Педагогическая информатика. Научно-методический журнал издается при участии Академии информатизации образования (стр. 2 )

2.  Классификации информационных систем (ИС) по выделенным группам.

3.  Предварительного тестирования ИС на наличие "Проблемы 2000".

4.  Анализа ИС в группах на "готовность к 2000 году".

5.  Разработки плана мероприятий по каждой информационной системе.

Планом разработанных в Минобразовании России мероприятий предусмотрены:

1. Организация на WWW-сервере Минобразовании России страниц, посвященных опыту решения "Проблемы 2000" (данная работа выполнена, остальные ниже перечисляемые работы требуют дополнительного централизованного финансирования).

2. Разработка критериев готовности аппаратно-программных средств отечественной разработки, используемых в системе образования (Y2К - совместимость).

3. Разработка нормативной базы по оценке Y2К - совместимости.

4. Определение перечня Y2К - несовместимых программных продуктов, сетевых протоколов и аппаратных средств.

5. Анализ возможного ущерба от использования Y2К - несовместимых продуктов.

6. Разработка тестирующих утилит и апгрейд программ, разработка методик их инсталляции и использования.

7. Корректировка баз данных Минобразования России по критериям Y2К - совмести - мости.

8. Заключение соглашений с фирмами-производителями средств с целью обеспечения организаций их версиями, обеспечивающими Y2К - совместимость.

9. Тестирование ПО, претендующих на Y2К - совместимость.

10. Организация на WWW-сервере Минобразования библиотек утилит и программных продуктов открытого доступа, обеспечивающих коррекцию Y2К - несовместимого ПО.

11. Проведение учебных семинаров.

12. Мониторинг функционирования информационных систем и коррекция нештатных ситуаций.

Приведем информацию по состоянию информационных систем сферы образования на предмет решения "Проблемы 2000 по состоянию на апрель 1999 года (эти данные представляются в Госкомсвязи России ежемесячно).

 

№ Предоставляемые сведения по Количество

п/п компьютерным информационно - 0

вычислительным системам

1. Всего систем 356

2. Системы по которым проведена инвентаризация 356

3. Выявлено критических систем 97

4. Системы, требующие модернизации/ модернизированы 69/0

5. Системы, снимаемые с эксплуатации, с 5

переводом объекта на ручное управление

6. Введено в эксплуатацию модернизированных систем 0

7. Общий объем затрат (млн. руб.) в том числе: 7,837

- на программное обеспечение

затрачено / необходимо 0,61/3,392

- на аппаратное обеспечение

затрачено / необходимо 0/4,445

 

Ряд ВУЗ-ов сообщил, что адаптировать системные и прикладные программные средства они смогут собственными силами, другие докладывают, что в их информационных продуктах "Проблема 2000" отсутствует. Отсутствие проблемы в этих вузах связано с тем, что они используют лицензионное ПО, в котором фирмы-производители данную проблему устранили.

В апреле 1999 г. прошло совещание директоров РЦИ/ЦНИТ, которое сформулировало следующие основные предложения по их дальнейшему развитию и функционированию для Министерства образования Российской Федерации:

1. Обеспечить развитие нормативно-правовой базы информатизации образования, в том числе разработку проектов законодательных инициатив на федеральном и региональных уровнях:

- закрепить за Минобразованием России в федеральном законе ответственность за решение проблем информатизации образования России;

-  продолжить практику разработки отраслевых стандартов в области информатизации образования;

-  рекомендовать в качестве головной организации по обеспечению этих работ Государственный НИИ информационных технологий и телекоммуникаций (ГНИИ ИТТ);

- создать нормативные документы по инфраструктуре информатизации отрасли.

2. Разработать систему организационных и финансовых мер по расширению доступа вузов к мировым информационным ресурсам, использованию телеконференций по актуальным направлениям науки и техники, электронных журналов, баз данных и знаний, в том числе по результатам НИР вузов России. В качестве первоочередной задачи определить создание распределенных систем электронных полнотекстовых вузовских учебно-методических изданий.

3. Выделить централизованные средства для обеспечения работы ведущих центров новых информационных технологий, в том числе с целью развития их материально-технической базы.

4. Рекомендовать при модернизации отраслевой инфраструктуры информатизации образования максимально использовать действующую инфраструктуру - РЦИ/НИТ.

