CC BY
0Научная статья
УДК 338:004
doi: 10.47576/2949-1908.2024.68.36.013
моделирование структуры сети с элементами искусственного интеллекта и рекомендации по организации обмена информацией
новиков о. п.
Российский государственный университет имени А. Н. Косыгина, Москва, Россия, [email protected]
новиков М. о.
ООО Вектра, [email protected]
Аннотация. В статье проведено моделирование сети с элементами искусственного интеллекта, представлены результаты моделирования, построения обобщенной методики построения информационной сети с элементами искусственного интеллекта, даны предложения по построению информационной сети нового поколения, а также практические рекомендации по формированию математических моделей.
Ключевые слова: информационная сеть; элементы искусственного интеллекта; облачные вычисления; искусственный интеллект; предприятие; математическая модель; методика; результаты моделирования; практические рекомендации по построению сети.
Для цитирования: Новиков О. П., Новиков М. О. Моделирование структуры сети с элементами искусственного интеллекта и рекомендации по организации обмена информацией // Прикладные экономические исследования. - 2024. - № S 2. - С. 95-102. https://doi.org/10.47576/2949-1908.2024.68.36.013.
Original article
modeling of network structure with elements of artificial intelligence and recommendations on the organization of information exchange
Novikov o. P.
A. N. Kosygin Russian State University, Moscow, Russia, [email protected] Novikov M. o.
Vectra LLC, [email protected]
Abstract. The network is modeled using artificial intelligence elements, the simulation results are presented, the results of constructing a generalized methodology for building an information network with artificial intelligence elements are presented, and proposals for building a new generation information network are presented. Practical recommendations on the formation of mathematical models are presented.
Keywords. Information network, elements of artificial intelligence, cloud computing, artificial intelligence, enterprise, mathematical model, methodology, modeling results, practical recommendations for building a network.
For citation: Novikov O. P., Novikov M. O. Modeling of network structure with elements of artificial intelligence and recommendations on the organization of information exchange. Applied economic research, 2024, no. S 2, pp. 95-102. https://doi.org/10.47576/2949-1908.2024.68.36.013.
Результатами исследований, направленных на разработку обобщенной методики обоснования требований к построению информационной сети предприятия (офис банка, коммерческая фирма, центр предоставления услуг населению и др.) с элементами искусственного интеллекта (сокращенно ИСЭИИ) явилось создание частной методики построения структуры сети и частной методики организации передачи информации в этой сети. В статье показано, что в основе разработанных методик лежит комплекс моделей и алгоритмов, реализующих потенциальные возможности создания такой сети. Возможности комплекса алгоритмов и их особенности функционирования, а также полученные результаты представлены в данной статье. В качестве полученных результатов предлагаются практические рекомендации по построению сетей ИСЭИИ.
Одним из направлений практических рекомендаций является выбор мест расположения узлов коммутации (УК), содержащих элементы искусственного интеллекта, назовем сокращенно (ИУК). На рисунках УК, взятом в свободном доступе в Интернете, соответствует ИУК. Выбор места размещения конкретного ИУК осуществлен на основе построения частной методики обоснования требований к построению сети ИСЭИИ, проведено аналитическое обоснование мест размещения элементов ее структуры. На основе проведенного анализа вариантов моделей алгоритмов определен алгоритм для выбора места размещения ИУК в структуре сети ИСЭИИ с минимальными временными затратами. Последовательность его работы приведена ниже.
Оценка основных характеристик структуры сети ИСЭИИ представлена алгоритмом размещения ИУК в локальных зонах района размещения элемента сети ИСЭИИ, представленного как пример сети банка на рис. 1.
Рассмотрим очередность шагов по классическому алгоритму при проведении и вычислений [1-7].
Пошаговый алгоритм: Шаг 0. Начало работы алгоритма. Шаг 1. Ввод исходных данных: Значения функции затрат для дискретных координатных точек у. ((p,ß);
Шаг 2. Ограничения по размерам района нахождения элементов сети ИСЭИИ, включающие число реализаций Z :
min p.; max p.; min ß;max ß, начало 1-й реа-i i. i i лизации: j=1.
