Помощь в написании студенческих работ
Антистрессовый сервис

Бикритериальная модель и алгоритмы оптимизации сети передачи данных

Диссертация: Бикритериальная модель и алгоритмы оптимизации сети передачи данных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В третьей главе (Синтез субоптимального множества решений задачи оптимизации сети передачи данных) вводятся понятия представительной выборки (§ 3.1) и субоптимальной совокупности (§ 3.2), предлагаются два способа оценки отклонения субоптимального множества решений от совокупности Парето (§ 3.3). Для решения рассматриваемой в диссертационной работе задачи применяются эвристические процедуры поиска… Читать ещё >

Бикритериальная модель и алгоритмы оптимизации сети передачи данных (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. МЕТОДЫ РЕШЕНИЯ МНОГОКРИТЕРИАЛЬНЫХ ЗАДАЧ ОПТИМИЗАЦИИ СЕТИ ПЕРЕДАЧИ ДАННЫХ
    • 1. 1. Задачи транспортного типа
    • 1. 2. Подходы к решению многокритериальных задач
    • 1. 3. Применение метода ветвей и границ для решения задач оптимизации
    • 1. 4. Применение генетических алгоритмов для решения задач оптимизации
    • 1. 5. Применение алгоритма имитации отжига для решения задач оптимизации
    • 1. 6. Модели и методы оптимизации сетей передачи данных
  • Выводы по главе
  • ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ, ЗАДАЧА И АЛГОРИТМЫ ОПТИМИЗАЦИИ СЕТИ ПЕРЕДАЧИ ДАННЫХ
    • 2. 1. Структура сети Интернет
    • 2. 2. Математическая модель сети передачи данных
    • 2. 3. Задача оптимизации сети передачи данных
      • 2. 3. 1. Постановка задачи
      • 2. 3. 2. Пример решения задачи
    • 2. 4. Нахождение множества Парето-оптимальных решений задачи оптимизации сети передачи данных методом полного перебора
      • 2. 4. 1. Описание метода
      • 2. 4. 2. Результаты вычислительных экспериментов
    • 2. 5. Нахождение множества Парето задачи оптимизации сети передачи данных методом ветвей и границ
      • 2. 5. 1. Описание метода
      • 2. 5. 2. Пример решения задачи методом ветвей и границ
      • 2. 5. 3. Результаты вычислительных экспериментов
  • Выводы по главе
  • ГЛАВА 3. СИНТЕЗ СУБОПТИМАЛЬНОГО МНОЖЕСТВА РЕШЕНИЙ ЗАДАЧИ ОПТИМИЗАЦИИ СЕТИ ПЕРЕДАЧИ ДАННЫХ
    • 3. 1. Представительная выборка
    • 3. 2. Отыскание субоптимального множества решений
    • 3. 3. Методика оценки отклонения субоптимального множества решений от совокупности Парето
      • 3. 3. 1. Метод подсчета решений
      • 3. 3. 2. Метод усреднения отклонения от точного решения
    • 3. 4. Нахождение субоптимального множества решений задачи оптимизации сети передачи данных с помощью генетического алгоритма
      • 3. 4. 1. Описание метода
      • 3. 4. 2. Дополнительные эвристики
      • 3. 4. 3. Пример решения задачи с помощью генетического алгоритма
      • 3. 4. 4. Пример нахождения представительной выборки субоптимального множества решений с помощью генетического алгоритма
      • 3. 4. 5. Результаты вычислительных экспериментов
    • 3. 5. Нахождение субоптимального множества решений задачи оптимизации сети передачи данных с помощью алгоритм имитации отжига
      • 3. 5. 1. Описание метода
      • 3. 5. 2. Дополнительные эвристики
      • 3. 5. 3. Результаты вычислительных экспериментов
    • 3. 6. Использование комбинированных методов
    • 3. 7. Сводные графики результатов вычислительных экспериментов
  • Выводы по главе
  • ГЛАВА 4. ПРОГРАММНЫЙ КОМПЛЕКС РЕШЕНИЯ ЗАДАЧИ ПРОЕКТИРОВАНИЯ И ОПТИМИЗАЦИИ СЕТИ ПЕРЕДАЧИ ДАННЫХ И РЕКОМЕНДАЦИИ ПО ПРИМЕНЕНИЮ АЛГОРИТМОВ
    • 4. 1. Назначение и возможности программного комплекса
    • 4. 2. Описание архитектуры программного комплекса
    • 4. 3. Описание графического пользовательского интерфейса
      • 4. 3. 1. Основное окно работы программы
      • 4. 3. 2. Главное меню программы
      • 4. 3. 3. Окно параметров алгоритма
    • 4. 4. Типовой сценарий работы с программным комплексом
    • 4. 5. Рекомендации по применению алгоритмов
      • 4. 5. 1. Использование метода полного перебора
      • 4. 5. 2. Использование метода ветвей и границ и комбинированного метода
      • 4. 5. 3. Использование генетического алгоритма
      • 4. 5. 4. Использование алгоритма имитации отжига
  • Выводы по главе

