Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Інфокомунікації – сучасність та майбутнє”

Інфокомунікації – сучасність та майбутнє”




Сторінка11/21
Дата конвертації16.03.2017
Розмір3.09 Mb.
1   ...   7   8   9   10   11   12   13   14   ...   21

Where T2 - time, T2 = tω- t2. tω - point to an area saturation, t2 - the time of entry event P2.‬

Using indicated equations can determine the time of transition network saturation region.Table 2 provides statistical data on the subscribers of wireless networks over time. As the interval of observation will choose the interval of 4 years, and as a starting point in 2003. So the intervals that we interesuyut is 2003, 2007 and 2011.


Table 2 - Growth of the number of users of wireless networks

Year

Number of subscribers thousand.

The population of Ukraine, thousand.

%

2003

5600

48000

11,6

2007

45 935

46608

98,3

2011

53451

45770

116,7

Then: Р1 = 11,6%, Р2 = 98,3%, Р3 = 116,7%, Тz = 4

Using formula 1-4 we get that time to an area saturation Т2 ≈ 2,5 years, then she point entering the saturation region is tω = 2011 (-2,5)= 2008.

So we can conclude that the wireless network in Ukraine went into saturation region back in 2008 and it was then to begin the introduction of new technology (at the time of technology 3G).

You can make the following conclusion - at this stage, operators of wireless networks in Ukraine, in order to eliminate the technology gap is necessary to build new or upgrade existing wire-based network technology 4G, namely technology-based LTE.
List of literature:

1. В.О. Тихвинский, С.В. Терентьев, А.Б. Юрчук, Сети мобильнойсвязи LTE. Технологии и архитектура. 2010. – 248c.

2. StefaniaSesia, IssamToufik, Matthew Baker. LTE – The UMTS Long Term Evolution. FromTheorytoPractice. - JohnWiley&SonsLtd, 2009 – 611 с.

3. Вишневский В.М., Портной С.Л., Шахнович И.В. ЭнциклопедияWiMAX. Путь к 4G. – М.: Техносфера, 2009. – 465 с.

4. Farooq Khan. LTE for 4G Mobile Broadband. Air Interface Technologies and Performance. - Cambridge University Press, 2009 – 492 с.

Видавництво Кембриджського університету (англ. Cambridge University Press, скор.: CUP) - видавництво, що входить до складу Кембриджського університету в Англії.

5. ВарукинаЛ.А., ТехнологияMIMOвсистемахLTE// Электросвязь. – 2009. - №11. - С. 52-55.



6. 3GPP TS 25.996: "Spatial channel model for Multiple Input Multiple Output (MIMO) simulations" (Release 9). December 2009.

7. LTEУстройства – 2011. // web: http://www.mforum.ru/096020.htm

8. Прогнозы и оценки рынка LTE (Long-Term Evolution) – 2011. // web: http://www.gsacom.com/php/access.php4.

9. Лидия Варукина. Упражнение по планированиюрадиосетей LTE – 2011. // web: http://www.mforum.ru/news/article/097078.htm.



10. ЛидияВарукина. Производительность сети TD-LTE в сравнении с WiMAX – 2011. // web: http://www.mforum.ru/news/article/093817.htm.

11. Р. Бесслер, А. Дойч Проектирование сетей связи. М:Радио и связь, 1988-270с.




УДК 656.835.11

Бик О.П.

ОНАЗ ім. О.С. Попова

a.n.g.e.l-o.l.i@list.ru
ОПТИМІЗАЦІЯ КІЛЬКОСТІ НОМІНАЛІВ

І ТИРАЖІВ ПОШТОВИХ МАРОК
Анотація. Рорзглядається оптимізація кількості номіналів і тиражів поштових марок шляхом скорочення загальної кількості тарифів на пересилку поштових одиниць за рахунок збільшення мінімальної тарифної одиниці і представлення будь – якого тарифу в виді цілого числа мінімальних тарифних одиниць, що дозволяє мінімізувати затрати оператора поштового зв’язку, пов’язані з представленням тарифів на пересилання поштових одиниць за допомогою поштових марок.

