Современные проблемы информатизации в моделировании и социальных технологиях

ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ЛИПЕЦКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ВОЛОГОДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ БАКИНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ АКАДЕМИЯ ФСО РОССИИ (г. ОРЕЛ) ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

СОВРЕМЕННЫЕ ПРОБЛЕМЫ ИНФОРМАТИЗАЦИИ В МОДЕЛИРОВАНИИ И СОЦИАЛЬНЫХ ТЕХНОЛОГИЯХ

Сборник трудов Выпуск 13 (по итогам XIII международной открытой научной конференции)

Научная книга Воронеж - 2008

СПИ-МТ-2008

ББК 32.81 С56 Современные проблемы информатизации в моделировании и социальных технологиях: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2008. - 132 с. (137-268) ISBN 978-5-98222-289-3 Сборник трудов по итогам XIII Международной открытой научной конференции “Современные проблемы информатизации в моделировании и социальных технологиях”, проводившейся в ноябре 2007 - январе 2008 гг., содержит материалы по следующим основным направлениям: информационные технологии в образовании и медицине; моделирование сложных систем и технологических процессов. Материалы сборника полезны научным и инженернотехническим работникам, связанным с различными аспектами информатизации современного общества, а также аспирантам и студентам, обучающимся по специальностям, связанным с информатикой и вычислительной техникой. Редколлегия сборника: Кравец О.Я., д-р техн. наук, проф., руководитель Центра дистанционного образования ВорГТУ (главный редактор); Алиев А.А., д-р техн. наук, проф., зав. кафедрой ИТиП БГУ; Блюмин С.Л., заслуженный деятель науки РФ, д-р физ.-мат. наук, проф., кафедра ПМ ЛГТУ, Водовозов А.М., канд. техн. наук, доц., зав. кафедрой УВС ВолГТУ; Лебеденко Е.В., канд. техн. наук, кафедра ИВТ Академии ФСО России; Лукьянов А.Д., канд. техн. наук, доц., кафедра АПП ДонГТУ; Подвальный С.Л., заслуженный деятель науки РФ, д-р техн. наук, проф., зав. кафедрой АВС ВорГТУ.

ББК 32.81 С56

Ó Коллектив авторов, 2008

ISBN 978-5-98222-289-3 138

СПИ-МТ-2008 Введение Уважаемые коллеги! Перед Вами сборник трудов, опубликованный по итогам тринадцатой Международной открытой научной конференции “Современные проблемы информатизации”. Конференция проводилась в рамках плана Федерального агентства по образованию Воронежским государственным техническим университетом, Бакинским государственным университетом, Вологодским государственным техническим университетом, Липецким государственным техническим университетом, в ноябре 2007 - январе 2008 гг. Было решено провести в рамках настоящей конференции четыре тематически дифференцированные – «Современные проблемы информатизации в экономике и обеспечении безопасности», «Современные проблемы информатизации в моделировании и социальных технологиях», «Современные проблемы информатизации в анализе и синтезе технологических и программно-телекоммуникационных систем»; «Современные проблемы информатизации в проектировании и информационных системах». Цель конференции - обмен опытом ведущих специалистов в области применения информационных технологий в различных сферах науки, техники и образования. Конференция продолжила традиции, заложенные своими предшественницами. Представители ведущих научных центров и учебных заведений России, Украины и Беларуси представили результаты своих исследований, с которыми можно ознакомиться не только в настоящем сборнике, но и на http://www.sbook.ru/spi. Настоящий сборник содержит труды участников конференции по следующим основным направлениям: · информационные технологии в образовании и медицине; · моделирование сложных систем и технологических процессов.

Председатель Оргкомитета, руководитель Центра дистанционного образования Воронежского государственного технического университета, д-р техн. наук, проф.

139

О.Я.Кравец [email protected]

СПИ-МТ-2008

3. Информационные технологии в образовании и медицине Абрамов А.К., Пшатов А.А. ПРЕДЛОЖЕНИЯ ПО РАСЧЕТУ ВРЕМЕНИ ВЫПОЛНЕНИЯ ТЕСТОВЫХ ЗАДАНИЙ С ИСПОЛЬЗОВАНИЕМ ОБУЧАЮЩИХ ЭЛЕКТРОННЫХ СИСТЕМ [email protected] В современном образовательном процессе все большее распространение получает такой вид обучения, как обычное либо удаленное обучение с использованием ПЭВМ. Основой данного вида обучения является программный комплекс, включающий в себя: - обучающие подпрограммы (необходимые материалы для обучения, сборники дополнительной литературы, различные видеоролики и иные формы мультимедийных приложений, необходимые для лучшего усвоения представляемого материала); - тестовые подпрограммы (наборы тестов по темам изучаемого предмета, обучающие и контрольные тесты). Учитывая особенности данного вида обучения, а также большое количество обучающихся, проверка в короткие сроки «вручную» не представляется возможной без допущения ошибок и с требуемым уровнем объективности. В этой связи необходимо наличие инструмента, посредством которого возможно осуществить адекватное оценивание всех категорий обучающихся. Рассматривается возможный подход, включающий следующие этапы. На первом этапе, при проведении эксперимента, осуществляется набор статистики и рандомизация неконтролируемых параметров процесса. На втором этапе производится проверка адекватности вида распределения времени выполнения тестовых заданий предполагаемому закону распределения в соответствии с [1]. В ходе третьего этапа происходит формирование временных нормативов выполнения тестовых заданий и оценки времени выполнения общего контрольного теста, либо комплексного тестирования. На четвертом этапе рассчитываются точность и надежность полученных статистических оценок [1]. В заключение следует отметить, что данные предложения разработаны с учетом того, что любая ошибка в тесте является критичной, то есть при любой допущенной ошибке обучающемуся выставляется оценка «неудовлетворительно». Ввиду этого возможны модификации предложений при разработке теста с некритичными ошибками. Список использованных источников 1. Блохин В.Г., Глудкин О.П., Гуров А.И., Ханин М.А. Современный эксперимент: подготовка, проведение, анализ результатов. - М.: Радио и связь, 1997. 140

СПИ-МТ-2008 Андиева Е.Ю. ОБОСНОВАНИЕ ЦЕЛЕСООБРАЗНОСТИ РАЗРАБОТКИ СИСТЕМЫ ПСИХОЛОГИЧЕСКОГО СКОРИНГА [email protected] Специфика ведения бизнеса в российских рыночных условиях требует повышенного внимания к вопросу кредитования банками физических лиц, что отразилось на динамике разработки и внедрении в банках автоматизированных банковских систем. Наиболее широкое распространение получил метод скоринговой (бальной) оценки кредитного заемщика. Цель внедрения системы кредитного скоринга – автоматизация всего бизнес-процесса выдачи кредита. В настоящее время для кредитного скоринга используются методы статистики, исследования операций и искусственного интеллекта. Указанные методы применяются как по отдельности, так и в различных комбинациях [1]. Наряду с очевидными преимуществами скоринговых моделей следует отметить и множество недостатков, которые в полной мере проявляются на российском рынке розничного кредитования. Например, анализ существующих анкет позволяет сделать вывод о том, что банки, осознавая возможности массовой недостоверности заявленных данных, положенных в основу анкет, используют лишь минимум вопросов, оставляя многие поля анкет лишь для необязательного дозаявления, которые не играют роли при принятии решения о выдаче кредита. В странах с развитой системой кредитования основой для принятия решения является результат запроса информации кредитного бюро, что пока довольно затруднительно в России. Практика показывает существенное и систематическое отличие человеческих решений, основанных на субъективных эвристиках, от решений, основанных на оптимальном и рациональном выборе. В идеологию скоринга необходимо закладывать социально-психологические подходы. Кредит следует понимать не только как заявленный документально долг, но и как межличностный долг, где параметром оценки риска доверия заёмщика служит его желание платить. Предполагается, что кредитное поведение заёмщиков неоднозначно и неоднородно. Построение и анализ некоторой типологии, как различных психологических профилей кредитного заемщика, является первоочередной задачей для разработки модели психологического скоринга. Не смотря на то, что за последние несколько лет проведено немало исследований психологического и социологического характера для анализа финансового поведения человека в рыночных условиях, анализ литературы не позволил получить готовую методику российских психологов по оценке кредитоспособности. Авторы статей в зарубежной литературе подчеркивают важность данной проблемы [2]. В мировой практике это называется оценкой риска оппортунистического поведения, иными словами, сознательного уклонения от возвращения банку долгов, когда “человек сам себе позволяет не 141

СПИ-МТ-2008 платить по кредиту”. По сути, для классификации и упорядочения по степени возможного невозврата кредита, стояла задача выявления «личностных смыслов», иначе «значений», как совокупности признаков, как некоторой системы атрибутирующих отношений в данной предметной области. То есть, для оценки риска заёмщика необходимо определить его семантическое поле, как некоторую многомерную сложно-структурированную систему субъективноличностных отношений в области кредитной монетарной деятельности. В большей степени поставленной задаче построения семантического пространства кредитного заемщика и дальнейшего его оценивания для выдачи кредита отвечает метод семантических дифференциалов. Выбранный метод семантического дифференциала включает в себя на первом этапе ассоциативный эксперимент, далее, как способ внутренней верификации, использует синтез субъективного шкалирования и метод классификации по степени «тяжести» или «важности» тех или иных признаков исследуемого объекта. Анкетирование и статистический анализ полученных данных на наличие уникальных отличий и их значимости по критерию 2 2 2 c ( c эмп = 5,1514 ; c кр = 3,8415 при р = 0,05 ) подтвердил, что респонденты выборки «хорошая кредитная история» значительно отличны в своем представлении действия «кредит» нежели респонденты выборки «плохая кредитная история». Использование при сравнении разности соответствующих частот по критерию знаков G и T–критерия Вилкоксона ( Gэмп ³ Gкр ; Tэмп ³ Tкр при p = 0,0011) позволило установить направленность и интенсивность выраженности таких различий. Отличия в представлении действия «кредит» в направленных выбор2 ках по половому признаку так же значительны ( c эмп =12,3065 ; 2 c кр = 6 ,6349 при р = 0 ,01 ; Gэмп ³ Gкр ;Tэмп ³ Tкр при p = 0,00255 ) и имеют тенденцию, а именно, большим рангам слов-значений, имеющим положительный оттенок, для респондентов выборки «хорошая кредитная история» соответствует значительно меньшие ранги, до полного отсутствия словзначений этой категории, у респондентов выборки «плохая кредитная история». Большим рангам слов-значений, означающих упрощение решения проблемы, а также означающих преувеличение своих возможностей для респондентов выборки «хорошая кредитная история» соответствует значительно меньшие ранги у респондентов выборки «плохая кредитная история». Респондентам из выборки «хороших» заемщиков свойственно преувеличивать положительную сторону, у «плохих» заемщиков более выражен негативный оттенок, что вполне объяснимо обстоятельствами, в которых они находятся в данный момент времени. Следует учесть на основании предыдущих выводов, что исследование различий в уровне исследуемого признака – отношение респондентов к действию «кредит» в соответствующих выборках по возрасту и социальному статусу проводилось внутри направленной выборки «мужчины» и «женщи142

СПИ-МТ-2008 ны». Использование для анализа критерия знаков G, T-критерия Вилкоксона не подтверждает наличие направленных типичных сдвигов, но при попарном сравнении соответствующих частот позволяет подтвердить и обобщить полученные выводы: большую нагрузку несет фактор – возраст, нежели образование, тем более в старшей возрастной группе; образование имеет большее значение в представлении действия «кредит» в молодом возрасте. Положительный оттенок наблюдается у заемщиков с высшим образованием, нежели у заемщиков того же пола и возраста со средне-специальным образованием. Наиболее существенные различия выявлены среди слов-признаков, характерных для респондентов разного пола. Женщины с высшим образованием, вне зависимости от возраста, дают наиболее длинный и многообразный ассоциативный ряд. Мнение мужчин более консолидировано и предметно определено – порядка ста слов-значений. Первичный анализ полученных результатов подтвердил, что действительно репрезентация мира в форме образа оказывается чрезвычайно зависимой от мотивационно-потребностной сферы, эмоционального состояния субъекта и его социально-демографических признаков. Анализ данных осуществлен при помощи программного продукта Statistica 6.1. Психологический профиль заёмщика определяет, прежде всего, различное его поведение при одних и тех же обстоятельствах. На основании полученных результатов предполагается построить математическую модель оценки кредитного заемщика, используя логико-вероятностные методы [3]. Подобная модель, став основой автоматизированной скоринговой системы, позволит уменьшить неопределенность в системе кредитования посредством учета более актуальных характеристик кредитоспособности заёмщика. Список использованных источников 1. Чекашенко В.Н. Этот “загадочный” скоринг// Банковское дело.– 2006.– №3.– С. 42–48. 2. Lea S.E.G., Webley P., Levine R.M. The economic psychology of consume debt// Journal of economic psychology.– 1993.– Vol. 14.– P. 85-119. 3. Соложанцев Е.Д. и др. Прозрачность методик кредитных рисков и рейтингов.– СПб.: Изд-во С.-Петерб. Ун-та, 2005.– 197с. Бородачев С.А. ТЕЛЕКОММУНИКАЦИОННЫЕ АСПЕКТЫ РЕАЛИЗАЦИИ НЕЛИНЕЙНЫХ ОБРАЗОВАТЕЛЬНЫХ ТЕХНОЛОГИЙ В ЭЛЕКТРОННОМ ОБРАЗОВАТЕЛЬНОМ ПРОСТРАНСТВЕ ВУЗА [email protected] В условиях становления информационного общества, выражающегося в интенсификации развития информационных и коммуникационных технологий (ИКТ) и информатизации большинства значимых сфер общественной жизни, происходит формирование новых качественных уровней самооргани143

СПИ-МТ-2008 зации открытых общественных систем (в том числе и системы образования). В силу этих объективных процессов в системе образования происходит совершенствование всех ее компонентов на основе использования новых ИКТ. В первую очередь особенно значимые изменения происходят в средствах и технологиях обучения, что не может не отразиться и на принципах, методах и формах учебного процесса. По мнению В.В. Персианова, педагогическая деятельность в условиях информатизации образования характеризуется следующими особенностями: 1) непрерывно возрастающей сложностью компьютерных систем; 2) принципиальной ориентацией на междисциплинарное взаимодействие с различными отраслями научного знания; 3) интенсификацией интеллектуальной деятельности, развитием информационного обеспечения; 4) оперативным обновлением учебной информации на основе индивидуальных особенностей обучаемых [4, C.12]. Отметим, что ИКТ позволили развить новые нелинейные формы организации учебного процесса - информационные нелинейные образовательные технологии, которые нацеливаются на нелинейное структурирование информации и знаний в виде гипертекста, гипермедиа, клиент-серверных баз данных и знаний. Нелинейные образовательные технологии позволяют обеспечить: 1) единство образовательной, развивающей и воспитательной функций процесса обучения; 2) выполнение требований адаптивности и интерактивности; 3) реализацию индивидуально-дифференцированного подхода к обучаемым; 4) полноту, непрерывность и целостность дидактического цикла обучения [3] Н.И. Пак полагает, что основной проблемой применения нелинейных образовательных технологий является постановка учебных целей и задач по предметной области, позволяющих преподавателю формировать экспертный путь их решения и предложить необходимый инструментарий, методический материал. Таким образом, применение нелинейных образовательных технологий обеспечивает условия для развития у обучаемых: 1) умений и навыков ставить задачи, осуществлять моделирование и оптимизацию; 2) культуры самостоятельной работы, потребностей саморазвития и самообразования. Думается, что разработка и применение нелинейных образовательных технологий может служить методической основой формирования и развития электронного образовательного пространства современного высшего учебного заведения. Педагогический, коммуникативный и методический аспекты 144

СПИ-МТ-2008 эффективности этого электронного образовательного пространства вуза определяются во многом возможностями технологий дистанционного образования. В настоящее время все имеющиеся в распоряжении преподавателей и обучаемых такие технологии могут быть условно отнесены к одной из трех групп: 1) комплексные кейс-технологии; 2) компьютерные сетевые технологии; 3) дистанционные технологии, использующие телевизионные сети и спутниковые каналы передачи данных. [2] Комплексные кейс-технологии определяют наименее радикальный путь внедрения дистанционных образовательных технологий в учебновоспитательный процесс. Ему свойственна существенная доля очных форм занятий с учащимися. Это дает возможность более оперативного взаимодействия с обучаемыми, сохранения и использования возможностей традиционных методов обучения. Рассматриваемая группа технологий основана на самостоятельном изучении обучаемыми печатных и мультимедийных учебно-методических материалов, представляемых им в форме кейса. Очные занятия включают установочные лекции, и, самое главное, активное использование семинарских, тренинговых, игровых методов обучения. Акцент делается на активную индивидуальную работу обучаемых (групп обучаемых) со специально подготовленными преподавателями – тьюторами. В этой работе используются компьютерные сети и современные коммуникации для проведения консультаций, конференций, переписки и обеспечения учащихся учебной информацией из электронных библиотек, баз данных и систем электронного администрирования высшего учебного заведения. Учебно-методические материалы, используемые в данной группе технологий, отличаются полнотой и целостностью системно организованного комплекта материалов. Это позволяет обучаемому полноценно изучать курс в условиях значительного сокращения очных контактов с преподавателем. Интерактивность, свойственная этим материалам, предполагает и стимулирует активную самостоятельную работу обучаемых [1, C. 20]. Компьютерные сетевые технологии характеризуются широким использованием компьютерных обучающих программ и электронных учебников, доступных обучаемым с помощью глобальных (Интернет) и локальных (Интранет) компьютерных сетей. При этом доля и роль очных занятий существенно меньше, чем в группе кейс-технологий. Это не исключает наличия индивидуальных комплектов учебно-методических материалов или разного рода информационных носителей, в том числе и бумажных. Элементом обучения здесь являются также очные формы занятий и аттестации обучаемых. Создание и организация дистанционного обучения на основе рассматриваемых технологий требует использования развитых специализированных программных средств (оболочек), позволяющих создавать и поддерживать 145

СПИ-МТ-2008 электронные курсы, а также организовать процесс обучения на их основе. В последние годы в практике российских вузов используются следующие оболочки электронного обучения: MacroMedia, Hyper Method, CiberBook, Auto Ware, MOTTOP, Moodle. Кафедра информатики и вычислительной техники Тульского государственного педагогического университета им. Л.Н.Толстого в сотрудничестве с Академией информатизации образования ведет научно-исследовательскую и методическую работу по нормированию единого образовательного пространства для дисциплин информационного цикла в педагогическом вузе, а, начиная с 2006 года, осуществляется внедрение программной оболочки Moodle для организации электронного обучения в Тульском государственном педагогическом университете. В настоящее время базовым стандартом архитектуры систем, реализующих технологии обучения, является стандарт LTSA. Он содержит технологические и методические требования к следующим классам программных пакетов учебного назначения: 1) обучающие системы; 2) тренинговые системы; 3) системы компьютерного тестирования; 4) интеллектуальные системы. Полагаем, что критический анализ оболочек электронного обучения позволяет выявить наряду с их несомненными достоинствами и некоторые недостатки этих электронных образовательных продуктов, а именно: 1) субъективность информационного наполнения, являющаяся следствием отражения в электронном образовательном ресурсе личным взглядов разработчиков; 2) механическое копирование традиционных (бумажных) учебных материалов на электронные носители без учета особенностей компьютерноопосредованной коммуникации, присущим образовательному пространству вуза; 3) представление поверхностных знаний (упрощенные справочники); 4) высокий процент технических ошибок. Думается, с развитием ИКТ и должной методической интерпретацией концепций дистанционного обучения и открытого образования степень проявления этих недостатков уменьшится. Кажется целесообразным отметить основные ступени формирования единого электронного образовательного пространства в масштабах страны: 1) web-сервер вуза; 2) региональные образовательные web-серверы (порталы); 3) региональные центры образовательных услуг (в настоящее время в качестве таковых, по нашему мнению, можно назвать Москву, СанктПетербург, Ульяновск и Тюмень); 4) единое образовательное пространство РФ. В заключение заметим, что обращение учебного заведения к использо146

СПИ-МТ-2008 ванию той или иной технологии дистанционного обучения определяется многими факторами. Разумеется, в условиях отсутствия должного опыта, финансирования, кадрового потенциала возможны некие комбинации групп технологий, обеспечивающих решение актуальных педагогических и технологических задач. В целом, следует подчеркнуть, что во всем мире электронная образовательная среда рассматривается как возможность рационального и гибкого сочетания различных образовательных программ, технологий и форм обучения для достижения максимальной эффективности образовательного процесса. Список использованных источников 1. Бородачев С.А., Персианов В.В. Методические аспекты проектирования компьютерных обучающих систем в электронной среде педагогического вуза// Современное информационно-образовательное пространство: Сб. науч. тр. – Санкт-Петербург, СПб ГИПТ, 2006. – С. 19-22. 2. Долгоруков А.М. Развитие образования в условиях информатизации общества// Вестник МГУ. - 1999. - № 4. 3. Пак Н.И. Нелинейные технологии обучения в условиях информатизации. – Красноярск: Изд-во КГПУ, 1999. – С. 52. 4. Персианов В.В., Сорокина Н.В. Основы моделирования образовательной области «Информатика»/Педагогическая информатика. - №2. - 2003. – С. 11-21. Винтураль К.П., Пономарёв Д.Ю. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В МЕДИЦИНЕ [email protected], [email protected] В конце двадцатого века бурное развитие таких современных технологий, как вычислительная техника и телекоммуникации, способствовало возникновению новых приложений в различных сферах человеческой деятельности, в том числе - в медицине и здравоохранении. Одно из таких приложений, опирающееся на цифровые методы обработки и хранения медицинских данных и методы надежной передачи этих данных по каналам связи, получило название – Телемедицина. Термин «Телемедицина», введенный R. Mark в 1974 г., объединяет множество телекоммуникационных и информационных методов, применяемых в здравоохранении, а также их разнообразные клинические приложения. Существует несколько десятков определений телемедицины, отличающихся как по степени детализации её характеристик, так и по содержанию включаемых в неё технологий и направлений. На наш взгляд, наиболее полным является определение, данное Американской Ассоциацией Телемедицины: «Предмет телемедицины заключается в передаче медицинской информации между отдаленными друг от друга пунктами, где находятся пациенты, врачи, другие провайдеры медицинской помощи, между отдельными медицинскими учреждениями». Телемедицина 147

СПИ-МТ-2008 подразумевает использование современных средств коммуникаций для связи медицинских специалистов с клиниками, больницами, врачами, оказывающими первичную помощь, пациентами, находящимися на расстоянии, с целью диагностики, лечения, консультации и непрерывного обучения. Телемедицина - это направление на стыке нескольких областей - медицины, телекоммуникаций, информационных технологий, образования. Направление это достаточно новое, особенно для России. С помощью телемедицины можно отслеживать основные показатели жизнедеятельности организма, например, при заболеваниях сердечнососудистой системы могут использоваться электрокардиографы, подключаемые к сети Интернет. Другим примером использования телемедицины непосредственно самими больными являются услуги, предоставляемые некоторыми специализированными сайтами в Интернет. Эти сайты помогают проводить телемедицинские экспертизы результатов инструментальных исследований. Любой человек, заинтересованный в квалифицированной экспертизе, скажем, результатов ультразвукового исследования сосудов, может отправить оцифрованные изображения на эти сайты и через некоторое время получить заключение экспертов. Особо стоит выделить использование видеоконференции в медицине. Видеоконференции дают возможность аудиовизуального контакта между врачами и пациентом во время проведения консультации или диагностической процедуры, когда консультант находится на большом расстоянии от пациента. Во время проведения сеанса связи имеется возможность передавать любые графические изображения и текстовые данные. При этом можно одновременно с нескольких рабочих станций передавать информацию. Также появляется возможность во время видеоконференции с одного компьютера получить доступ к программам, выполняющимся на другом удаленном компьютере. Это означает, что Вы можете работать с базами данных, управлять подключенным диагностическим оборудованием, и взаимодействовать со специализированными медицинскими автоматизированными системами управления. В заключение следует отметить, что успехи телемедицины, прежде всего, определяются уровнем развития систем связи и вычислительной техники. Сегодня они позволяют зарегистрировать любое изображение в компьютере, приготовить его для пересылки, передать за определённое время, а если нужно, то и в реальном масштабе времени, на любое расстояние, принять и расшифровать эту информацию практически без потери качества и представить для совместного обсуждения. Вместе с тем, многие сущностные, информационные, методологические, организационные, технические и финансово-экономические аспекты ещё остаются нерешенными. Более того, локальные решения этих вопросов становятся все более дорогими, а потому и малоперспективными в отношении широкого развития. Требуется значительно больший масштаб в постановке этой проблемы в целом, так как толь148

СПИ-МТ-2008 ко при этом можно обеспечить технически обоснованные и одновременно социально и экономически приемлемые решения. Воробьев А.А. НАПРАВЛЕНИЕ СОВЕРШЕНСТВОВАНИЯ В ОБУЧЕНИИ АДМИНИСТРАТОРОВ КОРПОРАТИВНЫХ ИВС С ИСПОЛЬЗОВАНИЕМ РАСПРЕДЕЛЕННЫХ ГИБРИДНЫХ КОМПЛЕКСОВ МОДЕЛИРОВАНИЯ [email protected] Для обучения (переподготовки) администраторов информационновычислительных сетей (ИВС) в современных предприятиях и организациях используются корпоративные базы знаний (БЗ), входящие в состав служб административного управления. Эти БЗ представляют собой хранилища документации, данных о методиках и средствах настройки, обновления, утилизации различных компонент ИВС. Эти компоненты являются объектами изучения. Информационно-вычислительная сеть может быть выражена кортежем следующего вида: ИВС Î á S ВС , S ТКС , S САУ , Rñ ,

где SВС – совокупность аппаратного, системного и прикладного программного обеспечения; S ТКС – совокупность телекоммуникационных средств; S САУ – совокупность служб административного управления; R – взаимосвязи между отдельными компонентами ИВС. Такие базы собираются и пополняются всеми администраторами исходя из их практического опыта, представляются в различных форматах: текстовых, графических, мультимедийных и чаще всего являются слабо формализованными. При обучении с использованием таких баз знаний существует ряд проблем. Одной из них является то, что объекты изучения имеют сложную, иерархически-модульную организацию, постоянно развиваются. Т.е. материал для подготовки становится сверх сложным и чтобы получить соответствующие знания и умения, потребуются большие затраты времени. Другой то, что каждый администратор имеет свой индивидуальный уровень подготовки, а значит, необходимо каждый раз подстраиваться (осуществлять входной контроль) с целью выявления необходимой ему программы обучения. Можно также отметить и то, что данные такой базы чаще всего неструктурированны и хранятся в различных распределенных файловых системах, а следовательно, поиск необходимой информации в ней становиться затруднительным. Кроме того также важно учитывать то, что необходимые данные представлены декларативно, а процедур получения новых знаний нет. Для решения некоторых вышеназванных проблем, автором был разработан распределенный гибкий инструментальный комплекс (РГИК) первой очереди развития [1]. РГИК представляет собой человеко - компьютерную 149

СПИ-МТ-2008 систему, содержащую (рис. 1): 1. Распределенные системы управления запросами на моделирование (РСУЗ) и сопровождения (РСУС). 2. РБМ - распределенные базы спецификаций, данных, натурных/полунатурных и имитационных/аналитических моделей, а также процедур манипулирования ими. 3. Среды взаимодействия (прикладные и административные службы). 4. Администраторов, экспертов и пользователей РГИК. Основной целью разработки РГИК являлось совершенствование в направлении интеллектуализации систем административного управления, содержащих распределенные экспертно-моделирующие системы с порождающими распределенными гибридными комплексами моделирования При разработке первой версии РГИК используя метоРис. 1. Основные компоненты РГИК дику последовательных приближений (выдвижения и проверки гипотез) в основном проводилось исследование на экспериментальных стендах и с использованием теории систем массового обслуживания - среды взаимодействия в РСУЗ с целью выбора лучшей по показателям производительности технологий DCOM и CORBA. Исследование показало, что среда взаимодействия, реализованная на технологии CORBA, показывает лучшие результаты по показателю время отклика на запрос моделирования, что позволяет одновременно использовать один комплект РГИК в локальных сетях с количеством до 60 пользователей. Кроме того, были разработаны ряд аналитических, имитационных, полунатурных/натурных и гибридных комплексов моделей для поддержки процессов настройки основных компонент операционных систем (управления процессами, памятью и файловыми системами). На следующих этапах исследования необходимо выполнить следующие задачи. Учитывая то, что компоненты ИВС имеют в своих моделях организации и функционирования подобия, то возможно упрощение - снижения сложности (размерности) представлений об объектах изучения. Однако для этого необходимо выбрать соответствующий математический аппарат. На данный момент проводиться анализ теории нечетких множеств, фракталов, семантических сетей на предмет их использования в работе. После выбора необходимого аппарата будет производиться классификация и формализация представлений с целью размещения их в базу моделей РГИК. Другой задачей является разработка первой очереди развития РСУС. 150

СПИ-МТ-2008 На данный момент разработан прототип РСУС, который позволяет проводить проверку работоспособности сетевых сервисов РГИК. Однако в дальнейшем важно рассмотреть вопросы совершенствования РГИК, которые и должны обеспечиваться системой сопровождения (например, разработка протоколов взаимодействия с Internet для обновления компонентов РГИК). Другой задачей является разработка первой очереди развития справочника понятийного аппарата для предметной области: операционные системы, который необходим для экспертов РГИК. На заключительном этапе исследования важно провести оценку применения РГИК в учебном процессе, т.е. провести педагогический эксперимент. Такой эксперимент должен подтвердить выдвинутую гипотезу о возможности повышения эффективности учебного процесса с использованием распределенных гибридных комплексов моделирования. Список использованных источников 1. Пирогов В.В., Воробьев А.А., Лебеденко Е.В. Сравнение альтернатив распределенных систем управления гибридным моделированием объектов корпоративных информационно-вычислительных сетей// Датчики и системы. - 2002. № 4. - С.7-10 Казаков В.В. СОЗДАНИЕ МУЛЬТИМЕДИЙНЫХ УЧЕБНЫХ КУРСОВ В ВИЗУАЛЬНОЙ СРЕДЕ РАЗРАБОТКИ [email protected] Анализ исследований, проведенных за последние годы, позволяет сделать вывод о том, что при организации дистанционного обучения, основной тенденцией является использование готовых программных и инструментальных систем. Большое распространение получают интегрированные обучающие пакеты (Integrated Learning Packages, ILP), специально созданные для образовательных целей. ILP комплексно реализуют сразу несколько технологий (WWW, e-mail, push- и pull-технологии и т.д.). Такие пакеты сочетают в себе возможности разработки дистанционного учебного курса и организацию групповой работы. Интерфейс специализированных инструментальных систем (ИС) позволяет преподавателям и разработчикам учебных курсов пользоваться ими без владения основами программирования. Такие системы содержат готовые встраиваемые шаблоны и объекты, позволяющие разрабатывать интерактивные упражнения, тесты и другие элементы учебных курсов. Разработка учебного курса в инструментальной среде осуществляется путем манипулирования визуальными объектами, образующими его компоненты. Обычно к этим компонентам относят кадры или слайды. На первом этапе составляется структурно-функциональная схема курса, формируются кадры различного назначения, определяются их свойства, указываются связи 151

СПИ-МТ-2008 элементов. Такой подход существенно упрощает разработку, снижает требования к компьютерной квалификации исполнителей, а также способствует повышению производительности за счет использования настраиваемых шаблонов типовых элементов. Другой важной особенностью ИС является то, что она не обязательно содержит внутри себя все виды редакторов, необходимых для представления информации, например, графической, звуковой, видео и др. ИС является интегрирующей средой, позволяющей включать в учебный курс и рисунки, и анимацию, и речь, и видео, созданные в профессиональных редакторах. Также обязательным является наличие в ИС развитых подсистем анализа ответов, контроля и диагностики знаний, сбора и обработки статистики. Таким образом, специализированные инструментальные средства отличаются важными достоинствами: · ориентацией на пользователя; · визуализацией представления элементов; · многофункциональностью – сбалансированным представлением всех подсистем; · широким спектром анализируемых ответов; · интеграцией с другими приложениями. при выборе инструментальной системы для разработки дистанционного учебного курса следует уделить внимание двум основным факторам: · техническим качествам и функциональным возможностям; · простоте ее освоения и использования преподавателем-предметником, возможно, не имеющим глубоких знаний в программировании. Таким образом, можно выделить основные требования к современной инструментальной системе разработки мультимедийных учебных курсов: 1. Возможность работы по принципу «программирование без программирования». Преподаватель не должен осваивать какой-либо язык программирования для того, чтобы создать собственный учебный курс. Даже самые сложные анимационные схемы и алгоритмы обработки ответов должны строится без программирования. В этом случае инструментальное средство будет доступно любому преподавателю, который хоты бы немного знаком с компьютером. 2. Удобство и простота интерфейса пользователя. Основные инструменты и кадры, используемые для разработки учебного курса, наглядно и удобно расположены в окне инструментальной системы и могут включаться в схему курса простым перетаскиванием с помощью мыши. 3. Поддержка наиболее распространенных графических форматов, наличие встроенного редактора векторной графики, поддержка OLEтехнологии, возможность построения курсов нелинейной структуры, поддержка сценариев. 4. Возможность запуска любых внешних приложений непосредственно из курса и подключения библиотек для расширения возможностей создаваемых продуктов. 152