5. Обратить внимание на необходимость всесторонней поддержки проведения олимпиад в области информационных технологий и программирования.

6. Разработать комплекс мероприятий по внедрению средств инженерной графики в учебный процесс с первых курсов технических вузов.

7. Совместно с ГНИИ ИТТ более широко использовать практику заключения генеральных соглашений с ведущими фирмами в области современных информационных технологий и средств телекоммуникаций.

8. Подготовить предложения и необходимую документацию для оформления отраслевой компьютерной сети RUNNet как особо важного инженерно - технического объекта России. Оказать максимальное содействие в подготовке и реализации мероприятий по финансированию эксплуатации отраслевой сети в бюджете Минобразования России.

9. Создать в составе НТС Минобразования России Комиссию по проблемам информатизации и включить в состав Президиума НТС председателя этой Комиссии.

10. Рекомендовать в качестве приоритетных направлений проектов создание комплекса отраслевых и региональных информационно-аналитических систем:

- взаимоувязанной системы отраслевых, региональных и межрегиональных электронных (информационных) бирж образовательных услуг и труда с развитием на их основе информационно-аналитических систем мониторинга соответствующих рынков труда и образовательных услуг;

- регионально-распределеной системы электронных (информационных) бирж наукоемких технологий и новых разработок с реализацией комплекса информационно-аналитических подсистем мониторинга обозначенных рынков;

- базовой интегрированной информационно-аналитической системы управления вузом с обеспечением механизмов сопряжения с отраслевыми и федеральными инфраструктурами управления;

- геоинформационной технологии и системы ЮНИГИС;

- системы сертификации программных средств учебного назначения;

- информационно-справочной системы "Абитуриент" в составе межрегиональной биржи образовательных услуг.

11. Считать целесообразным активизировать работы по развитию и применению суперкомпьютерных центров (технологий) в ведущих университетах России.

12. Выйти с предложением в ВАК об открытии специальности, ориентированной на создание и внедрение в учебный процесс систем его компьютерной поддержки.

В заключение необходимо остановиться на федеральной университетской компьютерной сети RUNNet, являющейся отраслевой телекоммуникационной сетью сферы образования. Эта IP-сеть объединяет региональные сети и сети крупных научно-образовательных учреждений. RUNNet состоит из трех крупных сегментов: опорной внутрироссийской сети на базе спутниковых каналов связи (спутниковый сегмент), совокупности научно-образовательных университетских сетей ( региональный сегмент), интерфейса с зарубежными сервис-провайдерами (международный сегмент). В комплексе работ по построению RUNNet и информационному наполнению сети участвуют сотни вузов и научных организаций России, 35 субъектов Российской Федерации имеют право работы в RUNNet по лицензиям Госкомсвязи России. Число пользователей - студентов, преподавателей, аспирантов и научных сотрудников превысило полмиллиона человек. Благодаря энтузиазму научных коллективов (особенно Санкт-Петербургского института точной механики и оптики), при минимальном бюджетном финансировании в системе образования создана крупная научно-образовательная сеть. Однако в настоящее время имеются большие трудности в финансировании международных каналов и возникает необходимость в принятии специальных мер по обеспечению функционирования сети RUNNet.

Литература

1.  Концепция информатизации высшего образования Российской Федерации. 1994 год.

2.  Концепция реформирования Российской науки на период гг. "Поиск", 1997, №48

3.  Тихонов система образования России при переходе к информационному обществу. Проблемы информатизации высшей школы. Бюллетень 1-2(11-12), 1998, с.11-24.

 

заведущий кафедрой МГТУ им. ,

действительный член АИО

CALS-технологии и модели распределения ресурсов

В настоящее время процессы информатизации и компьютеризации в промышленности в значительной мере связанны с становлением и внедрением CALS-технологии (первоначально подразумевалась расшифровка этой аббревиатуры Computer Aided Logistic Systems, но сегодня более подходящей считывается Computer Acquisition LifeCycle Support). Под CALS-технологией понимается совокупность методов и средств информационной поддержки всех этапов жизненного цикла промышленной продукции или, другими словами, комплексная автоматизация сфер промышленного производства, имеющая основной целью унификацию и стандартизацию спецификаций промышленной продукции.

