Для авторов
Найти
Результаты поиска
Найдено результатов: 3.
-
МОДИФИЦИРОВАННЫЙ ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ПЛАНИРОВАНИЯ ПРОЕКТОВ, РЕАЛИЗОВАННЫЙ С ИСПОЛЬЗОВАНИЕМ ОБЛАЧНЫХ ВЫЧИСЛЕНИЙ
А. А. Могилев, В. М. Курейчик2020-07-20Аннотация ▼Предложена структура модифицированного генетического алгоритма для решения
задачи построения расписания проекта с учетом ограниченности ресурсов, реализова н-
ного с использованием облачных вычислений, проведен вычислительный эксперимент, в
ходе которого было произведено сравнение результатов работы предложенного алг о-
ритма с лучшими из известных, на данный момент, результатами. Исходя из результа-
тов эксперимента был сделан вывод, о том, что предложенный алгоритм может быт ь
использован для планирования работ реальных проектов, так как с его помощью во з-
можно составлять расписания для проектов с количеством работ n = 90 за приемлемый
промежуток времени. При планировании проектов с количеством работ n = 30, n = 60,
n = 90, 120 время выполнения предложенного алгоритма было меньше, чем время выпо л-
нения стандартного генетического алгоритма в 2.8, в 4, в 5.5 и 6.8 раз соответственно.
В связи с тем, что задача построения расписания проекта с учетом ограниченности
ресурсов является NP-трудной, проблема создания новых и модификации существующих
методов её решения по-прежнему остается актуальной. Для планирования проектов с
большим количеством работ целесообразно использовать облачные вычисления, так как
планирование таких проектов может потребовать много времени и вычислительных
ресурсов. Использование облачных вычислений позволит сократить время выполнения
генетического алгоритма за счет предоставления поставщиком облачного сервиса
больших вычислительных ресурсов. В связи с этим, предложенный в данной работе алго-
ритм отличается от уже имеющихся использованием облачных вычислений для распр е-
деления нагрузки между рабочими станциями, на которых одновременно выполняется
данный алгоритм. Применение в генетическом алгоритме модифицированны х операто-
ров, а также использование облачной инфраструктуры как услуги для реализации ген е-
тического алгоритма при решении задачи планирования проектов определяет научную
новизну исследования. -
МЕТОД И АЛГОРИТМ ПЛАНИРОВАНИЯ ОПЕРАЦИЙ НА ОСНОВЕ МОДЕЛИ НЕЧЕТКОГО КОНЕЧНОГО АВТОМАТА
М. В. Князева , А. В. Боженюк , И. Н. Розенберг2022-05-26Аннотация ▼Рассматривается задача планирования, как важная оптимизационная задача, стоя-
щая перед многими транспортными и роботизированными приложениями. Для решения
задач планирования подходы основаны на методах оптимизации, методах выборки и дис-
кретизации (sampling-based methods), и обычно такого рода задачи являются NP-
трудными и многомерными. В данной статье разработан метод планирования и состав-
ления расписаний на основе нечеткой модели конечного автомата. Дано нечеткое графо-
вое представление задачи составления расписания и планирования операций. В работе при-
ведены два подхода к формальной постановке задачи планирования с ограниченными ресур-
сами и временными переменными: ориентированный на состояния (с переходами между
состояниями), ориентированный на темпоральное упорядочивание (на временной шкале).
Темпоральное моделирование для задач планирования подразумевает качественный подход
к управлению распределением операций или топологическим упорядочением, а также коли-
чественный подход к обработке неточных длительностей, взаимосвязей между операция-
ми по многочисленным параметрам. Введены понятия нечетких интервалов и нечетких
отношений для планирования операций на графе. Разработан алгоритм планирования, ос-
нованный на основе теории автоматов и темпоральном моделировании в условиях неопре-
деленности. Используя формализм теории автоматов, проблема планирования и нахожде-
ния оптимальных путей решается путем последовательного изменения и анализа состоя-
ний планируемой системы с использованием различных операций, пока не будет найдено
решение. В работе обсуждается идея упорядоченного во времени частичного расписания,
связанного с каждым состоянием планируемой системы. Предложена модель конечного
автомата для системы планирования в условиях неопределенности. Разработан метод и
алгоритм планирования операций на основе недетерминированного конечного автомата и
схемы перечислений. Недетерминированные вычисления для задачи планирования пред-
ставляют собой дерево решения, корень которого соответствует началу процесса плани-
рования, а каждая точка ветвления в дереве соответствует точке вычисления, в которой
у машины есть несколько вариантов выбора. -
БИОИНСПИРИРОВАННЫЙ МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ДИСПЕТЧЕРИЗАЦИИ ПОТОКОВ ПАРАЛЛЕЛЬНЫХ ЗАЯВОК В GRID- СИСТЕМАХ
Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Курейчик, А.Э. Саак2020-07-20Аннотация ▼Статья посвящена решению задачи диспетчеризации потоков параллельных заявок в
пространственно-распределённых вычислительных системах. Актуальность задачи обос-
нована значительным ростом востребованности парадигмы распределенных вычислений в
условиях информационного переполнения и неопределенности. В статье рассмотрены про-
блемы диспетчирования заявок пользователей, требующих для своего обслуживания не-
сколько процессоров одновременно, что выходит за рамки классической теории расписа-
ний. Проанализированы аспекты эффективности применения эвристических алгоритмов
диспетчирования планарными ресурсами. Определены причины их недостаточности как по
результативности, так и по эмпиричности подходов. Предложено решать задачу диспет-
черизации параллельных заявок на основе комплексного применения коалиции интеллекту-
альных агентов и событийной имитационной модели. Классификацию поступающих на
вход заявок предлагается проводить на основе применения модифицированного биоинспи-
рированного метода оптимизации поиском кукушки. Совместное использование коалиции
интеллектуальных агентов и биоинспирированного метода позволит обеспечить беспреце-
дентный параллелизм вычислений, а последующее определение путей обработки классифи-
цированных заявок на основе имитационной модели сформирует наборы альтернативных
решений, позволяющих ускорить решение задач и оптимизировать распределение имею-
щихся вычислительных ресурсов в зависимости от наборов поступающих заявок. Для оцен-
ки эффективности предложенного подхода разработан программный продукт и проведе-
ны эксперименты с разным количеством поступающих на вход заявок. Каждая поступаю-
щая на вход заявка имеет определенный набор атрибутов, являющийся вектором призна-
ков заявки. Степень сходства вектора признаков заявки и эталонного вектора признаков
вершины в распределяющей имитационной модели является критерием классификации
заявки. Для повышения качества процесса диспетчеризации введены новые процедуры дуб-
лирования неклассифицированных заявок, позволяющие интенсифицировать поиск совпаде-
ний в векторах признаков. Также предусмотрены резервные траектории диспетчеризации
необходимые для обработки прецедентов появления на входах заявок с абсолютным при-
оритетом. Полученные количественные оценки демонстрируют экономию времени при
решении задач относительно большой размерности (от 500000 вершин) не менее 10 %.
Временная сложность в рассмотренных примерах составила . Описанные исследова-
ния имеют высокий уровень теоретической и практической значимости и напрямую связа-
ны с решением классических задач искусственного интеллекта, направленных на поиск
скрытых зависимостей и закономерностей на множестве больших данных.
1 - 3 из 3 результатов
