CC BY
81
тернов // Препринт WP7/2012/07. Нац. исслед. ун-т ВШЭ. М.: Изд. дом ВШЭ, 2012.
5. Хорошевский В.Ф. Семантическая интерпретация паттернов данных на основе структурного подхода // Искусственный интеллект и принятие решений. 2013. № 2.
6. Gualtieri M., Powers S., Brown V., The Forrester Wave™: Big Data Predictive Analytics Solutions, Q1 2013. Forrester research, Inc., 2013, January 13.
7. Ганюшкин М. Вам TUDA // Открытые системы. 2013. № 2.
8. Protege Homepage. URL: http://protege.stanford.edu/ (дата обращения: 26.05.2013).
9. Few S., Multivariate Analysis Using Parallel Coordinates. URL: http://www.perceptualedge.com/articles/b-eye/parallel_coor-dinates.pdf (дата обращения: 26.05.2013).
10. Microsoft .NET Framework. URL: http://www.microsoft. com/net (дата обращения: 26.05.2013).
References
1. Kim Jae-On, Mueller Ch.W., Klecka W.R., Factor, Discriminant, and Cluster Analysis, Beverly Hills, CA, Sage Publications, 1989.
2. Wang W., Yang J., Mining Sequential Patterns from Large Data Sets, Advances in Database Systems series, Vol. 28, Springer, 2005.
3. Mahdi E., Fazekas G., IJCSI, Vol. 7, iss. 1, no. 1, 2010.
4. Aleskerov F.T., Gokhberg L.M., Egorova L.G., Myachin A., Sagieva G.S., Analiz dannykh nauki, obrazovaniya i innova-tsionnoy deyatelnosti s ispolzovaniem metodov analiza patternov [Data analisis of science, education and innovation using patterns analisis methods], Moscow, HSE Publ., 2012.
5. Khoroshevsky V.F., Iskusstvenny intellect i prinyatie resheniy [Artificial intelligence and decision making], no. 2, 2013.
6. Gualtieri M., Powers S., Brown V., The Forrester Wave™: Big Data Predictive Analytics Solutions, Q1 2013, Forrester research, Inc., 2013.
7. Ganushkin M., Otkrytye sistemy [Open systems], no. 2, 2013.
8. Protege Homepage, available at: http://protege.stanford. edu/ (accessed 26 May 2013).
9. Few S., Multivariate Analysis Using Parallel Coordinates, available at: http://www.perceptualedge.com/articles/b-eye/paral-lel_coordinates.pdf (accessed 15 May 2013).
10. Microsoft. NET Framework, available at: http://www.mic-rosoft.com/net (accessed 25 May 2013).
УДК 621.396
РЕШЕНИЕ ЗАДАЧИ ОПТИМАЛЬНОЙ МАРШРУТИЗАЦИИ ПО КРИТЕРИЮ СРЕДНЕЙ ЗАДЕРЖКИ
Б.И. Марголис, д.т.н., профессор; М.М. Музанна, аспирант (Тверской государственный технический университет, наб. Аф. Никитина, 22, г. Тверь, 1 70026, Россия, [email protected], [email protected])
Рассмотрена потоковая модель информационной сети с альтернативной маршрутизацией сообщений для произвольного количества коммутационных узлов и каналов связи. Сформулированы критерий оптимизации по времени задержки сообщений, ограничения на пропускные способности каналов и условия сохранения потоков в сети. С использованием метода неопределенных множителей Лагранжа получены аналитические соотношения для оптимального распределения информационных потоков в сети из трех линий связи. Полученные соотношения распространены на произвольное количество линий связи. Показана справедливость формул для расчета оптимального распределения потоков для частного случая сети, состоящей из двух линий связи. Разработана программа расчета в среде MatLab, позволяющая по топологической структуре сети, матрице входных потоков и пропускной способности каналов найти оптимальное распределение потоков в сети, состоящей из произвольного количества узлов и линий связи. Рассмотрен пример оптимального разделения входных потоков для сети из четырех узлов и трех линий связи, обеспечивающего минимум среднего времени задержки. Продемонстрировано изменение оптимального распределения потоков для рассмотренного примера при уменьшении числа линий связи до двух. Намечены подходы к решению задачи оптимального распределения потоков при наличии в топологии моделируемой сети промежуточных узлов.