Актуальность работы. С развитием сети Интернет, сетей связи и коммуникации люди стали обмениваться все большими объемами информации. Немаловажную роль играет высокая доступность телекоммуникационных услуг. Так, к концу 1995 года в мире насчитывалось всего 26 миллионов пользователей сети Интернет, тогда как к сентябрю 1999 их количество перевалило за 201 миллион, а в 2012 интернет-аудитория составляет более полутора миллиардов человек (около четверти населения земного шара) [124].

По прогнозам компании Cisco объем передаваемых данных в сети Интернет к 2015 году по сравнению с 2011 возрастет в 4 раза, достигнув отметки в тысячу экзабайт в год [123, 124]. Такое значительное увеличение количества передаваемой информации будет оказывать существенную нагрузку на имеющиеся сети передачи данных (СПД). Таким образом, оптимизация существующих и создание новых СПД, способных удовлетворить все растущие требования конечных пользователей, являются крайне важными и актуальными задачами.

Обязанность проектировщика СПД состоит в определении плана проведения дополнительных каналов передачи данных в существующей сети для улучшения ее технических характеристик. В связи с ростом трафика и конкуренции среди телекоммуникационных компаний в их регламенте работы стали закладываться процедуры экономии бюджета. На практике это приводит к требованию синтеза множества проектных решений, из которого выбирается оптимальный вариант по совокупности критериев: эффективность — затраты. Налицо задача бикритериальной оптимизации.

Проектированию и оптимизации СПД посвящены работы В. М. Гостева, Д. Дэвиса, Ю. П. Зайченко, JI. Клейнрока, С. Е. Ландсберга, A.A. Морозова, М. Х. Прилуцкого, И. А. Соколова, A.A. Стецко, Г. Ф. Янбыха, М. Gerla и М. Averiii. Фундаментальные исследования по компьютерным сетям представлены в работах Д. Бертсекаса, Р. Бесслера, В. И. Вишневского, A.B. Максименкова, В. Г. Олифер и H.A. Олифер, М. Шварца, A.B. Шмалько,.

M.G.C. Resende и P.M. Pardalos. Различным методам решения многокритериальных задач оптимизации посвящены работы М. А. Айзермана, Д. И. Батищева, Ю. А. Дубова, Д. И. Когана, В. Д. Ногина, В. В. Подиновского, Ю. С. Федосенко, Д. Е. Шапошникова, Р. Штойера и других.

В классических постановках задач оптимизации сети передачи данных эффективность проектного решения оценивается по значению скалярного критерия, который зависит от количества переданной информации или величины задержки пакета. В связи с изменением технических характеристик сетей (использовании широкополосных каналов связи), способов предоставления телекоммуникационных услуг (переход от повременных и помегабайтных тарифов к ежемесячной абонентской плате) появилась необходимость развития моделей и методов оптимизации СПД. Этот переход связан с необходимостью корректного математического описания реальных объектов с одной стороны и требований экономического характера с другой.

В свете вышеизложенного данная работа посвящена проблеме развития теории описания и формулировке задачи оптимизации сети передачи данных, которые учитывают специфику современных сетей, разработке алгоритмов, решающих рассматриваемую задачу в бикритериальной постановке и предоставляющих проектировщику возможность выбора плана проведения дополнительных каналов из множества вариантов.

Объектом исследования является сеть передачи данных и методы ее оптимизации.

Предметом исследования являются математическая модель и алгоритмы оптимизации сети передачи данных.

Методы исследования. В работе используются системный подход и методы многокритериальной оптимизации, теория графов, методы оценки вычислительной сложности задач и алгоритмов, концепции оптимальности по Парето, ветвей и границ, эволюционно-генетического подхода и имитации отжига. Для разработки программного комплекса поддержки процесса проектирования СПД применяются парадигмы объектно-ориентированного программирования.

Цель диссертационной работы состоит в разработке алгоритмического аппарата, а также программного обеспечения поддержки процесса проектирования и оптимизации сети передачи данных.

