Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Інфокомунікації – сучасність та майбутнє” 30-31 жовтня 2014 року Збірник тез Частина 2

Інфокомунікації – сучасність та майбутнє” 30-31 жовтня 2014 року Збірник тез Частина 2




Сторінка3/18
Дата конвертації10.03.2017
Розмір2.52 Mb.
1   2   3   4   5   6   7   8   9   ...   18

Література

  1. Кириллов В. В., Громов Г. Ю. Введение в реляционные базы данных. – БХВ-Петербург. – 2009.

  2. A. Kemper and T. Neumann. HyPer: A hybrid OLTP&OLAP main memory database system based on virtual memory snapshots. – 2011.

  3. Дж. Клир. Системология. Автоматизация решения системных задач. Радио и связь, 1990. – 534 с.



УДК 621.391



Бричук О.Б., д.т.н.,проф. Ткаченко В.Г.

Одесская национальная академия связи им. А.С. Попова

oksana.brychuk@gmail.com
АЛГОРИТМ МАРШРУТИЗАЦИИ IP-ПАКЕТОВ,

ОБЕСПЕЧИВАЮЩИЙ ОПТИМАЛЬНУЮ ЗАГРУЗКУ СЕТИ
Аннотация. В данной работе разрабатывается алгоритм, который позволял бы равномерно распределять нагрузку по сети, выбирая при этом для пакетов путь, который включает в себя линии с минимальной нагрузкой.
В настоящее время широкое распространение получили сети с передачей данных в виде IP-пакетов. Одной из проблем при маршрутизации IP-пакетов является оптимальная загрузка сети [1]. Современные алгоритмы маршрутизации распределяют нагрузку по сети неравномерно. В то время как часть линий перегружена, другие простаивают. Таким образом, сеть не выполняет предъявляемых к ней требований по пропускной способности и качеству обслуживания. При большой загрузке магистральных линий пакеты могут быть задержаны или потеряны.

Из существующих протоколов маршрутизации только некоторые, например OSPF, учитывают загрузку сети [2]. При этом для выбора оптимального маршрута используются алгоритмы, аналогичные алгоритмам поиска кратчайшего маршрута. Под кратчайшим маршрутом понимается такой маршрут, в котором сумма расстояний между узлами сети, по пути следования сообщения, минимальна. Протоколы маршрутизации используют несколько основных алгоритмов поиска пути. Чаще всего это алгоритмы Беллмана—Форда и Флойда—Уоршелла, которые построены на основе алгоритма Дейкстры.

Алгоритм находит кратчайший маршрут, учитывая заданные веса ребер и присваивая в ходе работы определенные веса вершинам графа сети. При этом, в отличие от алгоритма Дейкстры, не нужно просматривать все вершины графа. Алгоритм заканчивается, когда текущей становится конечная вершина маршрута, что упрощает реализацию, уменьшает потребление памяти и увеличивает быстродействие.

В алгоритме Дейкстры в расчетах используется двумерный массив, который при больших объемах исходных данных приводит к очень большому потреблению памяти, что нежелательно [3].

В предлагаемом алгоритме для хранения узлов сети используется двумерный массив размерности n4, где nчисло узлов, а использование четырех ячеек для узла показано в таблице 2.

В алгоритме Дейкстры для гарантии того, что найденный маршрут действительно минимальный, необходимо проверить все вершины и присвоить всем им статус проверенных [4]. В описанном алгоритме, на каждом шаге выбирается минимальный вес ребра, что избавляет от необходимости проверять все вершины, так как маршрут при достижении конечного пункта будет минимальным.

В рассматриваемом алгоритме нагрузка на линию является весом ребра графа. Алгоритм для определения оптимального пути может вычислять три типа весов вершин. Простейший случай, когда вес вершины равен сумме весов ребер от начальной вершины до данной вершины. Второй случай – когда вес вершины равен среднему весу ребер от начальной вершины до рассматриваемой вершины. Третий случай – относительная средняя нагрузка. Вес вершины равен среднему относительному весу ребер. При этом под относительным весом ребра понимается отношение текущего веса ребра к максимальному весу ребра графа. Во втором и третьем случаях в ходе выполнения алгоритма необходимо хранить количество ребер от начальной до рассматриваемой вершины.