Поштова марка як державний знак та уособлення суверенітету держави покликана стимулювати інтерес до України та її здобутків, є рекламно-пропагандистським засобом і засобом відзначення знаменних подій в історії України та пропаганди її культурної спадщини [1].

В Україні виключне право на видання, введення в обіг та організацію розповсюдження поштових марок, маркованих конвертів і карток, а також виведення їх з обігу, офіційне видання каталогів і цінників колекційних поштових марок та іншої філателістичної продукції має національний оператор поштового зв’язку, виконання функцій якого покладено на Укрпошту.

На данний час постало питання про невідповідність існуючих номіналів поштових марок діючим тарифам УДППЗ «Укрпошта». Цілком незрозуміло, яка кількість знаків поштової оплати повинна бути на поштовому відправлені, щоб його собівартість була мінімальною, оскіль кожна поштова марка це додаткові затрати для оператора поштового зв’язку.

Пошто́ва ма́рка - цінний папір, що є свідоцтвом оплати поштового відправлення. Використовується шляхом наклеювання на предмет поштової пересилки і наступного погашення поштовим штемпелем.

Взагальному з використанням поштових марок для підтвердження тарифів на пересилку поштових одиниць пов’язані три складові витрат оператора поштового зв’язку.

Перша (S1) обумовлена затратами на обґрунтування і затвердження сюжетів марок, підготовку ескізів, виготовлення оригінал – макетів і друкарських форм. Ця складова пропорціональна кількості номіналів поштових марок не залежить від їх тиражів.

Друга складова (S2) обумовлена затратами на друкування і розповсюдження тиражів поштових марок і пов’язана із збільшенням кількості номіналів поштових марок складними залежностями, в яких простежуються дві протилежні тенденції: тенденція зниження затрат на друк і розповсюдження поштових марок внаслідок зниження їх сумарних тиражів і тенденція підвищення затрат на друк і розповсюдження поштових марок внаслідок розбиття указаних тиражів.

Третя складова (S3) обумовлена затратами оператора поштового зв’зку на підготовку поштових одиниць до пересилання та із зменшенням середньої кількості марок, необхідних на один тариф, також відповідно зменшиться.

Таким чином, збільшення кількості номіналів поштових марок приводить до підвищення першої складової затрат оператора поштового зв’язку, складним чином пов’язано з другою складовою цих витрат і приводить до зниження їх третьої складової.

Постановка задачі. Завдання: тарифний ряд у вигляді зростаючої послідовності чисел Т1 < Т2 < …< Тn ;

розподілення поштових одиниць по тарифах В1, В2,…,Вn за встановлений період часу, наприклад, за рік;

вартість підготовки друкарських форм поштових марок S1;

вартість друку і розповсюдження поштових марок S2 в залежності від їх тиражів;

вартість підготовки поштових одиниць до пересилки S3 в залежності від середньої кількості марок, необхідних на один тариф.

Необхідно знайти кількість m і значення N1, N2,…, Nm номіналів поштових марок, при яких сумарні затрати S оператора поштового зв’язку, пов’язані з представленням тарифів на пересилку поштових одиниць з допомогою поштових марок, досягають мінімуму:



S = S1 S2 S3 = min.

Розвязання задачі.

Позначимо через Aij кількість марок номіналу Ni (i = 1, 2,…, m), необхідних для відображення тарифу Tj( j = 1,2,…,n) на одній поштовій одиниці. Тоді сумарна кількість марок Mij номіналу Ni, необхідних для відображення вказаного тарифу Tj на Bj поштових одиницях, складе:



Mij = Aij*Bj,

загальна кількість марок номіналу Ni, необхідних для представлення всіх тарифів:


Mi = ij = ijBj, (1)

а загальна кількість марок всіх номіналів, необхідних для представлення всіх тарифів:


М =ij = ijBj, (2)
Оскільки вартість друку і розповсюдження марок S2 і вартість підготовки поштових одиниць до пересилання S3 залежить від тиражів марок Мі∑, необхідно встановити значення Мі∑ для всіх номіналів поштових марок.

