Разработка методик и средств использования статистических и нечетких данных для имитационного моделирования компьютерной сети предприятия

• Автор: Малышев, Юрий Викторович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 146 с. + Прил. (с. 147-215)

Оглавление
Основные обозначения
Введение
Глава 1. Анализ проблем, состояния разработки и путей развития
методов исследования работы КС
1.1. Необходимость и способы исследования КС
1.2. Анализ важности развития современных способов и средств ИМ КС
1.3. Анализ полезных для развития и применения в ИМ КС результатов исследований из смежных областей науки
Глава 2. Разработка методик построения модели PH с использованием
статистических данных в имитационной модели КС
2.1. Функциональная декомпозиция и детализация КС как объекта ИМ
2.2. Методика использования в ИМ КС статистических данных
об интенсивности передачи пакетов в СПД
2.3. Методика комбинированного ИМ передачи пакетов и сообщений
в СПД для модели КС в виде СтС
Глава 3. Разработка методик обработки и применения в ИМ КС
нечётких данных
3.1. Методика использования аппарата НМ и обычной арифметики
для общего случая ИМ
3.2. Методика применения нечеткого ранжирования степени значимости параметров для ИМ КС
3.3. Методика построения иерархической структуры ранжирования нечётких данных
3.4. Развитие НМД на основе нечёткой обратной связи для случая согласования НОНП каждого эксперта
Глава 4. Построение ИПС ИМ КС, работающей с использованием
разработанных методик
4.1. Функциональные возможности разработанной ИПС ИМ КС
4.2. Основы построения 00 системы ИМ КС
Глава 5. Применение разработанных методик и ИПС ИМ КС для
решения практических задач
5.1. Решение практической задачи ИМ КС библиотеки МИФИ
5.2. Решение практической задачи ИМ КС ГВЦ Интуриста
Заключение

Библиографический список использованной литературы
Приложения
1. Таблица поддерживаемых программных платформ современными
программными продуктами ИМ КС
2. Рассматриваемые при построении ИПС ИМ КС известные
классификации КС
3. Используемое при построении ИПС ИМ КС известное описание
функционирования КС по уровням модели OSI
4. Алгоритм моделирования интенсивности передачи пакетов в СПД
5. Моделирование PH с учётом фрактальности трафика
6. Отмеченные пути, формы и методы возможных дальнейших
исследований использования нечётких данных и применения полученных результатов
7. Входные и выходные параметры разработанной ИПС ИМ КС
8. Содержимое одного из файлов настройки ИПС ИМ КС - файла для
задания особенностей характера PH
9. Изображения панелей графического интерфейса ИПС ИМ КС
10. Известные результаты использования 00 методологии, отмеченные
как полезные для будущих разработок ИПС ИМ КС
11. Примеры гистограмм и статистических функций распределения интенсивности передачи пакетов в СПД по видам сетевых работ
12. Применение разработанной ИПС ИМ КС для КС библиотеки

13. Применение разработанной ИПС ИМ КС для нового сегмента КС
ГВЦ Интуриста
14. Акты о внедрении полученных результатов диссертационной
работы

Использование НМ. Свойственная суждениям экспертов размытость является следствием того, что при увеличении сложности анализируемой системы и её поведения постепенно падает способность человека давать точные и в то же время имеющие практическое значение суждения относительно её поведения. Такое явление создатель теории НМ Лотфи Заде назвал "принципом несовместимости" [35, 48]. Для формализации неопределенности экспертных оценок в условиях неполной информации в прикладных областях удобно применение понятия НМ, которое является развитием традиционного понятия множества [35]. Применение таких НМ закономерно, так как они расширяют знание о проблеме, более адекватно отражают их нередко субъективный размытый характер. Применение НМ не исключает чёткости, так как они включают в себя чёткую составляющую. Анализом ситуации или согласованием суждений можно изменять степень нечеткости. Возможность варьирования степени нечёткости может быть полезно и очень удобно в процессе последовательного изучения задачи и полемике группового принятия решения.
Условия функционирования ряда систем характеризуются априорной неполнозначностью (или неизвестностью) рабочей обстановки, непредсказуемостью её изменений, случайностью внешних возмущающих воздействий [74]. Аппарат НМ помогает работать экспертам с неопределенностью. Это может быть стохастическая неопределенность, если требуемые вероятностные характеристики существуют, но неизвестны на момент разработки проекта. Она может быть связана с неполнотой знаний проблемы, трудностью и даже невозможностью в ряде случаев полного и точного измерения параметров или сбора статистических данных. Неопределенность присутствует в размытости или лингвистической нечёткости субъективных оценок [91]. Как правило, модель является не совсем точным описанием объекта, то есть более "бедной" знаниями об объекте, поэтому в модели в любом случае присутствует неопределенность, о которой необходимо помнить, получая результаты [112].
Особенностью работы со стохастической неопределенностью на основе НМ является принципиальная разница между ФП НМ и функцией распределения в теории вероятности. С помощью теории вероятностей можно описать функцию распределения некоторой случайной величины (при ряде гипотез, таких как повторяемость событий, переносимость наблюдаемых эффектов на все объекты данного типа, независимость событий [112]). Функция распределения отражает объективную закономерность природы, независимую от отношения эксперта к этой закономерности. ФП ЕМ, в отличие от функции распределения, является гипотезой, отражающей субъективное представление эксперта о явлении. У каждого эксперта ФП может иметь различный вид [122]. С помощью такого представления неопределенности можно описывать реальные явления. Смысл нечёткости не всегда следует считать неточностью. Нечеткость подразумевает присутствие степени истинности. Аппарат НМ является основой, на которой объединяются гуманитарные методы