При работе алгоритм использует одну таблицу базы данных (табл.. 1). Это таблица ”Участки линий связи“, в которую записываем номера линий связи (ребер), начальную и конечную вершины каждого ребра, нагрузку и максимальную пропускную способность этой линии.

Таблица 1 – Структура таблицы ”Участки линий связи“


1

2

3

4

5

Номер участка (ребра)

Начальный узел

Конечный узел

Нагрузка на линию

Максимальная пропускная способность

Шаг 1. Инициализация и индексирование.

  1. Выделяются начальная и конечная вершины. Запоминаются их номера.

  2. Создается двумерный рабочий массив, количество строк которого равно количеству узлов, рассмотренных в ходе работы алгоритма, а количество столбцов равняется 4.

  3. В массив заносится начальная вершина. Номер узла для нее устанавливается равным единице, поле со значением предыдущего узла равняется нулю, номер ребра равняется нулю, третье поле также устанавливается в нуль, четвертое поле устанавливается в единицу. Структура массива показана в табл. 2. В случае использования весов вершин второго и третьего типа в массив необходимо добавить поле пять. В нем будет храниться количество ребер от начальной вершины до рассматриваемой.

Таблица 2 – Структура массива используемого для сохранения параметров вершины при первом типе веса вершины

1

2

3

4

Номер узла

Предыдущий узел, необходимый для определения маршрута в конце алгоритма

Суммарное расстояние ребер от начального узла к текущему

Выбирался ли узел в качестве текущего

Индексируем файл с таблицей ”Участки линий связи“ по номеру начального узла. Это значит, что ребра, которые, начинаются из этого узла, будут записаны в списке первыми, а следовательно при поиске сопредельных вершин, который выполняется на следующем шаге, будет израсходовано минимальное количество времени.

В табл. 3 показана часть таблицы ”Участки линий связи“, отсортированная по возрастанию, начиная с узла с номером 6000.

Таблица 3 – Заполненная таблица ”Участки линий связи“


Номер

Начальный узел

Конечный узел

Вес

Максимальная пропускная способность

1

6000

6001

3

10

2

6000

6002

4

12

3

6000

6003

2

32

4

6001

6025

9

33

Шаг 2. Перебор узлов, смежных с текущим узлом.

Первый цикл.

Организуем цикл, в котором перебираем все вершины, смежные с текущей вершиной. Номера смежных вершин считываются из проиндексированной таблицы базы данных.



  1. Если вершины нет в массиве и разница между текущим весом ребра и максимальной нагрузкой этого ребра больше, чем необходимая пропускная способность для данного сообщения, заносим ее в массив.

  2. Если вершина есть в массиве, – сравниваем старое значение, записанное в поле 3 записи массива, с новым значением (определяем, какой путь минимальный, из нескольких путей, существующих к этому узлу).

  3. Если новое значение 3-го поля меньше и различие между текущим весом ребра и максимальной нагрузкой этого ребра больше, чем необходимая пропускная способность для данного сообщения, – то в записи, соответствующей рассмотренной вершине, обновляем поле 2 и поле 3.

  4. Новое значение третьего поля массива, в случае весов вершин первого типа (сумма весов ребер от начальной к рассмотренной вершине), считаем так: вес ребра от текущей вершины к рассмотренной суммируем с весом ребер от начальной вершины до текущей вершины.

Vj = Vi Wi,j,

где i – номер текущей вершины, j – номер рассматриваемой вершины, Vi – вес текущей вершины, Vj – вес рассматриваемой вершины, Wi,j – вес ребра от текущей вершины до рассматриваемой. При использовании весов вершин второго типа новое значение веса вершины рассчитывается по формуле



Vj = (Viki Wi,j)/(ki 1),

где ki – количество ребер от начальной вершины до текущей. При использовании весов вершин третьего типа новое значение веса вершины рассчитывается по формуле



Vj = (Viki Wi,j/Mi,j)/(ki 1),

где Mi,j – максимальная нагрузка на линии от текущей вершины до рассматриваемой. Во втором и третьем случаях в пятое поле массива необходимо записывать количество ребер от начальной вершины до рассматриваемой, равное



kj = ki 1.