Шаг 3. Выбор случайных значений
Po, ß0: Pj =PoPj =ß0 Шаг 4. Затраты на размещение ИУК:
Yo =Е Y (Po, ßo ) i
Шаги 5-6. Дискретное перемещение на величину ap текущей точки (p0,ß0) для нахождения координаты места размещения ИУК в локальной зоне сети ИСЭИИ, выполнение цикла выборок до достижения максимального значения, при условии: если p0 < max p ,
то p0+) := p0 + Ap иначе p0+) := Po;
Шаги 7-8. Перемещение на величину Ap текущей точки (p0,ß0) для нахождения координаты места размещения ИУК в локальной зоне сети ИСЭИИ, при условии достижения минимального значения. при условии: если Po > min p , то p0-) := p0 + Ap, иначе p0-) := p, Шаги 9-10. Перемещение на величину A текущей точки p,ßo) для нахождения места размещения ИУК в локальной зоне сети ИСЭИИ, при условии достижения максимального значения:
Если ß0 < max ß , то ß0(+):=ß() + Aß, иначе
ßo(+) := ßo;
Шаги 11-12. Перемещение на величину A текущей точки (Po,ßo) для нахождения места размещения ИУК в локальной зоне сети ИСЭИИ, при условии достижения максимального значения:
Если ßo > min ßt то ßo( } := ßo + Aß, иначе
ßo(-) :=ßo;
Шаги 13. вычисление текущих значений функции затрат:
*i:=£ Yx(^0+), ßo);Y,:=£ Y (p, ß0+));
Y2 :=£ Yi(p0ßo);Y4 :=£ Yt (p, ßo(-));
i i
Шаг 14. Проверка условия minYt > Yo. Сдвиг текущих значений координат размещения УК Po или ßo в направлении минимального возрастания. Присвоение текущему местоположению ИУК исходных значений
характеристик: Yjn := Yo;p := Po;ß := ßo
Шаг 15. Проверка числа выполненных реализаций j > z .
Шаг 16. Вывод оптимальных координат размещения ИУК и соответствующих им за-
w: pz =Po; ßZ =ßo; Ymin = Yo
Шаг 17. Окончание работы алгоритма. Предложенный алгоритм показал хорошую сходимость, что свидетельствует о работоспособности алгоритма.
Количество необходимых вычислений статистических значений координат размещения ИУК, вычислялось по формуле
F =
а
V1 (1/2P )]2
V '
/-1
где ф 1 - функция, обратная функции Лапласа, а а- СКО случайных величин р и р.
При этом значения [ф- (1/2Р^ )]2 - приведены в [2].
Из рассмотренного алгоритма следует, что для заданной точности полученных результатов £ =0,05 с доверительной вероятностью £>л =0,95 величина [<р~1\1 2Р-, |]* = 3,Ё4 . . Таким образом, для среднестатистического стандартного отклонения значений р и Р общее количество реализаций вычислитель-
'0.36
ного процесса составило F =
0.05
■ 3.S4 = 200
Полученное значение показывает о получении численного значения алгоритма и дает возможность сравнивать результаты расчетов по алгоритмам, строить графики зависимостей и выбирать приемлемое решение по критерию.
Рисунок 1 - Сеть ИСЭИИ на основе «облачной» технологии
На основании этой методики и результатов ее работы представлены практические рекомендации по определению места размещения ИУК в сети ИСЭИИ между региональными филиалами предприятия.
Для проверки работоспособности алгоритма рассмотрим пример расчета параметров элемента сети ИСЭИИ. Для упрощения расчета используем известный прием, котором в состав сети ИСЭИИ включено четыре узла коммутации (пук =4) и шесть терминальных комплексов (N=6).
Устанавливаем допущения предполагающие, что каждый узел коммутации соединен с любым количеством соседних ИУК, входящих в состав сети ИСЭИИ. Исходная сети ИСЭИИ и схема варианта организации взаимосвязей в сети ИСЭИИ на основе «облачных» технологий. Внутренне облако включает сеть предприятия с подключенными
Таблица 1
через сеть Интернет региональными узлами коммутации. Внешнее «облако» представляет собой совокупность терминальных комплексов, которые могут организовать свой доступ к информационным ресурсам только конкретного филиала с использованием персонального компьютера или любых других ИТ-технологий.
Решение поставленной задачи представлено в виде таблиц, в которых на основе методов, разработанных в методике, проводится оптимизация мест размещения ИУК, объединяющие информационные потоки в региональном филиале предприятия.
Для дальнейшего решения задачи воспользуемся методиками определяющими соответствие весов связей между узлами сети ИСЭИИ, включающие затраты на соединительные линии и представленные в виде
значений у. =:
1
Таблица 2
11УК1 ИУК2 ИУКЗ ИУК4
ТК1 3 3 4 5
ТК2 2 2 5 7
ТКЗ 3 4 7 11
ТК4 3 4 7 S
ТК5 7 2 4
ТК6 S 3 5 б
В соответствии с алгоритмом, вычисления проводим в соответствующей последовательности по алгоритму [1-7].
Решение имеет следующий вид, схематично представленный на рис. 2.