Есть основание полагать, что в ближайшее время применение CALS-технологии станет одним из основных критериев конкурентоспособности продукции на международном рынке. Применение CALS позволяет существенно сократить объемы проективных работ, так как описания многих составных частей оборудования, машин и систем, проектировавшихся ранее, хранятся в базах данных автоматизированных систем, доступных любому пользователю, имеющему соответствующие права. Существенно облегчается решение проблем эксплуатации оборудования, ремонтопригодности, интеграции продукции в различного рода системы и среды, адаптация к меняющимся условиям эксплуатации, специализации проектных организаций и т. п.

Развитие CALS-технологии порождает тенденцию создания виртуальных производств, при которых процесс разработки спецификаций с информацией для программно управляемого технологического оборудования для изготовления достаточно сложных изделий может быть распределен во времени и пространстве между многими проектными стадиями. Среди несомненных достижений CALS-технологии следует отметить легкость распространения передовых проектных решений, возможность многократного воспроизведения частей проекта в новых разработках и др.

Поэтому построение корпоративных автоматизированных систем для проектирования и управления в промышленности должно выполняться на базе современной CALS-технологии. При этом реализуется открытость корпоративных автоматизированных систем за счет единообразного описания и интерпретации данных, независимо от места и времени их получения в общей системе, имеющей масштабы вплоть до глобальных. Структура проектной, технологической и эксплуатационной документации, языки ее представления должны быть стандартизированными. Тогда становится реальной успешная работа над общим проектом разных коллективов, разделенных во времени и пространстве и использующих разные САПР. Одна и та же проектная документация может быть использована многократно в разных проектах, а одна и та же технологическая документация – в разных производственных условиях, что существенно сократит и удешевит общий цикл проектирования и производства. Упрощается эксплуатация систем.

Одним из аспектов освоения и развития CALS-технологии является проблема подготовки кадров, способных создавать и применять CALS-системы. Для ее решения нужно безотлагательно сориентировать технические вузы на подготовку соответствующих специалистов, уделить должное внимание популяризации идей и содержания CALS-стандартов и сопутствующих методик, в первую очередь, в учебной литературе.

В основном CALS-технологии положен ряд международных стандартов. Прежде всего это стандарты STEP, а также P_LIB, Mandate, SGML (Standard Generalized Markup Language), EDIFACT (Electronik Data Interchange For Administration, Commerse, Transport) и др. Основное внимание в этих стандартах уделяется вопросам единообразного представления данных и способам обмена ими в компьютерных системах. Но не менее важны вопросы интегрированного подхода к моделированию и решению логических задач для анализа процессов и принятия обоснованных решений, связанных с виртуальными производствами. Эти проблемы также находятся в русле работ по развитию CALS-технологии.

Данная статья содержит описание подхода к решению проблем распределения ресурсов в производственных процессах. Общность излагаемого подхода, основанного на генетических алгоритмах, делает уместным его рассмотрение в рамках CALS-технологии. В первой части статьи дается обзор основных положений и стандартов CALS, а во второй части содержится описание предлагаемого подхода.

Стандарты CALS-технологии. Единство представления и интерпретации спецификаций промышленной продукции обеспечивается в CALS-технологии введением в стандарте ISO 10303 (Standard for Exchange of Product Data) универсального языка Express. Этот стандарт представляет собой совокупность документов (томов), предназначенных для инвариантного к приложениям представления информации о промышленной продукции и организации обмена данными в компьпютерных средах.

Имеется базовый язык Express и ряд его дополнений и расширений. К ним относятся диаграммный язык Express-G (графический Express), позволяющий получать описания, удобные для восприятия человеком; Express-M – язык для описания обращений к функциям базы данных SDAI, разделяемой всеми пользователями CALS-системы; Express-X – промежуточный язык, используемый для описания соответствий между типами данных в заданной исходной Express-схеме и создаваемыми новыми ее вариантами; Express-P – язык диаграмм для представления процессов, методов и коммуникационных структур; Express-V, предназначенный для описания процедур поиска экземпляров Express-объектов, отвечающих заданными условиями, и др.

Для каждого приложения в STEP создана или может быть создана информационная модель с унифицированным представлением объектов приложения на языке Express. Такие модели называют прикладными протоколами. В настоящее время стандартизовано более 30 прикладных протоколов. Модели конкретных разрабатываемых объектов оказываются частями прикладных протоколов и могут быть восприняты и использованы любой автоматизированной системой без конвертирования или трансляции. Общие для нескольких прикладных протоколов описания называют интегрированными ресурсами, для них в STEP выделены отдельные тома.