СПИ-МТ-2008 5. Возможность организации работы с создаваемым учебным курсом в режиме справочника, учебника, проверки знаний. 6. Возможность организации навигации по материалу при помощи гиперссылок. 7. Возможность составления различных тестов для контроля знаний обучаемого. 8. Возможность организовать централизованное дистанционное управление учебным процессом. Визуальная среда разработки мультимедийных учебных курсов Macromedia Authorware отвечает всем вышеперечисленным требованиям, а также имеет целый ряд достоинств. Она предназначена для создания компактных мультимедийных приложений, предусматривающих совместное использование различных форм подачи материала: текста, рисунков, видео и звукового сопровождения. Входящие в состав Authorware средства позволяют практически в полном объеме реализовать современные требования к построению и организации систем электронного обучения. При этом пользователь, который будет работать с такой обучающей системой, может вообще ничего не знать об Authorware, так как конечный продукт, созданный в этой среде, представляет собой независимое приложение, которое можно либо записать на диск (на CD или на дискету, в зависимости от размера), либо опубликовать в Интернете. При размещении учебного курса в Интернете обеспечивается возможность удаленной регистрации пользователей с последующей обработкой информации об их успехах в изучении курса с помощью системы управления обучением, размещенной на сервере. Обязательным этапом создания любого учебного курса (даже небольшого и несложного) является этап его проектирования. Кроме того, для успешного воплощения замысла педагога необходимо уметь выбирать наиболее подходящие инструменты. Идеология разработки интерактивных обучающих программ во многом близка идеологии создания Web-публикаций. То есть, при разработке учебного курса основное внимание следует уделить проектированию структуры учебного материала, и лишь затем перейти к подбору адекватных средств и форм его передачи. Важнейшим условием создания эффективной обучающей программы является обеспечение необходимого уровня обратной связи с обучаемым. Именно наличие обратной связи с возможностью ее анализа отличает систему обучения от электронной презентации или информационно-справочной системы. В соответствии с приведенными утверждениями, алгоритм построения учебного курса с помощью Macromedia Authorware включает следующие основные действия: 1. Определение общей концепции курса, его целей и уровня обученности, который должен быть достигнут с его помощью. 153

СПИ-МТ-2008 2. Разработка структуры курса и ее представление в виде схемы курса. 3. Наполнение содержанием основных страниц (кадров) курса. 4. Создание дополнительных средств навигации между страницами курса. 5. Создание подсистемы тестирования. 6. Публикация курса. Одно из важнейших достоинств Authorware заключается в том, что вы можете опубликовать созданный курс сразу в нескольких (точнее – в трех) форматах одновременно: • файл в формате .a6r, который «понятен» плееру Authorware: преимущество этого формата – в его компактности; • исполняемый файл (с расширением .exe): преимущество этого формата – в его независимости; • HTML-страницу, которая обеспечивает просмотр курса в окне Webбраузера: это наиболее компактный вариант, однако для просмотра курса Web-браузер должен быть дополнен соответствующим подключаемым компонентом – Authorware Web Player. Первый и второй варианты обычно используются для распространения учебного курса на компакт-дисках или дискетах (в зависимости от размера), либо для записи непосредственно на жесткий диск компьютера (например, используемого в качестве сервера локальной сети). Третий вариант может быть использован при организации дистанционного обучения средствами Интернет. Лебедев С.С. ТЕОРЕМА О ПОЛУСИСТЕМАХ СЧИСЛЕНИЯ [email protected] Счёт в человеческом обществе появился с необходимостью определения количества предметов. С древнейших времён люди использовали для счёта пальцы рук. Именно тогда исторически была заложена основа исчисления посредством десяти цифр. Сложившаяся на основе этой предпосылки система счёта называется десятичной. Но появление десятичной системы счисления не было мгновенным и безоблачным. Долгое время существовали и другие способы определения количества предметов. Историческое разнообразие систем счёта имеет много различных примеров. Вот некоторые из них. Широко были распространены системы, в которых использовались буквы для обозначения чисел. В римском счёте для обозначения одних и тех же чисел использовались одни и те же буквы, а у славян использовались все буквы алфавита, обозначавшие разное количество сотен, десятков и единиц. У ряда африканских племен и в Древнем Китае была употребительна пятеричная система счисления, основанная на количестве пальцев одной руки. До154

СПИ-МТ-2008 вольно широкое распространение имела двенадцатеричная система счисления. Происхождение её тоже связано со счётом на пальцах. Считали большой палец руки и фаланги остальных четырёх пальцев: всего их 12. Элементы этой системы существуют в Англии до сих пор. А в Древнем Вавилоне применялась шестидесятеричная система счисления. Она использовалось учёными мира вплоть до XVII века для вычисления дробей. Отголоски этой системы сохранились в исчислении градусной меры, времени. Ещё один пример: древние кельты в Западной Европе, древние ацтеки и майя в Центральной Америке использовали для счёта систему, основанную на двадцати единицах. Именно в Центральной Америке существуют племена, которые для счёта используют не только пальцы рук, но и ног. Таким образом, у них в обиходе используется двадцатеричная система счисления. Подобных примеров можно приводить ещё много. Развитие торговли требовало использования единообразного счёта. Этот фактор послужил предпосылкой установления и распространения поразрядной системы нумерации. Развитие математики и других точных наук привело к признанию десятичной системы счисления как общепринятой. Зарождение десятичной системы началось в Древней Индии. Именно с полуострова Индостан в арабскую культуру пришли десять цифр. Впервые сочинение, посвящённое арифметике, появилось из-под пера крупнейшего представителя багдадской школы – аль-Хорезми. Ближний восток стал математическим центром мира. Большое влияние на развитие математики и укрепления позиций десятичной системы счисления оказали арабские учёные X-XV веков: аль-Хорезми, аль-Каши, аль-Бируни, Омар Хайям и другие. Научная мысль рука об руку с десятичной системой счисления пришли в Европу и дали толчок новому развитию математической науки. Многовековая история использования десятичной системы укоренила в сознании поколений людей стереотип об удобстве (даже единственности) десятичного счёта. Дальнейшее изложение будет проиллюстрировано именно на десятичной системе счисления. Изучение чисел, способов их записи, действий над ними насчитывает уже много веков. В процессе работы с позиционными системами счисления была заложена основа ещё одного стереотипа о разложении числа в полином. Любое число в позиционной системе счисления может быть разложено в полином по степеням основания системы счисления: Np = anan-1 ... a1a0 , a-1a-2 ..., Np = anpn+an-1pn-1+ ... +a1p1+a0р0+a-1p-1+a-2p-2+ ..., здесь N – число, ai – цифры числа, p – основание системы счисления. Рассмотрим примеры: 264710 = 2*103+6*102+4*101+7*100 4051,78210 = 4*103+0*102+5*101+1*100+7*10-1+8*10-2+2*10-3 Стереотип заключается в том, что коэффициенты при степенях (значащие цифры числа) целые неотрицательные числа из алфавита системы счис155

СПИ-МТ-2008 ления, т.е. возможно выполнение только операции сложения. Расширим возможности разложения числа в полином добавив операцию вычитания, число N может быть представлено следующим образом: N = anpn±an-1pn-1± ... ±a1p1±a0р0±a-1p-1±a-2p-2± ... Рассмотренные выше примеры можно записать так: 264710 = 3*103-4*102+5*101-3*100 = 345310 4051,78210 = 4*103+0*102+5*101+2*100-2*10-1-2*10-2+2*10-3= 4052,22210, т.е. для записи любого числа требуется сокращённый алфавит десятичной системы счисления. Будем называть такую систему счисления полудесятичной. Коэффициент, значение которого меньше нуля и основание системы счисления будем подчеркивать чертой снизу. Сколько же символов необходимо для записи любого числа в p-ичной полусистеме счисления? Мощность алфавита полусистемы счисления определяется следующим теоремой. Теорема. В любой полусистеме счисления с полуоснованием p количество цифр для записи чисел определяется по формуле: n = (p+2(p+1) mod 2)/2. Доказательство. Рассмотрим отдельно полусистемы счисления с чётными и нечётными полуоснованиями. Для полусистем счисления с чётным полуоснованием можно записать: p = 2*q, где q = {1; 2; 3; …}. Формула примет вид: n = (p+2)/2, или n = q+1. Докажем справедливость утверждения для q равное 1. Если q = 1, то p = 2, тогда p+1 = 3 и (p+1) mod 2 = 1. Следовательно, n = (2+21)/2 = 2. Это действительно так. Для записи разных чисел необходимо чтобы алфавит полусистемы содержал хотя бы два разных символа. Допустим справедливость утверждения для некоторого k. Если q = k, то p = 2*k, тогда p+1 = 2*k+1 и (p+1) mod 2 = 1. Следовательно, n = (2*k+21)/2 = k+1. Докажем справедливость утверждения для k+1. Если q = k+1, то p = 2*k+2, тогда p+1 = 2*k+3 и (p+1) mod 2 = 1. Следовательно, n = (2*k+2+21)/2 = k+2 = (k+1)+1. Для чётных полуоснований полусистем теорема доказана. Докажем справедливость теоремы для полусистем счисления с нечётным полуоснованием. Для полусистем счисления с нечётным полуоснованием можно записать: p = 2*q+1, 156

СПИ-МТ-2008 где q = {1; 2; 3; …}. Формула примет вид: n = (p+1)/2. Докажем справедливость утверждения для q равное 1. Если q = 1, то p = 3, тогда p+1 = 4 и (p+1) mod 2 = 0. Следовательно, n = (3+20)/2 = 2. Это действительно так. Для записи разных чисел необходимо чтобы алфавит полусистемы содержал хотя бы два разных символа. Допустим справедливость утверждения для некоторого k. Если q = k, то p = 2*k+1, тогда p+1 = 2*(k+1) и (p+1) mod 2 = 0. Следовательно, n = (2*k+1+20)/2 = k+1. Докажем справедливость утверждения для k+1. Если q = k+1, то p = 2*k+3, тогда p+1 = 2*(k+2) и (p+1) mod 2 = 0. Следовательно, n = (2*k+3+20)/2 = k+2 = (k+1)+1. Для нечётных полуоснований полусистем теорема доказана. Теорема доказана полностью. Следствие. Две полусистемы счисления с полуоснованиями p1 и p2, для которых справедливо p1 = 2*q и p2 = 2*q+1, где q = {1; 2; 3; …} используют один и тот же алфавит. В контексте следствия возникает вопрос: «Могут ли полусистемы счисления, использующие один и тот же алфавит быть эквивалентными при некоторых условиях их рассмотрения?», на сегодня этот вопрос остаётся открытым. Можно дать отрицательный ответ, опираясь на то, что это разные полусистемы и числа, представляемые в них различны. Но можно ответить и утвердительно, ведь в этих полусистемах используется идентичный набор цифр. В заключение приведем таблицы для алгебраических операций сложения и умножения в полудесятичной системе счисления. Таблица 1 Сложение чисел в полудесятичной системе счисления + 0 1 2 3 4 5 14 13 12 11

0 0 1 2 3 4 5 14 13 12 11

1 1 2 3 4 5 14 13 12 11 10

2 2 3 4 5 14 13 12 11 10 11

3 3 4 5 14 13 12 11 10 11 12

4 4 5 14 13 12 11 10 11 12 13

5 5 14 13 12 11 10 11 12 13 14

14 14 13 12 11 10 11 12 13 14 15

13 13 12 11 10 11 12 13 14 15 24

12 12 11 10 11 12 13 14 15 24 23

11 11 10 11 12 13 14 15 24 23 22

Список использованных источников 1. Беллюстин В.К. Как постепенно дошли люди до настоящей арифметики, М., 1940. 157

СПИ-МТ-2008 Таблица 2 Умножение чисел в полудесятичной системе счисления × 1 2 3 4 5 14 13 12 11 10

1 1 2 3 4 5 14 13 12 11 10

2 2 4 14 12 10 12 14 24 22 20

3 3 14 11 12 15 22 21 24 33 30

4 4 12 12 24 20 24 32 32 44 40

5 5 10 15 20 25 30 35 40 45 50

14 13 12 11 14 13 12 11 12 14 24 22 22 21 24 33 24 32 32 44 30 35 40 45 44 42 52 54 42 51 144 143 52 144 144 132 54 143 132 121 140 130 120 110

10 10 20 30 40 50 140 130 120 110 100

2. Введение в информатику. Лабораторные работы. авт.-сост. А.П. Шестаков; Перм. ун-т. – Пермь, 1999. ч. I. 3. Выгодский М.Я. Арифметика и алгебра в Древнем мире, 2 изд., М., 1967. 4. Гашков С.Б. Системы счисления и их применение, М.: МЦНМО, 2004. 5. Депман И. Я. История арифметики, 2 изд., М., 1965. 6. Лебедев С.С., Бабкина А.В. Системы счисления // Научные подходы в повышении качества образовательного процесса в вузе. Материалы 2-й межкафедральной научно-практической конференции – Котлас: Изд-во Котласский филиал АГТУ, 2007. – с. 63-67. 7. Юшкевич А.П. История математики в средние века, М., 1961. Ликстанов М.И. ВНЕДРЕНИЕ КЛИНИЧЕСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ В КРУПНОЙ ГОРОДСКОЙ БОЛЬНИЦЕ [email protected] Информационные технологии играют большую роль в самых различных сферах деятельности человека. Внедрение информационных систем позволяет ускорить обмен данными между участниками бизнес-процессов, уменьшить количество ошибок персонала, и, самое главное, обеспечивает возможность использования алгоритмов интеллектуального анализа данных и экспертных систем для принятия обоснованных оперативных и стратегических решений. Однако в медицине такие системы применяются все еще крайне редко. Одна из основных причин, по нашему мнению, состоит в том, что процесс внедрения медицинских информационных систем, которые представлены на рынке, как в России, так и за рубежом, плохо изучен, не формализован и не имеет научного обоснования. В наибольшей степени это утверждение относится к крупным многопрофильным клиническим больницам, которые в городах нашей страны представляют собой опорное звено 158

СПИ-МТ-2008 здравоохранения. В данной статье проанализировано внедрение системы в одной из ведущих больниц города Кемерово – МУЗ «Городская клиническая больница № 3» (www.gkb3.ru), которую автор возглавлял с 1996 г. по август 2007 г. В составе больницы находится 23 клинических отделения и 10 отделений параклинической службы, расположенных в 8 корпусах; пациентам оказывается экстренная и плановая помощь на 900 койках; она является клинической базой Кемеровской государственной медицинской академии. Непрерывное развитие больницы осуществляется в соответствии со стратегическим планом, опирающимся на специально разработанную коммуникативную политику, одно из главных направлений которой состоит в обеспечении как можно более полного удовлетворения информационных потребностей участников лечебно-диагностического процесса (руководящий состав, медицинский персонал, пациенты и их родственники) на основе внедрения информационных технологий и телекоммуникаций. Важнейшую роль в осуществлении этого плана играет комплекс коммуникационных средств, необходимый для обеспечения стабильной и эффективной деятельности учреждения, оказывающего медицинские услуги населению, и для продвижения услуг на рынок. В свете сказанного очевидна и необходимость использования в больнице комплексной медицинской информационной системы, которая не только обеспечила бы сбор данных для учета и принятия управленческих решений, но и предоставила бы возможности для повышения качества медицинской помощи. Такая система должна, по существу, являться клинической информационной системой (КИС), то есть системой, предназначенной для работы с ней всего медицинского персонала больницы. Подготовительная работа к внедрению системы велась параллельно по ряду направлений. Основные направления и их содержание приведены в табл. 1. Отметим, что существуют лишь единичные опубликованные работы с рекомендациями по внедрению КИС [1, 2], но они не опираются на опыт внедрения таких систем в крупных многопрофильных российских больницах, оказывающих экстренную помощь пациентам. Были сформулированы (и уточнялись в течение подготовительного этапа работы над проектом внедрения КИС) требования к системе, главное из которых состоит в том, что ее использование должно обеспечить медицинскому персоналу возможности увеличения эффективности лечения, повышения уровня безопасности пациентов, рационального расходования ресурсов больницы. Существуют три возможных способа внедрения КИС. Вариант создания КИС силами штатных ИТ-специалистов нами не рассматривался, так как в больнице не работают профессиональные программисты. Вариант заказа разработки софтверной фирме несет в себе ряд рисков, поскольку известно, что такой подход требует, во-первых, четкой формулировки технического задания, для чего специалисты больницы не имели дос159

СПИ-МТ-2008 таточного опыта. Во-вторых, требуются многочисленные итерации для достижения необходимого качества программного продукта и большой период времени на разработку (по некоторым оценкам до трех лет). В-третьих, этот вариант несет в себе слишком большой риск неудачного завершения проекта. Вследствие этого был выбран третий возможный способ – приобретение типовой КИС, так как, несмотря на необходимость адаптации такой системы к условиям работы в конкретной больнице, риск неудачи внедрения был признан существенно меньшим. Таблица 1 Основные направления и содержание подготовительной работы к внедрению КИС в больнице Направления подготовительной работы

Содержание работы

Выбор одного из вариантов создания или приобретения КИС Разработка плана внедрения (этапы, сроки, ответственные исполнители) и оценка объемных показателей работы по внедрению КИС Создание в больнице собственного отдела информационных технологий Анкетирование сотрудников больницы для выяснения их отношеОрганизационное ния к намечаемому использованию КИС и выявления потенциальных лидеров внедрения Изучение опыта внедрения КИС в других больницах различного профиля, статуса, величины и местоположения (в Сибирском федеральном округе и в центральной части России) Создание трехсторонней группы: врачи, административный персонал и ИТ-специалисты для курации работ по внедрению КИС Расчет величины ориентировочных затрат на внедрение (приобретение компьютеров, программных средств, монтаж локальной комФинансовое пьютерной сети, прочие услуги сторонних организаций) Анализ всех возможных источников финансирования для проведения работы Реализация проекта создания локальной компьютерной сети больницы Техническое Оснащение персональными компьютерами рабочих мест сотрудников больницы и подключение их к локальной сети Подключение рабочих станций персонала к сети Интернет Обучение персонала работе на компьютерах, а затем использованию приобретенной КИС Разработка комплексной программы обучения персонала использоОбразовательное ванию системы Организация и проведение регулярных семинаров для врачебного и сестринского персонала

Начиная с весны 2005 г. нами проводился широкий поиск КИС, отвечающей выдвинутым требованиям. Поиск включал в себя посещение специализированных выставок в различных городах; встречи с главными врачами больниц, в которых такие системы были разработаны или приобретены у 160

СПИ-МТ-2008 фирм-разработчиков; поиск в Интернете с использованием ключевых слов «клиническая информационная система» и «медицинская информационная система». Наибольшее количество ссылок было представлено в поисковой системе www.google.ru (меньше – в системе www.rambler.ru и значительно меньше в www.yandex.ru). Проведенный анализ показал, что наиболее полно сформулированным требованиям удовлетворяет КИС ДОКА+ (www.docaplus.com), разработанная фирмой «МедИнТех» на базе Фонда «Медсачасть-168» в Новосибирске, и было принято решение о внедрении этой системы. В декабре 2005 г. она была установлена на специально приобретенном сервере, после чего начался процесс обучения персонала ее использованию и, параллельно, наполнению многочисленных справочников системы под руководством и при участии членов созданной приказом главного врача трехсторонней группы (табл. 1). Еще одно направление предварительной работы связано с необходимостью решения ряда важных юридических вопросов: - анализ юридического статуса электронных медицинских документов; - разработка типового договора со специалистами, владеющими навыками работы на ПК по обучению медицинского персонала и заключение таких договоров; - разработка и заключение договоров с ведущими врачами по внесению в приобретенную систему моделей лечения и обследования (схем, стандартов или протоколов) для ряда нозологий по каждому профилю лечения, проводимому в больнице; - разработка политики безопасности конфиденциальных данных пациентов и ограничений прав доступа персонала к информации без ущерба для качества работы; - разработка и утверждение приказов по больнице о регламенте работы персонала в КИС. Использование системы по приказу главного врача началось с 01.03.2006 г. В первые недели работы с КИС выявились: а) конкретные ограничения системы, которые не были обнаружены нами в процессе предварительного анализа состава ее функций, и б) общие факторы, задержавшие начало использования системы в больнице. К а) относятся реализованные в системе режимы работы приемного отделения и отделений реанимационного профиля, не учитывавшие специфические особенности больницы, оказывающей экстренную медицинскую помощь. Процесс обсуждения с разработчиками системы и программной реализации этих особенностей занял 2 месяца, что позволяет нам оценивать полноту и скорость необходимой адаптации системы в начале ее использования как удовлетворительную. В дальнейшем врачи больницы сформулировали ряд дополнительных требований, направленных на повышение удобства работы с системой, которые также были реализованы разработчиками. Например, список отделений, предъявляемый врачу для оформления перевода па161

СПИ-МТ-2008 циента в другое отделение больницы, не был упорядочен, что допустимо для небольшой или средней больницы, но неудобно в случае крупного учреждения. Более сложный в реализации пример: выбор врачом обследований для назначения пациенту. Для этого система предъявляет упорядоченный двухуровневый перечень обследований, выполняемых в больнице. Врач должен отметить в нем необходимые пациенту обследования, а для некоторых из них (например, рентгенографического исследования) выбрать область исследования. Система предоставляла возможность выбора только одной области, в то время как в больнице, оказывающей экстренную помощь, врачам достаточно часто надо указать сразу несколько областей, для чего приходилось повторно входить в режим назначения. К б) относятся следующие факторы: - недостаточное число штатных ИТ-специалистов в крупной многопрофильной больнице (во внедрении участвовали 2 таких специалиста) для быстрого внедрения, так как для него необходимо конструирование большого количества форм документов, формализованных и текстовых шаблонов (с использованием языка гипертекстовой разметки HTML) и работы по наполнению различных справочников системы; - недостаточность знаний и навыков у сотрудников для «быстрого старта», которую невозможно было исключить на этапе обучения; Несмотря на наличие указанных исходных ограничений и общих факторов, с мая 2006 г. весь медицинский персонал использует систему в ежедневной работе, что является критерием успешности внедрения. Создание новых форм документов, шаблонов врачебных записей (различных разделов первичного врачебного осмотра, дневниковых записей и т. д.) и моделей лечения и обследований для различных нозологий продолжается в плановом порядке. Врачи, медсестры и административный персонал больницы положительно относятся к применению системы, получая от него существенные выгоды. В первую очередь это связано с экономией времени и сил на рутинных операциях и, самое важное, с уменьшением числа ошибок персонала. Например, полностью исключены ошибки, возникающие при переписывании медсестрами врачебных назначений из листов назначений в соответствующие журналы, так как последние формируются автоматически. Существенно сокращено число врачебных ошибок при назначении пациентам медикаментов: а) взаимодействующих между собой; б) вызывающих побочные действия; в) имеющих противопоказания. Таким образом, успешность внедрения системы в крупной городской клинической больнице обусловлена целым рядом организационных факторов, а также свойств выбранной системы. Особо выделим следующие: 1. Разработка плана внедрения, охватывающего весь набор направлений, необходимых для анализа и проведения работ по внедрению. 2. Формирование в больнице трехсторонней группы, включающей в себя врачей – потенциальных лидеров внедрения, выявленных на подготови162

СПИ-МТ-2008 тельном этапе. 3. Достаточно высокая степень «обкатанности» системы ДОКА+ в больницах различного профиля в предыдущие годы и ее непрерывное развитие. 4. Важные для успешности внедрения свойства выбранной нами системы: удобство ее использования медицинским персоналом, функциональная гибкость, ориентация на поддержку принятия врачебных решений. Список использованных источников 1. Шифрин М.А. Медицинские информационные системы: эффективные решения и трудные вопросы. Главврач, 2003, № 6, с. 67 – 70. 2. Гусев А.В. и др. Медицинские информационные системы. Петрозаводск, Издательство ПетрГУ, 2005, 404 с. Ляховец М.В., Соловьева Ю.А., Нижельский С.С. АВТОМАТИЗИРОВАННАЯ ИНФОРМАЦИОННАЯ СИСТЕМА ПРИЕМА В ВЫСШИЕ УЧЕБНЫЕ ЗАВЕДЕНИЯ НА ОСНОВЕ РЕЙТИНГА АБИТУРИЕНТОВ [email protected] В соответствии с законодательством Российской Федерации проведение приемной кампании вуза регламентируется различными нормативноправовыми актами, которые подразумевают тесное взаимодействие между абитуриентами, сотрудниками приемной комиссии и администрацией вуза, обусловленное наличием значительных информационных потоков. Причем строго регламентированные сроки проведения приемной компании диктуют необходимость формирования и публикации оперативной информации на всех этапах документооборота. Также актуальной является задача реорганизации подхода к учету результатов вступительных испытаний и довузовской подготовки абитуриентов. На сегодняшний день, в процессе реформирования сферы высшего образования, наблюдается заметный интерес к различным рейтинговым технологиям. Активно используются и приняты на государственном уровне рейтинги вузов, происходит стимулирование профессорско-преподавательского состава соревновательными рейтингами. Возникает вопрос об использовании рейтинговых технологий для определения комплексного показателя готовности абитуриентов осваивать программу высшего профессионального образования. Тем более многие вузы страны используют в своей работе рейтинги абитуриентов. В простейшем случае, под рейтингом абитуриентов понимается простое агрегирование баллов, полученных на вступительных испытаниях. Однако, существуют и другие, более сложные, подходы. Так, Российский государственный гидрометеорологический университет (http://dovus.rshu.ru) при163

СПИ-МТ-2008 глашает абитуриентов в рамках довузовской подготовки принять участие в программе «Рейтинг абитуриентов», которая предусматривает участие абитуриентов в промежуточных тестированиях, университетских и региональных Олимпиадах по профильным дисциплинам. В итоге рейтинг участника определяется по сумме баллов, полученных на различных мероприятиях, а приемная комиссия имеет право рекомендовать к зачислению абитуриентов, имеющих высокий рейтинг по профильным предметам (но не более 10% от общего числа участников). Подобный подход уже несколько лет используется в Московском институте стали и сплавов (http://www.misis.ru), в котором конкурсный отбор из числа абитуриентов, успешно прошедших вступительные испытания, производится по итоговому рейтингу абитуриента в системе, так называемого, рейтингового тестирования. Необходимо подчеркнуть, что итоговый рейтинг абитуриента в системе рейтингового тестирования, являющийся одним из критериев профессиональной ориентированности поступающего, используется только при равенстве баллов, полученных на вступительных испытаниях. Однако, результаты вступительных испытаний выставляются по двухбалльной системе: «прошёл» или «не прошёл», – следовательно, практически все абитуриенты получают равное количество баллов и отбор ведется только по итоговому рейтингу. Безусловно, в связи с введением единого государственного экзамена с 2009 года, как безальтернативной формы вступительных испытаний в высшие учебные заведения РФ, в качестве основы рейтинга абитуриента должны быть приняты результаты, полученные поступающим при прохождении ЕГЭ. Результаты единого госэкзамена необходимо перевести из стобалльной шкалы в традиционную для школы четырехбальную. При равенстве конкурсных баллов преимущественным правом зачисления будут пользоваться, вопервых, те, для кого это право установлено Законодательством РФ, а вовторых, те, кто продемонстрировал более высокий уровень готовности к освоению программ высшего профессионального образования в вузе (то есть набрали более высокий итоговый рейтинг). Данный рейтинг должен иметь структуру, аддитивно учитывающую участие абитуриентов во всех мероприятиях довузовской подготовки: - разнообразные интеллектуальные соревнования, включая олимпиады для абитуриентов; - участие в едином государственной экзамене по непрофильным дисциплинам; - участие в пробном тестировании; - участие в научно-практических конференциях и конкурсах школьников; - обучение на подготовительных курсах, - средний балл аттестата; - наличие медали; 164

СПИ-МТ-2008 - спортивные достижения; - творческие достижения и др. Реализация предложенной методики расчета рейтинга абитуриентов возможна лишь при разработке и внедрении автоматизированной информационной системы приема абитуриентов в высшее учебное заведение, включающей: - базу данных (БД) для хранения данных об абитуриентах, результатах вступительных испытаний и рейтинга абитуриентов; - пользовательские приложения для обеспечения удобного графического интерфейса при работе с БД. Характерной особенностью функционирования приемной комиссии является территориально удаленное расположение отделов комиссии, наличие нескольких рабочих мест факультетских и выездных комиссий, что приводит к необходимости реализации системы в виде распределенной автоматизированной информационной системы с использованием клиент-серверной архитектуры (рис. 1). Клиент-серверная архитектура реализуется двухуровневой моделью и представлена клиентами (компьютеры сотрудников приемной комиссии), обращающимися к услугам сервера (компьютера, содержащего базу данных абитуриентов). Трехуровневая архитектура, основыРис. 1. Трехуровневая архитектура системы вающаяся на webсервере в первую очередь ориентирована на работу с абитуриентами для обеспечения свободного доступа к публичной информации (абитуриенты, их родители получают доступ к данным по конкурсу на выбранную специальность, текущему рейтингу абитуриента и т.д.). Общая схема информационных потоков, функционирующих при проведении приемной кампании, представлена на рисунке 2. Данная схема позволяет использовать многовариантый подход к подаче документов и формированию личных дел абитуриентов. Так абитуриенты самостоятельно или через своих официальных представителей подают необходимые для приема документы представителям приемной комиссии как лично (факультетские отборочные комиссии, филиалы, выездные комиссии), так и дистанционно (с помощью глобальной сети Интернет или почтой). С другой стороны, абиту165

СПИ-МТ-2008 риент оперативно может получить любую дополнительную информацию о поступлении в вуз, используя традиционные методы, так и интернет-портал вуза (системы "Абитуриент on-line") или специализированные SMSрассылки. Использование автоматизированной информационной системы "Абитуриент on-line" позволит оперативно отображать информацию о текущем положении абитуриента в списках по специальностям вуза в режиме реального времени.

Рис. 2. Схема информационных потоков приемной кампании Использование автоматизированной информационной системы приемной комиссии позволит свести к минимуму объем печатной продукции. Руководство приемной комиссии может в любой момент времени получить сведения о количестве поданных заявлений по всем специальностям, количество заявлений с подлинниками документов об образовании, количество отличников и медалистов и другую текущую статистическую информацию о приеме.

166

СПИ-МТ-2008 Михайлова С.А. СИСТЕМА ПОДДЕРЖКИ ПРОФЕССИОНАЛЬНОЙ АДАПТАЦИИ С ПРИВЛЕЧЕНИЕМ СВОЙСТВ ИММУННЫХ СЕТЕЙ [email protected] При появлении в организации нового сотрудника для него, как правило, устанавливается определенный срок стажировки, во время которой он должен адаптироваться к особенностям функционирования организации. В этот период совершается большое количество ошибок, обусловленных незнанием специфики работы организации или технологии производства. Кроме этого, от выполнения непосредственных обязанностей отвлекаются сотрудники, призванные помочь в процессе адаптации. Однако даже привлеченные специалисты не могут в условиях временных ограничений передать весь свой накопленный опыт при решении задач управления в данной области, а в некоторых случаях и не хотят этого делать. Особенно остро данная проблема проявляется в высоко динамичных слабоструктурированных системах. Под слабоструктурированной системой (СС-системой) понимается всякая динамическая (т.е. функционирующая во времени) система, в структуре и функционировании которой важную роль играет человеческий фактор. Именно наличие человеческого фактора, для различных проявлений которого практически невозможно построить точные математические модели, позволяет считать такие системы слабоструктурированными системами. Поскольку человеческий фактор играет важную роль в функционировании экономических, политических, производственных систем, подобные системы можно рассматривать как СС-системы [1]. При рассмотрении производственной системы нельзя не учитывать существование множества стадий обработки и протекание физических процессов, которые по своей природе являются уникальными и проявляются в том, что даже при производстве одного вида продукции технологические параметры не являются полностью идентичными. В подобном случае нет возможности спрашивать совета специалиста при возникновении каждой новой ситуации. Вследствие чего существует необходимость обобщения опыта специалистов с последующей формализацией для использования в системах поддержки профессиональной адаптации новых сотрудников. Применение подобной системы приводит к уменьшению периода адаптации, снижению количества промахов при управлении системами (ситуациями) и, как следствие, приобретению собственного положительного опыта. Система должна быть распределенной, позволяющей параллельно обрабатывать большие массивы информации, классифицировать текущее состояние, обладать способностями к самообучению, распознаванию и принятию решений относительно неизвестных ситуаций. Перечисленные требования являются свойствами искусственных иммунных сетей, заимствовавшими 167

СПИ-МТ-2008 свои функции из принципов поведения иммунной системы позвоночных [2, 3]. Для разработки системы предлагается использование агентноориентированной модели искусственной иммунной сети, обладающей распределенной памятью и позволяющей существенно уменьшить количество альтернатив для принятия решения в текущей ситуации, а также определить шаблоны поведения, приведшие к ухудшению ситуации, и сгенерировать противоположные им (моделирование хелперной функции лимфоцитов иммунной системы, заключающейся в поддержке наиболее слабого элемента). Данная система позволяет формализовать опыт специалистов и использовать его для обучения новых сотрудников, сократит период их адаптации, а также сформировать шаблоны наиболее типичных ошибок, допускаемых каждым сотрудником, для их дальнейшего изучения с целью устранения. Список использованных источников 1. Корноушенко Е.К. Регрессионный подход к управлению слабоструктурированными системами (ситуациями) // Труды 6-й Международной конференции «Когнитивный анализ и управление развитием ситуаций» (CASC'2006)./ Под ред. З.К. Авдеевой, С.В. Ковриги. М.: Институт проблем управления РАН. – 2006. – с. 117 – 131. 2. Искусственные иммунные системы и их применение / Под ред. Д. Дасгупты. — М.: ФИЗМАТЛИТ, 2006. — 344 с. 3. Immunocomputing: principles and applications / Tarakanov A.O., Skormin V.A., Sokolova S.P. N.Y., Springer, 2003. – 194 с. Насонова Н.В. ТЕХНОЛОГИЯ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ МЕДИЦИНСКОГО МОНИТОРИНГА [email protected] Основные факторы риска (ФР) хронических неинфекционных заболеваний (ХНИЗ) являются одинаковыми для мужчин и женщин во всех регионах: это нездоровое питание, отсутствие физической активности и употребление табака и алкоголя. Причинами развития этих факторов рисков, которые выражаются в повышении уровня кровяного артериального давления, концентрации сахара в крови, аномальной концентрации липидов в крови, избыточном весе, ожирении и последствиях вредного употребления алкоголя, являются исходные социально-экономические и экологические детерминанты здоровья. Около 80% преждевременных болезней сердца и инсульта, 80% случаев диабета типа 2 и 40% заболеваний раком поддаются предупреждению [1]. Существует широкий круг мероприятий общественного здравоохранения, которые рентабельны во всех регионах; кроме того, реализация многих из них не требует больших затрат. Для реализации этой цели автором предлагается автоматизированная 168

СПИ-МТ-2008 система комплексного мониторинга (АСКМ) основных ФР ХНИЗ, позволяющая оценивать эпидемиологическую ситуацию в исследуемом регионе, для выработки управленческих решений в области профилактики неинфекционных болезней и борьбы с ними, включая дальнейшую разработку мероприятий по ведению лиц, подвергающихся высокому риску таких болезней. Она направлена на разработку глобальной стратегии снижения случаев заболеваемости и смертности от этих болезней [2]. При анализе технологий принятия медицинских решений, используемых в автоматизированных системах диагностики для решения задач в других областях медицины, было выяснено, что в них, как правило, реализованы 2-4-х этапные технологии принятия решений [3]. Технология принятия диагностических (ДР) и управленческих решений (УР), а также учет реализации УР при мониторинге ФР ХНИЗ, переработана с учетом особенностей используемых данных мониторинга (ДМ) и принятия решений по ним на основе вариативного моделирования в его вероятностно-статистическом варианте. Схема основных этапов техпроцесса представлена на рис.1. Данный техпроцесс позволяет учитывать специфические особенности ДМ и принятия решений по ним. Предложенный техпроцесс мониторинга состоит из 5 этапов, что является его первой отличительной чертой. На 1-м этапе формируются параметры задачи мониторинга Z={ ZX , ZY, ZM}, где: ZX - исходные ДМ, на основании которых будет осуществлен мониторинг состояния объекта; ZY - методы преобразования ДМ в диагностические признаки (ДП), на базе которых формируются множество частных (риск-факторов) и интегральных показателей оценки состояния объекта (у нас, это d, T и р); ZM - структура мониторинга, т.е. наличие, период воздействия и степень выраженности ФР. На момент создания и настройки нашей системы мониторинга N=8946 чел., m=500, время наблюдения лиц - 15 лет. Рассматривались два вида заболеваний на примере сердечно-сосудистых заболеваний (N’=720 чел.) и злокачественных новообразований (N’=413 чел.), поскольку эти два заболевания являются самыми многочисленными по структуре смертности в исследуемой популяции. 2 этап включает сбор, структуризацию, впервые введенный контроль ~ качества исходных данных Х и отбор из них ДМ Х. Содержание этого этапа является вторым отличием нашего подхода. Оно состоит в том, что ДМ Х представляют собой не все исходные данные Х~ , а именно, во-первых, проверенные "качественные", пригодные для мониторинга, во-вторых, отобранные для мониторинга. Предложено на этапе сбора осуществлять контроль качества данных, учитывая их специфику [4]. При этом контроль осуществляется двумя путями. Во-первых, за счет внутреннего и внешнего контроля технологии сбора данных, а именно реализации обучения и сертификации персонала; следования протоколу исследования (стандартизация условий и методов обследования); использования стандартизованных опросников и метрологически аттестованных приборов для сбора данных. Во-вторых, за 169

СПИ-МТ-2008 счет контроля качества включаемых в базу данных: проверку типа характеристик и принадлежности их значений к номинальному диапазону путем использования стандартных методов оценки качества данных.