В таблиці 1 приведені приклади находження значень Мі∑ для тарифного ряду, представленого числами 1, 2,…, 100 при В1 = В2 = … = В100 = 1.

Як видно із таблиці 1, при одній і ті ж кількості номіналів поштових марок їх тиражі, тобто кількість поштових марок, необхідних для представлення всіх тарифів, суттєво залежать від значень номіналів цих марок. Більше того, при невірному виборі номіналів поштових марок сумарні тиражі марок з великою кількістю номіналів ( набор 4) можуть перевищувати сумарні тиражі марок з меншою кількістю номіналів (набор 3) [2].
Таблиця 1 – Приклад знаходження значень тиражів поштових марок

Номери наборів номіналів

Кількість

номіна-


лів

Значен-

ня но-міналів



Тарифний ряд

Ітого

Всього

1

2

3

4

5

6

7

.

97

98

99

100

1

2

1
2

1

1


1
1

2


1
2

3


1

3





1

48

49


1

49

50


50

2500


2550

2

2

1
3

1

2

1


1
1

2

1

2


1
2




1
32

2
32

33


1
33

100
1650

1750

3

2

1
4

1

2

3

1


1
1

2
1

3

1





1
24

2
24

3

24

25


150

1225


1375

4

3

1
2
3

1

1


1


1

1

1
1


2


1

2





1

32

1
32


33


1
33

34

33

1650



1717

5

3

1
2
4

1

1


1
1

1


1

1

1
1


1

1
1





1

24

1
24


1
1
24

25


50
50

1225


1325

Існує багато варіантів розв’язання задачі, приклади яких приведені в таблиці 2.


Таблиця 2 – Приклади наборів номіналів поштових марок, при яких кількість марок на поштовій одиниці не перевищує k

k

1

2

3

4

5

6

7

8

9

10

11

18

100

m

100

19

11

10

9

8

7

6

5

4

3

2

1

Номінали

1
2
...
100

1
2

10
11
22

99


1
2
3
4
5
10
15
20

25

50


75

1
2

3
4


8

12
16


32

48
64



1
2

3
4


8

12
16

32
64


1

2
3


4

8
16

32

64


1
2
4

8

16


32
64

1

4
8


16
32
64

1
4
16
32
64

1
4
16
64

1
5

25


1
11

1

З аналізу прикладів значень тиражів і номіналів поштових марок можна зазначити, що дане питання є актуальним і потребує вирішення, оскільки:

- оптимізація кількості і значень номіналів поштових марок дозволяє мінімізувати затрати оператора поштового зв’язку, пов’язані з представленням тарифів на пересилання поштових одиниць з допомогою поштових марок;

- оптимізація кількості і значень номіналів поштових марок дозволяє досягнути таке положення, при якому загальна кількість поштових марок на поштовій одиниці на перевищує заданого значення;

Для УДППЗ «Укрпошта» існує два шляхи приведення у відповідність кількості і значень номіналів поштових марок та існуючих тарифів:

утримання національним оператором поштового зв’язку встановлених тарифів на послуги;

введення нових тарифів.

В умовах ринкової економіки необхідно враховувати і економічну сторону проблеми, і цілком зрозуміло, що при не збільшення тарифів і зростанні собівартості надання послуг підприємству поштового зв’язку недоцільно утримувати тарифи, оскільки як свідчать статистичні дані інфляція в Україні за 2011 рік становила 4,6%, що не може не відразитись і на сфері надання поштових послуг.

