WWW.KONFERENCIYA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Конференции, лекции

 

Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |

«ТОМ II Генеральный спонсор конференции ООО Экс Джей Текнолоджис Санкт-Петербург 2007 ISBN 978-5-98361-048-4 СОСТАВИТЕЛИ А. М. Плотников, Б. В. Соколов Компьютерная ...»

-- [ Страница 1 ] --

Третья всероссийская научно-практическая конференция по

имитационному моделированию и его применению в наук

е

и промышленности

«ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. ТЕОРИЯ И ПРАКТИКА»

ИММОД-2007

Сборник докладов

ТОМ II

Генеральный спонсор конференции

ООО «Экс Джей Текнолоджис»

www.anylogic.ru Санкт-Петербург 2007 ISBN 978-5-98361-048-4 СОСТАВИТЕЛИ А. М. Плотников, Б. В. Соколов Компьютерная верстка Л. П. Козлова Редактирование Е. П. Смирнова, Н. Н. Елгина © ФГУП ЦНИИ технологии судостроения, 2007 Уважаемые коллеги, дамы и господа!

Сегодня Центральный научно-исследовательский институт технологии судостроения и Институт Информатики и автоматизации РАН проводят третью всероссийскую научно-практическую конференцию по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» ИММОД-2007.

Тематика конференции посвящена всестороннему анализу современного состояния и перспектив развития теории и инструментальных средств имитационного моделирования производственных и технологических процессов, имитационному моделированию в транспорте и телекоммуникациях, в системах административного управления и САПР. Особую актуальность представляет рассмотрение задач имитационного моделирования в сфере анализа и синтеза бизнес процессов.

На конференции широко представлены результаты исследований проблем оценивания качества моделей и распределенного моделирования, сведения о современных языках и программных системах, используемых при моделировании.

Помимо новых научных результатов, связанных с решением задач имитационного моделирования в различных предметных областях, в материалах конференции отражены опыт практического применения математического аппарата имитационного моделирования в конкретных программных системах и инструментальные средства автоматизации моделирования.

В рамках конференции нам предоставляется возможность обсудить с коллегами из разных городов и разных организаций последние достижения российской науки в области решения задач имитационного моделирования и применения их в научных исследованиях и в промышленности. Мы надеемся, что работа конференции будет способствовать укреплению сотрудничества отечественных партнеров, а также установлению новых научных и деловых связей.

Хочется поблагодарить наших коллег из фирмы ООО «Элина-Компьютер» (Казань), компании XJ Technologies (Санкт-Петербург), АНО «Ремесленная академия»

(Москва), журналов «Rational Enterprise Management» и «Судостроение» (СанктПетербург) за их активное содействие в подготовке и проведении данной конференции.

Мы полагаем, что эта встреча будет для Вас памятной и приятной, поскольку произойдет в Санкт-Петербурге, одном из красивейших городов мира, центре науки, высоких технологий и культуры.

Успехов в работе всем участникам!

Генеральный директор В.Д.Горбач ФГУП «ЦНИИТС»

Директор СПИИРАН Р.М. Юсупов ИММОД-2007 Организационный комитет конференции Сопредседатели:

Горбач В.Д., генеральный директор ФГУП «ЦНИИ технологии судостроения», д.т.н., академик МАИ (Санкт-Петербург) Юсупов Р.М., директор СПИИРАН, член-корреспондент РАН, Заслуженный деятель науки и техники РФ (Санкт-Петербург) Заместитель сопредседателей:

Плотников А.М., начальник отдела информационных технологий ФГУП «ЦНИИ технологии судостроения» (Санкт-Петербург) Члены оргкомитета:

Алиев Т.И., заведующий кафедрой ВТ СПбГУИТМО, д.т.н., профессор (Санкт-Петербург) Бакурадзе Д.В., ученый секретарь СПИИРАН, к.т.н., доцент (Санкт-Петербург) Борщев А.В., генеральный директор ООО «Экс Джей Текнолоджис», к.т.н.

(Санкт-Петербург) Венков В.В., первый заместитель генерального директора ФГУП «ЦНИИ технологии судостроения», к.т.н. (Санкт-Петербург) Власов С.А., ученый секретарь Отделения информационных технологий и вычислительных систем РАН, ведущий научный сотрудник ИПУ РАН, к.т.н.(Москва) Девятков В.В., директор ООО «Элина-Компьютер», к.т.н. (Казань) Елтышев Б.К., начальник ВЦ СПбГМТУ, к.т.н., доцент (Санкт-Петербург) Лычкина Н.Н., к.э.н., доцент, Государственный Университет Управления (Москва) Ткач А.Ф., заместитель директора СПИИРАН, к.т.н., доцент (Санкт-Петербург) Томашевский В.Н., Национальный технический университет Украины «КПИ», д.т.н., профессор (Киев, Украина) Яцкив И.В., проректор по учебной работе Рижского Института Транспорта и Связи, к.т.н., профессор (Рига, Латвия) Сопредседатели:

Юсупов Р.М., директор СПИИРАН, член-корреспондент РАН, Заслуженный деятель науки и техники РФ (Санкт-Петербург) Горбач В.Д., генеральный директор ФГУП «ЦНИИ технологии судостроения», д.т.н., академик МАИ (Санкт-Петербург) Заместитель сопредседателей:

Соколов Б.В., заместитель директора СПИИРАН по научной работе, д.т.н., профессор (Санкт-Петербург) Члены программного комитета:

Алиев Т.И., заведующий кафедрой ВТ СПбГУИТМО, д.т.н., профессор (СанктПетербург) Верзилин Д.М., доцент СПИИРАН, д.э.н. (Санкт-Петербург) Веселков В.В., заведующий кафедрой СПбГУВК, главный ученый секретарь ФГУП «ЦНИИТС», д.т.н., профессор (Санкт-Петербург) Девятков В.В., директор фирмы ООО «Элина-Компьютер», к.т.н. (Казань) Карпов Ю.Г., СПбПУ, д.т.н., профессор (Санкт-Петербург) Конюх В.Л., Новосибирский ГТУ, д.т.н., профессор (Новосибирск) Поспелов И.Г., ВЦ РАН, д.ф-м.н., профессор (Москва) Рыжиков Ю.И., Военно-космическая академия им.Можайского, д.т.н., профессор, заслуженный деятель науки РФ (Санкт-Петербург) Толуев Ю.И., руководитель проектов, Институт организации и автоматизации промышленного производства им. Фраунхофера IFF, доктор естественных наук, приват-доцент (Магдебург, Германия) Хомоненко А.Д., заведующий кафедрой информационных и вычислительных систем ПГУПС, д.т.н., профессор (Санкт-Петербург) Яковлев С.А., профессор кафедры автоматизированных систем обработки информации и управления СПбГЭУ «ЛЭТИ», д.т.н., академик МАИ, заслуженный работник высшей школы РФ (Санкт-Петербург) Организаторы конференции ФГУП «ЦНИИ технологии судостроения», Санкт-Петербург Институт информатики и автоматизации РАН, Санкт-Петербург Информационная поддержка конференции Институт информатики и автоматизации РАН, Санкт-Петербург ФГУП «ЦНИИ технологии судостроения», Санкт-Петербург ООО «Экс Джей Текнолоджис» (XJ Technologies), Санкт-Петербург ООО «Элина-Компьютер» (Казань) Журнал «Rational Enterprise Management» (Санкт-Петербург) Журнал «Судостроение» (Санкт-Петербург) Генеральный спонсор конференции ООО «Экс Джей Текнолоджис» (XJ Technologies), Санкт-Петербург Спонсоры конференции Комитет по науке и высшей школе при Администрации Санкт-Петербурга Президиум РАН, Москва АНО «Ремесленная академия», Москва

СОДЕРЖАНИЕ



Секция 3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ИМИТАЦИОННОГО И

КОМПЛЕКСНОГО МОДЕЛИРОВАНИЯ И СРЕДСТВ АВТОМАТИЗАЦИИ

МОДЕЛИРОВАНИЯ

Алиев Т. И., Нгуен Дык Тай. Программный комплекс аналитического и имитационного моделирования сетей передачи данных

Амари С., Кутузов О. И., Татарникова Т. М., Шанти Й. Имитационная модель виртуального канала коммутации

Антонова Г. М. Применение языка GPSS-World при чтении дисциплины «Имитационное моделирование экономических процессов».

Бочаров Е. П., Алексенцева О. Н. Оценка производственно-технических и коммерческих рисков промышленных предприятий на основе имитационного моделирования

Брацун Д. А., Колесников А. К., Люшнин А. В., Шкараба Е. М. Моделирование процессов структурообразования в лесах Пермского края на основе клеточных автоматов и уравнений реакции-диффузии

Буткевич И. К., Рыдник Е. А., Шпаков В. М. Применение имитационной системы EnviCon для моделирования производства жидкого гелия.

Вавилов Д. В. Агрегирование и взаимодействие моделей в программных инструментальных средствах имитационного моделирования

Воронин В. Е., Куранцева В. С. Оптимизация управления транспортными системами с использованием имитационного моделирования.

Генкин А. Л., Власов С. А., Кравцов С. В., Волочек Н. Г., Никулина И. В.

Имитационное моделирование в интегрированном управлении металлургическими комплексами

Дегтярев О. В., Жабин Д. В., Филенкова Е. В., Кухтенко В. И. Оценка эффективности мероприятий по совершенствованию структуры воздушного пространства РФ методами имитационного моделирования.

Дозорцев В. М. Имитационные модели технологических процессов в компьютерных тренажерах для обучения операторов

Дроздова Е. Н., Яковлев С. А. Имитационная модель адаптивной тарификации в управлении сетями связи

Ефимова А. В., Шатров А. В. Имитационная системно-динамическая модель предприятия с учетом экологического фактора

Задорожный В. Н., Юдин Е. Б. Мультиагентный подход в имитационном моделировании клеточных автоматов и сетевых структур.

