Algoritma Alokasi Permintaan Pemrosesan Prioritas

Pertimbangkan model yang ada untuk distribusi data yang optimal di antara node-node jaringan komputer. Sebagai kriteria kinerja, kami akan menggunakan jumlah rata-rata data yang dikirim melalui jalur komunikasi ketika memproses permintaan dan mendistribusikan pembaruan, total biaya lalu lintas yang dihasilkan oleh pengoperasian sistem komputasi terdistribusi untuk satu unit waktu, dan biaya operasional jaringan ¹. Sebagai contoh, kami mempertimbangkan model alokasi file optimal melalui jaringan komputer dengan kriteria efisiensi - jumlah rata-rata data yang dikirim melalui jalur komunikasi saat memproses permintaan dan mendistribusikan pembaruan.


Pertimbangkan jaringan komputer, setiap node, yang terdiri dari komputer, perangkat terminal, dan peralatan transmisi data. Misalkan permintaan yang tiba di perangkat terminal dari setiap simpul menyiratkan akses ke file tertentu dalam database terdistribusi, dan volume permintaan dan pesan yang benar ke file yang sama tergantung pada node yang tanpanya ia datang. Kami berasumsi bahwa skema pemrosesan permintaan adalah sebagai berikut.
Permintaan yang dimulai di terminal memasuki antrian input dari node yang sesuai. Prosesor komputer memproses permintaan sesuai dengan permintaannya. Jika salinan dari file yang diinginkan terdapat dalam basis data lokal dari node ke terminal yang menerima permintaan, maka permintaan diproses dan hasilnya ditampilkan pada terminal ini. Jika salinan dari file yang diperlukan tidak terkandung dalam database lokal dari node, maka pertama-tama, direktori yang berisi salinan dari file yang diperlukan ditentukan dari direktori database lokal. Kemudian permintaan dikirim ke simpul itu, di sana itu diproses dan respons diterima oleh simpul asli. Prosedur untuk melayani permintaan tidak mempengaruhi jumlah data yang dikirim melalui saluran komunikasi.

Pesan korektif disajikan dalam urutan antriannya. Namun, dibandingkan dengan permintaan pesan, mereka memiliki prioritas layanan tertinggi.
Dalam proses melayani permintaan dan memperbaiki pesan, sejumlah data tertentu dikirim melalui saluran komunikasi pada setiap unit waktu, tergantung pada distribusi salinan file di seluruh basis data lokal. Semakin kecil jumlah data yang dikirim melalui saluran komunikasi per unit waktu, semakin tinggi kecepatan pemrosesan pesan.
Path
n adalah jumlah node jaringan;
t adalah jumlah kemandirian file yang termasuk dalam database terdistribusi;
Kj adalah simpul komunikasi ke-j;
File kelima dari database terdistribusi;
atv - jumlah data yang diminta saat mengeksekusi permintaan ke file Fi dari simpul Kj;
βv adalah jumlah data yang diminta saat mengeksekusi permintaan ke file Fi dari simpul Kj;
Yv adalah volume pesan koreksi ke file Fi dari node Kj;
λv adalah intensitas permintaan ke file Fi yang dimulai pada simpul Kj;
λ`v adalah intensitas pesan korektif ke file Fi dari simpul Kj;
bj - jumlah simpul memori Kj, yang dirancang untuk mengakomodasi file;
Vj adalah jumlah salinan dari file ke-i (Vj adalah nilai yang diberikan i <= Vji <= n);
Xv (I = I, m¸ j = I, n) - nilai ditentukan oleh rumus.
{I, jika salinan file Fi, terletak di simpul Kj;}
v {¸ sebaliknya}

Intensitas λi menghasilkan jumlah data
Vi = ΣAλ`v UVXi
5 - i
5 - j
memerlukan transfer. Jika kita menempatkan

nk
λ` = ΣΣAV
i = jj = i

maka jumlah rata-rata data yang diperlukan untuk meneruskan ketika memproses pesan koreksi dalam sistem adalah sama.
nk
V` =IΣΣΣλ`v vI
λ` i= j j= i 5 — i
5 – j

λ`v λ`v (av+β) (I-v) . ,
n k
V`= IΣΣλ`v (av+β) (I- v)
λ` i= jj= i

n k
λ=Σ Σλ`v
i= j j= i

, :
L,= V+V'

n
Σ xv=yi(i=I,m)
i = j

n
ΣL, xv ≤ bi (i = I, n)
i = j

v = (o ﮞ I) I'I, m, j = I, n)