Развитие линии стандартов STEP находит выражение в разработке новых стандартов Parts Library – P_LIB (ISO 13584), Parametrics (ISO 14959), Mandate (ISO 15531).

Стандарты Parts Library содержат обзор и основные принципы представления данных о стандартных компонентах промышленных изделий. В этих стандартах представляются в виде библиотек данные о семействах таких типов широко используемых компонентов изделий, как болты, подшипники, электронные компоненты и т. п., с целью использования этих данных в системах автоматизированного проектирования. В P_LIB содержатся также правила использования, интерфейса и модификации библиотечных описаний. Цель стандарта – обеспечить инварианты для приложений механизма оперирования частями библиотеки.

Благодаря ISO 13584, различные прикладные САПР могут выделять данные из обобщенных баз, беспрепятственно обмениваться данными о типовых компонентах.

Стандарты Parametics введены сравнительно недавно (1996 г.) в связи с тем, что стандарты STEP в недостаточной мере учитывали особенности современных САПР в части представления параметризованных моделей изделий и обмена параметризованными данными.

Рабочая группа ISO по Parametrics решает как краткосрочные, так и перспективные задачи. Первые из них касаются удовлетворения потребностей геометрического проектирования и машинной графики в сегодняшних САПР, широко использующих параметризованные модели. Вторые касаются попыток распространения идей параметризации на более ранние этапы проектирования и на более широкий круг моделей и процедур проектирования, имеющих не только геометрический характер.

Стандарты Mandate посвященные представлению данных, относящихся к функционированию предприятий, управлению территориально распределенными производственными системами, обмену данными о производстве с внешней для предприятия средой.

Семейство стандартов SGML предназначено для унификации представления текстовой информации в автоматизированных системах. В цикле проектирования промышленной продукции стандарты SGML обслуживают стадию, на которой выполняется документирование результатов. Стандартная форма документов способствует их правильной передаче, интерпретации и многократному использованию многими системами и пользователями. Стандарты прежде всего разрабатывались применительно к текстовым документам, но их возможности шире, так они применимы для документирования гипермедийных данных.

Роль стандартов SGML конкретизируется следующими направлениями их использования:

·  единообразное представление структуры данных, включая классификацию и идентификацию типов документов, поддержку различных типов символов и языковых ограничений;

·  дополнение моделей промышленных изделий, задаваемых в настоящее время стандартами STEP, моделями документов;

·  обмен данными между различными автоматизированными системами, электронными или традиционными средствами публикаций и прежде всего между STEP и SGML средствами, для достижения этой цели SGML-формы должны быть согласованны с формой обменного файла STEP, описываемого в томе ISO .

Использование возможностей SGML в STEP-ресурсах осуществляет с помощью информационной структуры SGML_STRING, включаемой в модели на языке Express. Эта структура содержит информацию о требуемом документном оформлении данных и, следовательно, позволяет выполнять в STEP-среде перечисленные выше функции SGML. Тем самым реализуется интеграция STEP и SGML стандартов.

Подход к решению ресурсов в CALS-системах. Наряду с решением проблем единообразного представления данных для информационного обмена между частями виртуального предприятия в CALS-технологиях используется IDEFO-методология для функционального моделирования слабоструктурированных приложений.

Однако IDEFO-модели не являются в достаточной мере формализованными. Для решения логистических задач в автоматизированных системах проектирования и управления эти модели должны быть преобразованы в модели анализа производственных процессов, планирования и распределения ресурсов.

Моделирование процессов ориентировано на анализ ситуаций, возникающих при производственных потоках заказов на входах системы. В этих случаях используются имитационные модели, чаще всего IDEFO-модели представляются в виде цветных сетей Петри (например, в программе CPN/Design).

Задачи распределения ресурсов между работами реализуют функции, указанные в IDEFO-диаграммах, и решаются при потоках заказов, известных из прогноза на планируемый период. Задачи этого типа относятся к синтезу расписаний для ассихронных параллельных процессов. При формулировке задачи синтеза расписаний каждый блок IDEFO-диаграммы, называемый блоком ICOM, может быть описан одним или несколькими серверами в зависимости от числа типов используемых ресурсов, а входные и выходные объекты представлены транзактами. Формируемые при этом задачи синтеза расписаний, как правило, характеризуются следующими особенностями.

