CC BY
27
Известия ТРТУ
Тематический выпуск
Z
О’
, m = 1, М .
т
Агрегация рассматривается как построение нового варианта из числа перспективных, обладающих свойствами по крайней мере двух перспективных вариантов:
Множество Х|, 1 = 1, Ь представлено популяцией л = ( Х|.........Х|, .... Хь ), в
которой любые две особи Х|, Х| € л, объедененные в одну родительскую пару, могут размножаться на основе актов сигнамии и мейоза. Алгоритм агрегации определяется, во-первых, способом подбора пары родителей Х|, Х| е л, несущих, соответственно отцовскую и материнскую гамету ( системой скрещивания ), а во-вторых, схемой размножения. Для реализации указанных схем вычисляются интегральные оценки вариантов ц( Х|) для каждой особи, обладающей генотипом
Предлагается следующая последовательность алгоритмических процедур: подбор особей в родительскую пару, рекомбинация генов, оценка агрегированного варианта, коррекция множества перспективных вариантов. Если степень приспособленности нового варианта ц( Х| + I ) > цт,'( Х| ), то этот вариант включается в множество перспективных вариантов, а вариант с цт|п( Х| ) исключается из этого множества.
После перебора родительских пар и формирования нового множества перспективных вариантов, полученных на основе агрегации, осуществляется его сокращение с использованием перспективных схем. Окончательный выбор варианта производится с применением алгоритмов экспертного оценивания.
УДК 658.512
Н.О. Салапина
Учебно-методический комплекс SPI последовательного и параллельного вывода в логике предикатов первого порядка
На современном этапе развития техники, когда возрастает сложность управляемых объектов и одновременно сокращается время, отводимое человеку на анализ проблемной ситуации и принятие необходимых управляющих воздействий, становится необходимым внедрение систем поддержки принятия решений ( СППР )•
Для описания процесса принятия решений и построение на его основе адекватной проблемной области модели принятия решений обычно используют продукционную систему с присущей ей последовательной схемой поиска решения. Использование параллелизма при поиске существенно сокращает время поиска, позволяет исследовать альтернативные возможности и ориентирует методы поиска на перспективные высокопроизводительные параллельные вычислительные системы.
Учебно-методический комплекс (УМК) SPI ( Sequential and Parallel Inference ) разработан для студентов специальности «Прикладная математика» Московского
Xl = {Z.m},
Xt= {Zun}, Z. =■ , m = l, M, tel, L, t*l. tm 0
E(Xi).
энергетического института ( технического университета ). Данный комплекс позволяет приобрести необходимые практические навыки последовательного и параллельного вывода с использованием графа связности Ковальского [1] в логике предикатов первого порядка при изучении курса «Математическая логика».
УМК состоит из подсистемы ввода и вывода графической информации и подсистемы логического вывода. Встроенный текстовый редактор позволяет создавать и редактировать файлы с исходными данными. Результаты работы комплекса по желанию студента выводятся в файл и на печать. Подсистема логического вывода позволяет решить поставленную задачу двумя способами: применением последовательного или параллельного вывода. Последовательный включает в себя использование dcdp- и and-параллельного вывода. Решение задачи возможно в текстовом и графическом виде.
ЛИТЕРАТУРА
1. R.Kowlaski. A Proof Procedure Using Connection Graphs. • Journal of the Association for Computing Machinery, Vol.22, No.4, October 1975, pp.572-595.
УДК 681.3:621.3.049
С.А. Ховансков
Распараллеливание алгоритмов построения связывающего дерева для решения на многопроцессорной вычислительной системе
Рассмотрен ряд алгоритмов построения связывающих деревьев (дерево Прима, дерево Штейнера, волновой алгоритм и др.) с точки зрения применения для их решения многопроцессорных вычислительных систем ( МВС).
Произведен анализ работы каждого шага выбранных алгоритмов для определения в них независимых процессов. На основе анализа в каждом алгоритме найдены процессы, обладающие максимальным уровнем параллелизма по сравнению с остальными. Даны рекомендации по оптимальной конфигурации МВС.
Получены формулы оценки времени решения алгоритмов на МВС и однопроцессорных вычислительных системах ( ОВС ). Выведены оценки эффективности применения МВС для работы каждого алгоритма по сравнению с работой на ОВС. На основе оценки обоснован выбор алгоритма, который позволяет наиболее эффективно применить МВС для построения деревьев связанности.