Untuk meningkatkan kinerja sistem, pembatasan dapat digunakan sebagai kondisi tambahan waktu yang diharapkan untuk menyelesaikan permintaan dari setiap node. Memang, mari aifz menjadi waktu yang diharapkan diperlukan untuk menjalankan permintaan yang dimulai pada simpul Kj ke file Fj yang terkandung dalam simpul Kj, Tif menjadi waktu maksimum yang diizinkan untuk menyelesaikan permintaan ke file Fj yang dimulai pada simpul Kj. Kemudian antara jumlah aifz dan v relasi
av5 (I-v) 15 ≤ v berlaku
untuk j <> S, I <> i <> m.
Untuk mendapatkan batasan dari relasi ini, nilai aifz harus dinyatakan dalam variabel Xv. Dalam kasus umum topologi jaringan, ini sangat sulit dilakukan. Dan hanya jika Anda tidak menggunakan sejumlah asumsi yang dikenakan pada karakteristik jaringan, Anda dapat menemukan ekspresi sederhana dari pengetahuan aifz melalui v.
Kerugian dari model yang dikembangkan dapat dikaitkan dengan fakta bahwa mereka mengandung sejumlah keterbatasan dan penyederhanaan, tidak mencerminkan fitur RDB sebagai sebuah fragmen. juga bahwa mereka statis dan tidak memperhitungkan dinamika proses yang terjadi dalam sistem.
Adapun metode yang digunakan untuk mengoptimalkan RDB - metode cabang dan terikat, pemrograman matematika - mereka memberikan hasil positif, karena untuk sistem informasi komputer terlipat nyata dengan DBD, dimensi masalah besar, yang membutuhkan waktu dan sumber daya komputasi yang besar. Karena itu, untuk tugas ini, disarankan untuk menggunakan algoritma genetika yang menerapkan pencarian acak terarah berdasarkan mekanisme evolusi alami.
Dengan demikian, terlepas dari studi sebelumnya, masalah pemodelan dan optimalisasi DBD sistem informasi komputer belum menerima solusi akhir, model dan metode yang digunakan memiliki sejumlah kelemahan, yang mengharuskan perbaikan lebih lanjut.
Masalah yang sama pentingnya adalah penyediaan data sumber yang paling akurat. Implementasi model matematika apa pun. Penempatan optimal file RBD pada node jaringan komputer membutuhkan sejumlah array informasi dari data sumber, bagian penting yang hanya dapat diperoleh dalam bentuk rata-rata atau dikurangi. Ini adalah karakteristik seperti intensitas permintaan, waktu untuk mengirim dan memproses permintaan, volume permintaan dan tanggapan terhadap permintaan. Keakuratan informasi statis yang dikumpulkan akan secara pasti mempengaruhi hasil akhir dari implementasi model matematika yang dipilih dan, akibatnya, kinerja sistem yang bekerja dengan RDB.
Untuk mendapatkan data numerik yang andal, perlu mengetahui sifat siklus informasi dalam sistem. Periode ini dapat bervariasi di antara aplikasi dari satu hari hingga seperempat. Dalam pemrosesan lebih lanjut dari informasi yang dikumpulkan, perlu diperhitungkan sebagai semburan aktivitas rata-rata. Karakteristik numerik dari waktu pemrosesan, volume, pengiriman dan probabilitas penanganan harus dihitung dengan mempertimbangkan penyesuaian untuk situasi puncak untuk melindungi sistem dari penundaan yang signifikan selama pengunduhan paling intensif.
Selain karakteristik yang tercantum, dalam proses bekerja dengan basis data yang dioptimalkan, perlu untuk mengakumulasikan informasi tentang jenis permintaan (membaca, mencari, memperbarui) nama file yang mana permintaan itu dikeluarkan, jumlah node dari mana permintaan itu dikeluarkan, dan waktu respon nyata.
Basis pengetahuan adalah seperangkat unit pengetahuan yang mewakili formasi, menggunakan beberapa metode untuk mewakili pengetahuan, refleksi objek dalam area masalah dan hubungannya, tindakan pada objek, dan mungkin ketidakpastian yang melaluinya tindakan ini dilakukan.
Sebagai metode untuk merepresentasikan pengetahuan, aturan atau objek (bingkai), atau kombinasi dari keduanya, paling sering digunakan. Jadi, aturannya adalah konstruksi.
Jika <condition> Kemudian <conclusion> CF (certainty factor) <value>.
Sebagai penentu kepastian (CF), sebagai suatu peraturan, seseorang menemukan probabilitas kondisional dari pendekatan Bayesian (dari 0 hingga 1), atau koefisien kepercayaan dari logika aneh (dari 0 hingga 100). Contoh aturan adalah sebagai berikut.
Aturan 1. Jika Rasio Profitabilitas>0,2
Kemudian Profitabilitas = "Puas" CF 100.
Aturan 2. Jika Hutang = "tidak" dan Profitabilitas = "Puas".
Itu adalah Enterprise Reliability = “Satisfied” CF 90.
Pada waktu tertentu dalam sistem, ada beberapa jenis pengetahuan:
Pengetahuan terstruktur - pengetahuan statistik dari area subjek. Setelah pengetahuan diidentifikasi, itu tidak lagi berubah.
Pengetahuan dinamis terstruktur - pengetahuan yang dapat berubah tentang area subjek, mereka diperbarui saat informasi baru ditemukan.
Kualitas ES ditentukan oleh ukuran dan kualitas basis pengetahuan (aturan atau heuristik). Sistem beroperasi dalam mode siklik berikut: pemilihan (kueri) data atau hasil analisis pengamatan, interpretasi hasil, asimilasi informasi baru, memajukan hipotesis temporal menggunakan aturan, dan kemudian memilih bagian selanjutnya dari data dan hasil analisis. Proses ini berlanjut sampai ada informasi yang cukup untuk kesimpulan akhir.
Dengan demikian, sistem kecerdasan buatan yang dibangun atas dasar pengetahuan khusus berkualitas tinggi tentang bidang subjek tertentu (diperoleh dari para ahli - spesialis di bidang ini) disebut sistem pakar. Sistem pakar - salah satu dari beberapa jenis sistem kecerdasan buatan - telah menyebar luas dan telah menemukan aplikasi praktis.