Ключевые слова: информационная сеть, коммутационный узел, канал связи, средняя задержка сообщений, пропускная способность, входной поток, топология сети, оптимальная маршрутизация.
SOLVING AVERAGE DELAY COST ROUTING PROBLEM Margolis B.I., Ph.D., professor; Muzanna M.M., postgraduate (Tver State Technical University, 22, Quay Nikitin, Tver, 170026, Russia, [email protected], [email protected]) Аbstract. The article describes a flow model of an information network with alternative routing of messages to any number of switching nodes and links. The authors formulate the optimization criteria for the delay posts, restrictions on the Aannel сapacity and the conservation of flows on the network. Analytical relations for information flows optimal distribution in a network of three lines are recieved using the method of Lagrange multipliers. Obtained relations are extended to various numbers of lines. The paper shows formulas validity to calculate the optimal flow distribution for the special case of a network consisting of two lines. The calculation program in MatLab is developed. It allows for the topological network structure, the input streams matrix and bandwidth to find the optimal flow distribution in the network consisting of an arbitrary number of nodes and links. The article shows an example of the input flows optimal division for a network of four nodes and three lines, providing a minimum average latency. Changing the flow optimal distribution for this example is shown with a
decrease in the number of lines to two. The paper outlines approaches to the problem of flows optimal distribution with intermediate nodes in a simulated network topology.
Keywords: information network, switching node, link, the average message delay, bandwidth, input stream, topology, the optimal routing.
Современные телемедицинские подходы позволяют врачам проводить удаленные консультации для пациентов, находящихся в самых отдаленных районах. Представители всех медицинских специальностей предоставляют услуги, используя инфокоммуникационные технологии, после получения информации, необходимой для диагностики, лечения и профилактики заболеваний. Инфокоммуникационные системы предполагают организацию телекоммуникационной и компьютерной сети, обеспечивающей транспорт информационных потоков и большую скорость решения задачи маршрутизации на основе балансировки нагрузки этих потоков между объектами системы.
При проведении телемедицинской консультации необходимо принимать во внимание следующие особенности телемедицинских сетей (ТМС): данные критичны к задержкам при передаче, поэтому должны доставляться в реальном времени; данные теряют актуальность и становятся бесполезными, если не доставляются вовремя; неравномерность (скачкообразность) задержек при доставке отдельных пакетов информации может существенно ухудшить качество воспроизведения, поэтому должна быть минимальной.
Важным направлением исследований в области передачи информации в ТМС являются анализ и решение задач, связанных с минимизацией задержки и распределением нагрузки с помощью моделей маршрутизации. Проблемы маршрутизации присутствуют как в сетях коммутации пакетов и сообщений, так и в цифровых сетях коммутации каналов. Конкретная реализация алгоритма маршрутизации существенно зависит от специфических особенностей сети, но в целом для различных сетей используется достаточно похожий математический аппарат - алгоритмы кратчайшего пути и потоковые алгоритмы, применяемые к потоковым моделям сетей, основанных на интенсивно-стях трафика, поступающего в линии связи. В потоковых моделях делается неявное предположение, что статистика трафика, поступающего в сеть, не меняется во времени. Такое допущение разумно, когда эта статистика меняется очень медленно по сравнению со средним временем, необходимым для уменьшения очередей в сети, и когда потоки в линиях измеряются путем временного усреднения [1].
В данной работе рассмотрена задача распределения нагрузки на основе модели маршрутизации, позволяющая уменьшить среднюю задержку пакетов в сети на основе прогноза интенсивности трафика по линиям связи, содержащим произвольное количество каналов.
Рассмотрим следующую потоковую модель информационной сети с альтернативной маршрутизацией сообщений. Информационная модель состоит из п узлов коммутации и т каналов для каждой линии связи. Предполагается следующее:
- все линии связи абсолютно надежны и помехоустойчивы;
- узлы коммутации имеют бесконечную память;
- время обработки в узлах коммутации отсутствует;
- длины всех сообщений независимы и распределены по показательному закону со средним значением 1/ц байт;
- трафик, поступающий в сеть, состоит из сообщений, имеющих одинаковый приоритет, и образует пуассоновский поток со средним значением Уу сообщений/сек. для сообщений, возникающих в узле I и предназначенных узлу j; обозначим полный внешний трафик
y = ёёуу;
(1)
i=i j=1
- пропускная способность каждой линии связи, соединяющей узлы I и j, равна dij байт/сек. или Су=^у сообщений/сек.
