Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Задания к разделу 5.1. Структура модели временной системы (5.1) при имеет вид
Рис.5.7. Структура модели объекта исследования
Операторы сопряжения между элементами смежных уровней структуры модели системы определяются алгоритмами распознавания образов
, если ; (5.20)
, если ; (5.21)
, если . (5.22)
Плотности вероятности переходов между состояниями смежных уровней структуры модели априори неизвестны и заданы выборками значений с нормальным законом распределения.
Используя датчики случайных величин с нормальным законом распределения, сформировать обучающие выборки
,
где – «указания учителя», содержащие информацию о переходе системы из -го состояния -го уровня в одно из состояний -го уровня под воздействием .
Для восстановления операторов сопряжения между состояниями смежных уровней использовать непараметрические алгоритмы распознавания образов, представленные в главе 4.
Таблица 5.9
Основные характеристики законов распределения
Решающие правила | Переходы | Математическое ожидание / среднеквадратическое отклонение | ||
(5.20) | 0/1 | 0/1 | 0/1 | |
2/1 | 2/1 | 2/1 | ||
(5.21) | 3/1 | 3/1 | 3/1 | |
4/1 | 4/1 | 4/1 | ||
6/1 | 6/1 | 6/1 | ||
(5.22) | 7/1 | 7/1 | 7/1 | |
9/1 | 9/1 | 9/1 |
Условия оптимизации:
– нечёткая цель определена на состояниях -го уровня структуры модели системы
– вариант 1;
– вариант 2;
– вариант 3;
– нечёткие ограничения задаются функциями принадлежности
;
, .
Задачи исследования:
1. Разработать программное обеспечение, реализующее метод Заде – Белмана.
2. Исследовать зависимость показателя эффективности принимаемых решений от объёма обучающей выборки и количества дискретных значений управляющих воздействий.
В качестве показателя эффективности использовать
,
где , – значения оптимальных воздействий соответственно при объёме выборки и .
Распределение вариантов задания. Студенты разбиваются на группы в соответствии с вариантами нечёткой цели. Внутри каждой подгруппы задания между студентами распределяются по значениям .
Задания к разделу 5.2. Решить задачу
в условиях, когда функции эффективности заданы выборкой наблюдений . При формировании выборок используется соотношение
,
где , – случайная величина с равномерным законом распределения.
Перед организацией вычислительного эксперимента задать параметры случайным образом из интервала .
Задания:
1. Разработать программные средства решения задачи оптимизации распределения ресурсов при неполной информации.
2. Методом вычислительного эксперимента исследовать зависимость показателей эффективности решения поставленной задачи от уровня помех и объёма обучающих выборок
,
,
где – расхождение между оптимальными решениями полученные при и .
При выполнении задания принять .
Варианты заданий формируются в соответствии с рекомендациями:
, ,
где – порядковый номер фамилии студента в списке группы.
Отметим, что разнообразие вариантов дополнительно может расширяться за счёт случайного выбора параметров функции эффективности распределения ресурсов.
Задания к разделу 5.3. На иерархическую систему обработки информации с однородной структурой поступает поток сигналов с суммарной интенсивностью . Количество уровней структуры в каждом элементе j -го уровня структуры подчинено показательному закону распределения со средним значением ( – интенсивность потока результатов обработки). Характеристики элемента -го уровня: – потери производства, связанные с задержкой обработки сигнала; – затраты в единицу времени на обслуживание технического средства; – степень разряжения входных потоков информации по сравнению с выходными.
Определить оптимальные параметры иерархической системы обработки информации с однородной структурой, при которых минимизируются экономические потери, связанные с задержкой в принятии решений и затратами на эксплуатацию системы.
При делении задания на варианты использовать различные виды плотностей вероятности (рис. 5.8).
Таблица 5.10
Характеристики элементов системы
Номер уровня структуры | Параметры элементов | |||
0.5 | ||||
- |
Рис. 5.8. Пример видов плотности вероятности
В данных условиях необходимо:
1. Разработать программное обеспечение имитационной модели оптимизации структуры многоуровневой системы принятия решений.
2. Определить подмножество наиболее вероятных оптимальных параметров структуры многоуровневой системы обработки информации при .
3. На основе вычислительного эксперимента исследовать зависимости характеристик подмножества от количества имитаций . В качестве характеристик использовать среднее значение и количество вариантов структуры изучаемой системы.
4. Исследовать зависимость характеристик от производительности вычислительных средств в узлах многоуровневой системы обработки информации .
Задания к разделу 5.4. Определить структуру вычислительной сети в виде связного графа . Количество вершин графа , а рёбер (). В каждый центр обработки информации поступает поток задач с интенсивностью , значение которых выбираются случайным образом из интервала [100, 300] с равномерным законом распределения. Интенсивность потока решений . Дисциплина обслуживания потока задач в центрах обработки информации - с отказами.
Задачи исследования:
1. Разработать программные средства, обеспечивающие оптимизацию распределения баз данных в вычислительной сети со структурой . Множество центров обработки информации, где располагаются базы данных содержит элементов.
2. Исследовать зависимость суммы весов при рёбрах фрагментов кратчайших остовных графов, построенных относительно элементов множества , от производительности технических средств обработки информации в вычислительной сети. Параметр .
Формирование вариантов заданий осуществляются путём вариации количества центров обработки информации и каналов связи между ними при .
Задания к разделу 5.5. Оптимизация процесса формирования программного обеспечения системы принятия решений с линейной структурой.
Система принятия решений имеет линейную структуру (рис. 5.5). Варианты её построения и средние значения их показателей представлены в таблице 5.5. В столбце элементы необходимо поделить на 10.
Показатели вариантов являются случайными величинами с плотностями вероятностей
.
Показатель надёжности является оценкой с плотностью
.
В постановке задачи (5.18), (5.19) при =4, =3 принять , , .
Задачи исследования:
1. На основе метода МПА разработать программные средства, реализующие имитационную модель оптимизации программного обеспечения системы принятия решений с линейной структурой.
При этом использовать датчики случайных величин с заданным законом распределения, представленные в разделе 2. Параметры , интервала изменения случайных величин , принять равными
.
2. При конкретных значениях исследовать зависимость среднего значения надёжности программного обеспечения от количества имитаций . Определить необходимое значение из условия устойчивости среднего значения надёжности в вычислительном эксперименте. Сравнить его со значением , рассчитанным в соответствии с неравенством Чебышева.
3. При конкретных значениях исследовать зависимость количества наиболее вероятных вариантов построения программного обеспечения, попадающих в доверительный интервал для среднего значения надёжности от числа имитаций .
Распределение вариантов среди студентов производится в соответствии с законами распределения показателей , , характеризующих варианты построения подсистем .
Дальнейшая дифференциация заданий осуществляется в зависимости от принятого количества случайных элементов в таблице характеристик вариантов построения подсистем . Будем считать, что процентное содержание элементов таблицы с интервальными значениями показателей принимает значения .
Дата публикования: 2015-01-23; Прочитано: 178 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!