Рис. 1. Укрупненная схема техпроцесса мониторинга ФР ХНИЗ На 3 этапе выполняется обработка отобранных ДМ Х, преобразование их в стандартизованную форму х и в множество диагностических признаков (ДП) "у". На этом этапе 3-ей отличительной чертой техпроцесса является введение авторских признаков d, Т и p развития заболеваний, о чём будет сказано далее. 4 этап предполагает, что на основании значений ДП должны быть: вопервых, приняты диагностические решения, т.е. определено текущее состояние объекта (популяции или индивидуума) - RМ, во-вторых, выполнен «прогноз будущего состояния ХНИЗ объекта» и, в третьих, подготовлены варианты управленческих решений (УР), оценены их последствия для состояния объекта (развития ХНИЗ у него) и выбрано УР. Отличительной чертой 4-го этапа являются осуществление прогноза по RM, формирование вариантов решений до принятия оптимального УР. На 5 этапе происходит реализация решений мониторинга, учет и ана170

СПИ-МТ-2008 лиз, в частности её последствий (в системе и окружающей среде) – подготовка необходимых выводов, информирование и исполнение рекомендаций для различных заинтересованных потребителей и тех, кто будет выполнять УР. реализаторов. Наличие этапа реализации и обратной связи, участие врача на всех этапах техпроцесса являются также отличием от известных технологий. Основные настройки системы, реализующие технологический процесс, осуществляются, во-первых, по совокупности данных всей популяции, во-вторых, могут корректироваться под конкретного индивидуума, решение для конкретного объекта осуществляется только после настройки системы. Таким образом, в настоящей работе предложен подход к обработке ДМ в процессе мониторинга ФР ХНИЗ, который позволяет сделать более «прозрачной» процедуру обработки данных для подготовки и принятия ДР и УР решений. Суть подхода сводится к тому, что перечень диагностических признаков ДП, полученных в ходе мониторинга ФР ХНИЗ, формируется до создания модельного и алгоритмического обеспечения с помощью критериев, полученных экспертами ВОЗ на основании крупномасштабных эпидемиологических исследований. Опыт и знания экспертов ВОЗ помогают выделить и сформировать максимально информативные признаки, которые описывают процесс выявления ФР ХНИЗ и являются основой для последующей процедуры анализа и принятия ДР и УР. В настоящей системе в качестве критериев оценки оптимальности моделей решаемым задачам предложены следующие общепринятые для оценки диагностических моделей и методик показатели: диагностическая точность (ДТ), чувствительность (ДЧ) и специфичность (ДС) [5]. Предложенная технология была внедрена в разработанном автором программно-аппаратном комплексе "Мониторинг здоровья индивидуума". Система обеспечивает: ввод, корректировку, добавление, поиск по ключу, удаление и вывод на экран (печать) переменных баз данных. Кроме того, поддержку и ведение комплекса информационно-справочных баз данных (листинг рекомендаций), представляя их в виде списка; проведение интегральной обработки вводимой информации статистическими методами с целью оценки предрасположенности индивидуума к болезням, связанным с нерациональным питанием; прогноза для пациента; графическим представлением результатов, выводимых на печать. Разработанная АСКМ "Мониторинг здоровья индивидуума" позволяет проводить процедуры сбора, обработки и анализа данных на этапах доврачебного мониторинга ФР ХНИЗ и в режимах врачебного приема, а также использовать её на этапе обучения врачей. Система позволяет не только формировать развернутый результат мониторирования пациента и проводить прогноз о наличии или отсутствии ФР ХНИЗ у него, но также осуществлять реализацию УР (отслеживать выполнение требуемых рекомендаций) и формулировать последующие задачи мониторинга.

171

СПИ-МТ-2008 Список использованных источников 1. Профилактика неинфекционных болезней и борьба с ними: осуществление глобальной стратегии. Доклад Секретариата. ВОЗ. Женева. Всемирная организация здравоохранения. – 2007 г. http://www.who.int/gb /ebwha/pdf_files/ EB119-120-REC1/p3-ru.pdf 2. Кайгородова Т.В. Михеев П.А. Борьба с сердечно-сосудистыми заболеваниями. Обзор Документационного центра ВОЗ// Информационный бюллетень для руководителей здравоохранения. М. – №26. – 2007. 3. Губарев В.В., Швайкова И.Н., Насонова Н.В. Автоматизированные системы медицинского мониторинга// Информационные технологии моделирования и управления, 2006, N8(33). –С. 909-914. 4. Губарев В.В., Насонова Н.В. Особенности построения комплексной автоматизированной системы мониторинга факторов риска хронических неинфекционных заболеваний/ Сб. научн. трудов НГТУ. - Новосибирск, - 2005. – №2. – С. 29 - 34. 5. Власов В.В. Эффективность диагностических исследований. – М.: Медицина. – 1988. – 256 с. Оловаренко Н.Н. ИЗУЧЕНИЕ МНОГОПРОЦЕССОРНЫХ ОПЕРАЦИОННЫХ СИСТЕМ С ПОМОЩЬЮ ПРОГРАММНОГО КОМПЛЕКСА ВИРТУАЛЬНЫХ МАШИН BOTCH [email protected] В основе аппаратной составляющей современных информационных систем имеются разные многопроцессорные системы, кластеры, хранилища и др. Для конфигурирования таких вычислительных систем на конкретное применение администраторы используют множество инструментов. Среди них в последнее время наиболее актуально использование программных комплексов виртуальных машин, например Vmware, Virtual PC и ряда других. Данные комплексы позволяют проводить эксперименты по настройке компонент на виртуальных машинах (ВМ), а затем если результаты положительные переносить их уже в штатные вычислительные системы. Однако эти продукты могут эмулировать только конкретные многопроцессорные системы (например, на базе многоядерного процессора или многопроцессорного комплекса Intel или AMD) для гостевых операционных систем (установленных в ВМ) только, если базовая ЭВМ сама является многопроцессорной. Поиск, проведенный автором в Internet, дал следующие результаты: программный комплекс, который позволяет эмулировать различные многопроцессорные структуры, даже если ЭВМ обладает одним процессором, является Botch. Этот комплекс позволяет эмулировать различные многопроцессорные структуры на базе существующих процессоров Intel и AMD. После получения исходных и исполняемых файлов программы, установки программы, ав172

СПИ-МТ-2008 тор столкнулся со следующей проблемой: создание и настройка конфигурации виртуальной машины в Botch является узким местом. Это связано с тем, что программный продукт в отличие от вышеназванных не обладает графическим интерфейсом и пользователю приходиться самому редактировать файл конфигурации. Время на такое конфигурирование затрачивается большое, поэтому автор разработал графический конфигуратор, который близок по возможностям известных продуктов. После запуска конфигуратора пользователю высвечивается диалоговое окно. В этом окне пошагово выбирается количество процессоров и их частота, объем оперативной памяти, параметры графической системы и жесткого диска, способ загрузки ВМ и другие параметры. По окончании диалога пользователю представляется готовый файл, содержащий конфигурацию. Теперь, используя конфигуратор и Botch, пользователь может провести инсталляцию соответствующей операционной системы и изучить ее функциональные возможности, связанные с многопроцессорной обработкой данных. Пашаева О.М. ИСПОЛЬЗОВАНИЕ СИСТЕМЫ MATLAB ДЛЯ ПРОГНОЗИРОВАНИЯ НАПОЛНЯЕМОСТИ ОБРАЗОВАТЕЛЬНЫХ УЧРЕЖДЕНИЙ НА ОСНОВЕ НЕЧЕТКОЙ РЕГРЕССИИ [email protected] На ситуацию в сфере образования оказывает влияние характерный для современной России демографический спад. Сокращение численности контингента образовательных учреждений влечет за собой изменения в кадровом составе, в финансировании и даже ликвидацию отдельных образовательных учреждений. Негативные демографические процессы ставят образовательные учреждения перед необходимостью поиска способов повышения качества предоставляемого образования и достижения конкурентоспособности на рынке образовательных услуг. Для принятия обоснованных управленческих решений органам управления образованием важно получать достоверные прогнозы по востребованности предоставляемых образовательными учреждениями услуг. В данной работе строятся модели для прогноза количества обучающихся первых классов образовательных учреждений от рождаемости семь лет назад средствами нечеткого регрессионного анализа, реализованного в системе математических расчетов MATLAB. Для данной задачи целесообразно применение линейной модели, поскольку коэффициент корреляции R ≈ 0,98 и является значимым. Выборка исходных данных является недостаточной для получения качественных прогнозов средствами классического регрессионного анализа, но на небольших выборках возможно применение нечеткой регрессии. В данной работе используются метод нечеткой регрессии, основанный на уменьшении нечетко173

СПИ-МТ-2008 сти для получения приемлемой модели, и нечеткий регрессионный анализ, использующий метод наименьших квадратов как критерий оптимальности. Таблица 1 Данные по рождаемости в г. Липецке и комплектованию первых классов школ г. Липецка Рождаемость на 1000 человек населения по г. Липецку 1995. 1996. 1997 1998 1999 8,56 7,80 7,60 7,70 7,50

Количество обучающихся первых классов школ г. Липецка 2002 2003 2004 2005 2006 4637 4214 4083 4091 4083

Рассмотрим построение регрессионной модели по критерию минимальной нечеткости. Пусть выборка состоит из n наблюдений {( X 1 , Y1 ), ( X 2 , Y2 ),K, ( X i , X i ),K, ( X n , X n )}, где X j = (X 0 j , X 1 j ,K, X ij ,K, X nj ) – множество из m независимых переменных в j-ом варианте наблюдения, кото~ рое всегда является четким числом, Y j – значение зависимой переменной в jом наблюдении, которое может быть четким или нечетким числом и формализуется в виде ядра y j (наиболее возможное значение) и отклонения e j вле~ во и вправо от ядра, т.е. Y j = ( y j , e j ) . Необходимо найти нечеткую линейную функцию (1). ~ ~ ~ ~ Y j = A0 + A1 X 1 j + K + An X kj , (1) ~ где Y j – оценка Y j в виде нечеткого числа. В данном варианте коэффициенты ~ ~ Ai – симметричные треугольные нечеткие числа, т.е. Ai = (m j , c j ), i = 0,1,K , k . Тогда оценка переменной Y j есть также симметричное треугольное нечеткое ~ ~ число Y j = ( y j , e j ) . Нечеткие коэффициенты Ai , i = 0,1,K, k определены таким образом, что оцененный нечеткий выход Y имеет минимальный нечеткий разброс, пока удовлетворяет заданной степени достоверности h. Каждая из ~ наблюдаемых выборок данных, которые могут иметь нечеткий Y j или точ~ ный Y j , должна попадать в пределах оцененного Y на уровне h.

Определяя нечеткие коэффициенты Ai = (m j , c j ) , Tanaka и другие сформулировали нечеткую целевую функцию регрессии как следующую задачу линейного программирования [1]. ~

S = nc0 + å (c1 X i1 + K + c k X ik ) ® min . n

(2)

i =1

При ограничениях c0 ³ 0, c1 ³ 0,K, c k ³ 0 , k

k

j =0

j =0

k

k

j =0

j =0

å m j X ij + (1 - h)å c j X ij ³ Yi + (1 - h)ei при i = 1,2,K, n , å m j X ij + (1 - h)å c j X ij £ Yi - (1 - h)ei при i = 1,2,K, n , 174

(3) (4)

СПИ-МТ-2008 где j = 0,1,K k – номер коэффициента регрессии, п – объем выборки исходных данных. Рассмотрим нечеткий регрессионный анализ, комбинированный с методом наименьших квадратов по критерию минимальной нечеткости [2]. В данном анализе используется обычный регрессионный анализ, чтобы найти значения нечеткого центра нечетких коэффициентов регрессии, и критерий минимальной нечеткости, чтобы найти нечеткий разброс нечетких коэффициентов регрессии. Разбросы нечетких коэффициентов определены по выражениям (2) – (4) как по методу минимальной нечеткости с тем только различием, что нечеткие центры коэффициентов регрессии берутся из первого шага, то есть на данном этапе они уже известны и определить необходимо только значения нечетких разбросов. Необходимо оценить надежность нечеткого регрессионного анализа, иначе говоря, точность предсказываемых оценок [3]. Стандартное отклонение определяется как n ~ ~ (5) S ~y = (1 ( n - 1) )å (Yi - Y ) 2 . i =1

В качестве одного из показателей надежности нечетких регрессионных моделей используется гибридный коэффициент корреляции (HR), чтобы оценить предположение линейности гибридной линейной модели регрессии. Другим показателем надежности является гибридная стандартная ошибка оценки (HSe), применяемая для того, чтобы определить сходство данных, полученных при помощи нечеткой регрессионной модели и наблюдаемых нечетких данных. n n n ~ ~ ~ ~ ( HR ) 2 = å (Yi - Y ) 2 å (Yi - Y ) 2 , HS e = (1 ( n - p - 1) )å (Yi - Yi )2 , (6) i =1

i =1

i =1

где п-р-1 – число степеней свободы. Значения HSe располагаются в интервале от 0 до S ~y . Чем меньше значение HSe, тем лучше точность предсказаний. Если HSe близок или больше, чем S ~y , то нечеткий регрессионный анализ не привел к успешным результатам. Для реализации методов нечеткой регрессии была использована система MATLAB. В системе имеется целый ряда пакетов расширения, позволяющий реализовать нечеткую регрессию. Fuzzy Logic Toolbox – это пакет нечеткой логики, позволяющий конструировать так называемые нечеткие экспертные и/или управляющие системы [4]. Optimization ToolBox – пакет оптимизации, предназначенный для решения задач оптимизации и систем нелинейных уравнений [4]. Из данного пакета для построения нечеткой регрессии используется функция linprog, которая обеспечивает решение задачи линейного программирования. Statistic Тoolbox – пакет статистических вычислений, позволяющий выполнять различные статистические расчеты [4]. Из данного пакета используется функция regress, которая реализует процедуру множественной линейной регрессии. 175

СПИ-МТ-2008 Нечеткая регрессионная модель для данных табл. 1 по критерию минимальной нечеткости представлена в формуле (7) и на рис. 1.

Рис. 1. Нечеткая регрессионная модель наполняемости первых классов по критерию минимальной нечеткости Y = (114.925,48.264) + (522.642;0.000) X 1 . (7) 2 S ~y = 238,794 , ( HR ) = 0,930 , HS e = 56.126 , HS e / S ~y = 0,235 Нечеткая регрессионная модель, комбинированная с методом наименьших квадратов (FLSRA) по критерию минимальной нечеткости представлена в формуле (8) и на рис. 2.

Рис. 2. Нечеткая регрессионная модель, комбинированная с методом наименьших квадратов, наполняемости первых классов Y = (114.925,48.264) + (522.642;0.000) X 1 . (8) 2 S ~y = 238,794 , ( HR ) = 0,993 , HS e = 51,971 , HS e / S ~y = 0,219 . Характеристики уравнений показывают, что обе модели приемлемы для построения прогнозов. Список использованных источников 1. Tanaka H., Uejima S., Asai. Linear regression analysis with fuzzy model//IEEE. Syst. Trans. Systems Man Cybernet. SMC-2.1982.P.903-907 176

СПИ-МТ-2008 2. Sawic D., Pedrycz W. Evaluation of fuzzy regression models//Fuzzy Sets Syst.1991.№39.P 51-63 3. Манусов В.З., Могиленко А.В. Построение регрессионных моделей при нечеткой исходной информации// Сборник научных трудов «Электроэнергентика». Новосибирск: НГТУ. – 2000. 4. Дьяконов В., Круглов В. Математические пакеты расширения МАТIАВ. Специальный справочник. СПб.: Питер. – 2001. 480 с. Петренко А.В., Сударев С.В., Ягудин C.В. ОСНОВНЫЕ ПРИНЦИПЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ СИСТЕМ [email protected] Для реализации основных адаптивного процесса обучения, интеллектуальная обучающая система должна содержать общие и специальные знания трех видов: о предметной области; об обучаемом; о процессе обучения. Все знания в интеллектуальной обучающей системе представлены в виде соответствующих моделей и механизмов их взаимодействия и адаптации. Она состоит из множества моделей, описывающих процесс обучения с помощью средств информационных технологий, основными из которых являются: - модель предметной области; - модель учебного материала; - модель стратегии обучения; - модель обучаемого - модель оценивания качества и эффективности процесса обучения - модель пользовательского интерфейса интеллектуальной обучающей системы; - модели управления и адаптации интеллектуальной обучающей системы. Основные возможности интеллектуальной обучающей системы, построенной с использованием описанных принципов и моделей, приведены ниже и отражают выделенные функциональные характеристики: 1. формирование и представление выборки учебных знаний из предметной области; 2. формирование и представление персональных знаний об обучаемом; 3. адаптация к предметной области и уровню знаний и умений обучаемого. 4. адаптация к индивидуальным психофизиологическим характеристикам обучаемого. Типовая архитектура интеллектуальной обучающей системы может включать шесть основных модулей: 1. модуль входного тестирования (психофизиологические характери177

СПИ-МТ-2008 стики и уровень подготовки пользователя); 2. модуль контента; 3. модуль персональных данных и модели пользователя; 4. модуль формирования интерфейса; 5. модуль контроля и тестирования изученного материала; 6. модуль режимов работы системы. Приведенная схема во многом является обшей и позволяет на основе данных модулей строить интеллектуальную. обучающую систему различного уровня, которые базируются на различной архитектуре и предназначены для обучения различных типов пользователей в разнообразных предметных областях. Преображенский А.П., Миронченко М.Г. ПОСТРОЕНИЕ ПОДСИСТЕМЫ РЕЙТИНГОВОЙ ОЦЕНКИ ЗНАНИЙ УЧАЩИХСЯ [email protected] В реализации одной из важнейших задач модернизации российского образования - повышении качества профессиональных знаний - свою положительную роль может сыграть рейтинговая система оценки качества знаний студентов. В настоящее время эта система не приобрела еще широкого распространения и лишь отдельные вузы приняли ее как основополагающую своей учебной деятельности. Доказательством особого внимания к этой системе последнего вуза, в частности, является проведение весной текущего года Всероссийской научной конференции, посвященной актуальным проблемам рейтинговой системы оценки успешности обучения студентов в вузе. Оценка качества работы студента в рейтинговой системе является кумулятивной (накопительной) и используется для структурирования системной работы студентов в течение всего периода обучения, повышения эффективности управления образовательным процессом, решения вопросов назначения на государственную академическую стипендию, трудоустройства по окончании вуза. Рейтинговая система оценки знаний студентов позволяет определить место, которое занимает каждый конкретный студент в группе, на курсе, в вузе. В работе проведен анализ методов контроля знаний, выявлены их достоинства и недостатки, рассмотрены различные методы проведения контроля знаний. Проведенный анализ позволил дать рекомендации по выбору модели. Рассмотрена рейтинговая модель оценки знаний. Существуют следующие варианты: пессимистический, усредненный и оптимистический варианты решений, а так же приведена сравнительная характеристика данных трех вариантов, построены графические зависимости, которые позволяют сделать выбор необходимых вариантов. Во всех предлагаемых вариантах принято существует верхнее фиксированное значение возможной величины 178

СПИ-МТ-2008 балла, что необходимо для реализации стабильной системы в любом из вариантов Данный подход был положен в основу разработанного программного продукта, на основе которого были проведены тестовые исследования и сделаны выводы о возможности применений рассмотренных моделей. Селиванова Е.В. КОДИРОВКА ХРОМОСОМЫ ДЛЯ РЕШЕНИЯ ЗАДАЧИ РАСПРЕДЕЛЕНИЯ УЧЕБНОЙ НАГРУЗКИ КАФЕДРЫ [email protected] Задача распределения учебной нагрузки между преподавателями кафедры обладает слабой формализуемостью и большой размерностью. В связи с этим решение такой задачи классическими оптимизационными методами является затруднительным. Поэтому предлагается использовать эволюционные методы — генетические алгоритмы. Для использования такого алгоритма на начальном этапе необходимо выбрать структуру хромосомы, от которой будет сильно зависеть реализация алгоритма и представление решения задачи. В то же время способ кодирования определяется спецификой задачи. Предлагается следующий способ кодировки хромосом для решения поставленной задачи. Пусть имеется R преподавателей, входящих во множество P = {p1 , p 2 ,..., p R }. Пусть имеется N поручений, входящих во множество Q = {q1 , q2 ,..., q N } . Поручение — это неделимая порция часов нагрузки, распределяемая одному преподавателю. Предлагается закодировать решение в виде матрицы. То есть представить хромосому не в виде цепочки, а в виде двумерной матрицы M размерности N ´ R . В каждой строке кодируется поручение, а в каждом столбце — преподаватель. В элементе матрицы M (i, j ) , где i = 1, N и j = 1, R , располагается количество часов, отводимых j - му преподавателю на проведение i -го поручения. Так как одно поручение может вести только один преподаватель, то количество ненулевых элементов в каждой строке матрицы равно единице. Сумма элементов одного j -го столбца равна нагрузке j -го преподавателя. Пусть поручение I , на которое отводится TI часов, распределено преподавателю J . Тогда в строке I матрицы хромосомы M : R

å M (I , j) = M (I , J ) = T ; I

j =1

I = 1, N ;

R

å M ( i, j ) = 0 . j =1 j¹J

Необходимо, чтобы решение задачи распределения нагрузки J -го преподавателя соответствовало нормативному диапазону рекомендуемой нагрузки, поэтому должно учитываться при нахождении решения условие N

å M (i, J ) = [N min i =1

J

, N max J ], где N min J , N max J — соответственно минимально и

максимально допустимая нагрузка преподавателя в соответствии с нормами. 179

СПИ-МТ-2008 Такое представление хромосомы позволяет использовать генетический алгоритм, цель которого найти лучшее возможное решение или решения задачи по одному или нескольким заданным критериям. Сергеев М.Ю., Сергеева Т.И. ФОРМИРОВАНИЕ ЭЛЕКТРОННЫХ УЧЕБНЫХ КУРСОВ НА ОСНОВЕ АНАЛИЗА МНОГОУРОВНЕВЫХ КОНТЕНТОВ [email protected] Электронные учебные курсы (ЭУК) представляют собой учебные материалы, структурированные особым образом и записанные на магнитные носители. При этом реализованный в них гибкий сценарий способен подстраиваться под потребности и возможности конкретного обучаемого. ЭУК находят широкое применение в дистанционном обучении и при организации самостоятельной работы студентов. Создание ЭУК предполагает решение следующих задач: структуризацию учебной информации, формирование содержания обучения, ориентированного на стандарты в образовании и уровень подготовки обучаемого, выбор или формирование вида реализации учебного материала. Структуризация учебной информации предполагает разбивку ее на контенты. Под контентом понимают структурированную единицу информации, имеющую разный формат отображения и многоуровневое содержание. Многоуровневое содержание означает, что контенты могут иметь разный уровень сложности, глубину изложения материала и время изучения. Совокупность учебно-методических контентов образует содержание изучаемой дисциплины. В частном случае учебно-методический контент – это тема лекции, расчетно-графическая работа, методические указания к выполнению лабораторной работы, лабораторное задание и т.д. На содержание изучаемой дисциплины (лекционный материал и лабораторные задания) оказывают влияние: государственные стандарты и временные ограничения на изучение дисциплины конкретной специальностью, базовый уровень знаний обучаемых, экспертные оценки важности и сложности изучаемых тем конкретной специальностью. Решение задачи формирования содержания обучения для конкретных специальности и дисциплины возможно в рамках оптимизационной задачи с булевыми переменными, описывающими альтернативы выбора учебнометодических контентов. В данной задаче максимизируется суммарная важность изучаемых аудиторно тем при условии, что не превышается общее время изучения дисциплины или время изучения каждого раздела и для каждой темы выбирается один из возможных вариантов изучения. Задача формирования многоуровневых учебно-методических контентов дисциплины являются оптимизационными задачами с булевыми пере180

СПИ-МТ-2008 менными, определенными на конечном дискретном множестве допустимых решений. Для решения представленной выше задачи выбраны алгоритмы многовариантного выбора, ориентированные на метод случайного поиска. Учитывая комбинаторный характер решаемых задач, алгоритмическое обеспечение ориентировано на автоматизированный сокращенный перебор комбинаций уровней переменных на основе рандомизации поисковой области задач путем расширения множества решений до случайных векторов. Программно-инструментальный комплекс формирования набора учебно-методических контентов проводит анализ результатов тестирования и формирование исходного множества вариантов представления тем в учебном процессе, генерацию набора учебно-методических контентов, обеспечивающего учет требований стандартов изучения дисциплины, результатов тестирования, экспертных оценок важности и сложности изучаемых тем и времени на изучение дисциплины. Для ряда дисциплин проведено автоматизированное формирование набора контрольно-тестовых и учебно-методических контентов обучающей системы. Решение, близкое к оптимальному, получается за 15-85 итераций. Количество варьируемых контентов колеблется от 20 до 70. При этом программа обучения может включать от 17 до 45 контентов, изучаемых в аудиторном режиме. Выбранные контенты составляют содержание индивидуальной программы обучения. Учебный материал, построенный на их основе, может быть организован как электронный учебник или как автоматизированная учебно-справочная система, построенная на основе базы данных учебных материалов и соответствующего приложения для работы с ней. Углев В.А. ОБРАБОТКА ФАКТОРОВ ПРОЦЕССА ТЕСТИРОВАНИЯ ДЛЯ БАЗЫ ЗНАНИЙ ОЦЕНКИ ОБУЧАЮЩЕГО ТЕСТА [email protected] Дистанционная форма обучения предполагает наличие эффективных методов контроля успеваемости. Так уж сложилось, что в условиях массового обучения педагогическое компьютерное тестирование (КТ) стало доминирующим подходом к оценке знаний. Но, не смотря на большой практический опыт его применения, у данного подхода существует множество противников. Их основной аргумент – неадекватность автоматически рассчитываемой оценки реальному уровню знаний испытуемых. В связи с этим исследования в области совершенствования механизмов автоматизированного оценивания знаний являются чрезвычайно актуальными для аудиторной, дистанционной и самостоятельной форм обучения. В большинстве систем КТ до сих пор применяется методика получения 181

СПИ-МТ-2008 итогового балла исключительно по количеству правильно решенных тестовых заданий. Систему корректирующих коэффициентов (поправок) предлагали многие исследователи: использование нормирующих коэффициентов, нечёткой логики, учёт угадывания верных ответов и т.д. При этом точность оценок повышается незначительно, т.к. учитываются только базовые показатели тестирования (время прохождения теста и сумма верно решенных тестовых заданий). На наш взгляд для адекватного оценивания этого недостаточно, поэтому была предложена концепция обучающего компьютерного тестирования (ОКТ), предполагающая комплексный подход к учёту и анализу факторов, регистрируемых при КТ, на основе механизма экспертных систем (ЭС) [1]. Приближенная архитектура многослойной продукционной ЭС, позволяющей определить коэффициент поправки для повышения адекватности оценки результатов тестирования, была предложена в [2]. В ЭС осуществляется вывод в следующей последовательности: получение и нормирование входной информации от системы ОКТ (предобработка), обработка входной информации в два этапа от входного к выходному логических уровней базы знаний, вывод поправки обратно в систему КТ [3]. Одним из важнейших этапов работы ЭС является предобработка информации (факторов), который и хотелось бы здесь вкратце рассмотреть. Логический вывод осуществляется в три этапа (слоя) и описывается совокупностью продукционных правил. Просчёт для рассматриваемой базы знаний в ЭС осуществляется в соответствии с (1). (H Ú s Ú M Ú t Ú k1 Ú k 2 Ú k3 Ú k 4 ) ® ( y1 Ú y2 Ú y3 Ú y4 ) ® H `, (1) где { H , s, M , t , k i } - совокупность терм-множеств входных факторов, { y j } промежуточные терм-множества, а H `- терм-множество с возможными вариантами поправки оценки. Так как значения всех терм-множеств являются качественными, то все количественные данные подлежат фазификации1 с помощью механизма нечёткой логики [4]. Это требует составления специальной характеристической функции по каждому входному фактору. Распишем структуру входного слоя из (1) для раскрытия особенностей характеристических функций, осуществляющих фазификацию входной информации: · процент суммы верно решенных тестовых заданий ( H ) – на вход подаётся число, принадлежащее интервалу от 0 до 100; H принимает одно из значений упорядоченного терм-множества {‘нет’, ‘неудовлетворительно’, ‘удовлетворительно’, ‘хорошо’, ‘отлично’} (рис. 1. а)2; Фазификация – процесс перевода количественной характеристики исследуемого признака в качественную. Характеристические функции производят отображение числовой характеристики входного фактора, на совокупность терм-множеств (совокупность качественных характеристик), определяя наиболее подходящий вариант (терм). 2 По поводу оценочных шкал и значений, определяющих переход между отдельными оценками, существует много различных мнений, поэтому здесь конкретные значения умышленно не приводятся. Данные соотношения в ОАКТ являются настраиваемыми. 1

182

СПИ-МТ-2008 · сложность теста ( S ) – на вход подаётся число, принадлежащее интервалу от 0 до 1; S Î{‘базовая’, ‘нормальная’, ‘высокая’, ‘повышенной трудности’} (рис. 1. б);

Рис. 1. Терм множества для предобработки входных данных ЭС · отношение математического ожидания числа угадываемых ответов (теоретически) к общему числу вопросов в тестовой выборке ( M ) – на вход подаётся значение из интервала от 0 до 1; M Î {‘очень малое’, ‘малое’, ‘среднее’, ‘высокое’} (рис. 1. в); · соотношение реального и эталонного времени прохождения теста ( t ) – на вход подаётся число, принадлежащее интервалу от 0 до 2; t Î {‘прервано по истечении нормативного времени’, ‘очень медленно’, ‘медленно’, ‘нормально’, ‘быстро’, ‘очень быстро’} (рис. 1. г);

183

СПИ-МТ-2008 · вклад знания базовых разделов ( k1 )3 – на вход подаётся число, принадлежащее интервалу от 1 до 100; k1 Î {‘очень мал’, ‘мал’, ‘средний’, ‘высокий’} (рис. 1. д); · наличие тренировок ( k 3 )4 –– на вход подаётся число из интервала от 0 до 10; k 3 Î {‘нет’, ‘мало’, ‘средне’, ‘много’} (рис. 1. е); · динамика успехов тестирования ( k 4 ) – на вход подаётся число, принадлежащее интервалу от -1 до 1; k 4 Î {‘отрицательная’, ‘нет’, ‘положительная низкая’, ‘положительная средняя’, ‘положительная высокая’} (рис. 1. ж). Рассмотренные параметры предварительно рассчитываются в системе ОКТ, исходя из ранее накопленной статистической информации. Отметим, что статистическая информация учитывается, только если последние результаты имели малый по времени разрыв с текущим тестированием. Чтобы произвести формирование структуры терм-множеств необходимо создать характеристические функции в соответствии со словарём множества и мнениями педагогов – экспертов [2, 5]. Так как архитектура рассматриваемой системы КТ позволяет гибко настраивать состав терм-множеств, базу знаний и всю внутреннюю структуру ЭС без перекомпиляции проекта (фиксированными остаются только входы и выходы) [6], то сохраняется возможность подстраивать (адаптировать) механизм расчёта поправок балла прохождения теста под потребности и особенности учебного процесса. В заключении отметим, что в процессе прохождения компьютерного тестирования знания можно оценить неоднозначно, поэтому важно не только регистрировать, но и учитывать доступные факторы, повышая тем самым эффективность педагогического контроля. Использование опыта экспертов и методы искусственного интеллекта, позволят вывести процесс оценивания результатов обучающего тестирования на качественно новый уровень, наиболее пригодный для дистанционной формы обучения. Список использованных источников 1. Углев В.А. Обучающее адаптивное тестирование с применением экспертных систем// Информационные технологии в образовании и науке: Материалы Всероссийской НПК: В 3 ч. Ч. 3. - М.: МФА, 2006. - С. 606 - 611. 2. Углев В.А. Модель оценивания при обучающем адаптивном компьютерном тестировании// Информационно-вычислительные технологии и их 3

Тестовая выборка формируется при помощи механизма случайного выбора в соответствии со структурой теста, включающей базовые и вспомогательные разделы учебной дисциплины, тесно взаимосвязанные с помощью модели курса. Под моделью курса здесь понимается совокупность метазнаний о структуре дисциплины, включая её взаимосвязи с тестовым и практическим материалом, а также особенности его реализации для различных целей обучения. 4 При ОКТ существует разделение на обучающее тестирование, включающее адаптацию и требование на систематическую тренировку, и контрольное, где адаптация в целях стандартизации процесса оценивания не применяется.