Зиновьев В. В., Гречишкин П. В. Практическое применение программных средств имитационного моделирования.

Каливанов А. Ж. Практические вопросы построения сложных трендов

Клебанов Б. И., Москалев И. М., Бегунов Н. А., Крицкий А. В. Мультиагентная имитационная модель муниципального образования

Ковалев В. С., Усанов Д. И., Цуцков Д. В., Калинин С. В. Укрупненная модель железнодорожного направления.

Козлов А. Н., Девятков Т. В., Кейер П. А. Исследование функционирования центра коллективной обработки информации методом имитационного моделирования

Конюх В. Л. Имитационное моделирование в разработке концепции рудника будущего

Котенко И. В., Уланов А. В., Тишков А. В., Богданов В. С., Воронцов В. В., Чечулин А. А. Имитационное моделирование механизмов обнаружения и сдерживания сетевых червей в компьютерных сетях

Кумунжиев К. В., Малыханов А. А. Расширение функциональности среды моделирования AnyLogic

Кутузов О. И., Татарникова Т. М., Шанти Й., Амари С. Постановка задачи по ускоренной имитации сетей хранения данных

Лазарев С. А. Программная подсистема имитационного моделирования дискретных производственных систем.

Маркушин Н. А. Использование имитационного моделирования для поиска морских подвижных объектов

Мацула В. Ф., Мацула П. В. Имитационная модель работы фирмы по продаже и обслуживанию программного обеспечения

Медведев В. В. Использование имитационного моделирования для прогнозирования вероятности отказа коленчатых валов судовых дизелей на заданный период эксплуатации в дисциплине «Основы надежности и диагностики».

Мусаев А. А. Автоматизация настройки имитационных математических моделей в задачах MPC-управления технологическими процессами

Мусаев А. А., Барласов И. А. Программный модуль предварительной обработки данных для систем имитационного моделирования.

Облакова А. В., Трегуб И. В. Моделирование инвестиционных процессов в секторе телекоммуникационных услуг.





Орехов М. О., Минаенко В. Н., Кухтенко В. И. Математическая модель района управления воздушным движением и задача его секторизации

Песиков Э. Б. Управление рисками стратегий виртуального издательства с помощью имитационного моделирования

Плотников А. М., Долматов М. А., Васильев А. А. Применение программных средств имитационного моделирования при проектировании новых производств на предприятиях судостроительной промышленности

Пуртов А. М. Имитация процессов принятия решений.

Рафалович С. А., Прокофьев Д. Ю., Лоткин В. О., Задорожный В. Н.

Применение аналитико-имитационного моделирования в проектировании транспортных детекторов

Репин А. И., Максимов А. Н., Смирнов Н. И., Сабанин В. Р., Бочкарева Е. Ю.

Идентификация и адаптация автоматических систем регулирования с использованием имитационных моделей.

Рыженкова М. А. Методологические аспекты структурного анализа системы законодательства

Савина А. Л. Имитационная модель сборочной линии

Савченко И. Ф., Рагулин А. П., Кучейник В. В., Миргородский А. Н.

Использование имитационного моделирования в вопросах оснащения полевых военно-медицинских формирований современными подвижными комплексами.

Самойлов В. В. Имитационное приложение для системы сервисного обслуживания вычислительной техники

Симонова Л. А., Костюк И. В. Планирование загрузки рабочих центров на основе имитационного моделирования

Уйба В. В., Верзилин Д. Н., Максимова Т. Г. Организация медицинской помощи при ликвидации последствий техногенных катастроф: аналитико-имитационное моделирование.

Уланов А. В., Котенко И. В. Моделирование адаптивных кооперативных стратегий защиты от компьютерных атак в сети Интернет.

Федорова М. Л., Леденева Т. М. Имитационное моделирование схем очистки сточных вод пищевой промышленности.

Федорова М. Л., Леденева Т. М. Оптимизация эндогенных параметров модулей общей памяти вычислительных систем.

Хомоненко А. Д., Тутаева Т. И. Имитационная модель корпоративной информационной системы «Экспресс-3».

Шатров А. В. Имитационная модель развития региональной экономики

СТЕНДОВЫЕ ДОКЛАДЫ

Абденов А. Ж., Шорников Ю. В. Инструментально-ориентированный анализ жестких динамических, гибридных и распределенных систем явными методами............. Боев В. Д., Кирик Д. И., Ушкань А. О. Методика поддержки руководства курсовым проектированием по дисциплине «Моделирование».

Боев В. Д., Смолянцев Д. С., Ушкань А. О. Методика оценки эффективности функционирования системы технического обеспечения предприятия.................. Вичугова А. А., Вичугов В. Н. Моделирование нейросетевых систем управления с использованием генетических алгоритмов обучения

Громова А. А. Моделирование баланса интересов в системах принятия решений по управлению научно-промышленным комплексом города (Москвы)

Журавель Е. П. Модель обработки и алгоритмы диспетчеризации запросов к службам серверов приложений клиент-серверной вычислительной системы

Клочкова М. А., Мацула В. Ф. Система моделирования процесса конвейерной сборки аппаратуры.

Кожушко А. А., Турпищева М. С. Моделирование мультимодальных грузовых перевозок на примере транспортной сети Астраханской области.

Колосов Д. М., Аксенов К. А. Сравнительный анализ систем имитационного моделирования RDO и BPsim2

Рефераты

Abstract

Информация об авторах

Секция 3 Практическое применение имитационного и комплексного

ПРОГРАММНЫЙ КОМПЛЕКС АНАЛИТИЧЕСКОГО И ИМИТАЦИОННОГО

МОДЕЛИРОВАНИЯ СЕТЕЙ ПЕРЕДАЧИ ДАННЫХ

Проектирование сети передачи данных (СПД), как и любой сложной системы, начинается с этапа системного проектирования и предполагает создание математической модели сети и исследование этой модели на компьютере. Одной из задач проектирования сети является определение пропускных способностей каналов связи на основе заданных структурно-функциональных и нагрузочных параметров, таких как внешние интенсивности поступления сообщений от пользователей в сеть, алгоритм маршрутизации, вариант размещения прикладных программ и наборов данных по узлам сети, способ взаимодействия пользователей сети и т. д. Задача оптимизации пропускных способностей каналов связи СПД решается с использованием в качестве моделей СПД сетей массового обслуживания (СеМО), в которых узлы, представляющие собой системы массового обслуживания (СМО), отображают задержки при передаче пакетов по каналам связи. При этом точные аналитические результаты могут быть получены в том случае, если СеМО является экспоненциальной, то есть узлы представляют собой СМО типа M/M/1 в символике Кендалла [1]. Задача оценки пропускных способностей каналов связи в СПД с использованием модели в виде разомкнутой экспоненциальной СеМО (РЭСеМО) с однородным потоком заявок решена аналитически на основе метода множителей Лагранжа в [1].

Ниже представлен программный комплекс аналитического и имитационного моделирования СПД с неоднородным потоком сообщений. Аналитическая модель СПД строится в виде РЭСеМО для любой топологии сети, задаваемой аналитически или графически. На основе аналитической модели решается задача определения пропускных способностей каналов связи в распределенных СПД при ограничениях на время доставки пакетов или на стоимость сети, с учетом таких особенностей СПД, как топология сети, алгоритм маршрутизации пакетов, вариант размещения прикладных программ и наборов данных по узлам сети, типы каналов связи, способ взаимодействия пользователей сети и т. д. Программа позволяет рассчитать характеристики СПД, такие, как пропускные способности каналов связи, время задержки пакетов при передаче по каждому каналу и в сети в целом, а также загрузку каждого канала. Кроме того, рассчитываются интенсивности потоков пакетов в каналах связи и вероятности передачи пакетов от пользователей в сеть, между каналами и из сети к пользователям. На основе рассчитанных вероятностей передачи пакетов и характеристик каналов программа генерирует соответствующую имитационную модель СПД на языке GPSS World [2]. Это позволяет исследовать влияние характера случайных процессов трафика в СПД и длительности передачи пакетов в каналах связи на характеристики функционирования спроектированной СПД путем варьирования законов распределения времени: передачи (длительностей обслуживания) пакетов в каждом из каналов связи и интервалов между поступающими в сеть пакетами.

Постановка задачи Для описания исследуемой СПД используются:

1) структурные параметры, определяющие топологию СПД, количество узлов n и каналов связи m в СПД, тип каналов связи (дуплексный, полудуплексный), стоимостные коэффициенты каналов связи, длины каналов связи;

2) функциональные параметры, задающие способ взаимодействия пользователей сети и способ маршрутизации для каждого узла СПД в виде маршрутной таблицы, содержащей основной и альтернативный маршруты;

3) нагрузочные параметры:

а) интенсивности потоков сообщений разных типов от пользователей, подключенных к узлам СПД;

б) длины сообщений разных типов;

в) средняя длина одного пакета l 1 и длина обрамления l.

Эти параметры используются для решения задачи параметризации модели СПД, представляемой в виде РЭСеМО, в результате которой задача оценки пропускных способностей каналов связи может быть сведена к задаче оптимизации РЭСеМО методом неопределенных множителей Лагранжа.

Аналитическое моделирование сети передачи данных В [1] задача оптимизации пропускных способностей каналов связи решается на основе заданных интенсивностей сообщений (или пакетов) в каналах связи. В реальности известны только внешние интенсивности сообщений от узлов пользователей к узлам сети, что приводит к необходимости пересчета интенсивностей потоков пакетов в каналах связи. При этом расчет интенсивностей потоков пакетов в каналах связи реализуется программно на основе заданных внешних интенсивностей потоков сообщений, формируемых пользователями сети, известной топологии и маршрутизации, способов взаимодействия пользователей, а также нагрузочных параметров.

В качестве модели распределенной СПД будем использовать разомкнутую СеМО, состоящую из m СМО, каждая из которых соответствует определенному каналу связи СПД. Принимается традиционное допущение, что поток пакетов, поступающих в каналы СПД, простейший, и время передачи пакетов в каждом из каналов, определяемое как отношение длины передаваемого пакета l к пропускной способности канала С, распределено по экспоненциальному закону.

