CC BY
50
Высказывания вида: «достаточная точность модели» и «недостаточная точность модели» формализуются нечеткими переменными, принимающими значения на базовом множестве значений Wj.
Программная система имитационного моделирования САО предоставляет возможности исследования работы дискретных (импульсных) систем автоматической оптимизации. В системе реализованы модели типовых экстремальных характеристик объектов оптимизации, случайных возмущений, позволяющие моделировать широкий класс реальных объектов. Набор алгоритмов автоматической оптимизации включает базовые алгоритмы на основе последовательной процедуры проверки статистических гипотез и их нечеткие аналоги.
В системе реализован композиционный механизм нечеткого вывода с возможностью отображения последовательности принимаемых решений.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Zadeh L.A. Fuzzy logic and approximate reasoning // Synthese. - 1975. - Vol. 80. - P. 407-428.
2. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н.Аверкин, И.З.Батыршин, А.ф.Блиншун, Б.В.Силаев, Б.Н.Тарасов. - М.: Наука, 1986. - 312 с.
3. Дюбуа Д., Прад. А. Теория возможностей: Пер. с французского В.Б.Тарасова / Под редакцией С.А. Орловского. - М.: Радио и Связь, 1990. - 288 с.
4. Справочник по теории автоматического управления / Под ред. А.А. Красовского. - М.: Наука, 1987. - 712 с.
5. Молчанов А.Ю. Финаев В.И. Адаптивная система автоматической оптимизации с нечеткими процедурами / Материалы конференции С-2003 «Системный подход в науках о природе, человеке и технике» - часть 5. - Таганрог: Изд-во ТРТУ, 2003.
6. Молчанов А.Ю. Алгоритм экстремального управления в системах автоматической оптимизации // Известия ТРТУ. - 2004. - № 8 (43). - С. 54.
Айбазова Аминат Абдуллаховна
Карачаево-Черкесская государственная технологическая академия.
E-mail: [email protected].
357100, г. Черкесск, ул. Ставропольская, 36.
Тел.: 8782202387.
Ayibazova Aminat Abdullakhovna
Karachai-Cherkess State thechnological academy.
E-mail: [email protected].
36, Stavropolskaya street, Cherkessk, 357100.
Phone: +7782202387.
УДК 681.32.06
М.А. Аль-Ханани РАЗРАБОТКА МЕТОДА РЕШЕНИЕ ЗАДАЧ РАСПРОСТРАНЕНИЯ ГИДРОАКУСТИЧЕСКИХ ЛУЧЕЙ НА КЛАСТЕРНЫХ СИСТЕМАХ С ПОЯ
Посвящается оценке и оптимизации процесса моделирования и вычисления в области распространения гидроакустических лучей с помощью параллельных вычислений с применением проблемно-ориентированных ядер, целью которой является повышение эффективности выполнения данной задачи за счет сокращения временных затрат в процессе обработки по сравнению с традиционным подходом на однопроцессорной системе.
Параллельные системы; распределенного моделирования; кластеры; проблемно- ориентированное ядро; распространения; гидроакустических лучей; повышение эффективности; обработки гидроакустических данных.
M.A. Al-Hanani DEVELOPMENT OF THE METHOD OF SOLVING THE PROBLEMS HYDROACOUSTIC RAYS ON CLUSTER SYSTEMS WITH POS
This article is devoted an estimation and optimization of process modelling and calculation in the field of distribution of hydro acoustic beams by means of the parallel calculations with pos, the purpose of this work is increase of efficiency of performance of the given problem at the expense of reduction of time expenses in the course of processing in comparison with the traditional approach on uniprocessor system.
Parallel systems; the distributed modeling; clusters; problem-oriented kernel; distributions; hydro acoustic beams; increase of efficiency; processing of hydro acoustic data.
В современной науке постоянно происходит процесс поиска новых решений для повышения производительности систем решения проблемно-ориентированных задач. Растет сложность самих задач, и, вслед за ними, растет сложность аппаратных и программных средств, а также алгоритмов и методов решения такого класса задач. Причем, развитие аппаратных и программных средств ведется не только по пути наращивания мощности и производительности отдельных вычислителей, но и по пути построения многомашинных и многопроцессорных комплексов.
Реализация таких вычислительных средств, как известно, предполагает параллельную обработку данных. Основными проблемами являются следующие: распараллеливание задачи на заданное число процессов, распределение вычислительных ресурсов, конфигурирование коммутационного пространства и организация процесса контроля и управления вычислительным процессом. Пути решения этих проблем напрямую зависят от физической природы «многопроцессной» системы: построена она по принципам кластера на базе вычислительной сети, многопроцессорного комплекса типа супер-компьютеров или же построена на базе мно-гоядренного вычислителя на одном или нескольких кристаллов.