184

СПИ-МТ-2008 приложения: Материалы V Междунар. НТК. - Пенза: РИО ПГСХА, 2006. С. 312 - 315. 3. Углев В.А. Предобработка входной информации для базы знаний, реализующей механизм адаптации обучающего тестирования// Информационные технологии в профессиональной деятельности и научной работе: Материалы Всероссийской НПК с международным участием. – Йошкар-Ола: Марийский государственный технический университет, 2007. – С. 9 - 13. 4. Углев В.А. Методы нечёткой логики при уточнении результатов тестирования// Молодёжь и наука: начало XXI века: Материалы Всероссийской НТК студентов, аспирантов и молодых учёных: В 3 ч. Ч. 1. - Красноярск: ИПЦ КГТУ, 2006. - С. 301 - 304. 5. Гаврилова, Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2001. – 384 с. 6. Углев В.А. Подход к интеграции модульных экспертных систем с пользовательскими приложениями на примере создания проекта для адаптивного тестирования// Современные техника и технологии: Матер. XIII Междунар. науч. конф. В 3 т. Т. 2. - Томск: ТПУ, 2007. - С. 454 - 456. Филимонова О.В. ТЕЛЕКОММУНИКАЦИОННЫЕ ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ КАК ЭФФЕКТИВНОЕ СРЕДСТВО ПОВЫШЕНИЯ КАЧЕСТВА ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ СТУДЕНТОВ ТЕХНИЧЕСКОГО ВУЗА [email protected] Повышение качества высшего профессионального образования безусловно определяется использованием новых активных методов обучения. Активное обучение требует вовлечения студентов в образовательный процесс. При этом студент должен обязательно действовать и в процессе этой деятельности - открывать, обрабатывать и использовать получаемые знания. Широкое применение телекоммуникационных технологий способно резко повысить эффективность активных методов обучения для всех форм организации учебного процесса: на этапе самостоятельной подготовки студентов, на лекциях, а так же на лабораторных и практических занятиях. Уровень развития современных средств вычислительной техники позволил изменить характер использования информационных технологий в образовании. Повышение выразительных возможностей компьютеров в представлении учебной информации дало возможность создавать образовательные мультимедиа системы, а повсеместное распространение сетевых технологий обеспечило практическое внедрение систем совместного обучения и комплексов дистанционного образования. В настоящее время в разработке электронных учебных материалов существует некоторый конфликт между способами представления материала и идеями современных теорий обучения. Большинство элек185

СПИ-МТ-2008 тронных учебных материалов до сих пор создаются в виде статических гипертекстовых документов, в которые иногда включаются Flash-анимации. В то же время, современными исследованиями установлено, что образовательный процесс становится более эффективным при использовании интерактивных, мультимедиа насыщенных образовательных ресурсов, обеспечивающих активные методы обучения. Сущность этого конфликта может быть частично объяснена тем фактом, что процесс создания образовательного гипертекста достаточно дешев и прост. Напротив, проектирование и реализация информационной образовательной среды для активного обучения является сложной задачей, требующей больших временных и финансовых затрат. Между тем, все больше данных говорит о том, что простые электронные формы представления учебного материала при обучении не эффективны [1]. Кроме того, в [2] указывается, что учащиеся «поколения видеоигр» ориентированы на восприятие высоко-интерактивной, мультимедиа насыщенной обучающей среды. Упомянутым выше требованиям наилучшим образом соответствуют образовательные программы, моделирующие объекты и процессы реального мира, и системы виртуальной реальности. Соответственно, подобные мультимедиа системы, которые могут быть использованы для поддержки процесса активного обучения, привлекают, в последнее время, повышенное внимание. Примером, таких обучающих систем являются виртуальные лаборатории, которые могут моделировать поведение объектов реального мира в телекоммуникационной образовательной среде и помогают студентам овладевать новыми знаниями и практическими умениями в технических дисциплинах, таких как электротехника, электроника и электромеханика. Главные преимущества электронной формы представления учебной информации для аудиторной и самостоятельной работы студентов - компактность, большие выразительные способности в представлении учебного материала (видео, звук, динамические изображения), интерактивность, низкая стоимость. Все это способствует созданию и активному использованию образовательных мультимедиа CD курсов и учебных ресурсов в Internet. Для преподавателя при этом, безусловно, удобна возможность быстрого внесение исправлений и добавлений в учебный материал, а так же появление новых способов доставки информации студентам - через специальные архивы на серверах, посредством электронной почты и образовательных WEB - страниц, а так же в виде библиотек компакт-дисков. Важным преимуществом интерактивных учебных курсов является возможность организации самотестирования студентами знаний, полученных в ходе самостоятельного изучения (особенно для студентов заочной и дистанционной форм обучения). Лабораторией информационных образовательных систем совместно с преподавателями кафедры "ЭИПО” СамГТУ, в рамках научно-технической программы "Мультимедиа в образовании", разработан мультимедийный курс на CD "Электротехника и основы электроники". Важность создания данного CD-курса определяется тем, что представляемый теоретический и экспериментальный учебный ма186

СПИ-МТ-2008 териал, охватывающий вопросы теории линейных электрических цепей, технологию электромонтажных работ, основы электроники, электромеханику и системы электроснабжения и РЗА, относится к основным общетехническим дисциплинам и представляет собой фундамент для подготовки квалифицированных инженеров-электриков, технологов, нефтяников и т.д. Структура и содержание CD-курса "Электротехника и основы электроники" позволяет использовать его как при самостоятельном обучении студентов на индивидуальном рабочем месте, так и в качестве презентационного материала для проведения мультимедиа лекций в специально оборудованных аудиториях. Использование мультимедиа технологий при изложении курса "Электротехника и основы электроники" предоставляет преподавателю совершенно новые методические средства. Сложные теоретические вопросы, требующие активизации у обучаемых пространственного и динамического мышления, становятся значительно более доступны и понятны после визуализации их на основе анимационных технологий. Активные методики обучения предполагают изменение характера лекционных и лабораторных занятий. Лектор, располагая ограниченным объемом времени, излагает основные понятия курса и дает направляющие указания и разъяснения студентам по содержанию самостоятельно изученного материала. В этих условиях, для повышения качества и эффективности профессионального образования возрастает значение мультимедийных анимационных имитаторов, предназначенных для имитации изменения состояний физического оборудования (приборов, устройств) при различных условиях, создавая иллюзию действий с физической аппаратурой. Основной их особенностью является максимально полное воспроизведение внешнего вида физических устройств (передних панелей, шкал, стрелок и других элементов показывающих и регистрирующих приборов) и элементов управления ими (кнопок, тумблеров, переключателей), а также движения отдельных элементов в соответствии с воздействиями пользователя на основе создания анимационных объектов и сложных сцен. Студент получает возможность подробно рассмотреть техническое устройство, ознакомиться с его деталями, а также выполнить ограниченный набор действий, связанных с подключением или настройкой прибора и электротехнического оборудования, например, осциллограф или мультиметр в виртуальной электротехнической лаборатории. В учебном курсе “Электротехника и основы электроники”, где образовательная информация содержит большое количество текстов, использование электронного представления информации позволяет лучше структурировать учебные материалы с целью предоставления студентам альтернативных путей его изучения, в зависимости от начальной подготовки. Кроме того, имеется возможность организации быстрого и эффективного поиска нужных сведений в огромных массивах информации. Традиционно на лекционных занятиях используются такие наглядные средства обучения, как доска и мел, плакаты и схемы, слайды. Эти средства помогали в визуализации информации и в определенной степени повышали качество обучения. 187

СПИ-МТ-2008 Однако подобные формы иллюстративной информации имеют существенные ограничения, так как не способны обеспечить ее восприятие одновременно большим числом студентов. Кроме того, представление такой информации статично и не воспроизводит динамики процесса, столь свойственных большинству технических дисциплин. Использование цифровых видеопроекторов высокого разрешения, подключенных к компьютеру, позволяет перейти от традиционной технологии, к новой интегрированной образовательной среде, включающей все возможности электронного представления информации. Преподаватель в мультимедиа лекционной аудитории получает вместо доски и мела мощный инструментарий для представления информации в разнородной форме (текст, графика, анимация, звук, цифровое видео). В таких системах лектор сам определяет последовательность и формы изложения материала. Мультимедиа лекции в системе высшего профессионального образования можно использовать для преподавания практически всех курсов. Качество и степень освоения учебного материала, как показывает практика, существенно возрастают. Помимо обеспечения богатой образовательной среды, здесь сказывается и то, что преподаватель, сократив время на воспроизведение информации, получает существенно больше времени на объяснение материала. Создание телекоммуникационных образовательных сред для активного обучения студентов, является неотъемлемой частью стратегии модернизации и повышения качества подготовки специалистов в системе высшего профессионального образования. Программное обеспечение для таких продуктов, прежде всего для виртуальных лабораторий, основано на моделировании и использовании насыщенных мультимедиа содержанием объектов. Техническая сложность и значительная стоимость таких проектов является основным препятствием на пути широкого распространения виртуальных обучающих сред. Однако, как показывает практика, именно такие телекоммуникационные образовательные технологии являются на данный момент самым эффективным средством повышения качества профессиональной подготовки студентов технических вузов. Список использованных источников 1. Theory and Practice of Online Learning/ Anderson T., Elloumi F. (eds.), Athabasca University, 2004. 2. Prensky M., Digital Game-Base Learning, McGraw-Hill, 2000. Фишин В.А. ИССЛЕДОВАНИЕ АРХИТЕКТУРЫ ЛВС ДОМЕННОЙ СТРУКТУРЫ НА ПЛАТФОРМЕ WINDOWS С ИСПОЛЬЗОВАНИЕМ УТИЛИТ КОМАНДНОЙ СТРОКИ [email protected] Современные локальные вычислительные сети различных организаций строятся в основном на преобладающих на рынке продуктах фирмы 188

СПИ-МТ-2008 Microsoft, например операционных систем семейства Windows. Для управления ресурсами в таких сетях используется система административного управления Active Directory. Для получения информации о состоянии ресурсов сети (файловых хранилищах, принтеров) и о пользователях различных сетевых служб (электронной почты, баз данных) в Active Directory предусмотрено штатное средство, которое выдает результаты поиска в графическом режиме. Однако применять данное средство не рационально по двум причинам: во-первых, его могут использовать только пользователи с административными правами, во-вторых, не вся информация храниться в базе данных Active Directory, а следовательно нельзя воссоздать архитектуру ЛВС. Для решения вышеназванных проблем предлагается использовать утилиты командной строки, которые Microsoft сама поставляет совместно с Active Directory (AD) или в виде пакетов расширений (например, Support Tools). Далее рассматриваются утилиты, которые были найдены и отобраны в ходе исследования. К первой утилите командной строки отнесена по ее значимости ldifde. С помощью этой утилиты можно получить данные о пользователях подключенных к сети, дате создания и изменения их учетных записей, установленных политиках безопасности, сервисах развернутых на сервере AD и о настройках DNS сервера, то есть о корневых ссылках и серверах пересылки. Так же если доменная структура содержит несколько контроллеров домена можно получить информацию об их количестве и значимости. Второй утилитой является dsquery. В отличие от первой она работает не только с базами контроллеров доменов, но и с компьютерами и сетевыми ресурсами сети. С помощью нее можно получить информацию с контроллеров доменов: о пользователях работающих в сети, рабочих группах, именах компьютеров и серверов в доменной структуре ЛВС. Кроме этого утилита позволяет узнать о существующих записях пользователей, работающих на конкретной ЭВМ в сети, а так же какие из них включены и выключены и время их отключения. Dsquery имеет возможность обрабатывать запросы к удаленным доменам, путем записи дополнительных параметров, что позволяет получать данные при функционировании распределенной ЛВС, поэтому делает ее универсальной. Третьей утилитой командной строки является Srvinfo. С помощью нее можно получит информацию о контроллерах доменов, содержащую имя контроллера домена, операционную систему установленную на нем и ее версию, функционирующие леса и поддомены, имя владельца и организации, идентификатор продукта, наличие свободного места на жестких дисках и службах запущенных на данном сервере. С помощью полученной информации об именах компьютеров и контроллерах доменов можно узнать их IP адреса с использованием команды ping (если только не блокирован межсетевым экраном протокол ICMP). На основе всей полученной информации с помощью утилит командной 189

СПИ-МТ-2008 строки можно получить в итоге полные данные об организации и функционировании ЛВС на основе доменной структуры, т.е. получить данные об архитектуре ЛВС. Христенко Д.В. ОСОБЕННОСТИ АЛГОРИТМА РАБОТЫ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ РАЗРАБОТКИ И ПОСТРОЕНИЯ ЭКСПЕРИМЕНТАЛЬНЫХ СТЕНДОВ [email protected] При осуществлении моделирования в рамках административного управления корпоративных АСУП возникает задача построения экспериментальных стендов. Для управления созданиtv экспериментальных стендов на основе имеющихся ресурсов применяется АСУ представляющие собой специализированное программное обеспечение разработки и построения стендов. Алгоритм работы этого программного обеспечения разработки и построения стендов для проведения натурных и полунатурных испытаний содержит следующие этапы: - передача формализованной заявки на разработку стенда с соответствующими требованиями к нему в модуль разработки и построения стендов для проведения натурных и полунатурных экспериментов; - выбор общей методики разработки и построения испытательного стенда на основе данных об исследуемой системе, частной методики проведения эксперимента; - разработка структуры стенда, его функциональных характеристик на основе общей методики разработки и построения испытательного стенда, ограничений на ресурсы аппаратных устройств и программных средств (измерительные устройства и программы), особенностей разработанных натурных и полунатурных моделей; - формирование заявки на приобретение необходимых ресурсов (программных средств и аппаратных устройств) при отсутствии, либо на изменение исходных данных для построения испытательного стенда; - создание испытательного стенда из имеющихся ресурсов; - предоставление пользователю ПО и готового испытательного стенда для дальнейшего использования. При удовлетворении всех требований заказчика разработка испытательного стенда прекращается. Все данные о созданном испытательном стенде поступают в базу данных разработанных испытательных стендов: - описание испытательного стенда; - проект испытательного стенда; - частная методика разработки испытательного стенда. 190

СПИ-МТ-2008 Применение разработанного алгоритма позволяет повысить эффективность процесса разработки и построения стенда. Эпштейн Е.Е. ПРОБЛЕМЫ ВНЕДРЕНИЯ И ПРИМЕНЕНИЯ ЭЛЕКТРОННЫХ УЧЕБНЫХ ПОСОБИЙ В СИСТЕМАХ ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ РОССИЙСКИХ ВУЗОВ [email protected] В России уже сложилась практика внедрения и использования информационных систем дистанционного образования (ДО) с эффективным применением зарубежного опыта в данной области. В данной связи следует отметить, что будущее ДО в сфере высшего образования в Российской Федерации связано не только с внедрением и использованием новых информационных технологий (ИТ), но и с вопросом о том, как будет обеспечиваться доступ к знаниям и информации в информационных системах ДО. В данном докладе рассмотрены ключевые проблемы внедрения и применения электронных учебных пособий в системах дистанционного образования (ДО) российских вузов. Развитие ИТ существенным образом уменьшило роль географического пространства как одного из основных препятствий для получения качественного высшего образования. При возможности выхода в глобальную сеть Интернет, электронные учебные пособия стали легкодоступными, их можно просматривать и получать консультации по их изучению, физически находясь на удаленном расстоянии от библиотеки и преподавателей вуза. Таким образом, внедрение и использование электронных учебных пособий способствует процессу диверсификации контингента студентов вузов и является эффективным средством повышения качества получаемых студентами знаний, а также образовательного уровня выпускников системы ДО вузов. Однако процесс внедрения и применения электронных учебных пособий приводит не только к указанным позитивным аспектам, но и выявляет многочисленные проблемы, которые будут рассмотрены далее. Анализируя и синтезируя опыт применения различных моделей внедрения и применения электронных учебников для систем ДО, следует выделить следующие основные проблемы, стоящие перед российскими вузами: 1. Как правило, учебники, в том числе и электронные, не успевают за развитием науки в целом и её специализированных дисциплин. И поэтому студенты с первых дней своего обучения в вузе должны отказаться от стереотипа исключительно полагаться на одно определенное электронное учебное или справочное пособие. Во время обучения в вузе каждому студенту предстоит освоить работу с многочисленными электронными словарями и энциклопедиями, электронными журналами и информационными сайтами, выискивать с помощью поисковых систем информацию; а также сопостав191

СПИ-МТ-2008 лять и анализировать аргументы, мнения и суждения, высказанные авторами различных научных работ, размещенных в сети Интернет. Все эти новые требования обуславливают знание и умение студентов ориентироваться в сети Интернет, а также необходимость приобретения навыков работы с текстовой информацией. Однако указанными навыками обладают лишь немногие студенты-первокурсники. Поэтому, используя электронные учебники и организуя обучение на их основе, а также предоставляя студентам наставления и руководство для самостоятельного поиска дополнительной информации в сети Интернет, преподавателям следует помнить о влиянии на процесс ДО экологических, антропологических, социо-культурных и социо-экономических факторов, а также факторов микросреды, например, семейного и ближайшего бытовое окружение, внутреннего состояния самого студента. 2. Нельзя не согласиться с утверждением Э.Г. Соузы, согласно которому «вуз является уникальной образовательной исследовательской структурой, представляющей собой сообщество ученых и выполняющей функцию форума»[1]. В данном контексте следует отметить, что интеграция различных информационных систем ДО, создание и сопровождение информационных систем междисциплинарных модулей, а также программ поддержки и информационного обеспечения виртуального социума вуза и межвузовских сообществ, содействуют усилению межвузовского сотрудничества и академической мобильности в области разработок, внедрения и использования электронных учебников. Таким образом, международное сотрудничество профессорско-преподавательского персонала в данной области усиливает процесс конвергенции и сближения идей, моделей и практики разработок и внедрения электронных учебников для информационных систем ДО. Однако, кроме указанных позитивных результатов, данные процессы приводят также к негативным последствиям: происходит унитаризация электронных учебных пособий, электронные учебники становятся однообразными и лишенными творческого потенциала. Поэтому следует принимать различные меры для того, чтобы международное сотрудничество в области разработки и внедрения электронных учебников для ДО не приняло форму простой передачи учебных планов и программ, методов и техники иного происхождения, а состояло бы в стимулировании развития новаторских идей, приспособленных к конкретным условиям российских вузов. Также следует отметить, что в России весьма часто нарушаются авторские права на электронные учебные пособия, а существующие юридические меры и технологические средства защиты авторских прав, коммерческой или интеллектуальной собственности запаздывают за развитием ИТ в данной области. 3. В силу того, что преподаватель дистанционных курсов все больше превращается в советчика, наставника, руководителя обучения, его прежняя роль в качестве лектора и распространителя информации перепоручается ИТ. Таким образом, развитие ИТ в области ДО приводит к виртуализации и «обезличиванию» («деперсонификации») профессорско-преподавательского 192

СПИ-МТ-2008 состава в сознании удаленных студентов-пользователей информационных образовательных систем. Поэтому радикальные лозунги о замене лекторапреподавателя средствами ИТ весьма деструктивны, ибо они обедняют, выхолащивают, низводят до ряда примитивных функций сам процесс ДО вузов. Более того, осмелюсь утверждать, что успех ДО определяется личностными характеристиками преподавателей, внедряющими и осуществляющими удаленное обучение на основе электронных учебных пособий. Соответственно, цель внедрения ИТ в ДО состоит в том, чтобы обеспечить успешное педагогическое сопровождение электронных учебников, а не в том, чтобы содействовать развитию ИТ за счет экономии средств на профессорскопреподавательском составе в системе ДО вузов. 4. Среди проблем, связанных с внедрением и применением электронных учебников, следует отметить недостаточный уровень подготовки и переподготовки преподавателей для эффективного использования ИТ в системе ДО российских вузов. Лишь в немногих российских вузах существуют и открываются курсы повышения квалификации для преподавателей и инструкторов, посвященные разработке новых мультимедиа-курсов и учебных пособий по различным обществоведческим и гуманитарным дисциплинам. Поэтому при разработке и внедрении электронных учебных пособий для улучшения эффективности системы ДО необходимо уделять особое внимание инициативам, связанным с подготовкой преподавателей и инструкторов. 5. Сегодня процесс информатизации высшего образования обуславливает установление долгосрочного сотрудничества высших учебных заведений с бизнес партнерами и предпринимателями в сфере проектирования и внедрения электронных учебников для информационных систем ДО[2]. Особо следует выделить необходимость широкого сотрудничества для эффективного внедрения и использования новейших коммуникационных и информационных технологий в разработке электронных учебников в ДО, что предполагает более интенсивное сотрудничество российских вузов с изготовителями как оборудования, так и программ. Важно, чтобы мнения педагогов и специалистов в области проектирования и использования электронных учебников были услышаны этими компаниями, но для этого необходимо создание ассоциации или организации, которая бы служила каналом передачи таких мнений для взаимовыгодного сотрудничества 6. Российские вузы вынуждены перерабатывать учебную программу в целях предоставления студентам необходимых навыков и знаний, связанных с информационными технологиями и работой с электронными учебниками. Использование новых возможностей ИТ в процессе создания и внедрения электронных учебников обуславливает необходимость разработки не только новой стратегии учебного плана, но и стратегии для осуществления преобразований на уровне вуза. Однако лишь немногие российские вузы готовы произвести необходимые системные изменения и инвестировать необходимые средства для внедрения и применения электронных учебных пособий в об193

СПИ-МТ-2008 ласти ДО. Поэтому ключевую роль в процессе создания и внедрения электронных учебных пособий в системе интегрированного дистанционного обучения (ДО) вузов должна играть не только администрация высших образовательных учреждений, но и федеральные, региональные и местные органы исполнительной власти, особенно их законотворческие инициативы по обеспечению развития и увеличения финансирования информационных программ интегрированного ДО. Именно в этом направлении должна осуществляться политика государственных федеральных ведомств и региональных властей в области внедрения информационных разработок в систему ДО в высшем образовании. Рассмотрев основные проблемы внедрения и применения электронных учебных пособий в системах ДО российских вузов, следует отметить, что развитие элементов информационных систем ДО вузов должно осуществляться для долгосрочных потребностей высшего образования и общества. Информатизация высшего образования следует за информатизацией общества и обуславливает проведения системной образовательной политики. Создание и внедрение электронных учебников для систем ДО российских вузов станет одним из процессов, способствующих адаптации российского высшего образования к социальным изменениям постиндустриального, информационного общества и интеграции системы ДО российских вузов в мировую образовательную среду. Следует также отметить, что разработка и применение электронных учебных пособий способствует реформированию российской системы ДО вузов, а также совершенствованию российского законодательства с учетом сложившихся мировых стандартов в отношении использования ИТ. Список использованных источников 1. Соуза Э.Г. Университет ООН: глобальная миссия // Перспективы: вопросы образования. – Париж: ЮНЕСКО, 1990. – №3. – С. 8. 2. Колин К.К. Информатика в системе опережающего образования // Доклад на II-м Международном конгрессе ЮНЕСКО "Образование и информатика". – М., 1996. – С. 19.

194

СПИ-МТ-2008

4. Моделирование сложных систем и технологических процессов Eфимов Ю.Л. РАЗРАБОТКА РАСПРЕДЕЛЕННОЙ СИСТЕМЫ МОДЕЛИРОВАНИЯ СИСТЕМЫ АРХИВИРОВАНИЯ ИНФОРМАЦИОННОВЫЧИСЛИТЕЛЬНОЙ СЕТИ [email protected] Одним из элементов корпоративной информационной вычислительной сети является система архивирования данных. Функционирования данной системы обеспечивает процесс оперативного доступа пользователя к наработанной им информации, находящейся в долгом хранении. При создании архива данных администраторам приходиться решать сложные задачи в короткие сроки. К ним можно отнести: - выбор оптимального процесса сжатия данных; - определение структуры построения архива, выставления точек ориентации для возможности автоматизации процесса заполнения архива; - организация обращение к архивированным данным, постановка правил фильтрации; - реализация подсистем анализа и минимизации архивных данных. Для возможности эффективной поддержки систем архивирования в ходе их функционирования могут применяться распределенные системы моделирования (РСМ). Такие системы включают рабочие места пользователей, локальные сети (например, на основе технологии IEEE 802.11) с доступом к сети Internet, файловый сервер, сервер базы спецификации, рабочее место администратора. При обращении к РСМ (файловому серверу) пользователи получают информацию о методиках построения и моделирования систем хранения. Для обновления информации на файловом сервере, администратор осуществляет доступ к сети Internet. При необходимости пользователи могут воспользоваться уже имеющиеся готовыми моделями систем архивирования. Эти модели хранятся на сервере баз спецификаций. Данный сервер автоматически (автоматизировано) обновляет свои базы из сети Internet. Для контроля работоспособности администратор периодически осуществляет анализ обновленных баз и по определенным критериям осуществляет их фильтрацию. Для исключения опасности перезагрузки серверов входными потоками запросов администратор проводит мониторинг сети и распределяет ресурсы предоставляемые пользователям в зависимости от их требований. Для предотвращения потери данных, на ПЭВМ администратора имеется собственное хранилище данных, на основе которого организуется резервное копирование данных РСМ.

195

СПИ-МТ-2008 Адигамов А.Э. ФИЛЬТРАЦИЯ СЛУЧАЙНОГО ПРОЦЕССА НА ВЕРОЯТНОСТНОМ ПРОСТРАНСТВЕ И ЕЁ КРИТЕРИИ [email protected] Задача фильтрации случайного стандартного процесса состоит в том, что на некотором вероятностном пространстве (W, F, P ) с потоком s - алгебр определяется частично наблюдаемый двумерный процесс ( X , Z ) , где X = ( X t , t ³ 0 ) - наблюдаемая компонента, а Z = (Z t , t ³ 0 ) - ненаблюдаемая. Требуется найти удобное представление для соответствующей оценки текущего состояния q t = ht (Z ) ненаблюдаемого процесса q = (q t , t ³ 0 ) , основываясь на наблюдениях процесса X вплоть до момента времени t . Пусть X ,q - совместно распределенные случайные величины с конечными вторыми моментами, где X наблюдается, а q не наблюдается. Уравнение g ( X ,q ) = 0 - это уравнение для оценки реализованной величины q . Функция g ( X ,q ) называется функцией оценивания. В классе G несмещенных функций оценивания, удовлетворяющих условию Eg = 0 и соответствующим условиям регулярности, она называется оптимальной, если она 2 минимизирует E [g / E (¶g / ¶q )] по всем g Î G . Таким образом, функция оценивания, оптимальная в этом смысле, имеет минимальную дисперсию при фиксированной чувствительности E [¶g / ¶q ] . В случае большой выборки минимизируемое выражение является аппроксимацией дисперсии получаемой оценки величины q . Достаточное условие оптимальности функции g ( X ,q ) в классе G несмещенных функций имеет вид: E [g ] = KE [¶g / ¶q ], где K - некоторая константа. Данное условие является необходимым для всех g Î G . Известно, что в широком классе несмещенных функций оценивания при известном совместном распределении X ,q оптимальная функция оценивания имеет вид ¶ log fq X (q x )/ ¶q и дает в качестве оценки величины q апостериорную моду при X = x . Можно показать, что если класс функций оценивания сужается до функций вида g ( X ,q ) = t ( X ) - q , где E (t ( X ) - q ) = 0 , то оптимальная функция оценивания имеет вид g ( X ,q ) = E (q | X ) - q и оценкой является апостериорное среднее величины q , при заданном X . 196

СПИ-МТ-2008 Заметим, что это среднее совпадает с апостериорной модой, когда апостериорное распределение симметрично и унимодально. Пусть класс функций оценивания ограничен до функций вида g ( X ,q ) = q - a - CX , где Eg = 0 или, что эквивалентно, g ( X ,q ) = q - E (q ) - C ( X - E ( X )) . Так как ¶g / ¶q = 1 , то критерий оптимальности приведёт к минимальной среднеквадратичной ошибке. Пусть X ,q - случайные величины с конечными моментами mq = E (q ) , mx = E ( X ) , Dqq = Cov(q ,q ) , DqX = Cov ( X ,q ) , DXX = Cov( X , X ) и G = [g | g = (q - mq ) - C ( X - m X )] для некоторой константы C . Тогда оптимальная функция оценивания величины q имеет вид: -1 g * = q - mq - DqX DXX ( X - mX ) , а оптимальная оценка -1 q * = mq + DqX DXX ( X - mX ) . Если совместное распределение ( X ,q ) нормально, то условное матема-

тическое ожидание q * = E (q / X ) является оптимальной оценкой величины q в среднем квадратическом. Если класс совместных распределений величин X ,q достаточно широк и известны только средние mq и m X , то функции g из G являются единственными несмещёнными функциями оценивания величины q . Алексейчик М.И. ОБ АВТОКОРРЕЛЯЦИОННОЙ ФУНКЦИИ НЕПРЕРЫВНЫХ ПРОЦЕССОВ [email protected] Через X обозначим линейное пространство комплексных функций x(t ) вещественного переменного t , ограниченных и равномерно непрерывных на (-¥, ¥) . Пространство X , наделенное равномерной нормой, является банаховым. Это банахово пространство снабженное естественной операцией умножения, является нормированным кольцом. Ясно, что Y Ì X , где Y – банахово кольцо, образованное почти периодическими (по Бору) функциями. Фиксировав x Î X , примем 1 rT ( s ) = 2T

T

1 ~ ò x(t ) x(t - s)dt , xT (w ) =

-T

2T

T

òe

- iw t

x(t )dt .

(1)

-T

Если x Î Y , то при T ® ¥ величины (1) имеют вполне определенные пределы, трактуемые соответственно как автокорреляция процесса x = x(t ) и как его преобразование Фурье-Бора. В рассматриваемом же нами общем случае указанные пределы могут и не существовать. Справедлива, однако, 197

СПИ-МТ-2008 Теорема 1. Из каждой произвольно фиксированной последовательности Tn ® ¥ можно извлечь подпоследовательность Tn¢ и её подпоследовательность Tn¢¢ таким образом, чтобы 1) предел lim rT ¢ ( s) º r (s ) существовал для всех s Î ( -¥, ¥) , а функция r (s) n ®¥

n

была равномерно непрерывной на (-¥, ¥) ; 2) предел lim ~xT ¢ (w ) существовал для почти всех w Î (-¥, ¥) ; n ®¥

n

n ®¥

n

3) предел lim ~xT ¢¢ (w ) º ~x (w ) существовал для всех w Î (-¥, ¥) ; 1 4) предел lim S ® ¥ 2S

S

òe

- iws

r ( s )ds º ~ r (w ) существовал для всех w Î (-¥, ¥) .

-S

Указанные в теореме 1 функции r (s) , ~r (w ) , ~x (w ) обладают следующими свойствами. Теорема 2. Функция ~r (w ) принимает только вещественные, притом неотрицательные, значения; множество s (r ) = {w Î (-¥, ¥) : ~r (w ) ¹ 0} не более чем счетно. Теорема 3. ~r (w ) ³| ~x (w ) |2 "w Î (-¥, ¥) . Следствие 1. Множество s ( x ) = {w Î (-¥, ¥) : ~x (w ) ¹ 0} не более чем счетно. Следствие 2. s ( x ) Ì s (r ) . Теорема 4. Функция r (s) допускает следующее спектральное представ¥

ление r ( s) = ò eils m (dl ) , -¥

где m – вещественная неотрицательная ограниченная мера. Следствие 3. r (0) ³| r (s ) | "s Î (-¥, ¥) . Теорема 5. Имеет место соотношение || x ||2 = r (0) = m (-¥, ¥) ³ å ~ r (w ) ³ å | ~ x (w ) |2 , T¢

где через || x ||2 обозначен предел lim n ®¥

1 n | x(t ) |2 dt . ò 2Tn¢ -Tn¢

Рассмотрим отдельно случай вещественных процессов x(t ) . В этом случае на пространствах X и Y можно ввести естественный частичный порядок. Легко видеть, что топологическая и алгебраическая структуры пространств X и Y оказываются согласованными с их порядковой структурой (что, в частности, позволяет X и Y трактовать как векторные решетки). Алексейчик С.В. К ЗАДАЧЕ О ПАРАЛЛЕЛЬНОМ РАСПИСАНИИ [email protected] Рассмотрим задачу о существовании расписания (ЗР) {t i }iN=1 ( t i Î Z + ) в сети G (U ,V ) с временем выполнения проекта T и ресурсном ограничении (1) å ri c (t , ti , t i ) £ R(t ) "t = 0,1,...,T - 1 , i

198

СПИ-МТ-2008 где t i – время выполнения узлов i = 1,..., N =| V | , ri – интенсивность потребления ресурса; функция c (t , ti , t i ) = 1 "t Î [ t i , t i + t i ) , иначе 0 . Пусть j[ia , b ) = min å c (t , t i , t i ) , где t iE и t iL (T ) – наиболее ранние и t i Î[ t iE ,t iL ]

tÎ[a , b ) Ç Z +

поздние сроки. Известно, что для существования расписания необходимо "[a , b ] Í [0, T ] å rij [ia , b ) £ å R(t ) . (2) tÎ[a , b ) Ç Z +

i

Далее эти условия улучшены следующим образом. Пусть W - объединение произвольно выбранных непересекающихся целочисленных интервалов вида [a , b ) Í [0, T ) , а j Wi = min å c (t , t i , t i ) . ti Î[ t iE ,t iL ]

tÎW

Предложены необходимые условия (3) и ЗЛП (6)-(9)

ìå rij Wi £ å R(t ) ï i tÎW "W . í i ïå rij[ 0 ,T ) \ W £ å R(t ) - å R(t ) tÎ[ 0 ,T ) tÎW î i t i = å lip t ip , i = 1, 2, ..., N , p = p(i) = 0,1, ..., t iL - t iE , t ip = t iE + p(i)

(3) (6)

p

, lip ³ 0

1 = å l ip p

"p , "i

(7)

ti + t i £ t j "(i, j ) ÎU

år ål i

i

p i

c (t , t , t i ) £ R(t ) t = 0,1, ..., T - 1 . p i

(8) (9)

p

Утверждение 1. Условия (3) имеют свойства: (а) ЗР имеет решение Û существует план, допустимый по

årt i

i

-

å R(t ) £ å r å c (t , t , t ) £ å R(t ) i

tÎ[ 0 ,T ) \ W

i

i

tÎW

i

i

(4)

t ÎW

сразу для всего набора W1t = [t , t + 1) "t Î [0,T ) ; (b) для любого фиксированного W выполняется (1) Þ (4) Û Û

årj i

i

årj i

i

i W

i [ 0 ,T ) \ W

£ å R(t )

ü ï . £ å R(t )ýï t Î[ 0 ,T ) \ W þ

(5)

tÎW

Утверждение 2. ЗР имеет решение Þ ЗЛП (6)-(9) имеет хотя бы одно бдр Þ выполняются необходимые условия (5) и (3) для всех возможных W Þ выполняются необходимые условия (2). Артемов А. А. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ НЕЧЕТКОЙ СИСТЕМЫ УПРАВЛЕНИЯ ХТС С НЕОБРАТИМОЙ ЭКЗОТЕРМИЧЕСКОЙ ХИМИЧЕСКОЙ РЕАКЦИЕЙ [email protected] Синтез химико-технологических систем периодических технологий, основанный на анализе накопительной системы является очень распростра199

СПИ-МТ-2008 ненным в промышленном производстве. В последнее время все большее внимание уделяется «нечетким» регуляторам. В работе рассматривается функционирование реактора повышенной сложности на основе нечеткого контроллера, разработанного для простейшего РПД, и производится анализ полученных результатов. Параметры ХТС с необратимой экзотермической химической реакци3 ей: С А0 = 300 моль 3 , С BO = 1500 моль 3 , V0 = 2м 3 , G MAX = G X = 0.02 м с , Q A = 300 K , Q X 0

м м = 383K . Особенностью данного ХТП является выделение в

процессе реакции тепла. Для теплосъема РПД снабжен специальным кожухом. Поток хладагента при этом не зависит от «нечеткого» управления, является статическим и выбирается исходя из требований для температурного режима. Как и в случае простейшего РПД обратная связь формируется по объему реакционной смеси.