  1. Поле 2 становится равным номеру текущей вершины.

Шаг 3. Поиск новой вершины с минимальным весом ребер.

Второй цикл.

В цикле пересматриваем все элементы массива, в которых в 4 поле записан нуль. Если в поле 4 записан нуль, – это значит, что эта вершина еще не была избрана текущей.



  1. В результатах поиска ищем ту вершину, у которой поле 3 минимально (вес вершины минимален).

  2. Эта вершина становиться текущей. В поле 4 записывается единица.

  3. Переход к шагу 4. На этом шаге проверяем, закончена или нет работа алгоритма.

Шаг 4. Условие выхода из алгоритма.

  1. Если текущей стала вершина, номер которой совпадает с номером конечной, переход к шагу 5. Найденный маршрут является минимальным. На каждом шаге выбирался участок пути (ребро) с минимальным весом или с минимальной суммой ребер к начальной вершине.

  2. Если номер вершин не совпадает, – переход к шагу 2.

Шаг 5. Построение найденного маршрута.

Определение найденного маршрута.

Устанавливаем текущей конечную вершину.



  1. Организуем цикл, в котором движемся от конечной к начальной вершине.

  2. Считываем значение, записанное в колонку 2 записи текущей вершины, и устанавливаем вершину с этим номером текущей.

  3. Записываем номер текущей вершины в массив. Память в массиве выделяется динамически, по мере надобности.

  4. Условие выхода из цикла – номер текущей вершины совпадает с номером начальной вершины.

  5. Переход на следующую итерацию цикла.

После окончания цикла в массив будут записаны номера вершин, через которые проходит маршрут. При этом маршрут будет записан, начиная с конечной вершины.

Основное преимущество предлагаемого метода проявляется при применении его к сети с большим количеством узлов.

Если взять сеть с количеством узлов 10000, то при размере типа данных integer – 4 байта, массив 1000010000 ячеек займет в памяти 381.5 мегабайта, а массив 100004 займет всего 0.152 мегабайта (4410000 = 160000 байт приблизительно равняется 0.152 мегабайта) Таким образом, выигрыш в количестве используемой памяти будет составлять около 2000 раз.

В заключение отметим, что при минимизации по сумме весов ребер, будет найден путь, который будет проходить по наименее загруженным линиям, при этом не сильно отклоняясь от кратчайшего пути по расстоянию. При минимизации по среднему значению весов ребер в первую очередь будут использоваться линии местного значения и разгружаться магистральные линии для мощных потоков трафика, что позволит использовать их более полно. При минимизации по относительному среднему значению весов ребер нагрузка будет наиболее равномерно распределена по всем линиям независимо от их пропускной способности.



Литература

  1. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы – Спб.: Питер, 2002. – 672 с.

  2. Хизер Остерлох. Маршрутизация в IP-сетях. Принципы, протоколы, настройки. – Москва: ДиаСофтЮП, 2002. – 512 с.

  3. Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов. – М.: Мир, 1979. – 536 с.

  4. Харари Ф. Теория графов.– М.: Мир, 1973. – 300 с.

УДК 62-932.2

Будник М.О.

ОНАС ім. О.С.Попова,

pegass80952219551@yandex.ru.

Науковий керівник – к.т.н. доц. Тігарєв А.М.
АНАЛІЗ ХІМІЧНИХ ТА ОРГАНОЛЕПТИЧНИХ ХАРАКТЕРИСТИК