Поэтому в данной работе проводится исследование системы, построенной на соединении принципов построения вычислительных комплексов «общего» и «специального» назначения.
Основная идея состоит в построении вычислительного комплекса, позволяющего проводить параллельную обработку данных сразу на нескольких уровнях. Такая организация вычислительного процесса предполагает реализацию концепции «множественный поток команд и множественный поток данных» (MIMD), являющейся наиболее эффективной для обработки больших объемов данных в реальном времени. Этот вариант организации аппаратных средств системы является наиболее подходящим, так как обеспечивает большую гибкость и более широкие возможности по сравнению с остальными, сохраняя баланс сложности (цены) и предоставляемых исследователю возможностей. Такая организация близка по идеологии к массово параллельным и кластерным системам, в которых вычислительные узла объединены в некоторую коммуникативную структуру или сеть, определенной или изменяемой топологии с доступом к локальной памяти системы и коммуникационным элементам для связи с внешним миром. По такому принципу можно организовать вычислительную структуру на базе специализированных микропроцессоров, например на основе сигнальных процессоров.
Соединив универсальные средства разработки, мониторинга, управления и проведения вычислений со специализированными аппаратными элементами типа сигнальных процессоров или иных вычислительных узлов, имеющих более узкую направленность, можно получить универсальную систему, обладающую всеми достоинствами обоих подходов.
Так как аппаратный базис в таком случае представляется как совокупность вычислительных узлов разного плана, то можно говорить о гетерогенных систе-
мах, позволяющих распределить задачу по системе, выбрав наиболее подходящий аппаратный и вычислительный базис фактически для каждой процедуры обработки данных.
Объединяя вычислительные средства общего и проблемно-ориентированного назначения, можно придти к понятию многослойной гетерогенной сети, каждый уровень и сектор которой ориентирован на свой вычислительный базис, способ организации вычислительного процесса, способ коммутации и т.п. Причем, при необходимости, используя данную концепцию, можно изменять конфигурацию гетерогенной сети под конкретную задачу, добавлять или удалять отдельные сектора.
Верхний слой (рис. 1,а) образовали четыре персональных ЭВМ, построенных на базе двухядреных процессоров Ше1, в каждый из которых встроен аппаратный ускоритель на базе процессоров цифровой обработки сигналов. Кроме того, каждый ускоритель представляет собой мини-кластер из четырех идентичных микропроцессоров цифровой обработки сигналов (ЦОС) ЛББР 21160 (рис. 1,б), соединенных по полному графу.
Рис. 1. Пример организации гетерогенного проблемно-ориентированного
кластера: а - организация многослойной сети; б - структура отдельного
ускорителя
Все четыре кластера ЦОС также объединены в сеть второго уровня, замыкая, таким образом, свой отдельный слой из четырех секций. Каждый процессор также является двухъядреным, работающим по принципу «одна инструкция одни данные» (Б1БВ) или «одна инструкция множество данных» (БГМБ) в зависимости от поставленной задачи.
Параллельность обработки данных может быть достигнута на всех уровнях кластера: между уровнями (слоями, сетями), между отдельными секциями, внутри микропроцессоров (между ядрами). Сама структура и подбор аппаратного базиса такой системы подразумевает распределение программ и данных на каждом уровне сети, между вычислительными модулями нижнего уровня и в базисе отдельных микропроцессоров.
В данном случае, акцент ставится на особенности аппаратного базиса ускорителей на базе процессоров ЦОС. Каждый процессор является, по существу, двухядренным вычислительным модулем с Гарвардской архитектурой, позволяющей работать в Б1МБ режиме на уровне ядра и в М1МБ режиме на уровне нескольких процессоров.
Кроме того, аппаратура ЦОС процессоров ориентирована на выполнение основных операций цифровой обработки сигналов, например, на выполнение таких операций, как умножение с накоплением («бабочка» преобразования Фурье), что
позволяет использовать такие кластеры именно для решения задач обработки сигналов и именно в параллельной форме.
Для оценки качества моделирования систем состоящих из отдельных, несвязанных между собой элементов, была проведено моделирование распространения акустических волн в водной среде.
Движение луча в водной среде описывается системой дифференциальных уравнений первого порядка (1).
х = С(у )со8&);
\у = СМ**); (1)
& = со8&) йС
, = -^Т 'ТУ •
В системе (1) переменная х отражает проекцию луча на ось X (расстояние от излучателя по горизонтали). Переменная у отражает проекцию луча на ось У (глубина); 0 - угол наклона луча к оси X (поверхность воды). С (у) = С0 + 0.1у - скорость звука в воде (является переменной величиной, зависящей от глубины). СО - скорость звука на поверхности воды, равна 1470 м/с, далее, с увеличением глубины распространения луча она возрастает.