Имитационное моделирование показывает отсутствие «аварийной» ситуации по температурному режиму (рис.3) Концентрации исходных реагентов, как и в случае оптимального по быстродействию разомкнутого управления - импульса прямоугольной формы (рис. 4 график 2), стремятся к нулю (рис. 4 график 1), однако время загрузки реагента у «нечеткого» ЗУ немного больше, что является закономерным. Конечный объем жидкости, а также конечная концентрация продукта соответствуют условию качества: С СК =

С B 0 × С А0 = 250 моль 3 ; VK = æç C B 0 + 1ö × V = 12 м 3 . Управляющее воздейC A0 ÷ø 0 м è С B 0 + С А0

ствие изображенное на рисунке 2 не превышает максимально допустимого значения. Таким образом, критериальная стратегия синтеза полностью вы200

СПИ-МТ-2008 полняется. Исследуемый закон управления реагирует на изменение только одной переменной, поэтому утверждать о больших преимуществах по сравнению с управлением по состоянию не приходится. Тем не менее рассматриваемый «нечеткий» ЗУ - универсален, эффективен и не сложен в реализации, т.е. является перспективным для использования в условиях промышленного производства.

Рис. 4. – Фазовый портрет сис-

Список использованных источников темы при «нечетком» (1) и оп1. Артемов А.А. Синтез закона управлетимальном по быстродействию ния технологическим процессом с необрати(2) процессе мой экзотермической химической реакцией// Сб.тр. СПИ-ТТ-2004, «Научная книга», Воронеж, 2004. Бабенко И.В., Сигида Ю.Л. МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ И ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ С ПОМОЩЬЮ СПЕЦИАЛИЗИРОВАННОЙ КОМПЬЮТЕРНОЙ ПРОГРАММЫ «АВТОМАТ» [email protected], [email protected] С развитием техники, особенно в условиях научно-технической революции, человеку приходится решать большое количество задач, связанных с моделированием и созданием систем автоматизированного управления, улучшением качества протекания технологического процесса. Качественный анализ и синтез сложных систем дает возможность минимизировать затраты на производство, увеличить точность и быстродействие процесса производства. Системы автоматического или автоматизированного управления используются повсеместно, поэтому задача создания простого, надежного и максимально функционального микроконтроллера для управления различными автоматическими системами является актуальной. Для этих целей была разработана программа, позволяющая найти конечную память системы управления, выбрать подходящий микроконтроллер. Также данную программу можно использовать в разных областях науки и техники, в том числе в робототехнике, медицине. Алгоритм разработанной программы основан на моделировании устройства как конечного автомата. Для достижения поставленной цели необходимо решить ряд задач: составить входной алфавит (входные воздействия), выходной алфавит (выходные воздействия), пространство состояний, таблица переходов, таблица выходов. На основе введенной информации программа вычисляет всевозможные состояния автомата и выводит результат в фор201

СПИ-МТ-2008 ме таблицы. Далее производится анализ выходных воздействий и определяется конечная память автомата. Отличительной особенностью является простота моделирования объекта системы управления. В качестве примера была решена задача «отец-сын», описывающая поведение отца, когда сын приносит оценку, с помощью моделирования конечного автомата. Путем моделирования различных ситуаций было получено семейство отцов, отличающихся размером памяти. На основе полученных результатов можно сделать вывод о возможности создания большого числа моделей ситуаций в различных сферах деятельности. Барановский Н.В. ПРОГНОСТИЧЕСКАЯ МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ДЛЯ СИСТЕМЫ УСВОЕНИЯ ДАННЫХ ОБ УРОВНЕ АНТРОПОГЕННОЙ НАГРУЗКИ НА ЛЕСОПОКРЫТЫЕ ТЕРРИТОРИИ [email protected] Введение Лесные пожары уничтожают лесной фонд и загрязняют атмосферу продуктами пиролиза и горения лесных горючих материалов (ЛГМ) [1]. Важным звеном профилактических мероприятий по предотвращению негативного влияния лесных пожаров на фитоценозы и населенные пункты является прогноз их возникновения. В настоящее время в мире широко известны и применяются на практике следующие методы: канадская система Canadian Forest Fire Weather Index System [2], американская система National Fire Danger Rating System [3], ряд методов Южной Европы [4], а также российская разработка – критерий Нестерова [5], который сейчас применяется в качестве ГОСТа [6]. Большинство методов учитывают только метеорологические параметры, но лесная пожарная опасность зависит и от грозовой активности и антропогенной нагрузки [7]. Краткий обзор литературы и цель исследования Разработан детерминированно-вероятностный критерий лесной пожарной опасности, который учитывает свойства ЛГМ, метеорологические условия, грозовую активность и антропогенную нагрузку [8]. Свойства ЛГМ и метеорологические условия учитываются в математической модели сушки слоя ЛГМ [9], которая позволяет осуществлять мониторинг лесопожарного созревания ЛГМ. Кроме того, разработана подсистема прогноза лесопожарных возгораний [10], которая базируется на математической модели зажигания слоя ЛГМ нагретой до высоких температур частицей [11]. В настоящее время вероятностные члены, которые отвечают за грозовую активность и антропогенную нагрузку определяются по статистическим данным как частоты событий. Этого не достаточно. Известна модель оценки грозового индекса [12], которая может быть использована для оценки вероятности прохождения грозового фронта над конкретной лесопокрытой территорией. Однако в связи 202

СПИ-МТ-2008 с интенсификацией человеческой деятельности на передний план выходят лесные пожары по антропогенным причинам. Необходима разработка соответствующей математической методики для оценки влияния и уровня антропогенной нагрузки на лесопокрытые территории. В настоящее время принято проводить пространственно-временную обработку данных с привлечением прогностических моделей для описания распределения метеополей во времени и пространстве [13]. Задачу совместного учета данных наблюдений и прогностической модели для наиболее точного описания пространственновременного распределения метеополей называют задачей усвоения данных (в зарубежной литературе data assimilation) [14]. Подготовка полей начальных данных для численного прогноза погоды, который бы подчинялся законом физики и балансным соотношениям, была основной причиной разработки усвоения данных. Цель исследования – разработать прогнозную математическую модель для системы усвоения данных об уровне антропогенной нагрузки на лесопокрытые территории. Детерминированно-вероятностный критерий прогноза лесной пожарной опасности Вероятность возникновения лесных пожаров предлагается оценивать по формуле [8]: P = éë P ( A) P ( A j / A) Pj ( ЛП / A, A j ) + P ( M ) P ( M j / M ) Pj ( ЛП / M , M j ) ùû Pj (C ) , (1) j Здесь Pj – вероятность возникновения лесного пожара для j-го интервала на контролируемой лесной территории; P (A) – вероятность антропогенной нагрузки; P(Aj/A) – вероятность наличия источников огня в j-ый день; Pj(ЛП/A,Aj) -вероятность возникновения пожара вследствие антропогенной нагрузки на территории выдела; P(M) - вероятность возникновения сухих гроз на территории выдела; P(Mj/M) – вероятность наземного грозового разряда; Pj (ЛП/M,Mj) - вероятность возникновения лесного пожара от молнии при условии, что сухие грозы могут иметь место на территории выдела; Pj(С) – вероятность возникновения пожара по метеоусловиям лесопожарного созревания (вероятность того, что слой ЛГМ будет сухой); индекс j соответствует дню пожароопасного сезона. Выбирается следующий сценарий поведения человека в лесу – когда наступает гроза человек стремится покинуть лесную территорию или укрыться, т.е. нет антропогенной нагрузки когда идет гроза (несовместные события). Вероятностные члены определяются через частоту событий [8]: P(Aj/A) »

N ПДН

P(Mj/M) »

N ПН

,

N МЧ , N МС

P(А) »

NА , N ПС

Pj (ЛП/A,Aj) »

NМ , N ПС

Pj (ЛП/М,Mj) »

P (М) »

N ПА , N КП N ПМ , N КП

(2) (3)

где NA –количество дней в пожароопасный сезон, когда имеется антропогенная нагрузка, NПА - количество пожаров от антропогенной нагрузки; NКП 203

СПИ-МТ-2008 общее количество пожаров; NМ - число дней в которые имели место молнии (при сухих грозах); NПС - общее число дней пожароопасного сезона; NПМ - количество пожаров от молний, при сухих грозах, NПДН - число пожаров в конкретный день недели; NПН - общее количество пожаров за неделю; NМЧ - число прошедших наземных грозовых разрядов на конкретный час, начиная с 00.00 часов; NМС - общее число наземных разрядов в сутки. Очевидно, что точность определения вероятностей по формулам (2) - (3) тем больше, чем больше случаев будет рассмотрено для данного лесхоза. Поэтому в лесхозах надо ежегодно регистрировать все параметры пожароопасного сезона NA, NПА, NКП, NМ, NПС, NПМ, NПДН, NПН, NМЧ, NМС. Разработана детерминированно-вероятностная модель второго поколения: Pj = [ P( A) P( Aj / A) P( ЛП / Aj , A) + P( M ) P( M j / M ) P( ЛП / M j , M ) -

- P( A) P( Aj / A) P( M ) P( M j / M ) P( ЛП / Aj , A, M j , M )]Pj (C )

Здесь

использован

P( ЛП / Aj , A, M j , M ) =

дополнительный

,

вероятностный

(4) член

N ПАМ , который отвечает за возникновение лесного пожара N КП

в результате совместного действия антропогенной нагрузки и грозовой активности. Кроме того, предлагается модель интегральной оценки лесной пожарной опасности на контролируемой лесопокрытой территории: n

P( A) = 1 - Õ (1 - P( Ai )) ,

(5)

i =1

где P(A) – вероятность возникновения лесных пожаров на контролируемой лесопокрытой территории, P(Ai) – вероятность возникновения лесных пожаров на территории отдельного лесотаксационного выдела. Усвоение данных об уровне антропогенной нагрузки Конечной целью исследований в области антропогенной нагрузки на лесопокрытые территории должна стать система усвоения данных об уровне антропогенной нагрузки (СУДАН). СУДАН, которая должна осуществлять объективный анализ данных [15], по аналогии с системами усвоения метеорологических данных, может осуществлять этапы анализа и прогноза. Ранее разработана модель компандер-экспандер [16], которая по сути принадлежит к интерполяционному типу процедур анализа данных. Модель компандерэкспандер построена на базе процедур сплайн-интерполяции [17]. В качестве сравнения могут быть приведены системы усвоения данных на базе оптимальной интерполяции [18]. Модель компандер-экспандер осуществляет этап анализа данных и по сути подготавливает начальное распределение параметров, отвечающих за антропогенную нагрузку на лесную территорию. Следующим этапом является пространственно-временной прогноз полей данных параметров. Важное значение имеет вероятность наличия источников огня, которая определяется по первому выражению формул (2). Однако невозможно определить число лесных пожаров по антропогенным причинам в течение 204

СПИ-МТ-2008 всей недели и в конкретный день недели с пространственным разрешением на уровне лесотаксационного выдела. Поэтому в качестве параметра, который будет характеризовать уровень антропогенной нагрузки будем использовать так называемое “виртуальное число лесных пожаров”. Следует ввести сетку, которая покроет лесную территорию, прилегающую к населенному пункту или производственному объекту, находящемуся на лесной территории. Только в отдельных точках лесного массива оно будет совпадать с реальным числом лесных пожаров (определенного интегрально для достаточно большой территории), а в промежуточных точках конкретные численные значения будут получены с помощью модели компандер-экспандер [16]. В итоге будет подготовлено поле параметра, который характеризует антропогенную нагрузку в начальный момент времени. Следующим этапом станет прогноз эволюции данного поля в различные моменты времени. В литературе есть факты, которые позволяют рассмотреть антропогенную нагрузку как детерминированный процесс. Авторы [19] утверждают, что процессы принятия решений и поведения, несмотря на влияние многообразных факторов, не являются случайными, так как всем людям присущи общие реакции на информацию о структуре и качествах пространства, общие механизмы восприятия этой информации для принятия решения. Люди со сходными полями информации проявляют сходные предпочтения мест отдыха, то есть ведут себя в географическом пространстве почти одинаково. Сформулируем следующую модель антропогенной нагрузки: ¶N * 1 ¶ æ ¶N * ö 1 ¶ æ ¶N * ö çç r × A ÷+ çA ÷, = ¶t r ¶r è ¶r ÷ø r 2 ¶j çè ¶j ÷ø

(6)

где N* - виртуальное число лесных пожаров, t – время, r – радиальная координата, j - угловая координата, A – коэффициент, который характеризует скорость распространения источников зажигания и имеет размерность [м2/с]. Данное уравнение решается в некоторой окружности, содержащей прилегающую к населенному пункту лесопокрытую территорию. В начальный момент времени N*(r,j) имеет некоторое фоновое значение. Кроме того, следует добавить граничные условия по координате r. Их вид будет зависеть от конкретной постановки задачи. По координате j следует использовать периодические граничные условия. Для численного решения данной задачи может быть использован метод циклической прогонки [20]. Заключение Таким образом, в настоящей работе предлагается прогнозная математическая модель для СУДАН. В последующих работах будет представлен параметрический анализ данной модели, а также методики определения коэффициента модели A. Использование данной модели в системе прогноза лесной пожарной опасности позволит повысить уровень детализации при учете такого фактора, как антропогенная нагрузка.

205

СПИ-МТ-2008 Список использованных источников 1. Управление лесными пожарами на экорегиональном уровне. Материалы Международного научно-практического семинара (Хабаровск. Россия. 9 – 12 сентября 2003 г.). М.: Изд-во Алекс, 2004. 208 С. 2. Taylor S.W., Alexander M.E. Science, technology and human factors in fire danger rating: the Canadian experience // International Journal of Wildland Fire. 2006. Vol. 15. N 1. P. 121 – 135. 3. Курбатский Н.П., Костырина Т.В. Национальная система расчета пожарной опасности США. // Сб. «Обнаружение и анализ лесных пожаров». Красноярск: ИлиД СО АН СССР, 1977. С. 38 – 90. 4. Viegas D. X., Bovio G., Ferreira A., Nosenzo A., Sol B. Comparative Study of Various Methods of Fire Danger Evaluation in Southern Europe // International Journal of Wildland Fire. 2000. Vol. 9. N 4. P. 235 – 246 5. Нестеров В.Г. Горимость леса и методы ее определения. М.; Л.: Гослесбумиздат, 1949. 76 С. 6. ГОСТ Р 22.1.09-99 “Мониторинг и прогнозирование лесных пожаров. Общие требования” 7. Гришин А.М. Моделирование и прогноз катастроф. Томск: Изд-во Том. ун-та. 2002. 122 С. 8. Барановский Н.В. Математическое моделирование наиболее вероятных сценариев и условий возникновения лесных пожаров. Дисс. … канд. физ.-мат. наук. Томск: Томский государственный университет. 2007. 153 С. 9. Гришин А.М., Барановский Н.В. Сравнительный анализ простых моделей сушки слоя ЛГМ, включая данные экспериментов и натурных наблюдений // Инженерно-физический журнал. 2003. Т. 76. № 5. С. 166 – 169. 10. Кузнецов Г.В., Барановский Н.В. Детерминированновероятностный прогноз лесопожарных возгораний. // Пожаровзрывобезопасность. 2006, Т. 15. № 5, С. 56 – 59. 11. Кузнецов Г.В., Барановский Н.В. Математическое моделирование зажигания слоя лесных горючих материалов нагретой до высоких температур частицей. // Пожаровзрывобезопасность. 2006, Т. 15. № 4, С. 42 – 46. 12. Иванов В.А. Методологические основы классификации лесов Средней Сибири по степени пожарной опасности от гроз. Дисс. … доктора сель.хоз. наук. Красноярск: СибГТУ. 2006. 350 С. 13. Ghil M., Malanotte-Rizzolli P. Data assimilation in meteorology and oceanography // Advances in Geophysics. 1991. Vol. 33. P. 141 – 266. 14. Климова Е.Г. Восстановление метеорологических полей по данным наблюдений. Дисс. … д-ра физ.-мат. наук. Новосибирск: ИВТ СО РАН. 2005. 233 С. 15. Гандин Л.С. Объективный анализ метеорологических полей. Л.: Гидрометеоиздат, 1963. 287 С. 16. Барановский Н.В. Модель компандер-экспандер для системы усвоения данных об уровне антропогенной нагрузки на контролируемой лесо206

СПИ-МТ-2008 покрытой территории. // Современные проблемы информатизации в моделировании и анализе сложных систем: Сб. трудов. Вып. 12 / Под ред. д.т.н., проф. О.Я. Кравца. Воронеж: “Научная книга”, 2007. С. 149 – 152. 17. Бартеньев О.В. Фортран для профессионалов. Математическая библиотека IMSL: Ч. 3. М.: Диалог-МИФИ, 2001. 368 с. 18. Flemming J., Reimer E., Stern R. Data assimilation for CT-Modelling based on optimum interpolation // Preprints of 25th NATO/CCMS International Technical Meeting on Air Pollution Modelling and its Application. Belgium, Louvain-la-Neuve: Catholic University of Louvain. 2001. P. 173 – 1180. 19. Андреев Ю.А., Ларченко Г.Ф. Социально-психологические аспекты рекреационных посещений леса и возникновение пожаров. // Лесные пожары и борьба с ними. М.: ВНИИЛМ, 1987. С. 251-263 20. Самарский А.А., Вабищевич П.Н. Вычислительная теплопередача. М.: Едиториал УРСС, 2003. 784 С. Богданова И.В. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ РЕЗОНАНСНОГО ГАСИТЕЛЯ В СИСТЕМЕ СНИЖЕНИЯ УРОВНЯ ВИБРАЦИИ НА СТЕНДЕ ДИНАМИЧЕСКИХ ИСПЫТАНИЙ ЛОПАСТЕЙ ВЕРТОЛЕТОВ [email protected] Резонансный гаситель представляет собой груза на упруго – диссипативном подвесе, которому передаются колебания от основания стенда динамических испытаний. Выигрыш от применения резонансного гасителя заключается в том, что он переводит трудноустранимые вибрационные колебания в звуковые, для подавления которых существуют эффективные методы. Эффективность гашения тем выше, чем ближе частота колебаний к резонансной частоте гасителя и чем выше добротность гасителя. Математическая модель основания стенда динамических испытаний с резонансным гасителем имеет вид: ìïMx&&1 + Hx&1 + Cx1 + h ( x&1 - x&2 ) + c ( x1 - x2 ) = F í mx&&2 + h ( x&2 - x&1 ) + c ( x2 - x1 ) = 0 ïî где M - масса, H - коэффициент диссипации, C - жесткость основания стенда динамических испытаний; m - масса, h - коэффициент диссипации, c жесткость резонансного гасителя; F - внешняя возбуждающая гармоническая сила; x1 - координата перемещения основания стенда; x2 - координата

перемещения груза резонансного гасителя. В силу линейного характера системы анализ частотных характеристик был проведен с помощью методов теории управления, в частности – анализа АЧХ передаточных функций. Были рассмотрены два случая – когда частота вынужденных колебаний совпадает с резонансной частотой основания стен207

СПИ-МТ-2008 да, и когда резонансная частота основания меньше частоты вынужденных колебаний. Для обоих случаев были построены зависимости величины ослабления от добротности резонансного гасителя. В первом случае для добротности Q=100 было получено расчетное подавление на -43 дБ, что, для измеренных уровней шума и вибрации удовлетворяет требования санитарных норм. Во втором случае подавление менее эффективно, однако в силу ослабляющих свойств высокочастотной части частотной характеристики основания стенда, позволило для добротности Q=100 получить величину ослабления порядка –30 дБ, что также удовлетворяет санитарным нормам. Предложенная математическая модель и метод расчета позволяет без использования сложных и громоздких физических моделей оценить эффективность и действенность мер по борьбе с вибрационными колебаниями стендов динамических испытаний лопастей вертолетов и рассчитать параметры виброгасящих устройств. Васильев Е.М. МЕТАЭВРИСТИЧЕСКИЙ ПОДХОД К РЕШЕНИЮ КОМБИНАТОРНЫХ ЗАДАЧ ОПТИМИЗАЦИИ [email protected] Пути решения комбинаторных задач оптимизации связывают в настоящее время с метаэвристическими алгоритмами, представителем которых является алгоритм моделирования поведения муравьиных колоний [1]. Рассмотрим квадратичную задачу о назначениях в классической постановке [2], в которой Z – общие затраты на обмен ресурсами – могут быть интерпретированы длиной маршрута, соединяющего выбранные элементы ik декартова произведения [номер пункта´номер объекта] в лексикографическом порядке номеров пунктов. Маршруту с меньшим значением Z соответствует более высокая концентрация феромонов F, по которой вычисляется вероятность выбора очередного маршрута агентами-муравьями. Для решения этой задачи предложен и исследован следующий алгоритм. 1. Равновероятным образом выбираются m вариантов маршрутов. 2. Комбинациям ikℓ размещения объектов k в пункты i присваивается текущий весовой коэффициент, аналог концентрации f феромона: f ik ,l = 1 Z l ; l = 1, m; i = 1, n; k = 1, n. m

3. Для каждой комбинации ik вычисляется концентрация Fik = å f ik ,l . l =1

Для комбинаций ik, отсутствующих в выборке m, задаётся нижнее граничное значение концентрации Fmin = a × max f ik , l ; 0 < a < 1. l =1, m

4. Вычисляются вероятности Pik размещения объекта k в пункт i в но208

СПИ-МТ-2008 вом маршруте: Pik = Fik

n

å Fik .

k =1

5. В соответствии с вероятностями Pik генерируется d×m новых маршрутов (d0 переход с полосы на полосу совершается не детерминировано, а с некоторой вероятностью, причем вероятность перехода пропорциональна Dvl ,l ±1 . Коэффициент пропорциональности для перехода на левую полосу выше, чем этот же коэффициент для перехода на правую полосу, так как по правым полосам двигаются обычно более медленные транспортные средства. Каждый шаг моделирования разбивается на два этапа, причем все перемещения автомобилей с одной полосы на другую будут осуществляться только по окончании первого этапа и до начала второго. Сначала рассчитывается виртуальное местоположение всех автомобилей в момент времени t+Δt при следующих предположениях: 1) состояния всех автомобилей в момент времени t известны; 2) если vi(t)<wi, то движение автомобиля предполагается равноускоренным с ускорением ai до достижения скорости wi, после чего оно становится равномерным; 3) если vi(t)=wi, то движение автомобиля предполагается равномерным со скоростью wi. Определение. i –коллизией будем называть тот случай, когда для вирту219

СПИ-МТ-2008 ального местоположения i–го автомобиля xi(t+Δt) и виртуального местоположения движущегося перед ним ki –го автомобиля xk(t+Δt) выполнено неравенство: xk(t+Δt)- xi(t+Δt)< di(t+ Δt). Смысл понятия i–коллизии: i-й автомобиль не может двигаться с желаемой скоростью. Ему мешает впереди идущий автомобиль. Все коллизии должны быть устранены. Это можно сделать либо за счет перехода на соседнюю полосу, либо за счет снижения скорости. Коллизии устраняем, начиная с наибольшей координаты x(t), по следующему алгоритму. 1. Есть свободное место для перехода на соседнюю полосу слева? Да – переходим к 2, нет – переходим к 5. 2. Скорость движения на левой полосе выше? При усреднении учитываются только скорости тех автомобилей левой полосы, координаты которых превышают x(t). Да – переходим к 3, нет – переходим к 5. 3. Подсчитываем вероятность перехода на соседнюю полосу слева и моделируем случайное событие A={переход на соседнюю полосу слева}. Если A произошло – переходим к 4, не произошло – переходим к 5. 4. В состоянии i–го автомобиля заменяем li(t) на li(t)+1, а ki(t) заменяем на номер того автомобиля, который теперь оказался непосредственно перед i–м на полосе li(t)+1. Переходим к 10. 5. Есть свободное место для перехода на соседнюю полосу справа? Да – переходим к 6, нет – переходим к 9. 6. Скорость движения на правой полосе выше? При усреднении учитываются только скорости тех автомобилей правой полосы, координаты которых превышают x(t). Да – переходим к 7, нет – переходим к 9. 7. Подсчитываем вероятность перехода на соседнюю полосу справа и моделируем случайное событие B={переход на соседнюю полосу справа}. Если B произошло – переходим к 8, не произошло – переходим к 9. 8. В состоянии i–го автомобиля заменяем li(t) на li(t)-1, а ki(t )-- на номер того автомобиля, который теперь оказался непосредственно перед i–м на полосе li(t)-1. Переходим к 10. 9. Уменьшаем скорость vi(t+Δt) до такой величины, чтобы выполнялось равенство: xk(t+Δt)- xi(t+Δt)= di(t+ Δt). 10. Коллизия устранена. Теперь приступаем ко второму этапу, исходя из новых (видоизмененных за счет перемещения на соседние полосы) состояний автомобилей. Рассчитываем виртуальные местоположения всех автомобилей в момент времени t+Δt по аналогии с расчетами первого этапа, но при следующем ограничении: если xi(t+Δt) превысило xk(t+Δt)- di(t+ Δt), то расчетную скорость снижаем до такой величины, чтобы выполнялось равенство xk(t+Δt)xi(t+Δt)= di(t+ Δt). Это исключает коллизии и позволяет определить состояния всех автомобилей в момент времени t+Δt, тем самым завершая шаг имитационного моделирования. 220

СПИ-МТ-2008 Построенная модель показывает, как увеличение интенсивности потока автомобилей приводит к снижению скорости потока. На ней можно наблюдать формирование и рассасывание заторов. За счет введения стохастичности в процесс перехода с полосы на полосу удается избежать «эффекта пингпонга», как в классической модели Т.Нагатани [3] с детерминированными переходами, когда при определенных начальных условиях все автомобили, сосредоточенные на первой полосе, совершают одновременные переходы на 2-ю, 3-ю и т.д. полосы до крайней левой, а затем в обратном порядке от крайней левой до крайней правой. Моделирование осуществлено с использованием пакета Matlab. Теперь покажем, как можно учесть наличие на трассе светофоров. Пусть в точках X1,X2,…,Xm расположены светофоры, работающие по детерминированному закону, т.е. нам известно, какой свет в какой момент времени горит. Перед каждым светофором определим зону торможения éë X q - D; X q ùû , где D=D0+c1w+c2w2. Здесь D0 – некоторая константа, w -- максимальная скорость, разрешенная на данном участке трассы. Определение. i–коллизией второго рода будем называть тот случай, когда интервал (xi (t ); xi (t + Dt ) ) пересекается с зоной торможения éë X q - D; X q ùû при некотором q, а t+Δt приходится на время горения красного сигнала q–го светофора. Суть i–коллизии второго рода: i-й автомобиль не может проехать без остановки перед светофором. Устранение i–коллизий второго рода не предполагает перехода с одной полосы на другую. Поэтому все они устраняются на втором этапе шага имитационного моделирования за счет снижения скорости i–го автомобиля до полной остановки перед светофором. Дальнейшее усложнение модели может осуществляться за счет изменения геометрии трассы и приписывания отдельным ее участкам индивидуальных значений параметров, характеризующих динамическое расстояние, занимаемое автомобилями на дороге, и тормозной путь перед светофорами (учет изменения характера покрытия дороги) или ограничивающих максимальную скорость движения. Список использованных источников 1. Ермаков В.В. Микро- и мезоскопическое моделирование многополосного транспортного потока // Математическое моделирование и дифференциальные уравнения Минск: БГУ, 2007. – С.22-24. 2. Иноссе Х,, Танака Т. Управление транспортными потоками. М.:Транспорт, 1983. 3. Nagatani T. J.Phys., Ser.A: Math.Gen., 1993, 26:L781.

221

СПИ-МТ-2008 Каграманян Э.Р. МОДЕЛЬ ВРЕМЕННЫХ ПАРАМЕТРОВ СТАНДАРТНЫХ ЦИФРОВЫХ ЭЛЕМЕНТОВ С УЧЕТОМ NBTI-ЭФФЕКТА [email protected] Хронология развития КМОП-технологии неотъемлемо связана с появлением различных факторов, влияющих на работоспособность и срок службы полупроводниковых интегральных схем (ИС). На нынешнем этапе развития, наряду с эффектом инжекции горячих носителей, одним из доминирующих факторов, ограничивающих срок службы ИС, стал эффект температурной нестабильности при отрицательном смещении - NBTI-эффект. В глубоко субмикронных схемах доля деградации быстродействия, обусловленная NBTIэффектом, довольно существенна, вследствие чего, в отдельных случаях, возможны даже функциональные сбои. NBTI-эффект влияет на увеличение порогового напряжения ( Vth ) p-МОП транзистора в условиях, когда на его затвор подано отрицательное смещение относительно истока: в частности, напряжение затвор-исток равно - Vdd , где Vdd - напряжение питания схемы. Однако, экспериментальным путем подтверждено, что если после нахождения p-МОП транзистора в открытом состоянии, подать на его затвор запирающее напряжение Vdd , то происходит процесс частичного восстановления Vth . Таким образом, с точки зрения NBTI, работа p-МОП транзистора может быть условно разделена на так называемые периоды стресса и восстановления. Кроме того, влияние NBTI на деградацию Vth усиливается с ростом температуры. Так как обусловленный NBTI-эффектом рост Vth , в свою очередь, приводит к деградации задержки распространения и длительности фронта сигнала на выходе схемы, создание аналитической модели зависимости этих параметров стандартных цифровых ячеек от Vth представляет интерес с точки зрения временного анализа. Предложенная в данной работе эвристическая модель задержки и фронта сигнала позволяет проводить временной анализ цифровых схем на логическом уровне с учетом NBTI-эффекта, при этом обеспечивая приемлемо высокую точность результатов в сравнении со SPICE-моделированием. Проведен ряд экспериментов в программе HSPICE для разных типов стандартных КМОП цифровых ячеек, в результате которых получены зависимости временных параметров цифровых ячеек от Vth каждого из p-МОП транзисторов, входящих в их состав. Максимальная погрешность аппроксимации полученных результатов аналитической моделью при этом не превышает 1.8% для задержки и 4.3% для длительности выходного фронта. В SPICE-экспериментах использована PTM-модель (Predictive Technology Model) для технологии 32нм.