КОНЬЯЧНОГО СПИРТУ НА СУЧАСНОМУ РІВНІ
Анотація. Розглядається розробка системи автоматизації на сучасному рівні з можливістю аналізу хімічного складу продукту, та за його допомогою формування нових критеріїв керування.
Сучасну автоматизовану систему управління (АСУ) важко представити без інформаційних систем, котрі об’єднують всі складові різних процесів в одне ціле. В АСУ входить великий комплекс різних пристроїв для збору, обробки, видачі, реєстрації інформації та безліч інших. Але найперше, що необхідно зробити для будь якого технологічного процесу, це отримати інформацію про стан об’єкту, або процесу, що стає можливим завдяки датчикам. По фізичним властивостям та конструктивному виконанню існує доволі багатий різновид датчиків: індуктивні, опору, оптичні, контактні, генераторні, параметричні та інші. А отже завдяки великому різновиду вимірювальної техніки є можливість вимірювати різні параметри необхідні для технологічного процесу. З плином часу потреби вимірювати все більший різновид параметрів збільшується, тому вимірювальна техніка також невпинно прогресує. Одним з таких параметрів, котрому знадобився сучасний інноваційний підхід, є хімічних склад матеріалів. Завдяки точному контролю якого, стає можливим більш якісне виготовлення різного роду продукту. Це стосується і харчової промисловості. Одною із галузей застосування такого методу є виготовлення якісного коньячного спирту, що надає можливість застосування сучасних критеріїв якості [1].

Перегонка виноматеріалу на коньячний спирт у різних країнах проводиться на різних апаратах, здебільшого це кубові апарати періодичної дії. Найбільш високоякісний коньячний спирт виробляється на шаранських апаратах. Багато численними дослідами було установлено, що при перегонці вина на даних апаратах виконується збагачення дистиляту здебільшого летючими побічними продуктами бродіння, які утворюються в процесі перегонки, зумовлюючи його характерний аромат і смак.

Сучасні апарати безперервної дії, доволі точно відтворюють умови для отримання коньячного спирту, характерні для шаранського методу перегонки. Перед перегонкою виноматеріал підлягає довготривалій тепловій обробці у спеціальному резервуарі, а барда у кубі доводиться до температури кипіння, що забезпечує новоутворення необхідних для коньяку домішок. Укріплення коньячного спирту за рахунок процесу ректифікації практично виключається, так як в апараті відсутня ректифікаційна частина колони. Виноматеріал, який попередньо пройшов теплову обробку в потоці, безперервно звільняється від надлишку головних домішок, та подається при температурі кипіння до верхньої тарілочки колони, безпосередньо над котрою установлений дефлегматор. Завдяки цьому укріплення коньячного спирту до номінальної міцності (65 – 70 об. %) досягається в апаратах безперервної дії, лише за рахунок дефлегмації [5].

Кожне підприємство з виготовлення коньячного спирту має свої власні рецептури, а отже і хімічний склад готового продукту також буде відрізнятись. В умовах промислового масштабу виробникам доволі суворо необхідно дотримуватись технологічних процесів та хімічного складу, для того щоб отримати готовий продукт власної рецептури належної якості з постійними органолептичними характеристиками, такими як запах, смак, колір, хімічний склад та інші, оскільки в початковій сировині концентрація мікроелементів постійно відрізняється.

З ростом попиту на вироби з коньячного спирту, з’явилось питання збільшення кількості кінцевого продукту, але без втрати належної якості. Це питання поставило непросте завдання перед технологами, хіміками та інженерами. Рішенням стало підвищення в сировині рівня лігніну. Лігнін є джерелом формування кониферилового та синапового спирту, котрі під дією кисню перетворюються в конифериловий та синаповий альдегіди. Подальше окиснення цих речовин призводить до появи ваніліну, бузкового альдегіду та інших компонентів коньяку, котрі мають специфічний приємний аромат та беруть участь в формуванні його високих органолептичних якостей.

З урахуванням нових технологій постала задача побудови якісних систем керування технологічним процесом, критерієм якої має бути урахована якість готового продукту, а оскільки якість залежить від багатьох параметрів, одним з яких є рівень лігніну в сировині, тому його концентрацію необхідно постійно вимірювати, для досягнення певних органолептичних характеристик притаманних кожному окремому продукту [3].

Сучасний стан розвитку технологій, зокрема вимірювальної техніки, дозволяє точно виміряти рівень лігніну. Технологія вимірювання концентрації лігніну полягає у його флуоресценції. Датчик вимірює лігнін при збудженні флуоресценції в видимій області.