Метод расчета характеристик РЭСеМО можно найти в [1]. При этом среднее время доставки пакетов в сети, состоящей из m каналов связи, определяется следующим образом:

где Ci – пропускная способность канала связи i; i – среднее число «обращений» к каналу связи i в процессе передачи пакетов; i – интенсивность пакетов в канале связи i;

l П = l 1 + l О – длина пакета в целом (с учетом длины обрамления).

Стоимость S СПД определяется как:

где i – стоимостной коэффициент пропорциональности, отражающий стоимость единицы пропускной способности канала связи i; Di – длина канала связи i.

Задача оптимизации пропускных способностей каналов связи с использованием модели РЭСеМО может решаться в одной из двух постановок.

1. Минимизировать среднее время задержки пакетов в сети Tcp при ограничении на стоимость сети S < S *. В этом случае, с учетом введенных обозначений, пропускная способность канала связи i вычисляется следующим образом:

2. Минимизировать стоимость СПД S при ограничении на среднее время задержки пакетов в сети T < Tcp. В этом случае пропускная способность канала связи i вычисляется по формуле:

На основе полученных значений пропускных способностей каналов связи можно рассчитать время задержки пакетов в каналах, загрузки каналов и характеристики СПД в целом – минимальное время доставки пакетов (при ограничении на стоимость), либо минимальную стоимость сети (при ограничении на среднее время доставки пакетов).

Имитационное моделирование сети передачи данных Имитационная модель СПД на языке GPSS World генерируется автоматически на основе расчета характеристик аналитической модели в виде экспоненциальной РСеМО. Полученные характеристики аналитической модели используются в качестве параметров имитационной модели СПД, представляющей собой РСеМО, узлы которой соответствуют каналам связи, а заявки в модели соответствуют пакетам в СПД. Число источников заявок в имитационной модели соответствует числу узлов связи в СПД, при этом интенсивности заявок источников в модель определяются как внешние интенсивности пакетов от пользователей к узлам связи соответственно. Аналитическая модель, реализованная в программе, позволяет рассчитать следующие параметры для имитационной модели.

1. Вероятность передачи пакетов от пользователя j к каналу k: P( j,k ) = ( k, j ) j, где ( k, j ) – интенсивность пакетов, поступивших в канал k от пользователя j; j – интенсивность пакетов от пользователя j в сети.

( k |h ) – интенсивность пакетов в канале h, прошедших через канал k; – полная инk тенсивность пакетов в канале k.

3. Вероятность передачи пакетов от канала k к пользователю j: P(O, j ) = 1 P(K,h), где N – множество каналов связи, непосредственно связанных с каналом k.

4. Средний интервал времени между моментами поступления пакетов от пользователя j в СПД: j = 1 j.

5. Среднее время передачи пакетов в каналах связи k: bk = l П C k.

Секция 3 Практическое применение имитационного и комплексного Кроме рассчитанных параметров для имитационной модели СПД дополнительно необходимо задать следующие параметры:

а) законы распределений интервалов между моментами поступления пакетов от пользователей в СПД;

б) законы распределений времени передачи пакетов в каналах связи.

В качестве законов распределений могут использоваться:

а) экспоненциальный;

б) детерминированный;

в) равномерный;

г) эрланговский разного порядка;

д) экспоненциальный с ненулевыми смещениями;

е) гиперэкспоненциальный.

Отметим, что имитационная модель СПД предназначена для детального анализа характеристик функционирования сети, спроектированной в процессе аналитического моделирования. При этом, в случае отличия реального характера процессов поступления пакетов в сеть или передачи пакетов по каналам связи от экспоненциального, в имитационной модели предусмотрена возможность варьирования законов распределений времени передачи пакетов в каждом из каналов связи и законов распределения интервалов времени между поступающими в сеть пакетами.

Оценка корректности имитационной модели проводится путем сравнения результатов имитационного моделирования с результатами аналитического моделирования, полученными на экспоненциальной сетевой модели, для которой разработаны точные аналитические методы расчета характеристик обслуживания заявок.

Программный комплекс Аналитический метод оценки пропускных способностей каналов связи СПД, использующий в качестве модели сети РЭСеМО, и соответствующая имитационная модель на языке GPPS World реализованы в виде программного комплекса, написанного на языке Visual C++ с использованием библиотеки базовых классов MFC с архитектурой Doc/View для удобства разработки и реализации приложений под Windows. Программа работает под ОС Windows 2000/XP с требованием памяти не более 64 Мбайт.

Программа имеет наглядный графический интерфейс, элементы которого показаны на рис. 1 и 2, позволяющий достаточно просто задавать структурно-функциональные и нагрузочные параметры исследуемой СПД.

Секция 3 Практическое применение имитационного и комплексного Программа имеет следующие возможности:

1) задать топологию исследуемой СПД одним из способов:

– графически путем указания мышкой на экране компьютера местоположения узлов и соответствующих каналов связи;

– аналитически путем указания декартовых координат узлов СПД или расстояний между ними с возможностью автоматического построения топологии путем выбора из перечня типовых топологий («звезда», «кольцо», «дерево», «полносвязная») или построения произвольной топологии путем задания соответствующей матрицы связей;

2) добавлять или удалять узлы СПД и любое изменение топологии;

3) выбирать варианты распределения прикладных программ и наборов данных по узлам СПД;

4) автоматически создавать все таблицы маршрутизации в узлах по критерию «количество хостов» или «взвешенного графа» с возможностью изменения таблиц маршрутизации и вероятности передачи пакетов по основному пути;

5) рассчитывать потоки пакетов в каналах связи и параметризация модели СПД;

6) рассчитывать вероятности передачи пакетов от пользователей к каналам связи, между соседними каналами и от каналов к пользователям сети;

7) рассчитывать пропускные способности, времени передачи и загрузок каналов связи методом множителей Лагранжа с использованием модели РЭСеМО (рис. 1);

8) исследовать характеристики СПД путем варьирования структурнофункциональных и нагрузочных параметров;

9) автоматически создавать имитационную модель СПД на языке GPSS World, соответствующую аналитической модели с возможностью варьирования законов распределения интервалов между моментами поступления в сеть пакетов и законов распределения времени передачи пакетов в каждом из каналов связи (рис. 2).

Заключение Разработанный программный комплекс предназначен для проектирования и исследования сетей передачи данных с любой топологией на основе совместного применения аналитического и имитационного моделирования в среде GPSS World. При этом предоставляется возможность решения задачи выбора топологии и распределения пропускных способностей каналов связи при различных алгоритмах маршрутизации и вариантах распределения прикладных программ и наборов данных по узлам сети, а также Секция 3 Практическое применение имитационного и комплексного способах взаимодействия пользователей сети с учетом ограничений на время доставки пакетов в сети или на ее стоимость. Имитационная модель генерируется автоматически в среде GPSS World и позволяет проводить детальное исследование характеристик функционирования спроектированной СПД при снятии предположений и допущений, использованных в аналитической модели для достижения конечного результата.

Литература 1. Клейнрок Л. Вычислительные системы с очередями. М.: Мир, 1979. 598 с.

2. Боев В. Д. Моделирование систем. Инструментальные средства GPSS World: Учебное пособие. СПб.: БХВ-Петербург, 2004. 368 с.

Секция 3 Практическое применение имитационного и комплексного

ИМИТАЦИОННАЯ МОДЕЛЬ ВИРТУАЛЬНОГО КАНАЛА КОММУТАЦИИ

С. Амари, О. И. Кутузов, Т. М. Татарникова, Й. Шанти (Санкт-Петербург) ИМ предназначена для моделирования процесса функционирования коммутационной системы (КС), применяется при комплексировании сети на этапах настройки, доводки и модернизации сетей ЭВМ и учитывает особенности работы коммутатора и требования, предъявляемые к КС со стороны коммутируемого трафика. Целью ИМ является оценивание временных и нагрузочных характеристик функционирования КС с различными вариантами исходных данных.

Варьируемые параметры модели описывают структуру коммутатора, особенности среды коммутации между портами, рабочую нагрузку и ряд других переменных, общее число которых для полной (топологически подобной) модели коммутатора более 20. Формализация коммутатора представлена в виде трехфазной СМО (Рис.1).

ИМ позволяет получить временные и нагрузочные характеристики функционирования КС, характеристики очередей, оценить влияние структуры трафика на характеристики КС, осуществить анализ соответствия характеристик коммутатора сетевому трафику, комплексировать КС из процессоров портов, буферных запоминающих устройств портов и коммутирующего устройства.

Имитационная модель выполнена в двух модификациях: «топологически подобной» (полной) и в виде виртуального канала коммутации.

Требование многократных прогонов модели для получения убедительных статистических выводов, а также размерность моделируемой КС (число портов коммутатора берется из унифицированного ряда 4, 8, 16, 32, 64, 128 и т.д.), с ростом которой увеличиваются затраты машинного времени, обуславливают применение метода ускоренного моделирования [1]. Ускорение моделирования достигается за счет исследования КС по частям с последующей увязкой частных характеристик. В качестве такой части КС целесообразно выделить виртуальный канал коммутации (ВКК), отображающий процесс транспортировки протокольных блоков из приемного канального модуля (КМ) порта i в передающий КМ порта k ; i, k = 1…S, k i (S – число портов коммутатора). Это тем более целесообразно сделать, поскольку «прозрачность, пропускная способность и доступность гарантируются для отдельного потока, а не для всей совокупности» [2]. Конкретные значения i, k можно выбрать случайным образом, можно назначить принудительно.

В силу возможной большой размерности структуры коммутатора используем двухступенчатую выборку.

рается пара портов (исток и сток), для которой должны быть оценены временные характеристики (среднее время, дисперсия, гистограмма-функция распределения задержки пакетов в коммутаторе). Для выбранной пары истока и стока строится модель виртуального канала коммутации (ВКК) и находятся оценки искомых характеристик, как дифференциальные (для отдельных ВКК), так и интегральная, суммированием дифференциальных с соответствующими весами p(i).