222

СПИ-МТ-2008 Калинин С.Ю., Аушев А.А. МЕТОД МОДЕЛИРОВАНИЯ ПРОГРАММНЫХ ОБЪЕКТОВ [email protected] [email protected] Рассматривая историю языков программирования, можно смело утверждать, что основа их развития – модульность и повышение уровня абстракции. Под модульностью здесь понимается вычленение логически связанных частей программы (не обязательно только программного кода) в отдельные единицы, т.е. модули. Сегодня модульность отражается в постулатах объектно-ориентированного программирования (ООП). Данная статья предлагает использовать другой механизм (но вовсе не предлагает отказаться от ООП) для обеспечения модульности и повышения уровня абстракции. Это так называемый метод моделирования программных объектов. Такой подход в ряде случаев обеспечивает существенный выигрыш во времени, которое программист тратит на создание и сопровождение программного объекта. Основная проблема, которую призван решить метод моделирования программных объектов, заключается в следующем. В процессе разработки программные объекты (экранные формы, меню, удалённые представления (remote view), элементы базы данных и т.д.) обрастают повторяющимися элементами, которые изменяются программистом очень редко [1]. В качестве примера таких элементов можно привести повторяющиеся блоки программного кода некоторого объекта, которые не меняются со временем. Если достоверно известно, что в такой код изменения вноситься не будут, то он в некотором смысле является «лишним», загромождает проект и препятствует быстрой и эффективной работе программиста. Метод моделирования программных объектов предлагает построить модель этого объекта, которая по умолчанию будет включать неизменный код. Другими словами, программист получит возможность редактировать объект на более высоком уровне, не заботясь о том коде, который гарантированно не будет меняться. Рассмотрим пример, в котором в качестве программного объекта выступает экранная форма. Часто при разработке элементы управления располагаются на форме не по отдельности, а взаимосвязанными блоками. При этом элементы управления одного блока связаны между собой некоторой программной логикой. В таком случае целесообразно разработать некоторый механизм, который позволит размещать на форме такой блок элементов управления как неделимое целое (то есть с помощью какого-либо одного оператора или тэга). Используя такую систему описания экранных форм, программист сможет не заботиться об элементах управления по отдельности и о программной связи между ними. Следует оговориться, что метод (в том виде, котором он описан далее) можно эффективно использовать только в интерпретируемых средах разработки. Это ограничение не слишком критично, так как в последнее время интерпретируемые языки становятся всё популярнее. 223

СПИ-МТ-2008 Пусть имеется некий набор программных объектов, каждый из которых содержит одинаковую неизменную часть. Очевидно, что эту типичную часть целесообразно оформить в виде модуля, который затем будет повторно использоваться. Если для этого использовать только принципы ООП и создать класс, то мы вместе со всеми преимуществами, получим ряд неудобств. В качестве преимуществ выступают классические свойства классов, такие как возможность наследования. Основные недостатки связаны, во-первых, с тем, что формат хранения информации в классе либо вообще закрыт, либо непригоден для простой обработки. К примеру, формат файла vcx в Visual FoxPro представляет собой таблицу, но он закрыт и о назначении многих полей остаётся только догадываться. Метод моделирования программных объектов предлагает вместо использования класса, вынести общую часть некоторых программных объектов в файл с открытым форматом. Естественно для этой цели использовать языки XML/XSLT [2]. Во-вторых, такой способ создания объекта не обеспечивает логически чёткой и читабельной структуры кода программы. Чтобы создать объект, типичная часть которого вынесена в класс, необходимо вызвать оператор создания объекта класса и установить свойства объекта. В итоге такой программный код плохо отражает структуру и сущность объекта, поскольку он не структурирован. Удобнее указывать характерные черты объекта (свойства, методы) в виде структурированной строки или отдельного структурированного файла. Для этих целей идеально подходит формат XML. Такая структура, которая содержит необходимые свойства и методы объекта и является его высокоуровневой моделью. Метод моделирования программных объектов предполагает использование двух компонентов: модель высокого уровня и механизм преобразования модели к объекту. В качестве модели удобно использовать XML-файл. Для каждого из моделируемых объектов необходимо ввести свой набор XML-тэгов, то есть свой язык декларативной разметки. Такой язык должен быть полным, то есть должен позволять описать любой моделируемый объект. Механизм преобразования модели к объекту удобно реализуется с помощью технологии XSLT. Для этого создаётся XSLT-шаблон, который содержит операторы создания моделируемого объекта и тот набор свойств и методов, который является одинаковым для всех моделируемых объектов. Таким образом, XSLT-шаблон является каркасом, содержащим типичную часть, а также XSLT-правила, которые определяют нетипичную часть объекта. При вынесении типичной части объекта в XSLT-шаблон удобно использовать классы. Логика работы метода заключается в том, что XML-парсер извлекает необходимые свойства из XML-файла и помещает их в XSLT-шаблон. Тем самым строится программный код, запуск которого приводит к порождению объекта. В общем случае использование метода моделирования программного 224

СПИ-МТ-2008 объекта заключается в следующих шагах: 1. Выделить множество однотипных объектов, на основе которых будет строиться модель 2. Выделить типичную (пересекающуюся) и нетипичную (не пересекающуюся) части во множестве выделенных объектов 3. Типичную часть принять за правило по умолчанию и не предоставлять интерфейса для её изменения пользователю 4. Разработать механизм определения нетипичной части, то есть предоставить пользователю интерфейс для описания свойств и методов, не принятых по умолчанию. Такая нетипичная часть и является моделью программного объекта. В качестве такого интерфейса логично использовать XML-файл, в котором пользователь будет описывать необходимые свойства и методы. 5. Разработать механизм преобразования модели в программный объект и, если требуется, наоборот. Построенная таким образом модель должна обладать следующими свойствами: Упрощённость и повышенный уровень абстракции. В сравнении с самим объектом, использование его модели объективно проще в том смысле, что программисту не нужно заботиться о типичной части объекта, которая принята за правило по умолчанию. Достаточность. Несмотря на все умолчания, модель обладает достаточной гибкостью для описания необходимых объектов. Массовость. Модель программного объекта позволяет описать не один конкретный объект, а целый набор однотипных программных объектов. Описанный метод особенно актуален для проектов, работающих с базами данных. В них число однотипных объектов очень велико, среди них: наборы схожих экранных форм, удалённые и локальные представления (remote view, local view), меню и т.д. В таких проектах метод моделирования программных объектов окупает все затраты на его разработку и приносит существенные выгоды. Список использованных источников 1. Горбунов-Посадов М.М. Расширяемые программы. - М.: Полиптих. 1999. 2. Холзнер С. XSLT. Библиотека программиста. - Питер. - 2002. Карпук А.А. МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ МОДЕЛИРОВАНИЕ СИСТЕМ ФИКСИРОВАННОЙ И МОБИЛЬНОЙ РАДИОСВЯЗИ [email protected] При проектировании и разработке систем фиксированной и мобильной радиосвязи требуется выбрать параметры радиосредств (РС) и антенн, опре225

СПИ-МТ-2008 делить точки размещения базовых РС на местности, выбрать рабочие частоты радиолиний. При решении этих задач следует учитывать условия распространения радиоволн и обеспечить электромагнитную совместимость (ЭМС) проектируемой системы радиосвязи с функционирующими системами радиосвязи, радиовещания и телевидения. Перечисленные задачи являются оптимизационными, в качестве целевой функции в этих задачах выступает минимизация затрат материальных, энергетических и частотных ресурсов на создание систем радиосвязи, а ограничениями являются требования обеспечения заданного качества радиосвязи и требования обеспечения ЭМС с существующими системами. Для решения задач проектирования и разработки систем фиксированной и мобильной радиосвязи требуется разработать соответствующие математические модели, методы, алгоритмы и комплексы программ. В настоящее время для моделирования и анализа телекоммуникационных сетей применяются методы аналитического, имитационного и гибридного моделирования. Однако, как отмечают авторы работы [1], в настоящее время ни в одном из этих направлений не удается создать абсолютно адекватную, универсальную и достаточно эффективную математическую модель реальной телекоммуникационной системы. Автором предложен подход к решению проблемы математического и программного моделирования систем фиксированной и мобильной радиосвязи, позволяющий решать следующие основные задачи: присвоение частот радиолиниям (РЛ) системы радиосвязи с учетом обеспечения ЭМС между РС анализируемой системы и других систем; экспертиза частот, присвоенных РЛ системы радиосвязи вручную, и вычисление уровней прогнозируемых радиопомех между РС анализируемой системы и других систем; расчет зон обслуживания центральных РС РЛ с отображением рассчитанных зон обслуживания на цифровой карте местности (ЦКМ); прогнозирование возможности радиосвязи между РС с заданными координатами и выбор рационального размещения РС на местности, в том числе для организации радиорелейной связи. Для обеспечения решения перечисленных задач при проектировании и разработке систем фиксированной и мобильной радиосвязи были поставлены и решены следующие частные задачи: 1) построение математической модели задачи присвоения частот РЛ системы радиосвязи по критерию минимизации уровней прогнозируемых помех между РС анализируемой системы и других систем; 2) разработка методов и алгоритмов решения задачи присвоения частот РЛ системы радиосвязи; 3) разработка методов и алгоритмов решения задачи экспертизы частот, присвоенных РЛ системы радиосвязи вручную; 4) разработка методов и алгоритмов учета условий распространения 226

СПИ-МТ-2008 радиоволн между РС; 5) разработка математических моделей, методов и алгоритмов расчета, проверки выполнения условий ЭМС и вычисления уровней прогнозируемых помех между РС (для пар РС по основным, внеполосным, побочным и комбинационным излучениям и каналам приема и для троек РС по интермодуляционным излучениям и каналам приема); 6) разработка математических моделей, методов и алгоритмов расчета, проверки выполнения условий ЭМС и вычисления уровней прогнозируемых помех между РЛ (сведение задачи анализа ЭМС между РЛ к задаче анализа ЭМС между РС); 7) разработка методов и алгоритмов расчета зон обслуживания центральных РС РЛ; 8) разработка методов и алгоритмов прогнозирования возможности радиосвязи между РС с заданными координатами и выбора рационального размещения РС на местности; 9) разработка логической и физической структуры базы данных (БД) системы, разработка методов и средств ведения БД; 10) разработка структуры программных комплексов и разработка программ. При решении частной задачи 1 была построена математическая модель задачи присвоения частот РЛ [2]. Полученную математическую задачу можно назвать задачей о назначениях с учетом коллизий или многомерной задачей о назначениях с совместительством. Эта задача получается из классической задачи о назначениях при дополнительных предположениях, что один объект может быть назначен на несколько позиций, и любое подмножество позиций может оказаться занятыми объектами, несовместимыми между собой на этих позициях. В связи с тем, что эта задача является NP – трудной, для ее решения были разработаны жадные алгоритмы и алгоритмы локального поиска. Жадный алгоритм производит поиск значений переменных задачи, доставляющих минимум целевой функции, в виде последовательного процесса, на каждом шаге которого выбираются допустимые значения одной или нескольких переменных, дающие минимальное приращение целевой функции. Алгоритм локального поиска начинает свою работу с некоторого решения, выбранного случайно, либо построенного жадным алгоритмом. На каждом шаге локального поиска происходит переход от текущего решения к другому решению из его окрестности с меньшим значением целевой функции до тех пор, пока не будет достигнут локальный минимум. Вычислительные эксперименты показали, что при совместном применении этих алгоритмов программа примерно в 80% случаев находит оптимальное решение задачи, а в остальных случаях дает приемлемое решение. Для решения частной задачи 3 используются те же формулы, по которым производится оценка известного решения задачи в алгоритме локального поиска. Для оценки величины ослабления уровня радиосигнала в среде распро227

СПИ-МТ-2008 странения радиоволн (частная задача 4) разработаны методы и алгоритмы учета рефракции радиоволн [3], учета дифракции радиоволн на местных препятствиях [4], учета прохождения радиоволн через застройку и растительность, учета многолучевого распространения радиоволн, учета особенностей распространения радиоволн в осадках, тумане, атмосферных газах и водяном паре [5]. Все перечисленные методы и алгоритмы разработаны на основе Рекомендаций Международного союза электросвязи (МСЭ) и корректируются при каждом обновлении Рекомендаций МСЭ. Особенность применяемых методов и алгоритмов учета условий распространения радиоволн состоит в том, что их можно применять для любого района Земли, поскольку они используют статистические данные для всей Земли, опубликованные МСЭ. Принципы решения частных задач 5 и 6 описаны в работе [6]. Основная идея используемых математических моделей и методов состоит в том, что при проверке условий ЭМС РЛ не анализируются все возможные пары и тройки РС этих РЛ, а выделяются критичные пары и тройки РС, выполнение условий ЭМС для которых влечет выполнение условий ЭМС для всех пар и троек РС этих РЛ. Условия ЭМС для всех возможных пар и троек РС, независимо от того, в какие РЛ они входят, рассчитываются заранее, хранятся в БД и используются при решении задач присвоения и экспертизы частот. Для решения частных задач 7 и 8 используются разработанные методы и алгоритмы вычисления напряженности электромагнитного поля (НЭМП) в заданной точке пространства с учетом характеристик антенн РС и среды распространения радиоволн. При построении зон обслуживания производится сканирование ЦКМ по азимуту и дальности относительно точки стояния базовой РС с дискретностью, задаваемой оператором, и вычисление НЭМП в каждой точке. Метод прогнозирования возможности радиосвязи между РС состоит в вычислении значения НЭМП в точке электрического центра антенны приемника, которое будет превышено в течение заданного процента времени, и сравнении этого значения с минимально допустимым значением НЭМП, при котором обеспечивается заданное качество приема. Частные задачи 9 и 10 решаются на основе описания предметной области системы [7], в котором выделяются атрибуты и типы объектов предметной области и связи между ними. На основе этого описания разрабатываются логическая и физическая структуры БД [8], а также состав и структуры программных комплексов. Одна из первых версий комплекса программ для решения задач проектирования и разработки систем фиксированной и мобильной радиосвязи, реализующих предложенный подход, описана в работе [6]. Список использованных источников 1. Телекоммуникационные системы и сети. В трех томах. Том 2 – Радиосвязь, радиовещание, телевидение / Катунин Г.П., Мамчев Г.В., Попантонопуло В.Н., Шувалов В.П.: под ред. проф. Шувалова В.П. – М.: Горячая линия-Телеком, 2004. – 672 с. 228

СПИ-МТ-2008 2. Карпук А.А. Задача оптимизации использования радиочастотного ресурса при присвоении частот радиолиниям// Информатика. – 2006. – № 4 (12). – С. 5–13. 3. Карпук А.А., Сержанович А.Н. Комплекс программ моделирования рефракции радиоволн в атмосфере на основе Рекомендаций МСЭ // Распространение радиоволн: сборник докладов XXI Всероссийской научной конференции. В 2-х томах. – Йошкар-Ола: МарГТУ, 2005. – Том 2. – С. 355-358. 4. Карпук А.А., Евтихина Н.В. Моделирование дифракции радиоволн на препятствиях// Доклады Белорусского государственного университета информатики и радиоэлектроники. – 2006. – № 4 (16). – С. 42–52. 5. Карпук А.А., Евтихина Н.В. Вычисление характеристик распространения радиоволн в тропосфере// Инженерный вестник. – 2007. – № 1 (23). – С. 72–76. 6. Special software for electromagnetic compatibility simulation and frequency assignment to radio sets of fixed-mobile radio communication systems / Aporovitch V., Voloshin V., Karpuk A., Manykin S.// Proc. 4th European Symposium on electromagnetic compatibility. – Brugge, 2000. – Vol. 2. P. 119–122. 7. Карпук А.А. Методика описания предметной области при проектировании баз данных в системах управления// Радиопромышленность. – 1992. – № 6. – С. 46–49. 8. Карпук А.А. Методы оценки объемов памяти при проектировании физической структуры базы данных// Вопросы радиоэлектроники. Сер. ОВР – 1990. – Вып. 11. – С. 3–12. Корниенко С.А. ПРИМЕНЕНИЕ ВЕКТОРНОЙ ОПТИМИЗАЦИИ ПРИ ВЫБОРЕ ОБОРУДОВАНИЯ РАДИОКОНТРОЛЯ [email protected] В процессе деятельности, радиочастотной службе приходится приобретать новое или модернизировать старое оборудование радиоконтроля (РК). При выборе оборудования приходится иметь дело с объектами (радиоконтрольным оборудованием, приборами) как отечественного, так и импортного производства качество которых, при выборе хотелось бы оценивать минимальным числом показателей или одним единственным комплексным показателем. На практике существует целое множество показателей (технических характеристик), каждый из которых характеризует тот или иной аспект функционирования оборудования РК. Проблему решения задач оптимизации с учетом множества противоречивых показателей качества называют проблемой решения многокритериальных задач, или проблемой векторной оптимизации. При выборе необходимого оборудования (по его техническим характеристикам), радиочастотная 229

СПИ-МТ-2008 служба не имеет дело с одним – единственным комплексным показателем, по которому производится выбор. Чаще всего существует целое множество таких показателей (критериев), каждый из которых характеризует тот или иной аспект функционирования объекта, например [2]: размер зоны действия; характер использования; выполняемые функции; производительность оборудования; конструктивные ограничения. Как следует из [1], система радиоконтроля радиочастотной службы, это сложная система, и ей присущи такие признаки, как: 1) эмерджентность (целостность), 2) наличие неоднородных связей, 3) робастность. Поэтому выбрать требуемое оборудование без учета множества характеристик, а лишь пользуясь интуицией лица принимающего решения (ЛПР), практически не возможно. Очевидно, что этой проблемы не существовало бы, если бы все технические показатели могли быть сведены к единому глобальному критерию (обобщенному комплексному параметру) или если бы локальные критерии были не противоречивы, т.е. если бы изменение параметров элементов оборудования РК приводило к одновременному улучшению (или одновременному ухудшению) всех локальных критериев. В задачах векторной оптимизации всегда присутствуют противоречивые критерии, при которых улучшение одного приводит к ухудшению другого и наоборот. На практике улучшение характеристики в нижней части диапазона частот, приемника используемого в РК оборудовании приводит, как правило, к ее ухудшению в верхней части. Еще хуже дело обстоит, когда критерии являются не только противоречивыми, но и несводимыми один к другому (выражаются в разных единицах измерения). Например, такие, как: коэффициент усиления, ширина полосы пропускания, потребляемая мощность. Таким образом, проблема векторной оптимизации - это проблема принятия компромиссного решения. Задачи векторной оптимизации рассматриваются в следующих областях: 1) экономико-математических методов и исследования интеграций; 2) теории игр; 3) теории оптимальных систем. Поиски методов решения задач с векторным критерием оптимальности не дали строгого математического решения, обращающего в максимум (экстремум) все сказанные критерии. Как оказалось такого решения, объективно не существует. Универсального метода не существует до сих пор. Единственным объективным фактором, характеризующим проблему векторной оптимизации является наличие области Парето в пространстве критериев и существовании так называемых Парето-оптимальных решений. Область Парето (область компромиссов) ограничивает возможный выбор решений. Основным требованием, предъявляемым к выбранному решению, является Паретооптимальность. Множество допустимых вариантов решения задачи оптимизации (например, множество допустимых вариантов оснащения новым РК 230

СПИ-МТ-2008 оборудованием) характеризуется некоторой замкнутой областью х Є Dx, где х Є R n - вектор предложенных вариантов оборудования РК. Пусть даны варианты предлагаемого оборудования, заданных системой локальных критериев Т y ( x ) = [ y1 ( x ),...., y m ( x )] . Для определенности (максимизации возможностей оборудования), каждый из локальных критериев подлежит максимизации. Очевидно, что задача y i (x ) ® max …………. y m (x ) ® max не имеет решения в области Dx. На рис. представлена плоскость критериев у1 и у2, в которой область допустимых значений Dy, определяемая областью Dx, замкнута контуром ОСАВЕ. Наибольшее значение критерия y1 достигается в точке В, однако для этой точки значение критерия у2 далеко от максимума. При наибольшем же значении критерия у2, которое характеризуется точкой А, далеко от максимума значение критерия у1. В точке S оба критерия имели бы максимальные значения, однако эта точка не принадлежит области допустимых решений, а поэтому недостижима. Очевидно, что решение необходимо искать на кривой АВ, каждая точка которой дает решение в интервале [a1 , y1* ] по критерию y1 и в интервале [a 2 , y 2* ] по критерию y2. Из рисунка 1 видно, что кривая АВ определяет для рассматриваемого примера (предложенные варианту РК оборудования), область Парето, которая характеризуется тем, что любое принадлежащее ей решение нельзя улучшить одновременно по всем критериям. Так, для произвольной точки М в области Dy, не лежащей на кривой АВ, определяемое ею решение можно улучшить и по критерию y1 (точка M1), и по критерию y2 (точка M2), и по двум критериям одновременно (любая точка кривой М1М2). Решение же, определяемое любой из точек кривой АВ, нельзя улучшить одновременно по двум критериям. Формальное математическое определение точек Парето формулируется следующим образом: точка х Є R n называется точкой Парето для отображения у(х), если не существует такого приращения ∆х, что y j ( x + Dx ) ³ y j ( x ), j = 1, m, причем по крайней мере для одной функции имеет место строгое неравенство. Из вышесказанного следует, что, во-первых, искомые решения (выбор предлагаемого оборудования РК) должны быть Парето-оптимальными, поскольку все остальные решения могут быть улучшены по всем критериям сразу, и, во-вторых, необходима дополнительная информация (по предлагае231

СПИ-МТ-2008 мому оборудованию) для выбора единственного решения из множества Парето-оптимальных. Список использованных источников 1. Корниенко С.А. Применение системного анализа при оценке оптимальности построения вторичных подсистем служб радиоконтроля// Информационные технологии моделирования и управления, №4(38), 2007. 2. Корниенко С.А. Применение системного анализа при оценке структурной сложности служб радиоконтроля// Информационные технологии моделирования и управления, 2007. - 160 с. 3. Бузов А.Л., Быховский М.А. Управление радиочастотным спектром и электромагнитная совместимость радиосистем. - М.:Экотрендз, 2006. 374 с. 4. Антушев Г.С. Методы параметрического синтеза сложных технических систем. - М.: Наука, 1989. – 88 с. Корчагин А.С., Кравец О.Я. НОРМИРОВАННОЕ ПРЯМОЕ МОДЕЛИРОВАНИЕ ЧЕРЕЗ ПОШАГОВУЮ ДЕТАЛИЗАЦИЮ [email protected] В работах [1, 2, 3, 4] были даны основы проблемы проверки корректности программ через механизмы пошаговой детализации. Данная работа является продолжением работы [4]. Несмотря на то, что не существует пошаговой детализации из автомата B' в автомат A' на рис. 1, у этих автоматов действительно одинаковые следы. Переходя от функций к отношениям, мы сможем доказать, что каждый след B¢ является также следом A¢. Эта идея формализована в следующем определении.

Рис. 1. Пример пошаговой детализации Нормированное прямое моделирование из A в B состоит из отношения fÍ states(A)´states(B) и функции n: steps(A) ´states(B)®S для некоторого вполне определенного множе232

СПИ-МТ-2008 ства S, такого, что: 1. Если s Î start (A), то f[s] ∩ start (B) ¹Æ. a 2. Если s ¾¾® A t Ù u Î f [s ] , то u Î f [t ] Ù a = t или a (b) $v Î f [t ] : u ¾¾® B v , или t a a ¾® ¾® t , v) < n( s ¾¾® t, u ) . B v Ù n( s ¾ (c) $v Î f [ s] : u ¾

(a)

Здесь f[s] означает множество {u| (s,u)Îf}. Пишем A ≤F B, если существует нормированное прямое моделирование из A to B. a Из данного определения интуитивно понятно, что если s ¾¾® A t и (s,u) Î f, то или (a) переход в A является редуцирующим шагом, которому не должно ничто соответствовать, или (b) существует соответствующий шаг в B, или (c) в B может быть выполнен редуцирующий шаг, который уменьшает норму. Поскольку норма уменьшается при каждом применении утверждения (c), это утверждение можно применять только конечное число раз. В общем случае функция нормы может зависеть и от переходов в A, и от состояний B. Однако, если B является конвергентным, т.е. отсутствуют бесконечные τпути, можно упростить тип функции нормы (хотя совсем не обязательно само определение функции нормы) до n: states(B)®S. Действительно, в подходе [5], в котором не всегда рассматриваются дивергентные процессы, требуется, чтобы тип функции нормы был ограничен только такими функциями. На рис. 1 отношение, обозначенное пунктирными линиями, вместе с произвольной функцией нормы является нормированной прямой моделью из B¢ в A¢. Рассмотрим автоматы A и B на рис. 2. Пусть n – функция, которая присваивает норму 1 состоянию s0 и норму 0 всем другим состояниям A. Тогда n вместе с отношением, обозначенным пунктирными линиями, образует нормированную прямую модель из B в A.

Рис. 2. Пошаговая детализация (автоматная модель) 233

СПИ-МТ-2008 Теперь рассмотрим автоматы C и D на рис. 3. Пусть m – функция нормы, удовлетворяющая условиям: a a m( s 0 ¾ ¾® s1, u 0) = 0 m( s 0 ¾ ¾® s1, u1) = 1 b b m( s 0 ¾ ¾® s3, u 0) = 1 m( s 0 ¾ ¾® s3, u1) = 0

Тогда m вместе с отношением, обозначенным пунктирными линиями, образует нормированную прямую модель из C в D. Нетрудно видеть, что в этом примере, где D не является конвергентным, норма необходимо зависит от выбранного шага в C. Пример на рис. 3 также служит иллюстрацией разницы между нормированной прямой моделью и прямой моделью Джонсона, которая введена в [6, 7, 8].

Рис. 3. Функция нормы должна учитывать шаги C Прямые модели Джонсона – это просто нормированные прямые модели, за исключением того, что отсутствует функция нормы, и опущено условие 2(с). Легко проверить, что не существует прямой модели в этом смысле из C в D. Это справедливо даже когда мы добавляем “редуцирующие” τциклы к каждому состоянию, как требуется в моделях Джонсона. Список использованных источников 1. Корчагин А.С., Погодаев А.К. Доказательство корректности программ на основе применения нормированных моделей// Прикладные задачи моделирования и оптимизации: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2006. С. 186-195. 2. Корчагин А.С., Кравец О.Я. Операторное моделирование с использованием последовательной детализации при доказательстве корректности программ// Информационные технологии моделирования и управления, № 6(40), 2007. – С. 714-719. 3. Корчагин А.С., Погодаев А.К. Технология пошаговой детализации при операторном моделировании для доказательства корректности программ// Территория науки, 2007, №4(5). Воронеж 2007. С. 501-507. 4. Корчагин А.С., Кравец О.Я., Погодаев А.К. О некоторых свойствах технологии пошаговой детализации при доказательстве корректности программ// Системы управления и информационные технологии, 2007, №3.1(29). – С. 166-169. 234

СПИ-МТ-2008 5. Groote J.F., Springintveld J.S. Focus points and convergent process operators — a Proof strategy for protocol verification. Report CS-R9566, Department of Software Technology, CWI, Amsterdam, November 1995. 6. Jonsson B. On decomposing and refining specifications of distributed systems. In J.W. de Bakker, W.P. de Roever, and G. Rozenberg, editors, Proceedings REX Workshop on Stepwise Refinement of Distributed Systems: Models, Formalism, Correctness, Mook, The Netherlands, May/June 1989, volume 430 of Lecture Notes in Computer Science, pages 361–387. Springer-Verlag, 1990. 7. Jonsson B. Simulations between specifications of distributed systems. In J.C.M. Baeten and J.F. Groote, editors, Proceedings CONCUR 91, Amsterdam, volume 527 of Lecture Notes in Computer Science, pages 346–360. SpringerVerlag, 1991. 8. Jonsson B. Compositional specification and verification of distributed systems. ACM Transactions on Programming Languages and Systems, 16(2):259– 303, March 1994. Косников Ю.Н. ГЕОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ОТОБРАЖЕНИЕ ПРОСТРАНСТВЕННЫХ ФОРМ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ [email protected] В большинстве графических систем реального времени (ГСРВ) в качестве геометрических примитивов используются плоские полигоны. Они универсальны с точки зрения формообразования и характеризуются простотой графической обработки, что позволяет решать изобразительные задачи и поддерживать высокую производительность ГСРВ. Для реалистического представления сложных пространственных объектов их поверхность приходится аппроксимировать большим количеством полигонов. Это повышает затраты памяти на хранение моделей объектов, а также затраты компьютерного времени на отображение динамики объектов. Кроме того, для создания у наблюдателя надлежащего зрительного впечатления выполняется наложение теней на поверхности объектов в соответствии с выбранной моделью освещения. Наложение теней требует большого объема работы с нормалями к поверхности объектов, причем, сами нормали должны либо вычисляться в режиме реального времени, либо входить в описание объекта. В первом случае растет время обработки сцены, во втором растут затраты памяти на ее хранение. Хорошими изобразительными возможностями и компактным описанием отличаются криволинейные геометрические примитивы – сплайны. Однако над ними сложно выполняются такие операции, как отсечение, вычисление координат текущей точки, текстурирование. В связи с этим после геометрических преобразований сплайны подвергают тесселяции (разбиению на полигоны) и далее с ними работают как с полигональными моделями. Таким 235

СПИ-МТ-2008 образом, при работе со сплайнами сохраняются сложности обработки полигональных моделей и добавляются затраты на тесселяцию. По этой причине сплайновые геометрические примитивы находят в ГСРВ ограниченное применение. Можно предложить иную концепцию геометрического моделирования и отображения пространственных форм, основанную на применении криволинейных примитивов и перераспределении функций между этапами графического конвейера. Криволинейные примитивы описываются аналитически в своей локальной системе координат (СКП). Из нее они с учетом размещения в сцене переводятся в систему координат наблюдателя (СКН). Основные графические операции над примитивами выполняются в той координатной системе и над таким представлением примитивов, которые позволяют выполнить эти операции с максимальной эффективностью. Например, расчет освещенности примитивов и проверка их видимости выполняются в СКП, а сборка объектов, отсечение примитивов, геометрические преобразования динамики и центральное проецирование – в СКН. Для моделирования сложных объектов над примитивами выполняются аффинные преобразования и операции ограничения. В качестве технической поддержки отображения применяется традиционный графический процессор, работающий с полигонами, поэтому на определенном этапе обработки происходит разбиение примитивов на полигоны. Одновременно с получением координат каждой вершины полигона для нее вычисляются координаты нормали и текстурные координаты. Дальнейшая обработка и визуализация примитивов выполняется обычным образом. Графические операции рационально распределяются между компонентами графического конвейера. Операции над примитивами в целом и их тесселяция выполняются центральным процессором (хостом), а операции над вершинами, получившимися в результате тесселяции, выполняются графическим процессором. Существенное отличие описанного подхода от традиционного заключается в том, что геометрические преобразования и операция отсечения выполняются над криволинейными примитивами до тесселяции. Работа с криволинейными примитивами, потребное число которых в сцене на порядок меньше, чем число полигонов, экономит вычислительные ресурсы ГСРВ. Еще одно отличие в том, что нормали к криволинейной поверхности вычисляются в процессе тесселяции. Благодаря этому в графический процессор передаются координаты корректных нормалей, не нуждающиеся в усреднении, что также экономит ресурсы системы. Основываясь на изложенном, можно утверждать, что особенности предлагаемой концепции определяют выбор геометрических примитивов, методы геометрического моделирования объектов, организация процесса отображения и методы достижения режима реального времени. Выбор геометрических примитивов Большинство отображаемых объектов имеет криволинейную форму, часто не поддающуюся аналитическому описанию. Для моделирования и 236

СПИ-МТ-2008 отображения аналитических поверхностей следует использовать выпуклые бикубические сплайны. Геометрически плоские поверхности представляются сплайнами, вырожденными в плоскость. Математическое описание сплайнов может иметь явную и параметрическую форму, причем для представления сплайнов в СКП выбирается явная форма описания. Она позволяет просто вычислять координаты нормалей к поверхности сплайна, что необходимо для определения видимости и освещенности участков примитива. При моделировании неаналитических поверхностей в качестве геометрического примитива предлагается отсек, приближающийся по форме к участку моделируемой поверхности и в то же время имеющий компактное описание. Такой примитив назван рельеф-примитивом [1]. Рельеф-примитив – это участок криволинейной поверхности, задаваемый в СКП четырьмя угловыми опорными точками. Координаты промежуточных точек определяются как средневзвешенные суммы одноименных координат опорных точек. Весовые (иначе – смешивающие) функции являются степенными полиномами, причем каждая опорная точка имеет две смешивающие функции – одну по каждому направлению координаты-аргумента. Этим рельеф-примитив похож на бикубические сплайны. Отличие от бикубических сплайнов заключается в ограниченном наборе опорных точек и использовании степенных смешивающих функций различных степеней, в том числе выше третьей и ниже первой. Форма рельеф-примитива может "настраиваться" на реальную поверхность простыми средствами. Применение рельеф-примитивов резко снижает объем отображаемой сцены и геометрических преобразований. "Платой" за простоту описания являются дополнительные меры для достижения гладкости стыковки примитивов. Эти меры просты и заключаются в доопределении нормалей в опорных точках примитивов [2]. Математическое описание самого рельеф-примитива и его частных производных представляет собой степенные полиномы, что позволяет вычислять текущие координаты примитива и его нормалей по идентичным алгоритмам. Методы геометрического моделирования объектов При отображении сложных пространственных форм примитивы одновременно представляются в нескольких координатных системах: примитива (СКП), наблюдателя (СКН), текстуры (СКТ). Перевод примитивов из СКП в СКН осуществляется путем пересчета координат опорных точек с помощью аффинных преобразований пространства. В СКН методом оболочек выполняется отсечение невидимых объектов. Затем частично видимые объекты рассматриваются как наборы криволинейных примитивов, и каждый примитив представляется как объект. Объекты-примитивы также снабжаются оболочками. Для бикубических сплайнов это характеристический многогранник, для рельеф-примитивов – область пространства, в которой расположен примитив. Для отсечения сначала выполняется перспективная трансформация опорных точек в СКН. В процессе отсечения примитивы разделяются на невидимые, полностью видимые и частично видимые. Последние рекурсивно 237

СПИ-МТ-2008 делятся на отсеки, которые рассматриваются как объекты и вновь проверяются на входимость в объем видимости. Благодаря многоэтапному отсечению резко уменьшается число точек, обрабатываемых в процессе растеризации. Сопряжение примитивов в составную поверхность осуществляется методом переноса точек: опорные точки в зоне сопряжения считаются принадлежащими двум смежным примитивам. В этом случае линия сопряжения описывается одинаковыми выражениями при подходе к ней со стороны любого из смежных примитивов [3]. Организация процесса отображения Процесс отображения образует графический конвейер, отдельные этапы которого распараллелены. Параметры динамики сцены используются для перевода описаний геометрических примитивов из СКП в СКН, а также для перевода точки наблюдения и положения осветителей из СКН в СКП. Описания примитивов в СКН подвергаются перспективному преобразованию. В СКН выполняются операции отсечения объектов и примитивов, не попавших в зону видимости. В СКП отбраковываются нелицевые примитивы. Для этого анализируются направления четырех нормалей, проведенных через угловые точки примитивов. Видимые примитивы подвергаются тесселяции. Она идет параллельно в СКП, СКН и СКТ. В СКН определяются координаты вершин тесселяции, а в СКП находятся направления нормалей в этих вершинах. Поскольку описание примитива в СКП выглядит гораздо проще описания в СКН, координаты нормалей вычисляются с меньшим потреблением вычислительных ресурсов. В СКП определено положение осветителей и нормалей, поэтому в этой системе координат может быть найдена освещенность каждой вершины примитива. Наконец, в СКТ для каждой вершины тесселяции вычисляются текстурные координаты. Все перечисленные операции выполняются в хосте ГСРВ, но объем операций хоста не критичен к режиму реального времени, поскольку для описания сложных пространственных форм требуется гораздо меньше криволинейных примитивов, чем плоских полигонов. Тесселяция криволинейных примитивов в СКН идет после перспективного преобразования. Нерациональные сплайны неинвариантны по отношению к перспективному преобразованию, поэтому их тесселяция идет с некоторой погрешностью. Однако благодаря корректному освещению в вершинах тесселяции эта погрешность практически не проявляется визуально. Рельефпримитивы перспективно инвариантны и отображаются без погрешности. Полигональная модель сцены передается в графический процессор. Он работает по традиционным алгоритмам и выполняет отсечение полигонов, интерполяцию освещения и текстуры, сглаживание ступенчатых границ и фильтрацию изображения, а также удаление заслоненных участков (zбуферизацию).

