Комплекс программных средств поддержки принятия решений при сетевой обработке информации на промышленном предприятии

• Автор: Халил Мохамед
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Тверь
• Количество страниц: 184 с. : ил.

Содержание
Введение

1. Анализ проблемной области и постановка задач исследования.

1.1. Анализ технологий построения кампусиых компьютерных сетей на основе технологий , ii, ii

1.2. Методы представления знаний..

1.3. Средства моделирования систем обработки информации.

1.4. Задачи повышения эффективности систем обработки информации.

1.4.1. Время реакции.

1.4.2. Пропускная способность

1.4.3. Показатели надежности и отказоустойчивости

1.5. Постановка задач исследования

1.6. Выводы по главе 1
2. Системы поддержки принятия решений и экспертные системы
2.1. Методы и алгоритмы принятия решений
2.2. Типы и структура систем поддержки принятия решений.
2.2.1. Основные подходы к построению интеллектуальной системы поддержки принятия решений.
2.2.2. Типы задач принятия решений.
2.2.3. Архитектура современных СППР и требования к системам.
2.3. Экспертные системы как системы поддержки принятия решений
2.3.1. Структура экспертных систем.
2.3.2. Этапы создания экспертных систем
2.3.3. Прототипы и жизненный цикл экспертной системы.
2.4. Инструментальные средства для разработки экспертных систем.
2.5. Выводы по главе 2
3. Реализация экспертной системы для принятия решений по повышению производительности кампусньтх сетей предприятий.
3.1. Реализация СППР для анализа функционирования АСОИ на базе кампусиых сетей
3.2. Взаимодействие базы знаний и системы принятия решений
3.3. Организация базы знаний в виде семантической сети фреймов
3.4. Реализация модели принятия решений средствами экспертной системы.
3.5. Организация процесса принятия решений средствами экспертной системы
3.6. Выводы по главе 3
4. Внедрение компоненты СППР имитационного моделирования кампусиых сетей предприятий
4.1. Использование моделирования для анализа функционирования кампусиых сетей предприятий
4.2. Виды моделирования задач анализа функционирования АСОИ
4.2.1. Аналитическое моделирование
4.2.2. Имитационное статистическое моделирование
4.3. Выбор средств имитационного моделирования для решения задач анализа функционирования кампусиых систем обработки информации.
4.3.1. Виды моделей в среде i
4.3.2. Средства i для разработки дискретнособытийных моделей
4.4. Использование пакета i для решения задач анализа функционирования вычислительных сетей
4.5. Использование пакета i для моделирования управления трафиком локальной сети
4.6. Выводы по главе 4
Заключение
СПИСОК ЛИТЕРАТУРЫ


В,Р,АД>, где: В — алфавит, Р - формулы-факты, А - формулы-аксиомы, Я - правила-вывода. Примеры логических методов представления знаний: исчисление высказываний (логика предикатов) 1-го порядка, различные псевдофизические логики, продукционные модели представления знаний. Эвристические методы представления знаний основаны на применении ряда приемов, принципов или подходов для описания знаний в удобном для понимания человеком или обработки компьютером виде. Примерами таких методов являются: семантические сети, фреймы, объектно-ориентированное представление. Эвристические методы являются более высокоуровневыми методами представления знаний и, как правило, могут быть описаны с помощью какого-либо логического метода с потерей ряда свойств, например, таких как наглядность, обозримость, универсальность. Несколько в стороне от логических и эвристических методов представления и обработки знаний находятся нейронные сети. Их обычно не относят к методам инженерии знаний, а рассматривают в рамках нейрокибернетики (нейроинформатики). Принципиальным отличием нейронных сетей от методов инженерии знаний является то, что в них знания содержатся не в формализованном и локализованном виде, а в виде состояния множества иейроподобных элементов и распределены между этими элементами. Нейронная сеть обладает, Голографическими свойствами, т. Эффективность построения и использования информационных систем стала актуальна в условиях недостаточного финансирования информационных технологий на предприятиях. Критериями оценки эффективности могут служить снижение стоимости реализации системы обработки информации, соответствие текущим требованиям и требованиям ближайшего времени, возможность и стоимость дальнейшего развития и перехода к новым технологиям. Основу системы обработки информации составляет вычислительная система, включающая такие компоненты, как кабельная сеть и активное сетевое оборудование, компьютерное и периферийное оборудование, оборудование хранения данных, системное программное, специальное и прикладное программное обеспечение. Наиболее распространенным подходом к проектированию таких систем в настоящее время является использование метода экспертных оценок при котором специалисты в области вычислительных систем на основании имеющегося у них опыта и экспертных оценок осуществляют проектирование систем обработки информации, обеспечивающей решение конкретной задачи или класса задач. Этот подход позволяет минимизировать затраты на этапе проектирования, быстро оценить стоимость реализации информационной системы. Однако решения, полученные с использованием экспертных оценок, носят субъективный характер, требования к оборудованию и программному обеспечению также грешат субъективностью, как и оценка гарантий работоспособности и возможности развития предлагаемого проекта системы. Б качестве второй компонент комплекса средств СПИР целесообразно разработать имитационную модель для моделирования поведения системы сетевой обработки информации. Моделирование системы обработки информации позволяет произвести более точный, по сравнению с экспертными оценками, расчет необходимой производительности отдельных компонентов и всей системы в целом. При этом появляется возможность использовать не максимальные значения характеристик используемого вычислительного оборудования, а характеристики, учитывающие специфику использования этого оборудования на конкретном промышленном предприятии . Основу имитационного составляют модели сетевого оборудования и процессов передачи данных, используемых при работе автмотизированпой системы обработки информации. При решении задач имитационного моделирования АСОИ необходимо предусмотреть как моделирование (прогон имитационной модели) в реальном режиме функционирования системы для оценки её эффективности, так и оценить параметры системы в критических режимах. Проведение разнообразных экспериментов с имитационной моделью АСОИУ позволяет системному администратору предсказать и предотвратить неожиданные ситуации по снижению эффективности работы системы.