Сутність роботи спектрометрів концентрації лігніну в наступному. Під впливом рентгенівського випромінювання хвилею довжина якої 532 нм. (зелений лазер), атоми лігніну переходять в збуджений стан, при якому електрони, поглинаючи ззовні порції енергії, займають більш високі енергетичні рівні. Поглинання провокує зворотній перехід, який супроводжується випромінюванням енергії – другорядне іонізуюче випромінювання. Оскільки лігнін має власний індивідуальний енергетичний спектр, тому даний метод дає змогу при наявності другорядного спектру лігніну визначити наявність елементу (якісний аналіз), а по щільності потоку енергії характерного випромінювання – кількість елементу (кількісний аналіз) [2].

Приклад флуоресцентного аналізатору лігніну приведений на рисунку 1.

Рисунок 1 – Флуоресцентний аналізатор лігніну


Коньячний спирт потрапляє у вимірювальну камеру (1). Джерелом опромінення спирту є рентгенівська трубка (2). Другорядне випромінювання потрапляє в багатопластинчатий коліматор (3) і далі на кристал кварцу (4), який розкладає випромінювання в спектр. Характеристичне випромінювання потрапляє до вимірювальної системи (5). Далі формується сигнал для перетворювача сигналу (ПС). На виході отри­мується сигнал про кількість лігніну, котрий потрапляє на вимірювальний пристрій (ВП) [4].

Таким чином сучасні датчики на флуоресцентному ефекті дають можливість оперувати такою величиною, як концентрація лігніну. В свою чергу це дає можливість на автоматизованому рівні контролювати не тільки сам технологічний процес, але і хімічний склад готового продукту. Маючи можливість виміряти кількість лігніну, можна побудувати схему регулювання за принципом Ползунова-Уатта (принцип зворотного зв’язку), рисунок 2.



Рисунок 2 – Принципова схема регулювання температури

в залежності в концентрації лігніну
Дана схема показує, що від існуючої концентрації лігніну буде залежати температура в ємності де безпосередньо коньячний спирт контактує з сировиною, що містить лігнін, та дозволяє розробити систему автоматизації на простому принципі з використанням достатньо простих методів автоматизації.

Автоматизація контролю концентрації, такої речовин як лігнін дозволить достатньо точно контролювати його кількість, а отже дає можливість строгого дотримання рецептури кінцевого продукту. Також за допомогою підвищення рівня лігніну до встановлених норм у коньячному спирті призводить не тільки до покращення органолептичних характеристик виробу, але суттєво зменшує період старіння коньячних виробів. Концентрація лігніну є однією із важливих та необхідних величин для формування критерію керування.


Література

  1. Єгупов Н.Д. Синтез регуляторів та теорія оптимізації систем автоматичного управління. / Н.Д. Єгупов, - Москва:МДТУ ім. М.Е. Баумана, - 2000 – 736 с.

  2. Компактний високошвидкісний датчик лігніну http://www.tappi.org/Bookstore/ Technical-Papers/Conference-Papers/2004/PS04/A-Compact-High-Speed-Lignin-Sensor-for-the-Automated-Sorting-of-Newsprint-from-Mixed-Waste-2004-Pa.aspx – Електрон. дан. – Джорджія, США: Tappi, 2004. – Електронний ресурс віддаленого доступу.

  3. Пат. 2154101 Російська Федерація, МПК C12G3/12, C12H1/22, C12G3/07. Спосіб отримання коньячного спирту / Соболєв Е.М., Мікєлов А.Н., Костін І.В., Костін В.Д., Пахунов Б.Г. заявник і патентовласник Кубань, держ. тех. ун-т. - № 98122584/13; заяв. 15.12.98; публ. 10.08.00.

  4. Основи автоматизації гірничого виробництва http://zavantag.com/docs/2905/index-6301-1.html?page=4 – Електрон. дан. Донецьк: ДонНТУ, 2012. – Електронний ресурс віддаленого доступу.

  5. Установка для отримання коньячного спирту http://eniw.ru/ustanovka-dlya-polucheniya-konyachnogo-spirta.htm - Елетрон. дан. Москва, 2012. – Електронний ресурс віддаленого доступу.



УДК 681.5

Бузаджи Р.О.