238

СПИ-МТ-2008 Методы достижения режима реального времени К таким методам традиционно относятся рациональная организация процесса отображения, его аппаратная поддержка и "быстрые" алгоритмы графической обработки. Аппаратная поддержка отображения может быть специализированной и стандартной. Специализированная техника нужна для параллельного выполнения графических операций в нескольких координатных системах [4]. Она ускоряет операции геометрических преобразований, освещения, тесселяции, текстурирования. Стандартные графические процессоры обеспечивают быструю обработку полигонов и поддерживают операции отсечения, освещения, растрирования, z-буферизации, фильтрации. Два вида технической поддержки могут работать совместно. Для быстрого выполнения графических операций используются следующие методы: – метод оболочек для отсечения объектов и криволинейных примитивов; – рекурсивное разбиение криволинейных примитивов на отсеки в процессе отсечения; – метод конечных разностей для тесселяции; – нейросетевые алгоритмы для развертывания рельеф-примитивов; – табличные вычисления. Два первых метода упоминались ранее, остальные нуждаются в пояснении. В процессе тесселяции криволинейного примитива математическая функция его описания вычисляется с определенным шагом. Для этого организуется ортогональное сканирование поверхности примитива. Последовательный характер обхода поверхности позволяет вычислять координаты текущих точек по приращениям, в частности, методом конечных разностей. Использование этого метода дает возможность вычислять координату бикубического сплайна за три операции суммирования, которые могут выполняться параллельно во времени. Чтобы найти координаты нормали к поверхности сплайна, нужно вычислить значения его частных производных. Они, как и сама сплайн-функция, представляют собой степенные полиномы, следовательно, для нахождения их значений также применим метод конечных разностей. Для ускорения тесселяции применяется ее аппаратная поддержка [5]. Полиномиальные смешивающие функции рельеф-примитивов могут иметь высокие степени, что затрудняет применение метода конечных разностей для их формирования. Быстрыми алгоритмами развертывания рельефпримитивов и вычисления их нормалей являются нейросетевые алгоритмы. Текущие координаты рельеф-примитива и координаты его нормали представляются как произведения входных векторов нейронной сети на нелинейные функции активации. Элементами входных векторов являются координаты опорных точек, а в роли функций активации выступают смешивающие 239

СПИ-МТ-2008 функции. Алгоритмы вычисления хорошо распараллеливаются и имеют эффективную техническую поддержку [6]. Смешивающими функциями в описаниях сплайнов и рельефпримитивов служат степенные полиномы. Для быстрого нахождения их значений применяются табличные вычисления. Если ввести в пределах каждого примитива относительный отсчет аргументов (например, в диапазоне 0..1), то число шагов тесселяции по каждому аргументу может быть фиксировано. Оно определяется требуемой детальностью отображения. Это означает, что количество различных значений смешивающих функций ограничено. Эти значения табулируются и заносятся в память ГСРВ. В режиме реального времени (в процессе тесселяции) они быстро извлекаются из памяти по адресам, в качестве которых служат номера шагов тесселяции. Достоинствами предлагаемой концепции геометрического моделирования и отображения пространственных форм являются хорошие изобразительные возможности и реализация в режиме реального времени. Изобразительные возможности обеспечиваются путем применения криволинейных примитивов и приемов их гладкой стыковки в составную поверхность. Отображение в реальном времени достигается благодаря уменьшению числа примитивов в сцене, уменьшению числа обрабатываемых точек в каждом примитиве, распараллеливанию операций в рамках графического конвейера, аппаратной поддержке критичных к режиму реального времени графических операций, использованию быстрых алгоритмов обработки данных. Список использованных источников 1. Косников Ю.Н. Применение укрупненных примитивов для отображения трехмерных объектов в режиме реального времени // Актуальные проблемы авиационных и аэрокосмических систем: процессы, модели, эксперимент, 2000, №2(10). – С.31–37. 2. Косников Ю.Н. Методика геометрического моделирования поверхностей по карте высот // Аэрокосмические приборные технологии: Сборник материалов Третьего международного симпозиума. – СПб, 2004. – С.213–215. 3. Косников Ю.Н. Геометрическое моделирование многозначных поверхностей в компьютерной системе визуализации местности // Тренажерные технологии и симуляторы-2003: Материалы 2-й НТК / Под ред. Е.И. Юревича. – СПб.: Изд-во СПбГПУ, 2003. – С.96–99. 4. Косников Ю.Н. Структура системы отображения с параллельным выполнением операций графического конвейера // Датчики и системы, 2002, №3. – С.27–29. 5. Пат. 2218608 РФ, МПК 7 G 09 G 1/08. Устройство для отображения графической информации на экране растрового индикатора / Косников Ю.Н., Нагаев А.В. (Россия). – № 2002106921; Заявл. 18.03.2002; Опубл. 10.12.2003. Бюл. N 34; Приоритет 18.03.2003. – 40 с. 6. Kosnikov Y. Application of Principles of Neural Networks Construction for Displaying Surfaces // Neural Information Processing. 8th International Confer240

СПИ-МТ-2008 ence ICONIP-2001 Proceedings. Vol.1. – China, Shanghai: Fudan University Press, 2001. – P.507–511. Линец Г.И. МИНИМИЗАЦИЯ СРЕДНЕЙ ЗАДЕРЖКИ СЕТИ ПРИ ДЕТЕРМИНИРОВАННОМ РАСПРЕДЕЛЕНИИ ПОТОКА ТРЕБОВАНИЙ [email protected] Задача оптимизации пропускных способностей, обеспечивающих минимальную среднюю задержку в пакетных сетях, аналитически решена только для модели сети в виде системы массового обслуживания типа М/М/1 [1]. Однако, использование этой модели даёт завышенные значения средней задержки сети, так как предполагает экспоненциальное распределение времени обслуживания m-1 пакетов. При попытке синтезировать сеть с малой средней задержкой, это приводит к неоправданно большому привлечению используемых сетевых ресурсов. В реальных сетях при постоянной длине пакета и небольшой нагрузке время обслуживания оказывается фиксированным, что соответствует модели сети типа М/Д/1. Решим оптимизационную задачу для модели сети типа М/Д/1 и сравним результаты с моделью М/М/1. Для системы массового обслуживания с произвольным законом распределения времени обслуживания (М/G/1) теория даёт среднее число пользователей в виде формулы Поллачека-Хинчина: n = r + r2

где r =

(1 + Ñ 2в ) , 2(1 - r )

(1)

l < 1 - интенсивность трафика (коэффициент использования обслужиm

вающего элемента); Ñ 2в = s в2 / m 2 - квадрат коэффициента дисперсии времени обслуживания; s в2 - дисперсия времени обслуживания. Для системы М/Д/1 формула (1) справедлива, если Ñ 2в = 0, то есть: n=

r(2 - r ) . 2( 1 - r )

(2)

В соответствии с принципом независимости (клейнроковская аппроксимация) и формулой Литтла, среднее число пакетов определяется суммой пакетов во всех линиях связи [1]: k

cp N = Tзад g = å ni ,

(3)

i =1

где k – число линий связи, ni – количество пакетов в i-й линии связи. Таким образом, выражение (3), с учётом (2) определяет среднюю задержку сети: 1 n ri ( 2 - ri ) ср Tзад = å . (4) g i =1 2 ( 1 - r i ) 241

СПИ-МТ-2008 Анализ показал, что функция (4) является выпуклой и имеет условный экстремум (минимум). При ограничении стоимости Ci передачи удельного потока Fi на единицу пропускной способности Vi, равного коэффициенту использования канала ri,получим: Ll i Fi бит =в = вr , Lm i Vi с (бит / с)

Ci = в

i = 1, k ,

где в – коэффициент пропорциональности. Просуммировав Сi по всей сети, получим ограничение в виде стоимостной функции: k

Ccc = в å r i £ C зад.

(5)

i =1

Функционал оптимизации, с учётом (4) и (5), принимает вид: k 1 k r (2 - r i ) Ф= å i + Rв å r i . g i =1 2(1 - r i ) i =1 Вычислим частные производные: ¶Ф (1 + 2Rвg ) - 2 r i (1 + 2Rвg ) + 2(1 + Rвg ) ri = = 0. ¶r i (1 - r i ) 2

Получим k квадратных уравнений вида: r i2 - 2 r i + 2 торых находим r i = 1 ± -

1 + Rвg = 0 , из ко1 + 2R вg

1 , i = 1, k. Так как ri есть функция парамет1 + 2Rвg

ров, не зависящих от номера ветви, то r1=r2=¼=ri=¼=rκ=r0=const, то есть r 0 = 1 ± - 1 /(1 + 2Rвg ) . (6) Подставляя выражение (6) в уравнение (5) находим неопределённый множитель Лагранжа: R=-

1 2вg

é ù вn )2 ú. ê1 + ( C зад. - вn û ë

Подставляя данное соотношение в (6), определяем оптимальные значения r0: r 01 = (2вn - C зад. ) вn , (7) r 02 = С зад& вn . (8) Условие (7) соответствует особой точке, лежащей за пределами рабочей области (r > 1). Оптимальное значение r02 (8) минимизирует среднюю задержку сети: ¢ min = Tзад

n C зад. ( 2вn - C зад. ) . g вn 2( вn - C зад . )

(9)

Аналогичное выражение минимальной средней задержки для М/М/1 имеет вид [2], min Tзад =

n C зад. 1 × . g вn ( вn - C зад . )

(10) 242

СПИ-МТ-2008 Отношение выражений (9) и (10) показывает степень превышения средней задержки при использовании модели М/М/1 по отношению к модели М/Д/1: kc =

¢ min Tзад 2 = . min Tзад 2 вn - C зад .

(11)

Анализ выражения (11) показал, что при напряжённом трафике (r ® 1), когда Сзад.» вn и kc @ 2, среднее время задержки превышено в 2 раза. Это означает, что при синтезе сети с использованием модели М/М/1, происходит значительное превышение стоимости сети при попытке достижения реальной min ¢ min = Tзад задержки Tзад , то есть:

¢ = вn откуда: С зад

¢ . С зад С ( 2вn - C зад. ) = зад. , ¢ .) ( вn - С зад 2( вn - C зад. )

C ( 2вn - C зад

2 kn( 1 + С

зад

зад

)

)-С (2 +С зад

зад

)

, при Сзад< вn, ( r £ 1).

Таким образом, стоимость сети, рассчитанная для случая экспоненциального распределения времени обслуживания пакетов, значительно превышает стоимость той же сети для фиксированного времени обслуживания. Величина превышения зависит от интенсивности входного потока пакетов и сложности топологической структуры сети. При малых значениях трафика и большом числе ветвей, С¢зад может быть в несколько раз больше, чем Сзад. Так, при r опт = 5 = 0,25 , n=20 и Сзад=5, С¢зад=17, превышение составляет 3,4 20

раза. При напряжённом трафике (rопт.~1) - Сзад=С¢зад= =вn. Список использованных источников 1. Линец Г.И., Фомин Л.А., Зданевич. С.Н., Павленко Н.А., Будко П.А. Синтез сети передачи данных при ограниченных сетевых ресурсах. //Сб. науч. тр.: Системы обработки информации. - Харьков : НАНУ, ПАНИ, ХВУ, 2000. - Вып.1 (7). - с. 65-71. 2. Бережной В.В., Фомин Л.А., Зданевич С.Н., Ватага А.И., Павленко Н.А. Оптимизация ресурсов сети документального обмена с технологией АТМ при мультисервисном обслуживании – Ученые записки физико-математического факультета СГУ. – Ставрополь, 2002. – 123с. Лукьянов А.Д. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОЦЕССА СВЕРЛЕНИЯ НА РАДИАЛЬНО-СВЕРЛИЛЬНОМ СТАНКЕ [email protected] При автоматизации операции глубокого сверления труднообрабатываемых материалов на радиально – сверлильных станках, на процесс сверления оказывает влияние малая жесткость системы заготовка-шпиндельтраверса-колонна, что, в ряде случаев, приводит к самовозбуждению системы сервопривода подачи. Проблема усугубляется тем обстоятельством, что при243

СПИ-МТ-2008 веденная жесткость меняется как в процессе перехода от одного отверстия к другому, так и в ходе сверления одного отверстия, из-за особенности процесса глубокого сверления Для исключения подобной ситуации и разработки алгоритма автонастройки блока управления серводвигателя необходимо иметь математическую модель, описывающую динамику процесса сверления с учетом вышеприведенных особенностей. Структурная схема моделируемой системы после ряда упрощений приведена на рис. 1. Упруго-диссипативное закрепление траверсы и колонны имеет жесткость c и диссипацию h . M - масса шпиндельной бабки; m - приведенная масса траверсы и колонны; Fp - сила реакции, формиРис. 1. Структурная схема руемая процессом сверления и заготовкой; L и l - вылеты масс. Представленная схема описывается дифференциальным уравнением (1) ( Ml 2 + mL2 )a&& + hla& + cla + ( Ml + mL ) g = Fp l Сила реакции процесса сверления Fp формируется имитационной моделью, полученной как результат теоретического и экспериментального исследования процессов сверления труднообрабатываемых материалов, и учитывает свойства материала, характеристики инструмента, особенности алгоритма сверления и закономерности формирования силовых реакций по мере увеличения глубины отверстия. Объединенная математическая модель используется для осуществления процедуры автонастройки системы управления сервоприводом вертикальной подачи сверлильного станка. В ходе процедуры автонастройки параметры встроенного ПИД регулятора изменяются таким образом, чтобы обеспечить желаемое быстродействие и точность, при условии сохранения устойчивости и запаса устойчивости и исключения возникновения автоколебаний. Малинин С.Н. ПОСТРОЕНИЕ ГРАФ-МОДЕЛИ ПОТОКА СООБЩЕНИЙ ОБЪЕКТНООРИЕНТИРОВАННОЙ ПРОГРАММЫ МЕТОДОМ АВТОТРАССИРОВКИ [email protected] Структурное тестирование программы предполагает знание спецификации программы в виде граф-модели потока управления. Построение графмодели программы используется для решения задач определения достаточности множества тестов, создания тестовых наборов, измерения тестового 244

СПИ-МТ-2008 покрытия кода. Для программ, написанных на языке объектно-ориентированной парадигмы, широко известная модель в виде графа по управлению подходит только для отдельных модулей, поэтому для общего тестирования должны быть применены новые модели. При выполнении объектно-ориентированной программы отдельные объекты обмениваются между собой “сообщениями”, получение каждого из которых запускает определенный метод объекта, а само сообщение обычно приносит этому методу информацию для переработки или управления этим методом. Исполнение этого метода приводит к отправке других сообщений другим адресатам, но при завершении выполнения каждого метода управление возвращается туда, откуда было отправлено сообщение этому методу. Посылка сообщений одними объектами другим объектам – это, по существу, традиционное обращение к процедуре или функции, при котором посылающий сообщение объект может не только передавать некоторую информацию адресату, но и получать информацию от него [1]. Аналогично тому, как создается и представляется структура процедурно-ориентированной программы (граф-модель, где вершины отражают модули программы, а дуги – связи модулей по управлению), граф-модель потока управления может быть построена для объектно-ориентированной программы. Ввиду короткой истории объектно-ориентированного проектирования и программирования, такая модель еще не имеет устоявшихся названий. Будем называть ее моделью потока сообщений. Потоком сообщений (по аналогии с потоком управления) будем называть последовательность, в которой в программе формируются и посылаются сообщения одним объектом другому объекту. Данная модель отражает связи по сообщениям методов, являющихся компонентами конкретных классов. В дополнении к имени каждая вершина такой модели будет обладать дополнительным атрибутом: множеством имен операций (методов) класса, соответствующим этой вершине. При графическим изображении (рис.1) вершина графа будет представляться кругом, имеющим имя класса. Внутри этого круга указываются точки, число которых соответствует числу методов класса. При этом каждая точка помечена именем одного из методов класса. Дуга, соединяющая две вершины графа, “уточнится” до множества дуг, соединяющих точки внутри кругов, соответствующие методам этих классов. Графически это могут быть дуги, проведенные между различными вершинами-кругами, и дуги внутри вершин кругов. В первом случае они соответствуют сообщениям, пересылаемым между методами различных классов, а во втором – внутри одного класса. Таким образом, атрибуты дуги уточняются именами метода-отправителя и метода получателя. Метод-отправитель и метод получатель могут быть связаны несколькими дугами, что может быть представлено атрибутом Вес в модели дуги. 245

СПИ-МТ-2008

Рис. 1. Граф-модель потока сообщений

Такая модель может быть построена динамически путем автотрассировки. В [2] строится взвешенный ациклический граф вычислительного алгоритма программы. Граф строится в процессе тестовых прогонов программы. При этом дополнительные операции, связанные с построением графа, выполняются в фоновом режиме и не влияют на выполнение самого алгоритма программы. Предлагаемая модель тестирования обладает рядом преимуществ по сравнению с другими, существующими на сегодняшний день моделями тестирования: 1. Широкий и управляемый диапазон детализации при построении графа алгоритма (от отдельных арифметических операций – до функций и подпрограмм). 2. Минимальная модификация програм-

мы. 3. Для реализации необходимо наличие только компилятора языка С++. 4. Граф алгоритмов, построенный по такому принципу, позволяет распараллеливание исполнения программы по нескольких процессорам. Метод основан на возможности переопределения (overloading) функций языка С++. Основная идея заключается в следующем. Алгоритм записывается в виде программы на языке С++, в которой для работы с вещественными числами используется не стандартный тип, например, double, а специальный класс number. Этот класс, с одной стороны, обеспечивает те же операции, что и double (арифметические, ввод/вывод), а с другой стороны, одновременно (в фоновом режиме) строит вершины и дуги графа, соответствующие этим операциям. Управление процессом построения графа обеспечивается, специальным классом graph. Таким образом, все функции построения вершин и дуг графа оказывается инкапсулированными в объектах класса number и graph, т.е. пользователю не требуется вставлять никаких специальных операторов, кроме небольшого числа управляющих команд в теле основной функции main. Таким образом, будет построен взвешенный ациклический граф. Если результат выполнения одной операции используется для выполнения другой операции, то между вершинами, соответствующими этим операциям, будет построена дуга. Список использованных источников 1. Коган Б.И., Шалфеева Е.А. Оценка качества и исследование программных продуктов: языково-ориентированный подход. Модели и метрики объектно-ориентированных проектов и программ: Препринт 26-2000, Влади246

СПИ-МТ-2008 восток: ИАПУ ДВО РАН, 2000, 50 с. 2. Ершов Н.М. Построение графов вычислительных алгоритмов методом автотрассировки // Программирование. 2000. №6. С.8-16. Мещеряков Р.В. О ЗАДАЧАХ АНАЛИЗА И СИНТЕЗА РЕЧИ [email protected] Речевые системы (системы синтеза и распознавания речи, диалоговые системы, системы машинного перевода и др.) относятся к интеллектуальным системам. Они должны, во-первых, понимать речь, несмотря на возможные помехи, неточности дикции, отклонения от нормативного синтаксиса, эллиптические конструкции и т.п., и, во-вторых, обеспечивать качественную речь, имеющую высокую разборчивость и естественность речевого сигнала. Человек интегрально использует как языковые знания (фонетика, лексика, синтаксис, семантика, просодия и т.д.), так и неязыковые, т.е. знания предметной области диалога. Основной психоакустической характеристикой речи является ее разборчивость, т.е. степень правильного восприятия звуков, слов и смысла речи. Максимальная разборчивость характерна для восприятия связной речи — фразовая разборчивость [1]. Если человек воспринимает изолированные слова, процент разборчивости оказывается меньше. Она еще больше снижается при восприятии изолированных фонетических элементов речи типа слогов. Большинство подходов основано на последовательном выполнении распознавания слов и синтаксического разбора. Опыт лингвистов показывает, что человек вначале схватывает смысл фразы и только затем приступает собственно к задаче понимания речи, которая часто рассматривается как процедура, независимая от этапа распознавания. Эта точка зрения естественно приводит к слабым результатам. Из психологии речевосприятия становится очевидным, что распознавание и понимание — это две тесно связанные процедуры, которые интегрированы в процесс диалога. Внешними входными и выходными данными систем речевого диалога являются: смысловое пространство слов и фраз заданного языка и предметной области; речевой сигнал; а также для канала синтеза — параметры речеобразующей системы. Общепринято представлять речевую систему в виде иерархии уровней: прагматический; семантический; синтаксический; фонетический; физический [1]. Каждый уровень имеет свой набор данных и правил, обеспечивающих обработку информации. Соответственно для достижения целей обработки информации на верхних уровнях при восприятии речи необходимо решение задач нижних уровней и наоборот. Подобное возникает при синтезе речи — для формирования и произнесения высказывания необходимо решение задач верхних уровней, а также в других речевых системах. Эти два процесса настолько сильно взаимосвязаны, что при решении 247

СПИ-МТ-2008 прямой задачи требуется решение обратной, что формирует основу диалоговой системы [2]. Таким образом, основой системы может служить многоуровневая иерархическая модель, что предполагает: - полное описание языка как иерархию тесно интегрированных событий с определением соответствующих правил преобразования информации на соответствующих уровнях; - учет метаязыковых знаний — предметной области диалога, т.е. прогноз развития событий, как особенность восприятия речи и другие внешние сведения. В результате основные положения при построении модели диалоговой системы можно свести к следующим: - модели мира субъектов, ведущих диалог, пересекаются, т.е. для них являются частично общими знания о мире, определяемые конкретной предметной областью диалога; - субъекты всегда, по предыстории диалога, с определенной вероятностью, предсказывают речевую реакцию оппонента. Следовательно, эффективная процедура восприятия и синтеза речи должна включать: - "полные" знания о языке; - параметры внешней среды; - прогноз реакции оппонента. Эти три положения позволят ограничить область допустимых решений в каждый текущий момент диалога практически на всех уровнях иерархии и, как следует ожидать повысить надежность восприятия речи и качество ее синтеза. Кроме того, необходимо учитывать, что исследования в этом направлении должны опираться на известные данные по речевой деятельности человека, то есть должны базироваться на моделях речеобразования и речевосприятия. Это позволит, с одной стороны, приблизить технические диалоговые системы к естественным, с другой стороны, разработать методики коррекции речевой деятельности при ее нарушениях, реабилитации процессов речеобразования после хирургических вмешательств и др. Алгоритмы решения поставленных задач основаны на использовании моделей речеобразования и моделей слуховой системы человека. Структурно алгоритмы состоят из этапов: - построение модели речеобразования; - анализ влияния характеристик анатомии диктора на параметры речевого сигнала; - предварительная обработка речевого сигнала; - выделение параметров речевого сигнала; - предварительная сегментация речевого потока; - формирование предварительного описания сегментов; - анализ цепочки сегментов; 248

СПИ-МТ-2008 - коррекция сегментов и их описаний; - принятие решений по цепочке описаний сегментов; - учет звукового строя и фонетики языка; - создание базы знаний по морфологии синтаксису. В настоящее время основные исследования по речевым системам ориентированы на создание систем распознавания речевого сигнала, идентификацию диктора по голосу, выделение ключевых слов в слитной речи. Подобные системы используются в основном как дополнительные средства проверки подлинности там, где необходимо обеспечить высокую надежность систем идентификации [2]. Основными недостатками систем являются: длительное обучение при настройке системы на распознавание конкретного диктора; дикторозависимость систем. Основными недостатками систем являются: дикторозависимость; высокое качество распознавания достигается только после длительного обучения; Кроме того, одним из основных недостатков существующих систем является блок предварительной обработки входного речевого сигнала, в котором используются недостаточно полные модели речераспознавания и, как правило, практически не используется информация о системе речеобразования [3]. При увеличении полноты моделей система требует значительно больших вычислительных мощностей и трудоемкой для анализа. Как правило, в системах не используется информация с высоких уровней речевого сигнала (прагматика, семантика) и не учитывается модель речеобразующего тракта человека. Таким образом, можно говорить, что только при комплексном решении задач анализа и синтеза речевого сигнала на различных уровнях иерархии речевой системы позволит получить приемлемые результаты в области речевых технологий. Список использованных источников 1. Сорокин В.Н. Теория речеобразования. М.: Радио и связь, 1985. 312с. 2. Proceedings ‘SPECOM’2005’: 10-th International Conference Speech & Computer / – Patras, 2005. – 835p. 3. Proceedings ‘SPECOM’2007’: 12-th International Conference Speech & Computer / – Moscow, 2007. – 754p. Молчанов А.А. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ЗАДАЧИ СОСТАВЛЕНИЯ ГРАФИКА РАБОТЫ СОТРУДНИКОВ ОТДЕЛА МАРКЕТИНГА [email protected] Одной из основных задач отдела маркетинга (ОМ) является сбыт продукции предприятия. Для этого предусмотрено множество работ R = {r j }, 249

СПИ-МТ-2008 r j Î N , j = 1, 2, ..., q . Начальник ОМ к началу очередного

рабочего периода имеет график работ G * , которые необходимо выполнить отделу: G * =< D, T , R, u >= {< g i*, j , ti , j >}, где D = {d i } , d i =< d i1 , d i2 , d i3 > , di1 – день, di2 – месяц, d i3 – год, i = 1, 2, ..., m , m – количество дней, составляющих рабочий период; T = {ti , j }, t i , j =< t iн, .j , t iк, .j > , t iн, .j , t iк, .j – время начала и конца выполнения работы rj в день d i соответственно; g i*, j = u , u – количество сотрудников, необходимое для выполнения работы r j в день d i , u = 0, 1, 2, ... . В ОМ работают сотрудники, которые составляют множество S = {sb }, b = 1, 2, ..., k . К началу очередного рабочего периода каждый сотрудник подает начальнику ОМ заявку Z =< D, R, y >= {zij,b } с пожеланиями на составление его графика работы: zij,b = y , где i – номер дня рабочего периода, b – номер сотрудника, j – номер работы, y принимает значение 1, если сотрудник sb может выполнять работу rj в день d i , либо 0, в противном случае. Требуется составить график работы G = {g i ,b } сотрудников ОМ: g i ,b = rj , где i – номер дня рабочего периода, b – номер сотрудника, j – номер работы, при следующем ограничении: в день di один сотрудник sb может выполì1, g i ,b = r j ,

q

нять только одну работу rj : "i, "b : å í

£ 1. î0, в остальных случаях k ìh v , v ¹ 0, Целевая функция f (G, Z ) = å í b b b , b =1 î0, в остальных случаях q m m 1, g ì i ,b > 0, где vb = å í , hb = åå zij, b . i =1 î0, в остальных случаях j =1 i =1 Поясним смысл переменных hb и vb . hb — общее количество работ, коj =1

торое, согласно заявке Z , может выполнить за m дней очередного рабочего периода сотрудник sb . vb — количество рабочих дней сотрудника sb , согласно графику работы G . Критерий оптимизации f (G , Z ) ® max . Результирующий график работы ОМ — G * È G . Павлов А.А. МОДЕЛИРОВАНИЕ ПОСЛЕДСТВИЙ АВАРИЙНЫХ РАЗЛИВОВ НЕФТЕПРОДУКТОВ В АКВАТОРИЮ МАЛЫХ РЕК [email protected] Магистральные нефтепроводы являются комплексами взрывопожароопасных объектов, отдельные участки которых проложены в зонах действия опасных природных и техногенных явлений, угрожающих экологической 250

СПИ-МТ-2008 безопасности районов их прокладки, и подвержены повышенному риску повреждения и разгерметизации, а прилегающая территория - риску загрязнения нефтью. Одним из основных путей снижения последствий от аварийных ситуаций на объектах трубопроводного транспорта является планирование и выполнение мероприятий по предупреждению и тщательной подготовке к локализации и ликвидации возникших аварийных ситуаций. Однако ряд задач, необходимых для обработки пространственных данных различных типов и атрибутивной информации о характере распространения нефти по поверхности водных остается все еще не решенным. Наиболее современным способом объединения данных различных типов являются геоинформационные системы (ГИС), позволяющие обрабатывать и анализировать картографический материал в виде электронных карт территорий с нанесенной информацией, описывающей характеристики природных сред и объектов народнохозяйственной деятельности. Перед тем как приступить к построению ГИС необходимо провести моделирование процесса распространения разлившегося нефтепродукта по поверхности водоема. В качестве среды моделирования предполагается использование программы FlowVision. Программный комплекс FlowVision предназначен для моделирования трехмерных течений жидкости и газа в технических и природных объектах, а также визуализации этих течений методами компьютерной графики. При распространении нефтяного пятна происходит осаждение его части на береговой поверхности. В процессе моделирования необходимо получить значение величины объема нефтепродукта осаждающегося на береговой поверхности, в зависимости от береговой поверхности. Все разнообразие берегоРис. 1. Модель распространения вой поверхности предлагается привести нефтяного загрязнения по по- к одному из трех типов: песчаный берег, берег с травянистой растительноверхности реки стью, берег с кустарниковой растительностью. При формальном описании каждого типа береговой поверхности предполагается изменять значения коэффициента трения между нефтяным пятном и береговой поверхностью. Кроме того, необходимо учесть «поглощающую» способность береговой поверхностью нефтяного загрязнения. При моделировании принимаются следующие допущения: течение реки – ламинарное; нефтяное пятно распространяется по всей ширине реки; скорость перемещения нефтяного пятна принималась равной скорости течения реки; влияние скорости ветра не учитывается. Отдельное внимание при моделировании необходимо уделить влиянию 251

СПИ-МТ-2008 температуры на процесс осаждения загрязняющего нефтепродукта на береговую поверхность. Список использованных источников 1. Антипьев В.Н., Архипов В.П., Земенков Ю.Д. Определение количества нефти, вытекшей из поврежденного трубопровода при работающих насосных станциях// НТИС/ВНИИОЭНГ. Сер. "Нефтепромысловое дело и транспорт нефти". - 1985. - Вып. 9. - С. 43 - 45. 2. Дмитренко В.П., Роговицкий Ю.М. Моделирование процессов мониторинга аварийных разливов нефти из трубопроводов// Информационные технологии моделирования и управления, 2007 № 5 с. 588-593. 3 Использование средств компьютерного моделирования в курсах механики жидкости и газа/ Кондрашин Т.В., Ткаченко Б.К., Березников М.В. и др. - М.:МФТИ, 2005. -112 с. 4 Применение пакетов прикладных программ при изучении курсов механики жидкости и газа/ Кондрашин Т.В., Ткаченко Б.К., Березников М.В. и др. - М.:МФТИ, 2005. -104с. 5 Руководство пользователя по системе моделирования движения жидкости и газа FlowVision. ЗАО «ТеСИС», М., 2007. 6 Тику Ш. Эффективная работа в SolidWorks 2004. – СПб.: Питер, 2005. – 768 с. Стулий В.А. ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ ВЗАИМОДЕЙСТВИЯ МОЩНОГО ЛАЗЕРНОГО ИЗЛУЧЕНИЯ С ДИЭЛЕКТРИЧЕСКОЙ СРЕДОЙ [email protected] Процесс распространения ультракоротких лазерных импульсов в диэлектрической среде сопровождается рядом интересных явлений, таких как изменение показателя преломления диэлектрического материала, микровзрывы, генерация суперконтинуума, образование солитонов и т.д. которые, в свою очередь, имеют различные практические применения, например, в микрообработке материалов при прямой записи в оптические волноводы. Обработка материалов с использованием высокоинтенсивных ультракоротких лазерных импульсов позволяет создавать многомерные оптические структуры в прозрачной диэлектрической среде. Данная технология основывается на необратимом индуктивном изменении материала и, следовательно, показателя преломления внутри фокального объема лазерного пучка. Для того чтобы сделать определенную запись внутри материала, не разрушив его при этом, необходимо понимать, каким образом изменяются исходные параметры лазерного импульса в процессе распространения. Данный процесс описывается уравнениями, основным методом решения которых является численное моделирование. В первом приближении процесс взаимодействия ультракороткого ла252

СПИ-МТ-2008 зерного импульса с диэлектрической средой можно описать нелинейным уравнением Шредингера, пренебрегая эффектами поглощения, дефокусировки и многофотонного поглощения: -i

¶ 2 y + Ñ 2^y + y y = 0 , ¶z

Ñ2^y =

1 ¶ æ ¶y ö çr ÷ r ¶r è ¶r ø

где y (r , z , x ) - комплексная амплитуда электрического поля в системе отсчета, движущейся с групповой скоростью импульса v g ; r – координатный вектор, z - направление распространения импульса,

z - время. vg Для нахождения решения данного уравнения предлагается построить дискретную задачу, аппроксимирующую его. Построенная задача может быть решена методом продольно-поперечной прогонки, который дает возможность изучения эволюции импульса по трем пространственным координатам. Для увеличения скорости вычислений можно воспользоваться методами параллельного программирования. Предлагается распараллелить нахождение значения амплитуды ψ в каждом узле разностной сетки, построенной для z, при помощи параллельного алгоритма для решения трехдиагональных систем, которые используются в методе прогонки. Данный алгоритм реализован на языке С++ с использованием библиотеки MPI. Созданное приложение позволит изучать процесс взаимодействия мощного лазерного излучения с диэлектрической средой: получать представление о характере протекания процесса, об его исходе и последствиях, производить оптимизацию процесса записи по входным параметрам импульсов.