Sistem pakar berbeda dari program lain dalam cara berikut:
1. Kompetensi - dalam bidang subjek tertentu, sistem pakar harus mencapai tingkat yang sama dengan pakar manusia, sementara itu harus menggunakan teknik heuristik yang sama dan mencerminkan area subjek secara mendalam dan luas;
2. Penalaran simbolis- Pengetahuan yang menjadi dasar sistem pakar mewakili dalam bentuk simbolis konsep-konsep dunia nyata, penalaran juga terjadi dalam bentuk transformasi set simbolis;
3. Kedalaman - pemeriksaan harus menyelesaikan masalah yang mendalam, non-sepele yang ditandai oleh kompleksitas baik dalam hal kompleksitas pengetahuan yang digunakan sistem pakar atau dalam hal kelimpahannya, ini tidak memungkinkan penggunaan pencarian opsi yang lengkap sebagai metode penyelesaian masalah dan membuatnya menggunakan metode heuristik, kreatif, dan informal ;
4. Kesadaran diri - sistem pakar harus mencakup mekanisme untuk menjelaskan bagaimana cara menyelesaikan masalah.

literatur
1. Moiseev VB Representasi pengetahuan dalam sistem cerdas. / Informatika dan pendidikan, No. 2, 2003.
2. Petrov V.N. Sistem Informasi - St. Petersburg: Peter, 2003.
3. Rastragin L.Kh. Sistem kontrol eksperimental. - M.: Nauka, 1974.
4. Saak A.E., Pakhomov E.V., Tyushnyakov V.N. Manajemen Teknologi Informasi: Buku Pelajaran untuk sekolah menengah. St. Petersburg: Peter, 2005.
5. Semenov M.I. dan lain-lain. Teknologi informasi otomatis dalam perekonomian. Buku pelajaran. - M.: Keuangan dan statistik, 2003.
6. Sovetov B.Ya. Sistem pemodelan: Buku Pelajaran untuk universitas. - 3 - red. reslave. dan berlabuh. - M .: Sekolah Tinggi, 2001.
7. Suvorova N. Pemodelan informasi: jumlah, objek, algoritma. - M.: Laboratorium pengetahuan dasar, 2002.

Sepotong kecil makalah saya tentang Sistem Pakar.