Для решения подобных задач в зависимости от их сложности, размерности и учета объема траффика можем использовать любые известные алгоритмы, определяющие скорость выполнения операций при проведении расчетов и другие характеристики, с
ИУК1 1ТУК2 ИУКЗ ИУК4
ТК1 6 S 9 10
ТК2 •) Л* 3 Ь 9
ТКЗ 4 6 8 \2
ТК4 2 3 S 9
ТК5 8 6 1 3
ТК6 9 2 5 5
использование большого числа авторов алгоритмов и особенностей, в зависимости от сложности задачи.
Отдельным разделом статьи можно представить практические рекомендации по обоснованию конфигурации сети ИСЭИИ.
Для решения подобных задач мы используем известные математические модель и методики обоснования конфигурации сети ИСЭИИ с минимальной протяженностью линий связи. В этой области исследования мо-
Рисунок 2 - Оптимальное распределение УК (ИУК) в сети ИСЭИИ между региональными
филиалами предприятия
жем использовать любой алгоритм из классических, либо разработанные авторами под конкретную задачу. Таких алгоритмов много, поэтому используем алгоритмы для задачи с конкретными исходными данными. Далее был использован уже разработанный [4-7]
VI
У2
(
Результаты расчетов, схемы покрывающих графов и оптимальная структура сети ИСЭИИ, полученная полным перебором всех возможных вариантов.
В результате будет построено минимальное дерево Т1 = {у11,У2,¥3,¥5,¥4}, покрывающее исходный граф Y(5,9), с примером расче-
алгоритм. Для проверки работоспособности этого алгоритма были рассмотрены исходные данные сети ИСЭИИ, которая включает пять узлов коммутации. Ее граф и веса соответствующих ребер представлены на рис. 3.
та с суммарным весом 26,5. На рис. 2 показан вид минимального дерева Т1, покрывающего исходный граф сети БИКС Y(5,9).
Приведены также результаты расчетов, полного перебора возможных вариантов покрывающих графов
В результате полученных данных по из-
---- )
Рисунок 3 - Граф исходного элемента сети ИСЭИИ
вестным алгоритмам и полученным результатам сделаны следующие рекомендации.
Анализ полученных результатов показывает, что все значения суммарных весовых показателей для рассмотренных вариантов организации минимальных покрывающих графов одинаковы. Это свидетельствует о том, что в принципе не имеет значения, какую вершину исходного графа принять в качестве корневой, т.к. минимальное дерево включает в себя все вершины и к каждой из них примыкает одна минимальная дуга.
2. Сравнение числовых характеристик вариантов покрывающего дерева, полученных по алгоритму Прима-Краскала с аналогичными характеристиками варианта, полученного по результатам полного перебора, свидетельствует о хорошей точности вычислений (около 5 %) и о близости локальных и глобальных оптимальных вариантов конфигурации сети ИСЭИИ. В данном случае алгоритм Прима-Краскала порождает остовое дерево посредством разрастания только одного поддерева, например, содержащего больше одной вершины. При этом поддерево постепенно разрастается за счет присоединения ребер, причем добавляемое ребро должно иметь наименьший вес. Процесс продолжается до тех пор, пока число ребер не станет равным п-1. Тогда поддерево будет требуемым остовым деревом.
Кроме того, применение алгоритма позволяет значительно сократить общий объем вычислений по сравнению с методом «ветвей и границ».
Следует обратить внимание на определение длительности функционирования алгоритмов маршрутизации и представить практические рекомендации по его работе.
По результатам исследования математической модели определение длительности функционирования алгоритмов, для сравнения их производительности временные интервалы представлены как совокупностью компонентов
Тупр Тконтр.и. + Тал.м. + Тд (1)
где обозначения:
Тконтри - длительность сбора информации о состоянии каналов передачи информации в сети;
Талм - длительность работы алгоритма маршрутизации в сети или время принятия решения;
Тд - длительность доведения информации в сети по выбранным маршрутам.
Для практического использования мы будем пользоваться конечными значениями по методикам.
Ту
упр.тр
Т + Т + Т
1 тр 1 1 о 1 пр
(2)
L Нср Из н- "**" ** г**
Н2
Hi
t
г
Рисунок 4-Диаграмма работы алгоритмов
При условии, что длительность То принимает значение константы, в выражении (2) величина длительности прогнозирования также является константой.
В результате проведенных исследований получим, что в процессе функционирования сети ИСЭИИ на основе алгоритмов девиации и рандомизации возможности в функционировании сети БИКС ограничены характеристиками алгоритмов. Характеристики алгоритмов определяются принципом построения алгоритмов. Принципы функционирования определяют величину длительности времени реакции сети БИКС на входное воздействие Треакц.сист и характеризует возникновение точек бифуркации в процессе функционирования сети. при наступлении критического состояния в сети (ск=тт fk) только в случае перераспределения маршрутов сеть связи как система минует отрезок бифуркации (рис. 4).