ОНАС ім. О.С.Попова

malyshka2302@mail.ru

Науковий керівник – к.т.н. доц. Флейта Ю.В.
МАТЕМАТИЧНА МОДЕЛЬ ВИБОРУ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ ДОСЛІДЖЕННЯ СИСТЕМ АВТОМАТИЧНОГО УПРАВЛІННЯ

Анотація. Розглядається математична модель вибору програмного забезпечення для дослідження сучасних систем автоматичного управління. Розробка алгоритму роботи математичної моделі.

Сучасні системи автоматичного управління (САУ) є досить складними системами. Тому для їх дослідження доцільно використовувати обчислювальну техніку та відповідне програмне забезпечення (ПЗ). Сьогодні для інженерних розрахунків розроблено багато програмних продуктів. Усе ПЗ відрізняється одне від одного вартістю, вимогою до архітектури комп'ютера, до програмної платформи, а також функціональними можливостями. Виникає питання, як вибрати оптимальний варіант при великій кількості альтернатив [4].

Для розв'язку даного завдання побудуємо математичну модель, яка дозволить обирати найбільш прийнятний варіант ПЗ згідно обраного критерію. Формально модель можна представити у вигляді зображеному на рис.1.

У складній системі існує велика кількість критеріїв, не завжди погоджених між собою або суперечливих у силу безлічі властивостей великої системи керування [1].

Спочатку потрібно визначитися з тим що потрібно одержати в результаті: один єдиний варіант або безліч найкращих варіантів, тому що від цього буде залежати яким критерієм, векторним або скалярним треба користуватись.

Рисунок 1 – Формальна модель вибору


Оскільки результатом вибору буде один варіант ПЗ, то скористуємося скалярним критерієм а саме інтегральним критерієм порівняння альтернатив [2].

Математичний апарат моєї моделі виглядає наступним чином.

Формулювання критеріальної постановки K={k1,…,km}.

На цьому етапі визначаємося з тим до якого значення (мінімальне чи максимальне) повинен прагнути той або інший параметр по якому здійснюється вибір.

Оскільки всі параметри (характеристики) різної величини необхідно виконати нормування

(1)

де i-номер рядка в таблиці



j - номер стовпця

ki.j* = min ki.j Î {ki.j},

ki.j ** = max ki.j Î {ki.j}.

Тепер потрібно визначити вагові коефіцієнти для визначення важливості параметра. Для визначення вагових коефіцієнтів необхідно обчислити суму ваг (ваги визначаються суб'єктивно ) і розділити значення кожного з них на отриману суму



(2)

де - оцінка важливості



l-го фактору

M – кількість показників ваги.

Згідно обраного критерію визначаються найбільш важливі фактори, що виявляють вплив на результати вибору (складається перелік критеріїв). Критеріям привласнюються ваги залежно від їхньої важливості.



(3)

Результатом вибору буде найбільше значення, яке обчислюється за формулою 3. Оскільки використовувався скалярний критерій, то найбільше значення повинне бути лише одне [3]. Для зручності представимо модель у вигляді алгоритму на рис. 2.



Рисунок 2 – Алгоритм роботи математичної моделі

Дана модель є стохастичною, оскільки завчасно не знаємо з якої кількості буде здійснюватися вибір і по яких параметрах.

1   2   3   4   5   6   7   8   9   ...   18



  • УДК 621.391
  • АЛГОРИТМ МАРШРУТИЗАЦИИ IP-ПАКЕТОВ, ОБЕСПЕЧИВАЮЩИЙ ОПТИМАЛЬНУЮ ЗАГРУЗКУ СЕТИ Аннотация.
  • Шаг 1. Инициализация и индексирование.
  • Шаг 2. Перебор узлов, смежных с текущим узлом.
  • Шаг 3. Поиск новой вершины с минимальным весом ребер.
  • Шаг 4. Условие выхода из алгоритма.
  • Шаг 5. Построение найденного маршрута.
  • УДК 62-932.2
  • МАТЕМАТИЧНА МОДЕЛЬ ВИБОРУ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ ДОСЛІДЖЕННЯ СИСТЕМ АВТОМАТИЧНОГО УПРАВЛІННЯ Анотація.