Введення нових тарифів не передбачає в собі повну реорганізацію тарифної політики. Затрати оператора поштового зв’язку, пов’язані із застосуванням поштових марок для підтвердження тарифів на пересилку поштових одиниць, суттєво скорочуються при зменшенні кількості діючих тарифів за рахунок збільшення мінімальної тарифної одиниці і представлення будь – якого тарифу у виді цілого числа мінімальних тарифних одиниць. Особливо необхідно звернути увагу на умови інфляції, а отже мінімальна тарифна одиниця не повинна бути надто малою.
Список літератури:

1. Л.Е. Ящук. Оптимизация номиналов и тиражей почтових марок. // Почтовая связь. Техника и технологии. 2010, №2, с.10-13.

2. Положення про знаки поштової оплати від 26.07.2010 за №533/17848 [Електронний ресурс] – Режим доступу : URL : http://zakon3.rada.gov.ua/laws/show/z0553-10.


УДК 519.7:004.032.24

Nikitchenko V.V., Drumova A.I.,

ONAT n.a. A.S.Popov,

vncentaurus@gmail.com, LaMomeRien@gmail.com
SOME METODOLOGICAL PROBLEMS IN THE INVESTIGATION

OF PARALLEL COMPUTING AND WAYS OF THEIR SOLUTIONS
Annotation. The methodological providing of the parallel systems exploratory procedure is discussed. Own interpretation and mathematical formalization of parallel and distributed computing concepts are offered. Expediency of the use of the extended list of descriptions is argued at designing of mathematical models of corresponding objects and parallel processes.

Today the spectrum of computer technology is represented by two basic types of systems: for their internal structure, namely, classical sequential systems, and several varieties of parallel architectures. A wide range of complex issues is connected with parallel systems, such as the efficient use of the available hardware resources and the software algorithms design that take into account the characteristics of the architecture. Solution to these issues in their turn requires first of all clear definitions in the field of parallel computing and the design of adequate mathematical models.

Parallel computing is a specific form of the computer functioning as a hardware-software complex, and is aimed at increasing performance and speed of resolving the correspondent tasks[1]. It is possible to name a few reasons that primarily motivate us to use parallel computing form:

- desire to reduce the total time, required to perform a certain procedure or set of such procedures;

- necessity to solve "Grand Challenge" problems, which are not always feasible and even reachable on ordinary computers with sequential form of instructions execution;

- limits to the capacity of the hardware component of classical sequential machine , and the desire to use available network resources during the calculations.

Among the special conditions that are needed for parallel computing, first select the following:

- possibility to divide the program into several significantly autonomous or typical fragments, that can be performed simultaneously;

- ability of hardware computer system to perform several instructions simultaneously.

During the research of parallel computing it is necessary to distinguish between the actual form of the parallel program execution, and distributed computing. These concepts are quite similar at first glance, and this leads to confusion in terms and definitions, even in fairly reputable journals. Parallel and distributed computing use a similar material and technical base, and both classes are dedicated to perform more than one operation simultaneously. The difference is how exactly they do this.

During the parallel computing of some process we first try to improve two qualitative performance parameters - total operation time of the process, and the assignment level of computing complex resources by this process. For this purpose, we study the structure of our program algorithm, trying to find an independent areas of operations in it . This is a fairly difficult task, that is called parallel forms of search algorithm. When we find the certain amount of such fragments in the result, we define them as potentially possible to simultaneously perform by parallel computing system (see figure 1, a). Exactly the simultaneity of execution should significantly reduce the total operation time of our program and for the complex software systems with a large number of calculations; this decrease can be quite substantial.



However, certain number of independent code fragments found still does not guarantee their simultaneous execution. We must match resources, needed for such form of operation, with those physical resources, that a computer system actually owns (so-called mapping program on the structure of the computer). Only in the case of all requests of parallel program being satisfied on the hardware, we achieve the maximum degree of parallelism. This of course is not mandatory, but as a result we can find a combination of simultaneously working program fragments, that will load all nodes in parallel computers. In other words, this is the way to solve the problem by increasing utilization of the functional blocks of computer system, and increasing the efficiency of their use in general.