Модель ВКК (рис. 2) включает модель KMi на приеме, модель KMk на передаче и модель транспортировки фрагментов выделенного потока (ВП) по коммутирующей среде из порта i в порт k. Остальные порты коммутатора образуют фоновый поток (ФП), поступающий на вход k-го КМ в соответствии с матрицей коммутации. Поступление протокольных блоков фонового потока на вход k-го КМ влияет на вероятностновременные характеристики выделенного маршрута коммутации, поскольку может увеличивать очередь в исходящем канале. Соответственно, интенсивность фонового потока определяется выражением = j.Pjk, где j – интенсивность потока, постуj = пающего на вход j-го порта, j = 1… S, j i,k, P– элемент коммутационной таблицы.

В свою очередь, интенсивность i-го потока, поступающего на вход k-го исходящего канала, определяется как ik = i · P ik.

Полная модель и модель ВКК были реализованы для исследования коммутатора с общей шиной (ОШ) [3].

Результаты по полной модели и ее упрощенному аналогу дали хорошую сходимость, что говорит о высокой степени доверия к модели ВКК, которая практически ничем не ограничена.

Секция 3 Практическое применение имитационного и комплексного С целью оценки эффективности ускоренной имитации по отношению к имитации с использованием полной схемы коммутатора сравнивались затраченные машинные ресурсы.

Так, для схемы коммутатора с ОШ на 16 портов затраченное процессорное время на имитацию составило для модели ВКК – 670 мс, полной модели – 2424 мс.

Для 64-портовой модели коммутатора занимаемый программой объем оперативной памяти составил в статике 5,2 Мбайт и 403 Мбайт, в динамике (имитации) – 23 Мбайт и – 747 Мбайт соответственно для модели ВКК и топологически подобной.

Экспериментальные исследования проводились на ЭВМ типа РС Pentium 4, 1.8GHz.

Литература 1. Кутузов О. И., Задорожный В. Н., Олзоева С. И. Имитационное моделирование сетей массового обслуживания: Учеб. пособие. Улан-Удэ: Изд-во ВСГТУ, 2001.

2. Шелухин О. И., Тенякшев А. М., Осин А. В. Фрактальные процессы в телекоммуникациях. / Под ред. О. И. Шелухина. М.: Радиотехника, 2003.

3. Кульгин Максим. Технологии корпоративных сетей. СПб.: Питер, 2000.

Секция 3 Практическое применение имитационного и комплексного

ПРИМЕНЕНИЕ ЯЗЫКА GPSS World ПРИ ЧТЕНИИ ДИСЦИПЛИНЫ

«ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ»

Макроязык для моделирования дискретных систем GPSS с его разновидностями GPSS V, GPSS Fortran, GPSS World является стойким долгожителем среди языков, предназначенных для имитационного моделирования сложных систем. Это связано, повидимому, не только с разнообразной и тщательно подготовленной документацией, но и с внутренней структурой языка, его возможностями при описании алгоритмов функционирования сложных систем, наличием средств моделирования случайных величин, средствами формирования отчёта, включающего разнообразную статистику моделирования и т.п. Макроязык всегда оценивался по достоинствам и широко применялся в учебном процессе различных вузов [1–4]. Доклад посвящен результатам многолетней практики курсового проектирования в дисциплинах учебного плана, связанных с имитационным моделированием производственных и экономических систем. Эволюция этих дисциплин продолжалась несколько десятилетий. Название отражало реалии текущего времени. Оно изменялось в разные годы от «Моделирование систем», «Компьютерное моделирование систем» c акцентом на общих понятиях кибернетики до конкретного названия «Имитационное моделирование экономических процессов», в котором предполагается изучение технологий специального применения универсального метода кибернетики. Цель доклада состоит в том, чтобы продемонстрировать особенности выполнения курсовых проектов и предложить новые направления использования возможностей языка с учётом настоящей ситуации бурного развития структурного, визуального и т. п. моделирования.

В задании обычно предлагается промоделировать процесс функционирования устройства, включающего несколько составных частей, или процедуры обслуживания разного характера. Это может быть, например, техническая система, выполняющая несколько этапов обработки изделий и, соответственно, включающая несколько средств для реализации обработки, производственный участок из нескольких станков, транспортёра и печи, испытательного стенда и т. п. Процедура обслуживания может быть связана с работой торгового отдела из нескольких продавцов, с решением задач в одноили многопроцессорной вычислительной системе и т. д. Указывается время работы или количество обрабатываемых изделий, решаемых задач и т. п. Необходимые интенсивности поступления, обслуживания указываются среди числовых характеристик. По результатам моделирования требуется подготовить отчёт в стандартной для макроязыка GPSS форме и завершить работу анализом полученных результатов и рекомендациями по совершенствованию исследованной системы.

Первая особенность такого задания состоит в том, что явно показан математический аппарат, необходимый для изучения реального объекта, – теория массового обслуживания. Добросовестный студент мгновенно находит конспекты, учебники и во всеоружии приступает к моделированию.

Основные трудности при этом связаны с изучением основных операторов языка, построением структуры системы, анализом средних времен обслуживания, длин очередей и т. п.

Примеры заданий В качестве примеров можно привести несколько вариантов заданий. Например, задание по моделированию работы парикмахерской, которое полностью соответствует типичному примеру из теории массового обслуживания.

Секция 3 Практическое применение имитационного и комплексного Вариант 1. Поток клиентов парикмахерской имеет нормальный закон распределения со следующими параметрами: математическое ожидание m = 15 и среднее квадратическое отклонение = 3. Одновременно работают 7 парикмахеров разной квалификации. Вероятности обращения к парикмахерам равны соответственно: 0,2; 0,1; 0,15;

0,19; 0,17; 0,15; 0,04. Время обслуживания имеет экспоненциальный закон с параметрами, равными следующим величинам соответственно: 1 = 0,11 ; 2 = 0,18 ; 3 = 0,2 ;

4 = 0,16 ; 5 = 0,12 ; 6 = 0,17 ; 7 = 0,41. Промоделировать обслуживание 100 клиентов, собрать статистику.

Ещё один вариант задания для моделирования двухпроцессорной ЭВМ содержит некоторые термины из области вычислительной техники, но также полностью соответствует типичной задаче из теории массового обслуживания.

Вариант 2. Промоделировать решение задач в двухпроцессорной ЭВМ с общей памятью, разделенной на 10 блоков. Каждой задаче отводится при её решении один блок. Интервалы времени между поступлениями задач распределены по нормальному закону с параметрами: m = 10, = 2. Время обработки порции информации подчинено экспоненциальному закону с интенсивностью 1 = 0,14 в первом процессоре и интенсивностью 2 = 0,37 во втором процессоре. Между обработкой с вероятностью, равной 0,39, возможно обращение к устройству вывода графической информации, состоящему из 7 принтеров. Запросы на вывод равновероятны. Интервалы времени между запросами распределены по экспоненциальному закону с интенсивностью 3 = 0,12.

Для третьего варианта задания приведены на рис. 1 (текст программы) и на рис. 2 (статистика моделирования в среде GPSS-World).

Вариант 3. Промоделировать передачу 100 сообщений в трёхканальной системе передачи данных (СПД). Сообщения генерируются в соответствии с равномерным законом распределения, задающим параметры транзакта GENERATE А = 5, В = 2. Канал для передачи сообщений выбирается по мере освобождения. Отказы в канале распределены по экспоненциальному закону с интенсивностью = 0,05.

; GPSS World Sample File – SAMPLE3.GPS ********************************************************************** ******************************************************************** Xpdis FUNCTION RN200,C 0,0/.1,.104/.2,.222/.3,.355/.4,.509/.5,.69/.6,.915/.7,1.2/.75,1..8,1.6/.84,1.83/.88,2.12/.9,2.3/.92,2.52/.94,2.81/.95,2.99/.96,3..97,3.5/.98,3.9/.99,4.6/.995,5.3/.998,6.2/.999,7/.9998, CAN TRANSFER BOTH,CAN1,CAN

RELEASE CANAL

RELEASE CANAL

Секция 3 Практическое применение имитационного и комплексного

RELEASE CANAL

TRANSFER, CAN

GPSS World Simulation Report - Untitled Model

START TIME END TIME BLOCKS FACILITIES STORAGES

NAME VALUE

LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY

FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY

CEC XN PRI M1 ASSEM CURRENT NEXT PARAMETER VALUE

FEC XN PRI BDT ASSEM CURRENT NEXT PARAMETER VALUE

Рис. 2. Статистика моделирования трёхканальной СПД Секция 3 Практическое применение имитационного и комплексного Приведённый пример имеет все характерные черты выбранного типа задания, сравнительно легко выполняется и позволяет продемонстрировать знания как в области макроязыка моделирования, так и в области теории массового обслуживания.

Некоторая абстрактность макроязыков в современных условиях, для которых характерно прагматическое отношение к сумме получаемых знаний и открытое нежелание тонуть в глубинах познания, приводит к скептическому отношению к тем задачам, которые напрямую не связаны с проблемами, возникающими в реальной практике. Однако в действительности практические задачи после добросовестного анализа сводятся именно к таким компактным и прозрачным постановкам. Для преодоления этого конфликта существуют разные пути. Один из них состоит в некотором расширении задания и объединении разных видов моделирования. Этот путь позволяет соединить отлаженные методики с современной терминологией и показать ценность аппарата, проверенного десятилетиями.

Новые возможности Удачным дополнением к моделированию с применением макроязыков представляется предварительное функциональное моделирование на основе популярных стандартов IDEF (Integration Definition for Function Modeling) и DFD (Data Flow Diagram) [5] с использованием по мере возможности пакета программ BPWin [5–7].