1.  Среди искомых параметров расписания имеются не только количественные величины, но прежде всего предметы (неколичественные переменные).

2.  Практические задачи имеют большие размеры, число переменных в большинстве случаев составляет десятки-сотни, может доходить до нескольких тысяч.

Известна модель приложения, позволяющая оценивать качество альтернативы, т. е. вычислять значения целевой функции F(X); где Х – вектор проектных параметров, причем в общем случае эта функция не является сепарабельной и (или) имеются нелинейные ограничения, обусловливающие NP-сложность проблемы.

3.  Возможна декомпозиция исходной задачи на частные (локальные) подзадачи, в которых последовательно определяются элементы вектора Х, количественнные зависимости между F(X) и частными целевыми функциями Yi(Xi) в подзадачах остаются неизвестными.

В этих условиях точные методы дискретной оптимизации оказываются неприменимыми. На практике используются декомпозиционные эвристические методы с применением субъективно выбираемых частных функций Yi(Xi). К сожалению, степень приближения к оптимальному результату при этом может оказаться крайне низкой по следующим причинам.

Во-первых, априорный удачный выбор эвристики маловероятен и при этом апостериорная оценка точности результата невозможна.

Во-вторых, эффективность применения любой эвристики зависит от конкретной ситуации в процессе поиска и, поскольку, ситуация меняется, то и эвристики должны изменяться при переходе от одной подзадачи к другой. Однако в используемых эвристических методах это обстоятельство не учитывается.

Существенно повысить эффективность решения сложных задач синтеза расписаний можно, если для решения каждой частной задачи использовать наиболее подходящую для нее эвристику, т. е. вместо попыток непосредственного поиска оптимального Х перейти к поиску оптимальной последовательности эвристик. Эта идея была реализована в методе, названном методом комбинирования эвристик НСМ [1]. Его главная особенность заключается в многоэвристичности. Для оптимизации последовательности эвристик используются генетические алгоритмы [2]. Реализацию метода комбинирования эвристик можно рассматривать как эксперементную систему, в которой продукциями являются эвритики, причем на каждом шаге решения на применение претендует несколько продукций, выбор между ними производит генетический интерпретатор.

В обычных генетических методах используется непосредственное представление множества Х в виде хромосомы, в которой каждому элементу Х соответствует определенный ген, а значение гена (аллелем) является значение проектного параметра. В НСМ аллелями являются номера эвристик для определения элементов Х (т. е. для решения частных подзадач).

Метод комбинирования эвристик имеет ряд преимуществ перед обычными генетическими методами.

Сокращаются размеры поискового пространства, а, следовательно, повышается эффективность поиска, выражаемая как точностью, так и скоростью приближения к искомому результату. Конечно, набор эвристик в НСМ должен быть разумным, иначе экстремум может оказаться вне пределов сокращенного пространства. Практические результаты решения задач позволяют считать исключение экстремума из сокращенного пространства маловероятным.

Достигается высокая степень обобщения задач структурного синтеза, что обусловлено единство структуры хромосом для разных приложений в НСМ. В то же время в обычных генетических методах сематика генов, их типы меняются от задачи к задаче, и, следовательно, меняется алгоритм генетического поиска. Кроме того, в ряде приложений имеет место взаимозависимость разных генов и, как следствие, велика вероятность появления недопустимых хромосом после выполнения генетических операторов кроссовера и мутации. Например, уже для сравнительно простой задачи о назначениях, в которой значения генов суть номера работ, недопустимо иметь два или более одинаковых аллеля в одном и том же экземпляре хромосомы. Для устранения подобного явления приходится применять дополнительные операторы корректировки хромосом. В НСМ отсутствует понятие недопустимых хромосом, все гены относятся к одному типу integer, следовательно, не требуется корректировка хромосом.

На практике встречается ряд видов задач синтеза расписаний. Различия между ними определяется прежде всего характером распределяемых ресурсов.