Figure 1 - The execution sequence of operations at: a) parallel computing; b) distributed computing



Distributed computing while preserving the same form of execution pursues slightly other goals. There is a list of tasks, that are too volumetric even for modern supercomputers. Other tasks can be solved on these machines, but the main obstacle is high cost of such systems. Then, in the absence of other alternatives, you can try a distributed form of solving such problems.

Distributed computing is a form of computation of large and superlarge problems with the use from two up to  unlimited number of computational nodes, connected by network [5].Those nodes can be the separate personal computers, specialized workstations with one or more processors, and generally all the devices, that have a processor, network connection and establishing an appropriate software environment. This is one of the main differences from computing clusters, that primary realize parallel form of tasks execution, having in most cases random homogeneous or similar in the functionality / computing capacity structure nodes.

Another difference from the clusters is that it is possible to name requirements for the network connection. If in the case of computing cluster speed of the network has a significant impact on the quality parameters of their functioning (for example, it is shown in the time of message exchange via the interface MPI), then the distributed system can operate even in a very "slow" channels. The fact is that large distributed computing projects usually have a strict limitations in time. These  problems are represented in such fields of science as mathematics, physics, astronomy and others. The way to solve them is to distribute tasks into a large number of independent computing blocks, and send such blocks by separate network nodes (see figure 1, b). The decision in this case can be found both on the basis of all data processing, and on the results of the execution of certain block operations in the separate node. Project of search of distributed primes can serve as a bright representative of such problems.

Crucial in distributed computing is the fact that mandatory requirements for simultaneity (synchronicity) execution of computational operations sets are removed. Physically performing manipulations on different nodes can be quite extended in time, and in the boundary value distributed form of computing can even be sequential.

Thus, we note the differences between parallel and distributed computations first of all in two ways:

- difference in requirements for time limtheir of  parallel program component parts execution.

In formal notation the process of distributed computing can be represented as a function,

f:(H,S,T,∆T)→ D,where (h,s,t,∆t,d) ϵ f. Here H is a set of hardware computer system, S is a set of program operators, that are performed, T is an execution time flow and T is a set of time intervals between the time execution of two neighboring operators of arbitrary areas of distributed program, allowing parallel computation. Now rewrite record for distributed computing d to a more convenient form: d=f (h,s,t,∆t). Then the expression for the process of parallel computing takes form:



It means that any parallel computing is distributed, but the inverse statement takes place only in case of the expression existence (1);

- difference in the requirements for hardware of parallel computing complex, for example, the homogeneity of processor modules or network bandwidth, which combines computational nodes.

Another important component in the research process of parallel computing is to select an appropriate mathematical models and practice of usage. Currently there exists quite a number of such models like a synchronous message passing model CSP (Communicating sequential processes) and CCS (Calculus of communicating systems), Kahn processes and Dennis dataflow model, asynchronous (ATS) and labeled (LTS) transition systems, models using Petri nets and many others [3, 4]. However, for most of them it should be noted that the fewness of used characteristics original objects.

Preferably, each of such models is created to solve a narrow range of tasks, and to receive a limited number of similar parameters. Additional complications arise when it is necessary to take temporal parameters in models into account. For example, an asynchronous transition system should be supplemented with a special temporal function.

The disadvantage can be considered that usually percolation of computation process and structure of the system are considered separately. Some mathematical models are focused on the description of the metric relations between elements, handling the values of information flows, other methods are used exclusively for formalized representation of relationships between objects in the system, which eventually resemble the structure of the network.

But proven fact is that the processes in the system in some way depend on their structure, and change with a correction of relationships between elements [2]. All these prompt us to think about the necessity of developing new mathematical models, but the approaches to their designing should be reconsidered, and the quantity of taken into account parameters - increased.

