Найти

Результаты поиска

• ЭВОЛЮЦИОННЫЙ АЛГОРИТМ ДЛЯ РЕШЕНИЯ ЗАДАЧИ ДИСПЕТЧЕРИЗАЦИИ

  В.В. Курейчик , А.Э. Саак , Вл.Вл. Курейчик

  2021-07-18

  Аннотация ▼

  Рассмотрена одна из важных задач оптимизации – задача диспетчеризации. Она от-
  носится к классу NP- сложных оптимизационных задач. В работе приведена и описана
  постановка задачи диспетчеризации. Здесь массив заявок пользователей на компьютерноеобслуживание в Grid- системах моделируется протяжённой линейной полиэдралью коор-
  динатных ресурсных прямоугольников. При этом диспетчирование представляется лока-
  лизацией линейной полиэдрали в оболочку области вычислительно-временных ресурсов сис-
  темы согласно многоцелевому критерию качества применяемого назначения заявок на об-
  служивание. В связи со сложностью данной задачи для ее эффективного решения предла-
  гаются методы эволюционного моделирования. В статье предложена и описана модифи-
  цированная архитектура эволюционного поиска. В качестве модификации введены допол-
  нительно три блока. Это блок «внешней среды», блок эволюционной адаптации и блок «не-
  перспективных решений». Для ее реализации авторами разработан модифицированный
  эволюционный алгоритм, использующий в качестве отбора решений модели эволюций Ч.
  Дарвина и Ж. Б. Ламарка. Это позволяет значительно сократить время получения резуль-
  тата, частично решить проблему преждевременной сходимости алгоритма и получать
  наборы квазиоптимальных решений за полиномиальное время. Разработан программный
  модуль на языке C#. Проведен вычислительный эксперимент на тестовых примерах. Про-
  веденные экспериментальные исследования, показали, что качество решений, полученных
  на основе разработанного эволюционного алгоритма, в среднем на 5 процентов превосхо-
  дит результаты решений, полученные с использованием известных алгоритмов последова-
  тельного, начально-кольцевого и уровневого при сопоставимом времени, что говорит об
  эффективности предложенного подхода.

• БИОИНСПИРИРОВАННЫЙ МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ДИСПЕТЧЕРИЗАЦИИ ПОТОКОВ ПАРАЛЛЕЛЬНЫХ ЗАЯВОК В GRID- СИСТЕМАХ

  Д. Ю. Кравченко, Ю. А. Кравченко, В. В. Курейчик, А.Э. Саак

  2020-07-20

  Аннотация ▼

  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.