Важной характеристикой качества функционирования сети является средняя задержка сообщения в сети Т. Распространяя полученные Клейнро-ком результаты [2] на произвольное количество каналов k для каждой линии связи, получим
1 n n m f
T = - Z Z Z^V,
(2)
где/ук - суммарный поток сообщений/сек., протекающий по ^му каналу линии связи (/, j).
Таким образом, задачу оптимальной маршрутизации можно сформулировать следующим образом. По заданной топологической структуре информационной сети, матрице входных потоков ||Уу|| и пропускным способностям ||Сук|| необходимо найти такие значения потоков ЩкЦ, которые минимизируют среднюю задержку сообщений в сети Т, то есть решить оптимизационную задачу
1 n n m J
T = -EEZ '
jk
Y i=1 j=1 k=1 Cjk - fjk
min
(3)
при выполнении ограничений:
0 < Л* < С*, / = \п, ] = 1Я к = . (4) Задача выбора оптимальных потоков в информационной сети по критерию средней задержки в случае альтернативной маршрутизации относится к классу многопродуктовых задач с выпуклой целевой функцией и выпуклым множеством ограничений. Следовательно, существует единственный
локальный минимум данной задачи, являющийся глобальным минимумом, для нахождения которого разработано достаточно большое число вычислительных методов [1-2]. В [1] при решении задачи оптимальной маршрутизации описаны возможности прохождения потоков только по двум каналам. Остановимся на задаче балансировки нагрузки для произвольного количества каналов аналитическими методами оптимизации.
Рассмотрим простую сеть, состоящую из трех линий связи (рис. 1), формирующую поступающую нагрузку в виде бесприоритетного трафика.
Пропускная способность С1
Пропускная способность с3 Рис. 1. Топология исходной сети из трех линий связи
Известный входной поток у требуется разделить на три путевых потока /1, /2, и /3 так, чтобы минимизировать целевую функцию
T =-
f\ + fl + /з
(5)
С1 — С2 — /г Сз — с ограничением у=/1+/2+/3. Используя метод неопределенных множителей Лагранжа [2], сформируем целевую функцию в виде
Р (/, /2, /3,1) + ++
С, - / С2 - / Сз - /з (6)
• (У - / - /2 - /з).
Находя частные производные по переменным /1, /2, /3, ^ и приравнивая их к нулю, получим
dF с - / - / • (-1)
dF
(с, - / )2
-1=-
с
(С, - / )2
■ -1 = о ,
с
dF
--1 = 0 , — = -
С
/ (с, - /2 Г дТз (С3 - /з )
fi = Y - h - U
■-1 = 0 , (7)
Тогда X = -
С,
C
(C -/ ) (C - / ) (Сз - /з)
(с, -/ = (c2 - /2 = (с -y+/+/3 wC";
= (C - y + / + ¿vC;
(C -/)VC = (C3 -/3)VC ^ bJC =
следовательно, (C - f = (C2 - у + f ) +
+ (/ - С1 , а решение (7) выглядит
следующим образом:
л/СТ[у-(с2 + Сз-4с, +4С3))]
/, =
/2 =■
/3 =■
+4C2 +4C3
n/CT Y- (e, + C3-4C2 (je;+4сз)
>/CT ^VCT+4C3
Je Y- (C, + C2 -JC3 (Je, +4c2 )
(8)
Je, +Jc2 +JC3
По аналогии выражения оптимальных потоков для произвольного количества т линий связи будут выглядеть следующим образом:
( \
т 1 т .—
Т с, Т^с,
fk =-
y-
/=1 ы
±4С/
(9)
^ [У-С?к ], к = 1, т , у< Ок, ./к = 0, у> Ок.
Т^с,
1=1
Подразумевается, что входной поток данных
т
меньше пропускной способности сети: у< ^ С,.