For designing we propose more complete and universal mathematical models of parallel computing for usage in the following groups of characteristics (see figure 2):

information about the architecture of main memory;

interconnection topology of “active” elements in  computer;

type of parallelism for the algorithm, that is realized.

For reasons of compactness preserving, a diagram (figure 2) has a quite general appearance and does not detail their individual components. For example, NUMA (Non-Uniform Memory Access) includes whole class systems with heterogeneous access to the main memory. Depending on the variety of researched system it can be ccNUMA (cache coherent NUMA), S2MP (Scalable Shared Memory MultiProcessing), NUMAflex or other [3].

This remark concerns not only memory architectures. Within the class of functional parallelism characteristics, that belongs to the group of parallelism type we can distinguish parallelism of independent tasks, parallelism of separate branches, parallelism of data and parallelism of adjacency operations [6]. The same way all other components of the diagram are opened up.

To confirm the feasibility of taking type of parallelism into account while designing mathematical models of parallel computing, it is possible to introduce additional significant argument. The type of parallelism greatly affects the structure of computational algorithm. In particular, compatible algorithms research and architectures of target systems for their execution are one of the keys to solving the problems of performance and resource efficiency of computers.

Figure 2 - Recommended to the consideration group characteristics at the designing parallel computing models

Namely consistent study of algorithms and architectures target systems for their implementation is one of the keys to solving the problems of performance and resource efficiency of computers. For example, programmers for parallel platforms mentioned previously familiar problem of "mapping" algorithm and the general program on some hardware architecture of the system. This refers to the problem of portability not on the program level, when we are talking about the compatibility of API interface, but on the hardware level. Parallel program written with a respect to specific hardware component system, with changing the target computer to more powerful one, but with a different structure, will almost certainly be slower. In other words, such mathematical models will optimize computing process according to system configuration among other things.
List of literature:

1. Воеводин В.В. Математические модели и методы в параллельных процессах: М.: Наука. Гл. ред. физ.-мат. лит., 1986.

2. Петров А. Е. Тензорная методология в теории систем: М.: Радио и связь, 1985.

3. Топорков В.В. Модели распределенных вычислений: М.:ФИЗМАТЛИТ, 2004.

4. Savage J.E. Models of computation. Exploring the power of computing: Brown University

Chu-Carroll M.C. Basics: Parallel, Concurrent and Distributed: http://scienceblogs.com/goodmath/2007/03/basics_parallel_concurrent_and.php

5. Параллельная обработка информации. Способы организации параллельной обработки. Типы параллелизма (естественный параллелизм независимых задач, параллелизм независимых ветвей, параллелизм данных). http://savlm.ukok.ru/publ/8-1-0-53

УДК 656.80

Баран І.В.

ОНАЗ ім.. О.С. Попова

i_lilejka@ukr.net

1   ...   7   8   9   10   11   12   13   14   ...   21



  • 1. В.О. Тихвинский, С.В. Терентьев, А.Б. Юрчук, Сети мобильнойсвязи LTE. Технологии и архитектура. 2010. – 248c.
  • 4. Farooq Khan. LTE for 4G Mobile Broadband. Air Interface Technologies and Performance. - Cambridge University Press
  • 6. 3GPP TS 25.996: "Spatial channel model for Multiple Input Multiple Output (MIMO) simulations" (Release 9). December 2009.
  • 10. ЛидияВарукина.
  • УДК 656.835.11 Бик О.П. ОНАЗ ім. О.С. Попова a.n.g.e.l-o.l.i@list.ru ОПТИМІЗАЦІЯ КІЛЬКОСТІ НОМІНАЛІВ
  • SOME METODOLOGICAL PROBLEMS IN THE INVESTIGATION OF PARALLEL COMPUTING AND WAYS OF THEIR SOLUTIONS