Отрезок [М, t2] представляет отрезок бифуркации равный времени реакции алгоритмов девиации и рандомизации на внешнее воздействие. Алгоритм прогнозируемой маршрутизации позволяет сократить отрезок бифуркации до минимума используя алгоритм прогнозирования состояния заявок в филиале банка.
Данный алгоритм позволяет сократить отрезок для времени рассылки реализаций алгоритма узлам для управления работой сети ИСЭИИ.
Время реакции на внешнее воздействие для алгоритмов девиации и рандомизации состоит из
Треакц.сист Тконтр.к. + Тприн.реш. + Тд
где обозначения:
Тконтрк - время контроля состояния канала;
Тприн.реш - время принятия решения;
Тд - время передачи управления информации.
Время реакции сети ИСЭИИ на внешнее воздействие для алгоритма прогнозируемой маршрутизации включает только время рассылки управляющей информации алгоритма, т.к. контроль состояния сети и принятие решения на передачу информации в алгоритме превентивной маршрутизации ведется в процессе функционирования сети ИСЭИИ.
В результате проделанной работы, в сокращенной публикации статьи, можно сделать следующие выводы:
1. Практические рекомендации по построению структуры сети ИСЭИИ и организации обмена информацией показали особенности функционирования разработанных методик и построенных на их основе алгоритмов.
2. В результате практического исследования алгоритма выбора мест размещения ИУК в сети ИСЭИИ сделаны практические рекомендации определившие на основе анализа вариантов моделей алгоритм для выбора места размещения ИУК в структуре сети ИСЭИИ с минимальными затратами. Алгоритм показал достаточно высокую точность.
3. Практические рекомендации по обоснованию конфигурации сети ИСЭИИ, содержащие решение задачи нахождения минимального покрывающего дерева для исходного графа сети. Сравнение числовых характеристик вариантов покрывающего дерева, полученных по алгоритму Прима-Краскала с аналогичными характеристиками варианта, полученного по результатам полного перебора, свидетельствует о хорошей точности вычислений (около 5 %).
4. Результаты, полученные во всех без исключения экспериментах, показывают, что свойство монотонности в среднем для критерия эффективности выполняется вне зависимости от топологии и характеристик тра -фика рассматриваемой сети. Предложенные алгоритмы показали хорошую сходимость, что свидетельствует об их работоспособности.
Список источников
1. URL: hüpY/www.eboot.m/Нейросеть онлайн чат-бот GPT/2024u/ (дата обращения: 01.02.2024).
2. URL: http://www. kanobu.ru/Блоги/Преимущества облачных технологий. (дата обращения: 01.02.2024).
3. URL: http://www.macdigger.ru/macall/istoriya-poyavleniya-logotipa-apple.html (дата обращения: 01.02.2024).
4. URL: http://skillboks.ru/Нейросети.Курс практического обучения, 2024 г. (дата обращения: 01.02.2024).
5. Girard A. Guide to WDM Technology and Testing. Quebec: EXFO Electro-Optical Engineering Inc., 2020. 194 p.
6. URL: IT.sander.su>cloud_distributed.php (дата обращения: 01.02.2024).
7. URL: http://skillboks.ru/Сервис для генерации контента нейросети YandexGPT и нейро-сеть YandexART. 2024 (дата обращения: 01.02.2024).
References
1. URL: httpY/www.eboot.ru/Нейросеть online chatbot GPT/2024u/ (accessed: 02/01/2024).
2. URL: http://www.kanobu.ru/Блоги/Advantages of cloud technologies. (date of access: 02/01/2024).
3. URL: http://www.macdigger.ru/macall/istoriya-poyavleniya-logotipa-apple.html (date of access: 02/01/2024).
4. URL: http://skillboks.ru/Нейросети.Practical training course, 2024 (accessed: 02/01/2024).
5. Girard A. Guide to WDM Technology and Testing. Quebec: EXFO Electro-Optical Engineering Inc., 2020. 194 p.
6. URL: IT.sander.su"cloud_distributed.php (date of request: 02/01/2024).
7. URL: http://skillboks.ru/Сервис to generate the content of the Yandex GPS neural network and the YandexART. 2024 neural network (accessed: 02/01/2024).
сведения об авторах
новиков о. п. - доктор технических наук, профессор, Российский государственный университет имени А. Н. Косыгина, Москва, Россия, [email protected] новиков м. о. - кандидат технических наук, ООО Вектра, [email protected]
Information about the authors
NoVIKoV o. P. - Doctor of Technical Sciences, Professor, A. N. Kosygin Russian State University, Moscow, Russia, [email protected]
NoVIKoV M. o. - Candidate of Technical Sciences, Vectra LLC, [email protected]