1=1
Полученные соотношения можно распространить на все линии связи (/,у) в (3), подставляя в (9) вместо / и Ск соответственно и Сук. Выражение (9) справедливо для частного случая сети, состоящей из двух линий связи [1]:
f =
VC [Y- (C2 -vcyc)
f2 =-
VC + s[C2
VC [Y- (C1 -VC1"VC2 )
(10)
VC +VC
Для реализации полученных при решении задачи оптимальной маршрутизации соотношений (9) в среде Ма^аЬ разработана программа апа1у-йс.т, позволяющая по топологической структуре информационной сети, матрице входных потоков ||Уу|| и пропускным способностям ||Сук|| найти оптимальные потоки ¡¿Л, I = 1, п, у = 1, п, k = 1, т,
для произвольного количества узлов п и линий связи т.
Пример. Рассмотрим сеть, состоящую из четырех узлов и трех линий связи (рис. 2) (1^2, 1^4, 2^3, 3^4). Известный входной поток у требуется разделить на три путевых потока /, /2 и /з, чтобы минимизировать целевую функцию по критерию среднего времени задержки пакетов Т (см. (3)).
/=1
/=1
Пусть входной поток Y =
0 10 1 3 0 3 0 0 2 0 3 2 0 4 0
пускные способности линий связи (см. рис. 2):
а про-
С =
0 3 0 3
3 0 2 0
0 2 0 2
3 0 2 0
0 1 0 1
1 0 1 0
0 1 0 1
1 0 1 0
C =
0 1 0 2
1 0 1 0
0 1 0 3
2 0 3 0
С =
Результаты расчета оптимальных потоков при разделении на три канала выглядят следующим образом:
0
F =
/ =
0 1 0 0,798
2,072 0 1,586 0
0 1,172 0 0,977
1,329 0 1.318 0
0 0 0 0,202
0,464 0 0.707 0
0 0,414 0 1,747
0.636 0 2.164 0
0 0 0 0
0,464 0 0,707 0
0 0,414 0 0,276 0,035 0 0,518 0 Минимальный критерий средней задержки сообщений в сети T=1,371. Очевидно, что выполняются исходные ограничения 0 < /к < Сцк,
1 = 1, п,} = 1, п, к = 1, т, оптимизационной задачи и
f =
условия сохранения потоков в сети yj = Z fyk,
k=1
i = 1, n, j = 1, n .
Предложенную модель оптимального распределения потоков в ТМС можно использовать для произвольного числа линий связи и узлов. Однако при наличии в топологии моделируемой сети промежуточных узлов необходимо также учитывать условия сохранения потоков для них.
В этом случае для решения задачи понадобятся численные оптимизационные методы. В то же время разделение полученных оптимальных потоков по нескольким линиям связи может быть выполнено по приведенной в работе аналитической оптимизационной модели.
Литература
1. Парфенов В.И., Золотарев С.В. Об одном алгоритме решения задачи оптимальной маршрутизации по критерию средней задержки // Вестн. ВГУ: сер. Физика. Математика. 2007. № 2. С. 28-32.
2. Пантелеев А.В., Летова Т.А. Методы оптимизации в примерах и задачах. М.: Высш. школа, 2005. 544 с.
References
1. Parfenov V.I., Vestnik VGU, seriya: Fizika. Matematika [The bulletin of VSU. Phisics. Math series], 2007, no. 2, pp. 28-32.
2. Panteleev A.V., Metody optimizatsii v primerakh i zadachakh [Optimization methods in examples and exersises], Moscow, Vysshaya shkola, 2005.
УДК 629.78.05
СОЗДАНИЕ USB 2.0 ПЕРИФЕРИЙНОГО УСТРОЙСТВА НА ОСНОВЕ ДВУХПРОЦЕССОРНОЙ СИСТЕМЫ НА КРИСТАЛЛЕ К1867ВЦ3АФ
М.В. Конарев, к.т.н., доцент (Воронежская государственная лесотехническая академия, ул. Тимирязева, 8, г. Воронеж, 394087, Россия, [email protected]); С.Н. Макеев, аспирант (Воронежский государственный технический университет, Московский просп., 14, г. Воронеж, 394026, Россия)
В статье кратко рассмотрена архитектура современной системы на кристалле К1867ВЦ3АФ, содержащей два процессорных ядра, память и набор периферийных устройств. Описана коммуникация между персональным компьютером и системой на кристалле посредством интерфейса USB 2.0. Для коммуникации с персональным компьюте-