x =t-

Тазетдинов А.Д. МАТЕМАТИЧЕСКИЕ МОДЕЛИ КОМПЬЮТЕРНЫХ ОБУЧАЮЩИХ СИСТЕМ РЕПЕТИТОРСКОГО ТИПА [email protected] В настоящее время существует достаточно много компьютерных автоматизированных обучающих систем (АОС), которые можно отнести к системам репетиторского типа. Это и разнообразные компьютерные обучающие программы для детей и программы по обучению иностранным языкам и другие компьютерные программы, в которых в той или иной степени превалируют процессы повторения учебного материала. Необходимость повторения учебного материала для того, чтобы запомнить, обусловлена такими особенностями человеческой памяти, как способ хранения информации, процессом забывания, а также с самим механизмом запоминания. Поэтому ключевую 253

СПИ-МТ-2008 роль в формировании требований к функционированию компьютерных автоматизированных обучающих систем репетиторского типа (РАОС) должна, прежде всего, играть теория памяти. Несмотря на то, что к настоящему времени разработано большое количество разных подходов к моделированию процесса обучения, существует необходимость использования новых математических моделей и методов. Имеющиеся модели обучении, в которых учитывается механизмы памяти и забывания, можно условно разделить на два класса: вероятностные и дифференциальные. И дифференциальные, и вероятностные модели лучше всего подходят для расчетов силы забывания при использовании большого массива семантической информации или для большого количества обучаемых, и чем больше объем или количество, тем точнее будут результаты расчетов. В то же время, для понимания механизма существования в памяти единичного понятия гораздо ближе теория нечетких множеств, предложенная Заде [4]. Он говорит о том, что имеются два класса проблем для «мягких» вычислений – это проблемы, для решения которых полная информация не может быть получена, и проблемы, определение которых недостаточно полно. И это совершенно справедливо для факторов влияющих на процесс запоминания. Так, мы никогда не сможем точно вычислить величину эмоциональности или уровень мотивации, тем не менее, можно и нужно учесть степень принадлежности (влияния) каждого фактора на процесс запоминания. В отличие от функции принадлежности, теория вероятностей не отражает фактического состояния единичного понятия в памяти человека, так как, хотя бы и очень редко, возможны и маловероятные (или невероятные) события [2]. Идея использования концепции нечетких множеств для описания состояния единичных понятий в памяти человека находит свое подтверждение и в современных коннекционистских моделях, которые полагают, что конкретная информация хранится в памяти в хорошо структурированной и высоко практичной сети, а научение состоит в установлении силы связей между ее элементами. Множество исследований по семантической организации [1, 3, 5, 6] показывают, что эта сеть может быть крайне разветвленной. Согласно коннекционистской концепции забывание происходит по причине уменьшения силы (как бы истаивания) связей между простыми единицами сети, в результате чего, доступ к отдельным частям информации, составляющим некоторое понятие, теряется. Умственное усилие, прилагаемое к тому, чтобы организовать информацию во время активного воспроизведения учебного материала, наоборот, восстанавливает и усиливает связи, тем самым, влияя на прочность запоминания. В данном случае, при описании состояния единичного понятий в памяти, дифференциальные модели могут найти применение для расчетов силы связей, в функции принадлежности с условием, что сила n

связей S = å Si , n > 0 является величиной, для которой можно ввести бескоi =1

нечно малые изменения за время ∆t. Где Si – сила i-й связи, а n – количество 254

СПИ-МТ-2008 связей, которое, опять же, не может быть вычислены точно. Конечно, и нечеткие множества можно свести к их пороговым значениям и получить множество их двух элементов – {знает; не знает}. Но в отличие от систем, направленных на контроль знаний, репетиторским системам нужна более точная информация об уровне незнания обучаемого для формирования управляющего воздействия. Список использованных источников 1. Андерсон Д. Когнитивная психология. - СПб.: Питер, 2002. - 496 с. 2. Батыширин И.З., Недосекин А.О., Стецко А.А., Тарасов В.Б., Язенин А.В., Ярушкина Н.Г. Нечеткие гибридные системы. Теория и практика М.: ФИЗМАТЛИТ, 2007. - 208 с. 3. Гейвин Х. Когнитивная психология. - СПб.: Питер, 2003. - 272 с. 4. Заде Л. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем// Новости искусственного интеллекта. № 2, 3. 2001. 5. Солсо Р. Когнитивная психология. - СПб.: Питер, 2006. - 589 с. 6. Холодная М.А. Когнитивные стили. О природе индивидуального ума. - СПб.: Питер, 2004. - 384 с. Тараканов О.В., Лапко А.Н., Капитонов В.А. РАЗРАБОТКА ИНФОРМАЦИОННОЙ МОДЕЛИ ТЕРРОРИСТИЧЕСКОЙ ОРГАНИЗАЦИИ [email protected] В процессе ведения базы данных по учету террористических организаций (ТО) инженером-технологом выполняется ряд рутинных операций. Например, ввод значений характеристик объектов учета, проверка правильности ввода, просмотр подготовленных данных для выполнения транзакции, повторный ввод повторяющейся типовой характеристики и тому подобное. В базах данных специального назначения, помимо описанных действий выполняются процедуры идентификации и аутентификации, шифрования, дешифрования и контроля защищенности данных. По оценкам, приводимым в печати, до 85% времени работы с базой данных уходит на выполнение рутинных действий [1]. Существующие способы автоматизации рутинных функций, путем рационализации действий инженера-технолога, применения дружественных компонентов графического интерфейса, таких как автозаполнение, шаблоны ввода, списки выбора, несколько снижают нагрузку на пользователя, но не позволяют устранить указанное противоречие полностью. Для решения данной задачи предлагается применение интеллектуальных методов, позволяющих разработать способ имитации работы инженератехнолога по ведению сложной базы данных специального назначения. Сущность предложения состоит в следующей предпосылке. Любой пользователь 255

СПИ-МТ-2008 осуществляет ввод информации в определенной последовательности полей. Обычно сверху вниз и слева направо. Кроме того, часть данных коррелированна между собой, следовательно, ведение истории ввода позволяет предсказать с определенной долей уверенности значение следующей записи, на основании предыдущей [2]. Значительные затраты времени работы технолога связаны с контролем правильности вводимой информации. На количество ошибок оказывает влияние как уровень навыков и умений инженера-технолога, так и количество скрытых ошибок исходной информации, подлежащей вводу в базу данных. Вторым предназначением предлагаемого механизма является оперативный контроль вводимых данных в фоновом режиме с целью выявления противоречивых данных на самой ранней стадии. Здесь работают эвристические продукционные правила, типа ЕСЛИ-ТО-ИНАЧЕ, позволяющие распознавать подозрительные сегменты и информировать инженера-технолога. Ведение базы данных осуществляется инженером-технологом с использованием команд на языке SQL. Соотношение количества символов, относящихся к полезной информации, к общему числу символов готового оператора доходит до 50%, что свидетельствует о наличии еще одного фактора, существенно снижающего эффективность работы [2]. Здесь предлагается реализация традиционного подхода, основанного на кэшировании вводимой информации. С этой целью пользователю предлагается специализированный интерфейс, который предлагает указать тип транзакции (INSERT, DELETE, UPDATE), на основании типа автоматически формирует шаблон оператора со свободными полями для ввода полезной информации, а затем осуществляет проверку синтаксиса и отправку запроса на выполнение. Для повышения понятности поля для полезной информации оснащаются подписями в виде имен соответствующих атрибутов. Очевидно, что для базы данных, содержащей Х таблиц, понадобится 3Х готовых шаблонов ввода. При этом ожидается, что эффективность использования операционного времени повысится не менее чем на 40%. Дополнительно к указанным мерам применяются классические компоненты для оснащения специализированного интерфейса. Такие как, поле ввода со списком, набор радио кнопок, указатели для расстановки флагов, динамически формируемые контекстно зависимые меню. Поля ввода со списком формируются на основании данных, содержащихся в базе. Так, например, для атрибута базы данных ИМЯ достаточно иметь до 100 записей, чтобы обеспечить почти полный список наиболее употребляемых имен, чем уменьшить число нажатий клавиш клавиатуры в среднем на 8 на каждую новую запись. Реализация разработанного механизма обеспечивает ряд дополнительных эффектов. К ним, кроме повышения скорости работы, относится: снижение утомляемости пользователя, что в результате приводит к уменьшению количества ошибок; смягчение требований к технологической квалификации 256

СПИ-МТ-2008 пользователя (другими словами – снимается условие на выполнение работ только квалифицированным инженером-технологом, возможно ведение базы данных аналитиком, в интересах которого она функционирует); механизм контроля корректности вводимых данных может быть использован и в процессе анализа введенной информации, если изменить направление перемещения информации на противоположное (обрабатывать хранящиеся данные с помощью продукционных правил, дуальных применяемым при вводе). Исследование эффекта от внедрения специализированного интерфейса инженера-технолога показало, что имеется существенный выигрыш как по времени, затрачиваемом на рутинные операции, так и по количеству допускаемых при этом ошибок. Следовательно, установлена прямая зависимость между качеством лингвистического обеспечения автоматизированной системы и эффективностью ее функционирования по предназначению, особенно при применении баз данных сложной структуры. Список использованных источников 1. Кульба В.В., Ковалевский С.С., Косяченко С.А., Сиротюк В.О. Теоретические основы проектирования оптимальных структур распределенных баз данных. – М: СИНТЕГ, 1999. – 660 с. 2. Информационно-управляющие человеко-машинные системы. Исследование, проектирование, испытания. Справочник/ Под ред. Губинского А.И., Евграфова В.Г. – М: Машиностроение, 1993. – 528 с. Шибанов А.П. СИСТЕМА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ СЕТЕЙ MPLS [email protected] Введение Серьезным недостатком сети Интернет является отсутствие гарантий по времени передачи информационных пакетов. Одним из путей решения этой проблемы является создание высокоскоростных участков этой сети на основе технологии MPLS (MultiProtocol Label Switching) с использованием многопротокольной коммутации меток. При этом эффективным средством повышения производительности сети является многопутевая маршрутизация с балансировкой трафика в маршрутизаторах. Рекомендации IETF RFC 2702 “Requirements for Traffic Over MPLS” [1] задают минимаксный критерий оптимизации при “конструировании трафика”, а именно min(max Ki), где Ki коэффициент нагрузки i-го маршрутизатора. Протоколы маршрутизации определяют множество наилучших маршрутов, по которым осуществляется параллельная передача пакетов определенного профиля. При этом учитываются такие параметры, как средняя скорость передачи, пульсации трафика, задержки передачи и их вариации, допустимый коэффициент потерь пакетов, вероятность искажения пакета. Дополнительно могут учитываться: значение тайм-аута, размер окна подтверждения пакетов, время жизни пакета, доля 257

СПИ-МТ-2008 служебной информации в пакете. Анализ работы сети MPLS с учетом множества перечисленных параметров и нахождение возможно лучших проектных решений основаны на использовании систем имитационного моделирования, автономных по отношению к сети [1]. Одним из перспективных решений является использование специализированных систем имитации работы сетей MPLS. Имитационное моделирование сетей MPLS Для моделирования сетей MPLS используется специализированная система моделирования сетевой структуры. Имитационные блоки, реализующие функции устройств и программ MPLS, соединяются в сеть с использованием графического интерфейса. Функционирование системы демонстрируется на примере моделирования сети MPLS, передающей информацию по параллельным маршрутам. На рис. 1 представлен вариант маршрутизации информационных пакетов в MPLS c 4 путями LSP. Основное внимание уделим быстродействию тракта передачи пакетов от абонента A к абоненту D. Для продвижения пакетов в маршрутных таблицах заложено два пути передачи: Путь 1: Абонент A - PE1 - Канал 2 - PE3 - Канал 5 - PE4 - Абонент D; Путь 2: Абонент A PE1 - Канал 1 - PE2 - Канал 4 - PE4 - Абонент D. Кроме того, передаются и пакеты от других абонентов: Путь 3: Абонент С - PE3 - Канал 3 - PE2 - Канал 4 - PE4 - Абонент D; Путь 4: Абонент B - PE2 - Канал 3 - PE3 - Абонент C.

Рис. 1. Вариант маршрутизации в сети MPLS Все маршрутизаторы имеют общую входную очередь, которая может переполняться при возрастании трафика, поступающего с разных направлений. Передача пакетов других абонентов может негативно сказываться на задержках передачи пакетов абонента A. Задачей моделирования является оценка быстродействия MPLS при передаче пакетов от абонента A к абоненту D в двух случаях: 1) при использовании только LSP1; 2) при передаче па258

СПИ-МТ-2008 кетов поочередно то по LSP1, то по LSP2. Модель процесса передачи пакетов с использованием маршрутизаторов приведена на рис. 2.

Рис. 2. Модель маршрутизации в MPLS Задержки в PE1 и работа буферной памяти отражаются модельными блоками W1 и Q1. Для PE2, PE3 и PE4 это соответственно блоки W3, W4, W5, Q3, Q4, Q5; W7, W8, W9, Q7, Q8, Q9; W11, W12, W13, Q11, Q12, Q13. Задержки в каналах 1, 2, 3, 4 имитируются блоками W2, W6, W10, W14, а функционирование их буферов блоками Q2, Q6; Q10; Q14. Передача пакетов от абонентов A, B имитируется блоками-генераторами G1, G2. Абонент D только принимает пакеты, поэтому его функции отображаются блокомтерминатором T2. Абонент C как передает, так и принимает пакеты; в модели это отражается блоком-генератором G3 и терминатором T1. Моделирование проводилось при следующих спецификациях имитационных блоков. Генераторы G1, G2, G3 вырабатывают по 100 пакетов. Пакеты, порождаемые генератором G1 с интервалом 3 мкс, имеют адрес назначения Абонента D. Пакеты с генератора G2 имеют адрес абонента C, и вырабатываются с интервалом в 10 мкс. Генератор G3 порождает пакеты с адресом назначения абонента D через каждые 10 мкс. Дуги W1, W3 - W5, W7 - W9, 259

СПИ-МТ-2008 W11 - W13 отражают задержки прохождения через маршрутизаторы, и характеризуются экспоненциальным распределением со средним значением в 8 мкс. Дуги W2, W6, W10, W14 отражают время выполнения операций в каналах, и описываются экспоненциальными распределениями с математическими ожиданиями 2,86; 4; 2,5; 0,33 мкс. Селекторы S1, S2, S3, S4 имитируют функции маршрутизации, и направляют заявки на свои выходы по следующему правилу. Выходные дуги селектора упорядочиваются по увеличению ASCII-кодов их логических имен. Адреса абонентов принудительно упорядочиваются в нужном для составителя модели порядке (речь идет о “модельных” адресах, а не физических или сетевых). Пакет с наименьшим значением адреса направляется на выходную дугу селектора наименьшим ASCII-кодом, пакет со следующим в порядке увеличения “модельным” адресом направляется на дугу, имеющую следующий в порядке возрастания ASCII-код и т.д. Выходная дуга селектора, имеющая самое большое значение ASCII-кода, принимает все остальные кадры. Только в одном случае селектор S1 меняет режим работы. Вместо последовательного направления всех пакетов на LSP1 он поочередно выдает приходящие пакеты на оба выхода. Такой режим работы необходим для исследования загрузки сети при использовании для передачи пакетов абонента A параллельно по путям LSP1 и LSP2. Результаты моделирования отражены на рис. 3, 4. При использовании для передачи пакетов от абонента A к абоненту D как одного LSP, так и двух LSP, очередь Q10 невелика. Добавление трафика LSP2 незначительно увеличивает ее объем. То же самое можно сказать и об очереди Q14.

Рис. 3. Состояние очереди Q6 при использовании одного LSP Иная картина наблюдается в очереди Q6. Из рис. 3 видно, что при использовании только LSP1 для передачи пакетов от абонента A к абоненту D 260

СПИ-МТ-2008 она испытывает значительные перегрузки. При поочередной передаче пакетов селектором S1 на свои выходы длина очереди Q6 становится существенно меньше, так как часть потока пакетов от абонента A к абоненту D минует очередь Q6 (рис. 4).

Рис. 4. Состояние очереди Q6 при использовании двух LSP Дополнительную информацию в виде таблиц и гистограмм времени нахождения в MPLS заявок дает блок-сборщик статистики St1. В табл. 1 приведены данные о прохождения пакетов через блок St1. Таблица 1 Характеристики пакетов, прошедших через блок St1 Параметр

Один LSP от A к D Два LSP от A к D Математическое ожидание времени нахождения 228,9 мкс 175,92 мкс заявки в системе Дисперсия времени нахождения заявки в системе 25190 мкс2 15112 мкс2 Математическое ожидание величины интервалов 7 мкс 5,35 мкс между заявками Дисперсия величины интервалов между заявка- 48,4 мкс2 28,35 мкс2 ми

Приведенные данные свидетельствуют о том, что при использовании двух параллельных путей LSP1 и LSP2 повышается не только общая производительность сети MPLS, но другие показатели качества, такие как средние задержки передачи пакетов и их вариации. Заключение Система имитационного моделирования сетей MPLS может быть эффективно использована для выполнения оценок: качества процедур резервирования полосы пропускания виртуальных каналов; характеристик быстродействия линий связи при передаче трафика чувствительного к задержкам; 261

СПИ-МТ-2008 работы алгоритмов отказоустойчивости; характеристик виртуальных частных сетей (VPN), создаваемых на основе MPLS и т.д. Работа поддержана Российским Фондом фундаментальных исследований, грант № 07-07-00146. Список использованных источников 1. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы. СПб.: Питер, 2007. 958 с. Якушев Д.В. ОЦЕНКА ПАРАМЕТРОВ МОДЕЛИ ГОЛОСОВОГО ИСТОЧНИКА [email protected] Оценка параметров голосового источника полезна при автоматическом распознавании речи, при оценке эмоционального состояния диктора и распознавании его пола. Исходными данными для определения параметров голосового источника являются результаты обратной фильтрации, когда исходный речевой сигнал пропускается через фильтр с коэффициентами, например модели линейного предсказания, с передаточной функцией в виде некоторого полинома и имеющей нули, совпадающие с полюсами речевого тракта [1]. На выходе такого фильтра получаем оценку производной объемной скорости через голосовую щель, сигнал – остаток. Уравнение для аэродинамического потока через голосовую щель можно представить в виде cr r 0 h (n S )¢ + kmp hn S + x 0 Sn 2 = DpS , 2 2 2 где kmp = 12 mb S .

(1)

Здесь S ─ площадь голосовой щели; n ─ линейная скорость потока; kmp ─ коэффициент вязкого трения; r 0 ─ плотность воздуха; h ─ глубина голосовой щели вдоль оси потока; b ─наименьший размер капиллярной трубки прямоугольного сечения; Dp ─ перепад давления над голосовой щелью; c x ─ коэффициент динамического сопротивления; m ─коэффициент вязкости воздуха. Представленные параметры определяются с помощью экспериментальных исследований и фиксируются в середине определенных диапазонов [2, 3]. Такой способ определения параметров неприменим, например, в автоматических системах распознавания речи или идентификации диктора по его голосовым данным и не отражает динамики речи. Учитывая, что w = n S , производную объемной скорости потока через голосовую щель можно представить в следующем виде DpS ( t ) cx w2 ( t ) 12m b 2 S 2 ( t ) w ( t ) . w¢ ( t ) = r0 h 2hS ( t ) r0

(2)

Модель площади голосовой щели S ( t ) , как функции времени на интер262

СПИ-МТ-2008 вале одного периода основного тона длительностью T0 , можно описать следующим образом [1] a ì é æ p t öù ï S max êsin ç 0 £ t £ t1T0 ÷ú , 2 t T ï è 1 0 ø ë û ï a é æ p ( t - t1T0 ) ö ù ïï (3) S ( t ) = í S max êcos çç ÷÷ ú , t1T0 < t £ t2T0 2 t t T ( ) 2 1 0 ê ú ï øû ë è ï 0, t2T0 < t £ T0 ï ï ïî Здесь t1 ─ отношение фазы открытия голосовой щели к T0 , t2 ─ отноше-

ние интервала открытой голосовой щели к периоду T0 , a , b ─ коэффициенты, определяющие скорость раскрытия и закрытия голосовой щели, S max ─ максимальная площадь голосовой щели. Параметры модели (3) можно определить для некоторого типа голоса и зафиксировать. Для оценки Dp , cx и m воспользуемся линейным МНК [4] C = ( AT A)-1 AT B ,

где

æ S ( t1 ) ç ç ro h A = ç ... ç ç S ( tn ) ç è ro h

w2 ( t1 ) 2hS ( t1 )

12b 2 S 2 ( t1 ) w ( t1 ) ö ÷ r0 æ w¢ ( t1 ) ö æ Dp ö ÷ ç ÷ ÷, B = ... ÷ , C = çç cx ÷÷ , ... ... ç ÷ çm ÷ ç w¢ ( t ) ÷ w2 ( t n ) 12b 2 S 2 ( tn ) w ( tn ) ÷ n ø è ø è ÷ 2hS ( tn ) r0 ø n ─ длина речевого сегмента. В качестве w¢ используем нормированный

(до 200) сигнал – остаток после обратной фильтрации, который является оценкой производной от объемной скорости. Нормировка производится в связи с тем, что абсолютные значения сигнала – остатка после обратной фильтрации остаются произвольными, так как зависят от неизвестного коэффициента усиления канала и приемника звука. Теперь оценим параметры r0 , h и b , входящие нелинейно в уравнение (2). Для этой цели воспользуемся нелинейным МНК [5]. Нелинейная задача о наименьших квадратах для нашего случая имеет вид 2 2 2 ö 1 n æ DpS ( ti ) cx w ( ti ) 12m b S ( ti ) w ( ti ) ¢ ( ti ) ÷ min å ç w ç rh ÷ r 0,h ,b 2 2hS ( ti ) r0 i =1 è 0 ø

2

Пусть

DpS ( ti ) cx w2 ( ti ) 12m b 2 S 2 ( ti ) w ( ti ) ri ( r 0 , h, b ) = - w¢ ( ti ) . r0 h 2hS ( ti ) r0

Тогда матрица Якоби n ´ 3

æ DpS ( ti ) 12 m b 2 S 2 ( ti ) w ( ti ) J ( r0 , h, b ) = çç + r02 h r02 è

DpS ( ti ) cx w2 ( ti ) + 2 r0 h 2 2 h S ( ti )

и 263

24m bS 2 ( ti ) w ( ti ) ö ÷÷ r0 ø

СПИ-МТ-2008 æ 2DpS ( ti ) 24m b 2 S 2 ( ti ) w ( ti ) ç 3 r 03 ç r0 h ç DpS ( ti ) Ñ 2 ri ( r 0 , h, b ) = ç r 02 h 2 ç ç 24m bS 2 ( ti ) w ( ti ) ç ç r 02 è

DpS ( ti ) r 02h 2 2DpS ( ti )

r 0 h3

-

c x w 2 ( ti ) h 3 S ( ti )

0

Определим матрицу S ( r0 , h, b ) следующим образом

24 mbS 2 ( ti ) w ( ti ) ö ÷ r 02 ÷ ÷ ÷. 0 ÷ ÷ 2 24 m S ( ti ) w ( ti ) ÷ ÷ r0 ø

n

S ( r 0 , h, b ) = å ri ( r 0 , h, b ) Ñ 2 ri ( r 0 , h, b ) . i =1

Решение нелинейной задачи о наименьших квадратах для нашего случая будет иметь вид æ r 0+ ö æ r 0 c ö T ç ÷=ç ÷h h J r , h , b J ( r 0c , hc , bc ) + S ( r 0c , hc , bc ) ( ) + c 0 c c c ç ÷ ç ÷ çb ÷ çb ÷ è + ø è c ø

(

)

-1

J ( r 0c , hc , bc ) R ( r 0 c , hc , bc ) , T

n

где J ( r0c , hc , bc ) R ( r0c , hc , bc ) = å ri ( r0c , hc , bc ) Ñri ( r0c , hc , bc ) T

i =1

и Ñri ( r0c , hc , bc ) = J ( r0 c , hc , bc ) . Символ « c » означает промежуточное значение оцениваемых параметров, а « + » последующее значение оцениваемых параметров. Таким образом, для получения оценок всех шести параметров, входящих в уравнение (1) и (2), использовался комбинированный МНК [5], когда для начальных приближений, нелинейно входящих в (2) параметров, оценивались оставшиеся три, входящие линейно в (2), а затем использовался нелинейный МНК для оценки остальных параметров. T

Список использованных источников 1. Сорокин В.Н., Макаров И.С. Обратная задача для голосового источника// Информационные процессы. 2006. Том 6, № 4.- С. 375 – 395. 2. Сорокин В.Н. Теория речеобразования. – М.: Радио и связь. 1985.– 312 с. 3. Сорокин В.Н. Синтез речи. – М.: Наука. 1992. – 392 с. 4. Турчак Л.И., Плотников П.В. Основы численных методов. – М.: ФИЗМАТЛИТ, 2003. – 304 с. 5. Деннис Дж., Шнабель Р. Численные методы безусловной оптимизации и решения нелинейных уравнений – М: Мир, 1988. – 440 с.

264

СПИ-МТ-2008

Авторский указатель Абрамов А.К. .................................140 Адигамов А.Э. ...............................196 Алексейчик М.И. ...........................197 Алексейчик С.В. ............................198 Андиева Е.Ю. ................................141 Артемов А.А. .................................199 Аушев А.А. ....................................223 Бабенко И.В. ..................................201 Барановский Н.В. ..........................202 Богданова И.В................................207 Бородачев С.А. ..............................143 Васильев Е.М.................................208 Вершинин С.В. ..............................209 Винокуров С.А. .............................210 Винтураль К.П...............................147 Воробьев А.А.................................149 Гирин А.А. .....................................211 Главин А.Н. ...................................212 Гольдштейн М.Л. ..........................216 Губанова А.А. ................................217 Ермаков В.В...................................218 Eфимов Ю.Л. .................................195 Каграманян Э.Р..............................222 Казаков В.В....................................151 Калинин С.Ю.................................223 Капитонов В.А...............................255 Карпук А.А. ...................................225 Корниенко С.А. .............................229 Корчагин А.С.................................232 Косников Ю.Н. ..............................235 Кравец О.Я.....................................232 Лапко А.Н. .....................................255 Лебедев С.С. ..................................154 Ликстанов М.И. .............................158 Линец Г.И. .....................................241 Лукьянов А.Д.................................243 Ляховец М.В. .................................163 Малинин С.Н. ................................244 Мещеряков Р.В. .............................247 Миронченко М.Г. ..........................178 Михайлова С.А. .............................167 265

Молчанов А.А. ..............................249 Насонова Н.В.................................168 Нижельский С.С............................163 Оловаренко Н.Н. ...........................172 Павлов А.А. ...................................250 Пашаева О.М. ................................173 Петренко А.В.................................177 Пономарёв Д.Ю.............................147 Преображенский А.П. ...................178 Пшатов А.А. ..................................140 Селиванова Е.В. ............................179 Сергеев М.Ю. ................................180 Сергеева Т.И..................................180 Сигида Ю.Л. ..................................201 Соловьева Ю.А..............................163 Стулий В.А. ...................................252 Сударев С.В. ..................................177 Тазетдинов А.Д. ............................253 Тараканов О.В. ..............................255 Углев В.А. ......................................181 Филимонова О.В. ..........................185 Фишин В.А. ...................................188 Христенко Д.В...............................190 Шибанов А.П.................................257 Эпштейн Е.Е. .................................191 Ягудин C.В. ...................................177 Якушев Д.В....................................262

СПИ-МТ-2008 Содержание 3. Информационные технологии в образовании и медицине Абрамов А.К., Пшатов А.А. Предложения по расчету времени выполнения тестовых заданий с использованием обучающих электронных систем.... 140 Андиева Е.Ю. Обоснование целесообразности разработки системы психологического скоринга.......................................................................... 141 Бородачев С.А. Телекоммуникационные аспекты реализации нелинейных образовательных технологий в электронном образовательном пространстве вуза................................................................................................................. 143 Винтураль К.П., Пономарёв Д.Ю. Информационные технологии в медицине147 Воробьев А.А. Направление совершенствования в обучении администраторов корпоративных ИВС с использованием распределенных гибридных комплексов моделирования .......................................................................... 149 Казаков В.В. Создание мультимедийных учебных курсов в визуальной среде разработки ..................................................................................................... 151 Лебедев С.С. Теорема о полусистемах счисления............................................... 154 Ликстанов М.И. Внедрение клинической информационной системы в крупной городской больнице ...................................................................................... 158 Ляховец М.В., Соловьева Ю.А., Нижельский С.С. Автоматизированная информационная система приема в высшие учебные заведения на основе рейтинга абитуриентов ................................................................................. 163 Михайлова С.А. Система поддержки профессиональной адаптации с привлечением свойств иммунных сетей .............................................................................. 167 Насонова Н.В. Технология принятия решений в задачах медицинского мониторинга .................................................................................................. 168 Оловаренко Н.Н. Изучение многопроцессорных операционных систем с помощью программного комплекса виртуальных машин BOTCH ............................. 172 Пашаева О.М. Использование системы MATLAB для прогнозирования наполняемости образовательных учреждений на основе нечеткой регрессии ....................................................................................................... 173 Петренко А.В., Сударев С.В., Ягудин C.В. Основные принципы построения интеллектуальных обучающих систем ........................................................ 177 Преображенский А.П., Миронченко М.Г. Построение подсистемы рейтинговой оценки знаний учащихся .............................................................................. 178 Селиванова Е.В. Кодировка хромосомы для решения задачи распределения учебной нагрузки кафедры ........................................................................... 179 Сергеев М.Ю., Сергеева Т.И. Формирование электронных учебных курсов на основе анализа многоуровневых контентов ............................................... 180 Углев В.А. Обработка факторов процесса тестирования для базы знаний оценки обучающего теста.......................................................................................... 181 Филимонова О.В. Телекоммуникационные образовательные технологии как эффективное средство повышения качества профессиональной подготовки студентов технического вуза........................................................................ 185 Фишин В.А. Исследование архитектуры ЛВС доменной структуры на платформе Windows с использованием утилит командной строки............................... 188

266

СПИ-МТ-2008 Христенко Д.В. Особенности алгоритма работы программного обеспечения разработки и построения экспериментальных стендов ...............................190 Эпштейн Е.Е. Проблемы внедрения и применения электронных учебных пособий в системах дистанционного образования российских вузов .......................191 4. Моделирование сложных систем и технологических процессов ..............195 Eфимов Ю.Л. Разработка распределенной системы моделирования системы архивирования информационно-вычислительной сети...............................195 Адигамов А.Э. Фильтрация случайного процесса на вероятностном пространстве и её критерии ....................................................................................................196 Алексейчик М.И. Об автокорреляционной функции непрерывных процессов..197 Алексейчик С.В. К задаче о параллельном расписании.......................................198 Артемов А.А. Имитационное моделирование нечеткой системы управления ХТС с необратимой экзотермической химической реакцией.................................199 Бабенко И.В., Сигида Ю.Л. Моделирование сложных систем и технологических процессов с помощью специализированной компьютерной программы «АВТОМАТ» .................................................................................................201 Барановский Н.В. Прогностическая математическая модель для системы усвоения данных об уровне антропогенной нагрузки на лесопокрытые территории202 Богданова И.В. Математическое моделирование резонансного гасителя в системе снижения уровня вибрации на стенде динамических испытаний лопастей вертолетов ......................................................................................................207 Васильев Е.М. Метаэвристический подход к решению комбинаторных задач оптимизации ..................................................................................................208 Вершинин С.В. Моделирование технологических задач в среде компьютерной математики.....................................................................................................209 Винокуров С.А. Модель диагностирования состояний электромеханической системы с БДПТ.............................................................................................210 Гирин А.А. Математическое моделирование при обеспечении точности отверстий при глубоком сверлении................................................................................211 Главин А.Н. Алгоритмы нахождения поздних и ранних сроков окончания выполнения работ в вычислительной системе.............................................212 Гольдштейн М.Л. Системно-интеграционный подход к развитию IT-сервиса в УрО РАН: модель вектора состояния СКЦ ..........................................................216 Губанова А.А. К вопросу о моделировании контакта шероховатых тел при решении фрактальных задач.........................................................................................217 Ермаков В.В. Микроскопическое моделирование многополосного транспортного потока на дороге со светофорами .................................................................218 Каграманян Э.Р. Модель временных параметров стандартных цифровых элементов с учетом NBTI-эффекта.................................................................................222 Калинин С.Ю., Аушев А.А. Метод моделирования программных объектов223 Карпук А.А. Математическое и программное моделирование систем фиксированной и мобильной радиосвязи.....................................................225 Корниенко С.А. Применение векторной оптимизации при выборе оборудования радиоконтроля ...............................................................................................229 Корчагин А.С., Кравец О.Я. Нормированное прямое моделирование через пошаговую детализацию ...............................................................................232

267

СПИ-МТ-2008 Косников Ю.Н. Геометрическое моделирование и отображение пространственных форм в режиме реального времени .............................................................. 235 Линец Г.И. Минимизация средней задержки сети при детерминированном распределении потока требований............................................................... 241 Лукьянов А.Д. Математическая модель процесса сверления на радиальносверлильном станке....................................................................................... 243 Малинин С.Н. Построение граф-модели потока сообщений объектноориентированной программы методом автотрассировки ........................... 244 Мещеряков Р.В. О задачах анализа и синтеза речи ............................................. 247 Молчанов А.А. Математическая модель задачи составления графика работы сотрудников отдела маркетинга ................................................................... 249 Павлов А.А. Моделирование последствий аварийных разливов нефтепродуктов в акваторию малых рек.................................................................................... 250 Стулий В.А. Численное моделирование взаимодействия мощного лазерного излучения с диэлектрической средой .......................................................... 252 Тазетдинов А.Д. Математические модели компьютерных обучающих систем репетиторского типа ..................................................................................... 253 Тараканов О.В., Лапко А.Н., Капитонов В.А. Разработка информационной модели террористической организации .................................................................... 255 Шибанов А.П. Система имитационного моделирования сетей MPLS ............... 257 Якушев Д.В. Оценка параметров модели голосового источника ....................... 262 Авторский указатель .......................................................................................... 265

Научное издание Современные проблемы информатизации в моделировании и социальных технологиях Сборник трудов. Выпуск 13 Материалы опубликованы в авторской редакции Подписано в печать 30.12.2007 г. Формат 16´84 1 . 16

Усл. печ. л. 8,25. Уч.-изд. л. 8,1. Заказ №411. Тираж 500. ООО Издательство «Научная книга» http://www.sbook.ru/ Отпечатано ООО ИПЦ «Научная книга» 394026, г.Воронеж, пр. Труда, 48 (4732)205715, 297969

268