Ресурсы могут быть неразделяемыми, в которых каждая единица ресурса, называемая далее сервером, может одновременно использоваться только одной работой и работа не может использовать более одного сервера в одно и то же время. В противном случае ресурс – разделяемый, от величены выделяемого работе разделяемого ресурса зависит длительность (или стоимость) выполнения работы, что можно отражаться в модели приложения.

Ресурсы могут рассматриваться как сосредоточенные или распределенные в зависимости от сосредоточения в одном или многих местах. В расписании с сосредоточенными ресурсами нужно для каждой работы определить экземпляр сервера, от количества выделенного ресурса. Для распределенных ресурсов требуется выделять дополнительные серверы доставки основного ресурса к месту совершения работы, т. е. возникает такая разновидность задачи, как маршрутизация транспортных средств с временными окнами (Vehicle Routing Problem with Time Windows) [3].

Разные типы ресурсов могут быть взаимосвязаны. Например, типичным случаем связанности параметров является синтез расписания учебных занятий (Timetabling), в котором в качестве определяемых параметров для каждого пункта расписания фигурируют учебная группа, вид занятия, преподаватель, место и время проведения занятия.

Для каждого пункта расписания в традиционных генетических алгоритмах нужно предусмотреть отдельный ген для каждого вида ресурса, т. е. длина хромосомы составит n´r, где n – число работ, r – число видов ресурса. В НСМ длина хромосомы равна n, а в эвристиках предусматриваются r правил для определения экземпляров (или количества) ресурса. Так, в многостадийных задачах синтеза расписаний, называемых OSSP (Open Shop Scheduling Problem) [4], используются правила для выбора очередной работы и обслуживающего его сервера, примеры эвристик приведены в [1]. Меньшая длина хромосомы является дополнительным преимуществом НСМ.

В качестве целевой функции используется некоторая оценка эффективности расписания, в большинстве случаев это полученная по методу штрафных функций свертка критериев цены, времени выполнения расписания и, возможно, штрафа за нарушение ограничений на совместимость ресурсов.

Генетические методы – методы приближенного решения задач. Эффективность приближенных методов характеризуется трудоемкостью вычислений, оцениваемой в генетических алгоритмах числом К обращений к модели приложения, т. е. числом вычислений целевой функции F(X), и степенью приближения к оптимальному варианту структуры, оцениваемой относительной погрешностью dF целевой функции в рассчитной структуре по сравнению с ее оптимальным значением. Недостаток генетических методов – значительная трудоемкость К, их преимущество – сравнительно малая погрешность dF. Особенно высокая эффективность генетического метода НСМ, в котором удается получить более высокую точность по сравнению с другими известными приближенными методами, а трудоемкость НСМ ниже, чем у традиционных генетических методов.

Эффективность НСМ проверялась в численных экспериментах на ряде задач. В их числе размещение оборудования (РО), упаковка грузов в контейнеры (УГ), маршрутизация транспортных средств с временными окнами (МТС) для выполнения заказов по доставке разнотипных грузов, синтез многостадийных расписаний для производственных процессов (СР). Размеры задач характеризуются числами N размещенные (в РО) или упаковываемых (в УГ) объектов, число пунктов (в МТС) размещения перевозимых продуктов и размещения средств доставки или число планируемых работ (в СР).

В первой тестовой задаче СР малой размерности (К=27), характеризуемой частичной упорядоченностью работ и наличии как разделяемых, так и неразделяемых ресурсов, при моноэвристичном решении получены результаты, показанные в таблице 1. Каждая колонка таблицы содержит значение цены расписания, рассчитанное при применении одной и той же единственной эвристики Si для всех частных подзадач. Лучшее значение целевой функции F(Х) оказалось равным 708. В то же время использование комбинаций всех девяти эвристик при генетическом поиске дало значительно лучший результат F(X)=558.

Таблица 1

 

S1 S2 S3 S4 S5 S6 S7 S8 S9

1002

Аналогичные результаты получены и при решении других более сложных задач. Так, в четырехстадийной задаче СР с 105 работами и 15 серверами использовалось 8 различных эвристик. Как видно из таблицы 2, лучший результат многоэвристичного решения составил 23084, что соответствует относительной погрешности 5,6% по отношению к лучшему известному в этой задаче результату F(X)=21852 (полученному по НСМ). В задачах РО и УГ погрешности еще больше и составляют десятки и более процентов.