Такое сочетание позволяет расширить содержание задания, не увеличивая в значительной мере его сложность, но наглядно демонстрируя при этом необходимость и полезность применения макроязыка моделирования для решения поставленной задачи. Примером может служить задание по моделированию работы парикмахерской с целью увеличения прибыли.

Вариант 4. Для повышения доходности парикмахерской, в которой работает 3 кресла, владелец выполнил хронометраж работы за одну смену, т. е. за 8 ч работы.

Получена следующая статистика, включающая моменты времени появления клиентов и интервалы занятости парикмахеров.

Поток клиентов: 10, 12, 15, 26, 44, 52, 60, 66, 68, 69, 71, 80, 101, 123, 189, 267, 300, 307, 331, 340, 354, 368, 379, 385, 391, 399, 403, 410, 423, 437, 442, 456, 461, 477.

Парикмахер 1:10–25, 26–41, 60–68, 68–78, 78–88, 88–98, 123–133, 300–310, 340–350, 354–364, 379–389, 399–409, 410–420, 437–447, 477–487.

Парикмахер 2: 12–22, 44–54, 66–81, 81–96, 189–199, 307–322, 368–383, 385–400, 403– 418, 442–457, 461–476.

Парикмахер 3: 15–45, 52–82, 101–131, 267–297, 331–361, 391–421, 423–453, 456–480.

Путём моделирования подобрать минимально необходимое количество парикмахеров.

Приведённый пример расширения заданий, предлагаемых для выполнения при изучении макроязыка моделирования GPSS World, позволяет увеличить объём знаний, получаемых студентами, т. е. повысить качество получаемого образования. При этом трудоёмкость задания не увеличивается, поскольку студенты уже владеют приёмами обработки массивов статистических данных. Увеличивается и становится прочнее связь с реальной практикой и проблемами, возникающими в трудовой деятельности, поскольку добавляется требование в незнакомой ситуации реальной трудовой деятельности увидеть известную и знакомую теоретическую схему и применить её для решения поставленной задачи.

Секция 3 Практическое применение имитационного и комплексного Литература 1. Советов Б. Я., Яковлев С. А. Моделирование систем (учебник). М.: Высшая школа, 2005.

2. Советов Б. Я., Яковлев С. А. Моделирование систем. Практикум (учебное пособие) М.: Высшая школа, 2005.

3. Голованов О. В., Смирнов С. Г., Смирнов В. Н. Моделирование сложных дискретных систем на ЭВМ третьего поколения. М.: Энергия, 1978.

4. Антонова Г. М., Черненький А. А. Алгоритмы и пакеты прикладных программ в АСУ. Методическое пособие по курсам ФПК ИТР «Исследование операций», «Построение и анализ вычислительных алгоритмов». М.: МАИ, 1988.

5. Черемных С. В., Семенов И. О., Ручкин В. С. Моделирование и анализ систем.

IDEF-технологии: практикум.-М.: Финансы и статистика, 2006.

6. BPWin Methods Guide.- Logic Works Inc., 1997.

7. Маклаков С. В. Моделирование бизнес-процессов с AllFusion Modeler (BPWin 4.1).

М.: Финансы и статистика, 2006.

Секция 3 Практическое применение имитационного и комплексного

ОЦЕНКА ПРОИЗВОДСТВЕННО-ТЕХНИЧЕСКИХ И КОММЕРЧЕСКИХ

РИСКОВ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ НА ОСНОВЕ

ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

Для новых, рыночных условий функционирования промышленных предприятий характерны многочисленные факторы неопределенности внутренней и внешней среды.

Это приводит к появлению самых разнообразных видов рисков, ставящих под сомнение возможность стабильной работы предприятий.

В экономической литературе, посвященной проблеме рисков, риск определяется как «шанс ущерба или потери», «вероятность неудачи или потерь», «возможность отклонения от цели, ради которой принималось решение», «вероятность нежелательного события», «плата за желание преодолеть общую неопределенность мира» [1].

Выделяют самые разнообразные виды рисков, характерных для промышленных предприятий: производственно-технические, коммерческие, валютные, кредитные, риск ликвидности, стратегические, политические и ряд других.

Важнейшую роль в настоящее время играют два вида рисков: производственнотехнические и коммерческие.

Возрастание роли производственно-технических рисков обусловлено недостаточными инвестициями в производство, старением (как физическим, так и моральным) оборудования, и, как следствие, – ростом частоты аварийных сбоев. Особо важна роль производственнотехнических рисков для непрерывных промышленных производств (металлургия, производство строительных материалов, химия). Именно в случае непрерывных производств аварийные сбои приводят, как правило, к огромным потерям.

1 – печь выплавки стекломассы; 2 – участок формирования листового стекла и его отвердевания; 3 – конвейер; 4 – резка стекла на листы; 5 – разбраковка стекла; 6 – упаковка листов стекла 1-й бригадой; 7 – упаковка 1-й бригадой ящиков со стеклом; 8 – упаковка листов стекла 2-й бригадой; 9 – упаковка 2-й бригадой ящиков со стеклом;

10 – бункер для боя бракованного стекла, а также кондиционного стекла, которые не успели упаковать 1-я и 2-я бригады; 11 – возврат брака и боя в печь; 12 – склад готовой продукции.

Коммерческие риски обусловлены высокой вариабельностью отпускных цен на продукцию. Можно предположить, что со вступлением России в ВТО удельный вес этого вида риска существенно возрастет.

В настоящей работе на основе имитационного моделирования развита методика оценки производственно-технических и коммерческих рисков непрерывных промышленных производств на примере производства радиационно-защитного строительного листового стекла (использованы данные Саратовского завода стройтехстекла).

Анализ работы цеха по производству листового стекла выявил существенно вероятностный характер основных производственных процессов. В частности, распределение листов стекла по сортам и браку имеет случайный характер, хотя и с устойчивым вероятностным распределением. Именно такие процессы – "благодатная почва" для применения метода имитационного моделирования (МИМ).

Процесс производства стекла (рис. 1) имитировался с помощью инструментального средства имитационного моделирования GPSS World.

Необходимо определить транзакты для данной модели. Первый тип транзактов очевиден – это листы стекла, поступающие по конвейеру. После упаковки листов либо попадания в бункер для боя эти транзакты «уничтожаются».

Для имитации процесса упаковки ящиков используются отдельные сегменты программы, в которых циркулируют одиночные («ждущие») транзакты, которые не уничтожаются. Этот процесс «ожидания» длится до тех пор, пока не заполнится очередной открытый ящик.

Для имитации аварийных ситуаций предложено фиктивное «устройство», генерирующее «транзакты-аварии». Случайные интервалы времени генерирования этих фиктивных транзактов, а также время устранения аварийных ситуаций задавались на основе статистической обработки данных, выданных корпоративной информационной системой «Галактика», функционирующей на предприятии [2].

В данной работе рассматривается риск убыточности предприятия. Чтобы оценить этот риск, необходимо определить вероятность события: «рентабельность предприятия R отрицательна».

Известное определение рентабельности ( D – доход от реализации продукции, C – полная себестоимость продукции) представим следующим образом:

где N 0 – всего произведено листов стекла за квартал; N - количество бракованных листов стекла из-за аварийных ситуаций; N = N 0 N – количество кондиционных листов стекла. Доход от реализации продукции запишется, очевидно, как D = N f ( Pi ) Pi (здесь I – общее количество интервалов, на которые разбивается диапазон отпускных цен; P – центр i -го интервала, i = 1,..., I ; fi – вероятность того, что очередной лист стекла попадет в партию, которая будет продана по цене P ; C – Секция 3 Практическое применение имитационного и комплексного цеховая себестоимость листа стекла, C' – общепроизводственная составляющая себестоимости листа стекла, C' – компонента себестоимости, определяемая коммерческими расходами по продвижению продукции на рынок).

Рис. 2. Гистограмма случайной величины R (рентабельность) в кумулятивном представлении, сплошная линия – теоретическое нормальное распределение Использовалась методика статистических испытаний (метод Монте-Карло), причем каждое испытание представляло собой расчет по имитационной модели за период один квартал при трехсменной работе, единица модельного времени составляла 1 с.

Исследование поведения доверительного интервала (на уровне 95%-1 значимости) для среднего значения рентабельности R показало, что достаточным можно считать число испытаний N 120...170.

Результаты применения метода Монте-Карло – гистограмма рентабельности R – представлены на рис. 2 (для обработки результатов имитационного эксперимента использовался пакет статистических программ STATISTICA, вероятность ошибки при отказе от нормального распределения составляет 0,5776).

Среднее значение R по 170 реализациям равнялось 5,24% – величина, близкая к реальной, что повышает доверие к полученным результатам.

Для того, чтобы найти вероятность реализации события: « R отрицательна», необходимо из точки абсцисс R = 0 (так называемая «точка безубыточности») восстановить перпендикуляр до кривой вероятностного распределения (пунктир на рис. 2), а затем опустить перпендикуляр из точки на кривой на ось ординат. Как видим из рис. 2, вероятность убыточности предприятия (точнее, предприятие сработает за квартал с убытком) составляет для рассматриваемого случая 0,17. Этот результат неплохо отражает реальную ситуацию на исследованном предприятии.

Приведенные в данной работе результаты, как нам представляется, – еще один довод в пользу того, что имитационные модели могут со временем стать важным элементом системы управления промышленным предприятием [3].

Секция 3 Практическое применение имитационного и комплексного Литература 1. Вяткин В. Н., Гамза В. А., Екатеринославский Ю. Ю., Иванушко П. Н. Управление рисками фирмы. М.: Финансы и статистика, 2006.

2. Бочаров Е. П., Колдина А. И. Интегрированные корпоративные информационные системы. Принципы построения. Лабораторный практикум на базе системы «Галактика». М.: Финансы и статистика, 2005.

3. Бочаров Е. П., Алексенцева О. Н., Ермошин Д. В. Имитационная модель производственного процесса как элемент системы управления промышленным предприятием//Прикладная информатика. 2007. № 3 (9).