Модель акустической системы состоит из антенны, расположенной на судне. Антенна направлена относительно поверхности на угол фа= 45 градусов. Она имеет растр фг1=70 градусов. Антенна излучает веер из №=10 лучей с углом ёф1=7 градусов между отдельными лучами. Каждый луч состоит из №=10 дискретных лучей. Схема изучаемых лучей представлена на рис. 2.
Моделируемая схема состоит из 10 объектов, каждый из которых представляет собой один луч акустической антенны. Таким образом, антенна снимает вертикальный срез поверхности дна. Каждый объект моделирует распространение 10 дискретных лучей. Отдельный дискретный луч описывается системой (1). Начальные условия для каждого луча определяются формулой (2).
ф, =-(-1)-ф + ф-X,-йф,-фа +ф (2)
где N=1... 10; N1=1... 10.
Рис. 2. Схема положения лучей моделируемой антенны
При создании модели в системе структурного моделирования использовался прерыватель по достижению условия равенства нулю согласно выражению (3), которое описывает уравнение дна:
0(х) = (Ь+1) + со8 (х), (3)
где Ь= -300 м - предельная глубина. Причем, данное условие должно быть выполнено для всех лучей (объектов) в антенне.
Синтезированная структурная модель гидроакустической антенны была промоделирована.
На рис. 3 показан результат моделирования - вертикальный срез поверхности дна. Отклонения предполагаемой поверхности от реальной поверхности объясняется дискретностью моделируемого процесса.
Рис. 3. Графики вертикального среза дна
На рис. 4 и 5 показаны графики распространения отдельных лучей с разными начальными условиями. На рис. 4 показан первый луч растра с ф1= -10 градусов. На рис. 5 показан последний луч с ф1 = -73 градуса.
Рис. 4. График распространения луча с начальным углом 10 градусов
Рис. 5. График распространения луча с начальным углом 73 градусов
Так же было проведено моделирование данной системы на кластере с ПОЯ. В табл. 1 приведены сравнительные характеристики времени выполнения одно- и двухпроцессорных варианта. Дополнительно при проведении тестов был отключен вывод результата в файл на жестком диске. Это дало возможность более точно оценить чистое время вычислений и межпроцессорных взаимодействий.
Таблица 1
Сравнительные характеристики однопроцессорного и двухпроцессорного варианта программы численного решения модели акустической антенны
Метод Однопроцессорный вариант Параллельный вариант
Метод прямоугольников (с выводом в файл) 20.34 с. 16.34 с.
Метод прямоугольников (без вывода в файл) 16.54 с. 10.41 с.
В ходе решения задачи на каждом процессоре моделировалось по 5*10=50 дискретных лучей. Поведение каждого луча описывается системой (1). На каждом шаге итерации происходил обмен данными. Из ведомого процессора к ведущему процессору передавались данные для вывода в файл, а так же условие завершения моделирования на данном процессоре. Ведущий процессор так же возвращал флаг завершения процесса, это было необходимо для синхронизации обмена. В ходе экспериментов было достигнуто сокращение временных затрат параллельной схемы по сравнению с однопроцессорным вариантом, что позволяет сделать вывод о чрезвычайной эффективности предложенной методики для решения трудоемких задач распространения гидроакустических лучей.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Воеводин В.В., Капитонова А.П. Методы описания и классификации архитектур вычислительных систем. - М.: МГУ, 1994. - 79 с.
2. Гузик В.Ф., Проектирование проблемно-ориентированных вычислительных систем архитектурой. - Таганрог: Изд-во ТТИ ЮФУ, 2009. - 463 с.
3. Золотовский В.Е., Поленов М.Ю. Программно-инструментальный комплекс оценки эффективности параллельных систем при разработке их архитектуры // Многопроцессорные вычислительные структуры. - Таганрог, 1995. - Вып. 15. (ХХ1У). - С. 4-7.
4. Смелянский Р.Л. Методы и средства анализа производительности вычислительных систем с традиционной архитектурой. - М.: Изд-во МГУ, 1989. - 24 с.
5. http://parallel.rb.ru.
Аль-Ханани Морад Абдулла Ахмад
Технологический институт федерального государственного автономного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге.
E-mail: [email protected].
347928, г. Таганрог, пер. Некрасовский, 44.
Тел.: +79094022606.
Al-Hanani Morad Abdullah Ahmad
Taganrog Institute of Technology - Federal State-Owned Educational Establishment of Higher Vocational Education “Southern Federal University”.
E-mail: [email protected].
44, Nekrasovskiy, Taganrog, 347928, Russia.
Phone: +79094022606