Таблица 2

Задача N Лучший результат Диапазон Nv

моноэвристичного результатов по

решения НСМ

РО 3500

УГ 12000

МТС5400

СР37 25000

СР 21

Отметим, что случайная комбинация эвристик также может дать результат лучше, чем моноэвристичный метод, но хуже, чем с помощью НСМ. Так, в той же задаче СР в 100 статистических испытаниях получен лучший результат F(X)=22839, т. е. погрешность составляет уже только 4,5%. Однако в ряде других задач погрешности много выше.

Погрешности решения генетическими методами снижаются при удачном наборе эвристик. Поэтому в используемых алгоритмах предусмотрена автоматическая настройка вероятностей использования эвристик в операторах мутаций, что порождает тенденцию к оптимизации этих вероятностей.

Другой способ повышения эффективности решения задач синтеза по НСМ заключается в использовании гибридного локально-генетического метода. В нем по отношению к каждой хромосоме, порождаемой в процессе синтеза, применяется локальная оптимизация. Она заключается в том, что каждый потомок, полученный после кроссовера или мутации, подвергается процедуре поиска улучшенного решения в окрестностях хромосомы этого потомка. Благодаря этому, в задаче маршрутизации транспортных средств удалось повысить точность решения примерно на 10%.

Заключение. Важность CALS-технологии для повышения эффективности материального производства обусловливает необходимость освоения стандартов и методик CALS, создание и внедрение соответствующего программного обеспечения в промышленные корпоративные автоматизированные системы. В первую очередь, нужно обратить внимание на кадровое обеспечение этих вопросов CALS в учебных программах ряда инженерных специальностей и в учебной литературе.

Одним из аспектов развития CALS-технологии является разработка методов моделирования и оптимизации производственных процессов. Изложенный в статье метод комбинирования эвристик, инвариантный к приложениям, может успешно использоваться в программном обеспечении CALS для решения логистических задач распределения ресурсов в производственных процессах.

Литература

1.  Норенков и их комбинации в генетических методах дискретной оптимизации //Информационные технологии, 1999, №1. С.2-7.

2.  Goldberg D. Genetic Algorithms in Search, Optimization, and Machine Learning. Abbison-Wesley Publ., 1989, 412 p.

3.  Blanton J., Wainwright R. Multiple Vehicle Routing wuth Time and Capasity Constraints Using Genetic Algorithms. – Proc. of 5 th Int. Conf. on GA, Morgan Kaufmann Publ., San Mateo, 1993.

4.  Fang H., Ross P., Corne D. Promising Hybrid GA/Heuristic Approzch for Open-Shop Scheduling Probles / ECAI¢94, 11 th European Conf. on AI. – Jonh&Wiley&Sons Ltd., 1994.

 

,

начальник учебного отдела Тульского артиллерийского инженерного института,

действительный член АИО

Информационные технологии в образовательном процессе Тульского артиллерийского инженерного института

Информатизация всех сфер общественной деятельности и военного дела, требует кардинального изменения отношения к информационным технологиям. Появление понятия "информационная война" подчеркивает их важность в подготовке военного специалиста.

Повышение роли информационных процессов в управлении артиллерийско-техническим и ракетно-техническим обеспечением боевых действий, информатизация испытаний ракетно-артиллерийского вооружения, специфическая деятельность выпускников института в современных автоматизированных системах управления войсками и оружием, предъявляют жесткие требования к их профессиональной и психологической информационной подготовке.

Внедрение информационных технологий в образовательный процесс позволяет на существенно более высоком уровне организовать управление познавательной деятельностью обучаемых, эффективно реализовать интенсивные и высокие (интеллектуальные) технологии обучения, значительно повысить качество подготовки курсантов. В настоящее время имеются достаточно убедительные результаты, доказывающие высокую эффективность информационных технологий в образовании.

Новые информационные технологии обучения позволяют решать ряд принципиально новых дидактических задач:

·  изучение явлений и процессов в микро - и макромире, внутри сложных технических и биологических систем на основе использования моделирования;

·  представление в удобном для изучения масштабе времени различных физических, химических, биологических и социальных процессов, реально протекающих с очень большой или слишком малой скоростью;

·  моделирование экстремальных ситуаций, боевых действий и их обеспечения, процессов выхода из строя и восстановления вооружения и военной техники, их эксплуатации в боевых условиях.