Секция 3 Практическое применение имитационного и комплексного

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ СТРУКТУРООБРАЗОВАНИЯ

В ЛЕСАХ ПЕРМСКОГО КРАЯ НА ОСНОВЕ КЛЕТОЧНЫХ АВТОМАТОВ

И УРАВНЕНИЙ РЕАКЦИИ-ДИФФУЗИИ*

Д. А. Брацун, А. К. Колесников, А. В. Люшнин, Е. М. Шкараба (Пермь) Как известно, спонтанное образование пространственно-временных структур, возникающих как на уровне отдельных членов, так и на уровне всей популяции, является скорее общим законом функционирования экосистем. Изучение подобных структур является, одной из центральных проблем современной экологии [1]. Для популяций растений такое явление наблюдается, когда из, казалось бы, однородно растущей массы отдельных растений возникают пространственно-неоднородные по концентрации фитомассы и ее качественному составу упорядоченные структуры [2]. По своему происхождению эти структуры могут быть отнесены к трем основным группам [3]: (I) структуры, имеющие морфологическое происхождение и отражающие особенности структуры и роста самого растения; (II) структуры, возникающие благодаря природноландшафтным факторам; (III) структуры, социологического происхождения, которые возникают благодаря взаимодействию на уровне отдельных растений. С нашей точки зрения, наиболее любопытными и до сих пор малоизученными являются структуры третьего типа. В качестве примера можно привести спонтанное возникновение образований в виде полос, островков или более сложных фигур, состоящих из травы или низкорослого кустарника, перемежающихся участками без каких-либо растений, в засушливых районах Африки, Австралии или Северной Америки [4,5]. Понятно, что такие удивительно правильные структуры, нехарактерные, вообще говоря, для растительного мира, привлекли внимание исследователей.

Для понимания процессов, происходящих в экосистемах, был необходим существенный прогресс в других науках, например, появление теории хаоса и структурообразования в физике [6–7], теории бифуркаций в математике [8], структурообразование в системах с реакцией и диффузией в химии [9]. В работе Лефевра и его аспирантов впервые удалось предложить пространственно распределенную модель вегетационной динамики растений, которая описывала структурообразование в таких системах даже при однородных и изотропных условиях внешней среды, т.е. причиной им служило социальное взаимодействие растений [10–12]. Их феноменологическая модель представляла собой уравнение для концентрации фитомассы с диффузией и специальным образом подобранным «реактивным» слагаемым, отвечающим за взаимодействие на уровне растение-растение.

Другим направлением в моделировании роста и структурообразования леса является микроскопический подход на основе клеточных автоматов [13–15]. В ранней работе [13] был рассмотрен простейший случай, когда ячейки клеточного автомата не могут взаимодействовать друг с другом и каждый вид деревьев развивается, не чувствуя соседей по лесу. Исправляя эту слишком упрощенную схему, авторы работы [14] предположили, что взаимодействие между ячейками происходить может, но только между ближайшими соседями (модель «FORET»). Расчеты показали, что определенные аспекты процессов роста реальных лесов такая модель отражает, но далеко не все. Наконец, в работе [15] была построена сложно сконструированная модель клеточного автомата, который учитывает взаимодействие между отдельными деревьями не только в близкодействии, но и на больших в сравнении с отдельным деревом (ячейкой) расстояниях (программа «SORTIE»). ПоДанная работа проводилась при поддержке гранта РФФИ-Урал №07-01-97612.

следнее обстоятельство важно в случае, когда принимаются во внимание способность к распространению семян различных видов деревьев, участвующих в модели.

предложенный в [15], адаптируя его к конкретным условиям структуры леса Пермского края. Как показывает лесоустроительная информация по Пермскому краю состоящую из основных пермских пород ели, сосны и березы. Как видно из фотографии, представленной на рис.1, взаимодействие деревьев различных пород (в Рис. 1. Пространственное ель–сосна–береза менологического и микроскопического моделирования более подробно.

Модель реакции-диффузии В качестве модели первого типа была выбрана трехкомпонентная модель для реактивно-диффузионной системы ингибитор-ингибитор-активатор. Уравнения для данной системы выглядят следующим образом:

Здесь переменные u1, u 2, u 3 являются переменными, описывающими концентрацию ели, сосны и березы соответственно. Остальные величины являются константами, характеризующими свойства деревьев и почвенную влажность k1. Для контроля состояния эволюции данной экосистемы применялся принцип обратной связи [17], который определяет постоянный количественный баланс ель-береза-сосна. В процессе вычислений на каждом шаге параметр s определяется так, чтобы s new оставался постоянным.

Расчеты проводились на области = [ 50,50] [ 50,50], сетка варьировалась от 100x100 до 800x800. Для численного моделирования данной системы применялся метод Кранка-Николсона с периодическими границами. Начальные условия задавались как случайным, так и специально подобранным образом. Расчеты проводились при следующих параметрах:

Результаты вычислений показывают, что основным фактором в процессе роста леса является почвенная влажность. При почвенной влажности k1 меньшей k реализуется сценарий с постепенным заполнением всего пространства елью. Это подтверждается исследованиями, проводимыми в государственном природном заповеднике «Вишерский»

(Пермский край). При превышении влажности критического значения k сосна начинает Рис.2. Пространственное модели, основанной на реакциидиффузии древостоя той или иной породы (рис. 2). Белый фон – ель, серые полутона – береза и черным цветом отмечена сосна.

Модель клеточного автомата Дискретное моделирование динамики леса, учитывающее особенности взаимодействия между различными породами деревьев на уровне дерево-дерево, включало в себя учет следующих параметров:

• Борьба между деревьями за доступ к солнечному свету. Более высокие деревья, такие, как сосны, имеют тут преимущество. Заслоняя своей кроной молодняк, они препятствуют росту последнего. Однако, необходимость в солнечном свете у разных пород деревьев разная, и это несколько уравнивает шансы. В системе ель-береза-сосна наиболее восприимчивой к свету является береза, ель, наоборот, любит расти в тени. Поэтому ельник легко поднимается Секция 3 Практическое применение имитационного и комплексного в тени березы, но когда он вырастает, то перекрывает возможности роста для первой. Сосна имеет промежуточные показатели – ей трудно подняться в тени, но если уж она поднялась, то из-за своей высоты она вне конкуренции.

• Время жизни. Самая короткоживущая здесь береза (60–80 лет), ель в нормальных условиях живет до 250 лет, а сосна – до 400 лет.

• Распространение семян. Сосна имеет наибольший радиус распространения, но приживаемость семян самая низкая.

По итогам моделирования, в целом, можно сказать, что в системе ель-соснабереза ель является эдификатором, т. е. именно этот вид древесины определяет правила игры. Особенно хочется отметить влияние параметра доступа к солнечным лучам на эволюцию данной системы. Этот параметр является функцией почвенной влажности в данной области и определяет, как и в задаче, представленной выше, динамику поведения ель-береза-сосна.

Основным преимуществом микро-описания данной модели является прослеживание эволюции отдельного дерева. Так как ель является основным компонентом данной среды, то интересно проследить динамику ее развития. Ель легко растет в тени других деревьев, а поднявшись – подавляет остальных. Однако, она не может расти сама по себе, ей всегда нужен спутник, так как молодые ели плохо переносят солнечный свет. Поэтому сценарий зарастания пустошей видится следующим образом: сначала распространяются береза и сосна, затем в их тени поднимается ель и со временем вытесняет их.

Трехкомпонентная система клеточного автомата рассчитывалась на сетке 300 на 300, на каждом шаге дискретного времени во взаимной динамике деревьев учитывались вышеприведенные особенности.

так и неоднородности, которые в природе могут возникать по разным причинам, в частности, из-за хозяйственной деятельности человека.

Рис. 3. Пространственное распределение символы, соответствующие ельнику, елей, сосен и берез после временной березняк обозначен кружками с тонэволюции в модели клеточного автомата кой линией, а сосны – толстой линий.

леса сложилась после 500 лет эволюции из случайного начального распределения. Интересно отметить, что, как и в макроскопическом моделировании, взаимодействующие растения формируют различные структуры – в данном случае хорошо видна поперечИММОД- Секция 3 Практическое применение имитационного и комплексного ная полоса березняка, разделяющая несколько ельников. Сосны, как наименее приспособленные к конкуренции, в этой триаде представлены лишь отдельно стоящими деревьями.

Имитационное моделирование процессов роста леса, проведенное как на феноменологическом макро-уровне (уравнения реакции-диффузии), так и микроскопическом уровне (клеточный автомат), показало, что взаимодействие на уровне растений – главных игроков пермского леса – приводит к специфическому образованию паттернов в виде пространственно-неоднородного распределения древостоя той или иной породы.

Кроме фундаментального аспекта, такое моделирование имеет и прямое значение для бережного использования лесных ресурсов и развития соответствующих отраслей экономики Пермского края. Практический интерес представляет процесс моделирования восстановления леса при вырубках, оценка его качественного и количественного состава. Основным направлением дальнейших исследований будет использование в рассмотренной пространственно-распределенной модели реальной лесоустроительной информации Пермского края.

Литература 1. Levin S. A. Ecology 73, 1943. 1992.

2. Greig-Smith P. J.Ecol. 67, 755. 1979.

3. Kershaw K. A. Ecology 44, 377. 1963.

4. Valentin C. J.M.d'Herbes and J.Poesen, Catena 37, 1. 1999.

5. Ponce V. M. and Cunha C. N. J.Biogeogr. 20, 219. 1993.

6. Лоренц Э. Странные аттракторы. М.: Мир. С. 88–116. 1981.

7. Cross M. S. and Hohenberg P. C. Rev. Mod. Phys, 65, 673. 1993.

8. Йосс Ж., Д Джозеф. Элементарная теория устойчивости и бифуркаций. М.: Мир, с. 1983.

9. Николис Г., Пригожин И. Самоорганизация в неравновесных системах. М.: Мир, 308 с. 1979.

