующего потока от пропускных возмож мерной минимизации.

ностей сети. Если n d n 1, то полагаем Построим вспомогательные последовательно = ( n ) / d n, и процедура нахождения матрицы сти { k ;

k 1}, {k ;

k 1}, {uk ;

k 1}, {vk ;

k 1} прекращается. При n d n 1 переходим к следующим образом: полагаем 1 =, 1 = и следующему шагу итерации: полагаем:

находим число n из условия Fn 2, где d (1 (1 n ) ) d n +1 = n, n Fn – n-ое число Фибоначчи;



Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.