10. Lefever R. and O Lejeune. Bull. Math. Biol. 59, 263. 1997.

11. Lejeune O., Couteron P. and Lefever R. Acta Oecol. 20, 171. 1999.

12. Lejeune O., Tlidi M. and P Couteron. Phys. Rev. E 66, 010901. 2002.

13. Botkin D. B., Janak J. F., and J Wallis. R. IBM J. Res. Dev., 16,101. 1972.

14. Shugart H. H. A Theory of Forest Dynamics. Springer-Verlag, New York. p. 328. 1984.

15. Pacala S. W., Canham C. D. and Silander J. A. J. Can. J. For. Res., 23, 1980. 1993.

16. Лесной фонд России. Справочник. М.: ВНИИЦлесресурс, 280 с. 1995.

17. Schenk C. P., Or-Guil M., Bode V. and Purwins H.-G. Phys. Rev. Letter 78, 3781.

1997.

Секция 3 Практическое применение имитационного и комплексного

ПРИМЕНЕНИЕ ИМИТАЦИОННОЙ СИСТЕМЫ ENVICON ДЛЯ

МОДЕЛИРОВАНИЯ ПРОИЗВОДСТВА ЖИДКОГО ГЕЛИЯ

И. К. Буткевич (Москва), Е. А. Рыдник, В. М. Шпаков (Санкт-Петербург) В [1] приведено описание разработанного в СПИИРАН исследовательского прототипа среды имитационного моделирования структурированных совокупностей гибридных процессов, имеющей условное название «HyDySS» (Hybrid Dynamic System Simulator), расширения ее возможностей моделирования и исследования многоуровневых адаптивных систем управления. В состав среды был включен механизм и соответствующий интерфейс формирования нечетко-логических законов управления, получили развитие средства управления структурой многомодельного комплекса. Новая версия среды получила условное название EnviCon (Environment for Control). Апробация компьютерной среды EnviCon проводилась путем разработки имитационной модели промышленной установки по производству жидкого гелия ОГ-100. Разработка модели ожижителя гелия ОГ-100 выполнена в Институте физических проблем им. П.Л. Капицы РАН совместно с Санкт-Петербургским институтом информатики и автоматизации РАН и ООО «Вертикаль».

Мнемоническая схема модели установки (копия экранной формы) приведена на рис. 1. На схеме представлено основное оборудование и арматура (2 турбо-детандера, компрессоры, ресивер, газгольдер, теплообменники, емкости, дроссель, вентили и клапаны). Указаны текущие значения давлений, температур и уровней. Приведенные обозначения и наименования соответствуют использованным в описании установки ОГ-100. В левой части схемы приведены основные органы управления установкой.

Имеются кнопки пуска и остановки, включения/выключения автоматических контуров стабилизации, кнопки выбора режима управления. В правом верхнем углу схемы расположены кнопки включения (выключения) подсистем откачки вакуума и заполнения азотной ванны. В модели реализован режим установки исходного состояния и ручной и автоматический режимы управления технологическим процессом. В автоматическом режиме после пуска управление установкой производится полностью автоматически:

включаются и выключаются контуры регулирования и необходимое оборудование, закрываются и открываются вентили и клапаны. В ручном режиме управляющие воздействия формируются путем внешних воздействий (щелчков мыши) на соответствующих устройствах или органах управления. Таким способом производится запуск и останов машин, включение, реверс и выключение приводов вентилей и контуров регулирования, открытие и закрытие клапанов. В ручном режиме предусмотрена информационная поддержка действий оператора, Если режим поддержки включен, то при возникновении ситуации, требующей действий оператора, в окне инструкций появляется текстовое сообщение о необходимом действии. Окно инструкций расположено в левом верхнем углу схемы.

Модель ожижителя в реальном или модельном времени определяет и визуализирует изменения всех параметров установки и состояний машин и арматуры на всех стадиях ее операционного цикла: запуска, захолаживания, ожижения, слива жидкого гелия и планового останова установки. Реализована возможность моделирования возникновения и обработки нештатных ситуаций. Возможные нештатные ситуации разделены на два класса: аварии и аварийные ситуации. Это сделано потому, что алгоритмы обработки ситуаций разных классов существенно отличаются друг от друга. Списки параметров, характеризующих нештатные ситуации, представлены в окнах с названиями «Аварии» и «Аварийные ситуации». При возникновении аварийной ситуации осуществляется алгоритм плановой остановки. В автоматическом режиме этот алгоритм реализуется Секция 3 Практическое применение имитационного и комплексного автоматически. В ручном режиме в этом случае формируются инструкции оператору, и алгоритм реализуется по его командам. При возникновении аварии всегда автоматически запускается алгоритм аварийной остановки.

Как можно видеть из схемы и приведенного краткого описания установки, ее функционирование определяется совокупностью взаимодействующих процессов различной динамики: непрерывных, дискретно-событийных и гибридных. Модель ожижителя была разработана и функционирует в компьютерной среде EnviCon, ориентированной на моделирование и поддержку проектирования сложных адаптивных систем управления. В данной среде используется подход, аналогичный описанному в [2, 3].

Этот подход основан на представлении текущего дискретного и непрерывного состояний процессов с помощью логического и вещественного векторов состояний и формировании транзитивных отношений между текущим и следующим состояниями процессов. Такое представление процессов позволяет реализовать ситуационный подход формирования исполняемых спецификаций совокупностей взаимодействующих процессов различной динамики.

Для вычисления транзитивных отношений используются транзитивные модели процессов. Эти модели непосредственно определяют переход (transition) процесса из одного состояния в другое. С помощью этих моделей одиночный процесс представляется в виде последовательности состояний, а совокупность процессов – в виде последовательности (траектории) ситуаций. Транзитивные модели дискретно-событийных процессов реализуются с помощью продукционных правил. Для представления непрерывных процессов в среде EnviCon используются алгоритмы вычисления транзитивных отношений для элементарных динамических звеньев и основных законов управления.

Сложные непрерывные процессы реализуются путем последовательного и параллельного соединения элементарных процессов. Зависимость дискретно-событийных процессов от непрерывных осуществляется за счет включения в условные части продукционных правил помимо дискретных состояний предикатов от состояний непрерывных процессов. Конъюнкция логических переменных, представляющих дискретные состояния, и предикатов от непрерывных состояний определяет значение некоторой локальной логико-динамической ситуации. Условные части продукционных правил содержат задания ситуаций, а исполнительные части – имена переменных, представляющих дискретные состояния, с указанием значений, которые они принимают в случае срабатывания правила. База таких правил позволяет специфицировать процесс трансформации ситуаций.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |
Похожие работы:

«2011 Методический Вестник ТИМО Советского района Выпуск 1(9) 1 Уважаемые коллеги! Поздравляем вас с Днем Учителя! Учить не значит только объяснять, С такой задачей справится любой. Но лишь учитель может удивлять И увлекать в мир знаний за собой. 2 Содержание Григорова Елена Сергеевна, учитель информатики МОУ гимназии № 4 Использование игровых технологий на уроках информатики для формирования познавательных универсальных учебных действий (выступление на Августовской конференции) _стр 5 Шакирова...»

«Министерство образования и наук и РФ филиал федерального государственного бюджетного образовательного учреждения высшего профессионального образования Московский государственный индустриальный университет в г. Вязьме Смоленской области (филиал ФГБОУ ВПО МГИУ в г. Вязьме) Республика Беларусь г. Брест Учреждение образования Брестский государственный технический университет Республика Беларусь г. Витебск Учреждение образования Витебский государственный университет имени П. М. Машерова III...»

«49-я научная конференция аспирантов, магистрантов и студентов БГУИР, 2013 г. 49-я научная конференция аспирантов, магистрантов и студентов учреждения образования Белорусский государственный университет информатики и радиоэлектроники ЭКОНОМИКА, УПРАВЛЕНИЕ, ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ 6–10 мая 2013 года 49-я научная конференция аспирантов, магистрантов и студентов БГУИР, 2013 г. ИНТЕРНЕТ, КАК МАРКЕТИНГОВАЯ ПЛОЩАДКА ДЛЯ ПРОДВИЖЕНИЯ И УВЕЛИЧЕНИЯ ОБЪЕМА ПРОДАЖ Белорусский государственный университет...»

«НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ САНКТ-ПЕТЕРБУРГСКИЙ ИНСТИТУТ ПРОЕКТНОГО МЕНЕДЖМЕНТА Сборник научных статей по итогам международной научно-практической конференции 27-28 июня 2014 года ОТ КРИЗИСА К МОДЕРНИЗАЦИИ: МИРОВОЙ ОПЫТ И РОССИЙСКАЯ ПРАКТИКА ФУНДАМЕНТАЛЬНЫХ И ПРИКЛАДНЫХ НАУЧНЫХ РАЗРАБОТОК В ЭКОНОМИКЕ, ПРОЕКТНОМ МЕНЕДЖМЕНТЕ, ОБРАЗОВАНИИ, ЮРИСПРУДЕНЦИИ, ЯЗЫКОЗНАНИИ, КУЛЬТУРОЛОГИИ, ЭКОЛОГИИ, ЗООЛОГИИ, ХИМИИ, БИОЛОГИИ, МЕДИЦИНЕ,...»

«Бойкова Наталья Ивановна учитель физики и информатики и ИКТ Муниципальное бюджетное образовательное учреждение Подюжская средняя общеобразовательная школа Архангельская область, Коношский район, поселок Подюга УРОК – КОНФЕРЕНЦИЯ ДИСПЕРСИЯ СВЕТА (ЗАКЛЮЧИТЕЛЬНЫЙ УРОК МИНИ-ПРОЕКТА ЧТО ЗА ЧУДО: СВЕТ И ЦВЕТ?!) Цель урока: Дать представление о дисперсии света и объяснить многообразие цвета в природе. Задачи урока: Проверить у обучающихся навыки самостоятельной работы с большими 1. объемами информации...»

«Министерство образования и наук и Российской Федерации Федеральное агентство по образованию ГОУ ВПО Московский государственный университет экономики, статистики и информатики (МЭСИ) Ярославский филиал МЭСИ (ЯФ МЭСИ) Евразийский открытый университет (ЕАОИ) 10-я Международная научно-практическая конференция Эффективность современного маркетинга Сборник статей участников конференции Ч.2 Ярославль 2007 УДК 339.138 (082) Э94 Эффективность современного маркетинга: Сборник научных статей 10–й...»

«Министерство сельского хозяйства Российской Федерации Федеральное государственное образовательное учреждение высшего профессионального образования Пермская государственная сельскохозяйственная академия имени академика Д.Н. Прянишникова ИННОВАЦИОННОМУ РАЗВИТИЮ АПК – НАУЧНОЕ ОБЕСПЕЧЕНИЕ Сборник научных статей Международной научно-практической конференции, посвященной 80-летию Пермской государственной сельскохозяйственной академии имени академика Д.Н. Прянишникова (Пермь, 18 ноября 2010 года)...»

«Министерство образования и наук и РФ филиал федерального государственного бюджетного образовательного учреждения высшего профессионального образования Московский государственный индустриальный университет в г. Вязьме Смоленской области (филиал ФГБОУ ВПО МГИУ в г. Вязьме) Республика Беларусь г. Брест Учреждение образования Брестский государственный технический университет I МЕЖДУНАРОДНАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ СОВРЕМЕННЫЙ АВТОМОБИЛЬ И ЕГО ВЗАИМОДЕЙСТВИЕ С ОКРУЖАЮЩЕЙ СРЕДОЙ г. Вязьма УДК...»

«САНКТ-ПЕТЕРБУРГСКАЯ МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ РЕГИОНАЛЬНАЯ ИНФОРМАТИКА Санкт-Петербургская научно-практическая конференция ПРОБЛЕМЫ ПОДГОТОВКИ КАДРОВ В СФЕРЕ ИНФОКОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ ТРУДЫ КОНФЕРЕНЦИИ Санкт-Петербург 2009 http://spoisu.ru САНКТ-ПЕТЕРБУРГСКАЯ МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ РЕГИОНАЛЬНАЯ ИНФОРМАТИКА Санкт-Петербургская научно-практическая конференция ПРОБЛЕМЫ ПОДГОТОВКИ КАДРОВ В СФЕРЕ ИНФОКОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ ТРУДЫ КОНФЕРЕНЦИИ Санкт-Петербург http://spoisu.ru УДК...»

«Башкирский государственный педагогический университет им. М. Акмуллы Уфимский научный центр РАН Академия наук Республики Башкортостан Институт математики с вычислительным центром Уфимского научного центра РАН Институт профессионального образования и информационных технологий Материалы Всероссийской научно-практической конференции Прикладная информатика и компьютерное моделирование г.Уфа, 25-28 мая 2012 г. Том 1 А-В Уфа 2012 1 УДК 004 Материалы Всероссийской научно-практической конференции...»

«ФГАОУ ВПО Казанский (Приволжский) федеральный университет Сервис виртуальных конференций Pax Grid Акутальные проблемы биохимии и бионанотехнологии III Международная Интернет-конференция Казань,19-22 ноября 2012 года Сборник трудов Казань Казанский университет 2013 УДК 577/579(082) ББК 28.4:28.72:28.707.2 C56 АКУТАЛЬНЫЕ ПРОБЛЕМЫ БИОХИМИИ И БИОНАНОТЕХНОЛОГИИ cборник трудов III международной Интернет-конференции. Казань, 19-22 ноября 2012 г. /Редактор Изотова Е.Д. - ФГАОУ ВПО C56 Казанский...»

«Министерство образования и наук и Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Вологодский государственный университет Первая Всероссийская междисциплинарная научная конференция молодых ученых Официальный сайт конференции: www.vologda-uni.ru/index.php?option=com_content&view=article&id=1864 Программный комитет Соколов Леонид Иванович, доктор технических наук, профессор, ректор Вологодского государственного...»

«ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ РЕГИОНОВ РОССИИ (ИБРР–2009) VI САНКТ-ПЕТЕРБУРГСКАЯ МЕЖРЕГИОНАЛЬНАЯ КОНФЕРЕНЦИЯ Санкт-Петербург, 28-30 октября 2009 года МАТЕРИАЛЫ КОНФЕРЕНЦИИ Санкт-Петербург 2009 http://spoisu.ru ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ РЕГИОНОВ РОССИИ (ИБРР–2009) VI САНКТ-ПЕТЕРБУРГСКАЯ МЕЖРЕГИОНАЛЬНАЯ КОНФЕРЕНЦИЯ Санкт-Петербург, 28-30 октября 2009 года МАТЕРИАЛЫ КОНФЕРЕНЦИИ Санкт-Петербург 2009 http://spoisu.ru УДК (002:681):338.98 И Информационная безопасность регионов России (ИБРР-2009). VI...»

«БЮЛЛЕТЕНЬ НОВЫХ ПОСТУПЛЕНИЙ в библиотеку НЧОУ ВПО КСЭИ за 1-е полугодие 2012 года 0 ОБЩИЙ ОТДЕЛ 1 ФИЛОСОФИЯ. ПСИХОЛОГИЯ 2 РЕЛИГИЯ. БОГОСЛОВИЕ 3 ОБЩЕСТВЕННЫЕ НАУКИ 5 МАТЕМАТИКА. ЕСТЕСТВЕННЫЕ НАУКИ 6 ПРИКЛАДНЫЕ НАУКИ. МЕДИЦИНА. ТЕХНОЛОГИЯ 7 ИСКУССТВО. РАЗВЛЕЧЕНИЯ. ЗРЕЛИЩА. СПОРТ 8 ЯЗЫК. ЯЗЫКОЗНАНИЕ. ЛИНГВИСТИКА. ЛИТЕРАТУРА 9 ГЕОГРАФИЯ. БИОГРАФИИ. ИСТОРИЯ 0 ОБЩИЙ ОТДЕЛ Акперов И. Г. Информационные технологии в менеджменте : учебник / И. Г. Акперов, А. В. Сметанин, И. А. Коноплева. – М. : ИНФРА-М,...»

«Федеральное агентство по образованию Российской Федерации Современные методы физикоматематических наук Труды международной конференции 9 – 14 октября, Россия Орел, 2006 Том 3 • Методика преподавания математики • Методика преподавания физики • Методика преподавания информатики Орловский государственный университет ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ РОССИЙСКОЙ ФЕДЕРАЦИИ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ...»

«ороткие и ли ддлиные интерфероны генотип 3 Купить финишер к кМ 8650 Кроме того если у вас живут малыши или домашние животные то такая обивка Контрольные работы катр№2 тихомиров и бебиков сухарики Лазарев с Н Лимфаузлы Купить померанского шпица у заводчиков Клиникa и медведевa Космические факторы влияющие на географическую оболочку и человека Книга памяти тверская область-тверь 2002 т 11 доп с 92-247 Купить автокресло для ребенка б у Крепление проводa к бетону Купить б\у microlab pro 1...»

«ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ РЕГИОНОВ РОССИИ (ИБРР–2009) VI САНКТ-ПЕТЕРБУРГСКАЯ МЕЖРЕГИОНАЛЬНАЯ КОНФЕРЕНЦИЯ Санкт-Петербург, 28-30 октября 2009 года ТРУДЫ КОНФЕРЕНЦИИ Санкт-Петербург 2010 VI САНКТ-ПЕТЕРБУРГСКАЯ МЕЖРЕГИОНАЛЬНАЯ КОНФЕРЕНЦИЯ ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ РЕГИОНОВ РОССИИ (ИБРР–2009)   Санкт-Петербург, 28-30 октября 2009 года ТРУДЫ КОНФЕРЕНЦИИ Санкт-Петербург 2010 УДК (002:681):338.98 И74 Информационная безопасность регионов России (ИБРР-2009). VI Санкт-Петербургская Межрегиональная...»

«ОТЗЫВ ОФИЦИАЛЬНОГО ОППОНЕНТА на диссертационную работу Прохорова Е.И. Адаптивная двухфазная схема решения задачи структура – свойство, представленную на соискание ученой степени кандидата физико-математических наук по специальности 05.13.17 – теоретические основы информатики Актуальность выбранной тематики. Диссертационная работа Е.И. Прохорова посвящена совершенствованию методов классификации в прикладной задаче поиска количественных отношений структура – свойство. Актуальность тематики с...»

«Министерство образования Республики Беларусь Учреждение образования Белорусский государственный университет информатики и радиоэлектроники МОДЕЛИРОВАНИЕ, КОМПЬЮТЕРНОЕ ПРОЕКТИРОВАНИЕ И ТЕХНОЛОГИЯ ПРОИЗВОДСТВА ЭЛЕКТРОННЫХ СРЕДСТВ Сборник материалов 49-ой научной конференции аспирантов, магистрантов и студентов учреждения образования Белорусский государственный университет информатики и радиоэлектроники (Минск, 6-10 мая 2013 года) Минск БГУИР, 2013 УДК 621.391:004 ББК 32.84 М74...»

«Министерство образования и наук и Российской Федерации Федеральное агентство по образованию Российская академия наук Государственное образовательное учреждение высшего профессионального образования Московский физико-технический институт (государственный университет) Российский фонд фундаментальных исследований ТРУДЫ 49-Й НАУЧНОЙ КОНФЕРЕНЦИИ МФТИ СОВРЕМЕННЫЕ ПРОБЛЕМЫ ФУНДАМЕНТАЛЬНЫХ И ПРИКЛАДНЫХ НАУК Часть VII УПРАВЛЕНИЕ И ПРИКЛАДНАЯ МТЕМАТИКА 24–25 ноября 2006 года Москва – Долгопрудный 49-я...»









 
2014 www.konferenciya.seluk.ru - «Бесплатная электронная библиотека - Конференции, лекции»

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