Для достижения поставленной цели решались следующие задачи.

1. Построение модели сети передачи данных, которая учитывает особенности современных сетей.

2. Постановка бикритериальной задачи оптимизации сети передачи данных и анализ ее вычислительной сложности.

3. Адаптация различных методов бикритериальной оптимизации для решения задачи пункта 2 и оценка их трудоемкости.

4. Программная реализация предложенных методов.

Научная новизна работы состоит в следующем.

1. Построена модель сети передачи данных в виде взвешенного ориентированного ациклического графа, позволяющая определить производительность сети и оценить экономическую эффективность. Отличием от известных ранее является использование максимальной пропускной способности и учет зависимостей технических и финансовых параметров.

2. В рамках построенной модели сформулирована бикритериальная задача оптимизации сети передачи данных, решаемая адаптированным методом ветвей и границ с использованием концепции Парето. Отличительной особенностью предложенного алгоритма является возможность анализировать результаты по значению пары критериев (производительность — стоимость), что позволяет осуществлять выбор плана проведения дополнительных каналов из множества вариантов.

3. Адаптированы эволюционно-генетический подход и метод имитации отжига для нахождения субоптимального множества решений рассматриваемой задачи, позволяющие снизить вычислительные затраты и решать в интерактивном режиме задачи большей по сравнению с точными методами размерности.

Основные положения, выносимые на защиту.

1. Математическая модель сети передачи данных в виде взвешенного ориентированного ациклического графа.

2. Алгоритм нахождения совокупности Парето бикритериальной задачи оптимизации сети передачи данных, основанный на методе ветвей и границ.

3. Алгоритмы нахождения представительной выборки субоптимального множества решений задачи оптимизации сети передачи данных, основанные на эволюционно-генетическом подходе и методе имитации отжига.

Практическая значимость заключается в том, что разработанная математическая модель, решающие алгоритмы и программный комплекс применимы в компьютерных системах, предназначенных для определения оптимальной структуры сети передачи данных на этапе ее эскизного проектирования, а также при модернизации существующих СПД.

Обоснованность и достоверность научных положений, выводов и рекомендаций обеспечивается корректным применением математического аппарата, результатами вычислительных экспериментов и апробацией работы на научных конференциях.

Внедрение. Результаты работы использованы в практической деятельности ООО «Теком» при разработке системы анализа и мониторинга качества услуг широкополосного доступа IRWIn QoS (приложение А), а также внедрены в учебный процесс НГТУ при организации лекционного курса «Моделирование» для студентов и аспирантов кафедр «Вычислительных систем и технологий» и «Компьютерные технологии в проектировании и производстве» (приложение Б).

Апробация работы. Основные результаты диссертации докладывались на конференциях различного уровня.

1. Вторая международная конференция «Second International Conference on Network Analysis», Nizhny Novgorod, 2012.

2. Международные молодежные научно-технические конференции «Информационные системы и технологии», Нижний Новгород, 2010, 2011 (выступление отмечено дипломом), 2012 (выступление отмечено дипломом).

3. Международная молодежная научно-техническая конференция «Будущее технической науки БТН — 2011», Нижний Новгород, 2011.

4. Нижегородская сессия молодых ученых, Нижний Новгород, 2012 (выступление отмечено дипломом).

5. Десятая научная конференция с участием зарубежных ученых «Дифференциальные уравнения и их приложения в математическом моделировании», Саранск, 2012.

Публикации. Материалы диссертации опубликованы в 14 печатных работах, из них четыре статьи в рецензируемых научных журналах списка ВАК [34, 35,41,42].

Личный вклад автора. Содержание диссертации и основные положения, выносимые на защиту, отражают персональный вклад диссертанта в опубликованные работы. Математическая модель сети передачи данных, алгоритмы, основанные на эволюционно-генетическом подходе и методе ветвей и границ, разработаны совместно с соавторами. Решающая процедура, основанная на методе имитации отжига, все дополнительные эвристики и способы оценки субоптимальной совокупности решений предложены соискателем. Программный комплекс решения задачи проектирования и оптимизации сети передачи данных (свидетельство о государственной регистрации программы для ЭВМ в приложении В) и все алгоритмы, представленные в работе, реализованы лично диссертантом. Подготовка публикаций проводилась совместно с соавторами, причем соискателем были лично написаны [39, 40, 41, 43, 44]. Все представленные результаты вычислительных экспериментов получены диссертантом.

В первой главе (Методы решения многокритериальных задач оптимизации сети передачи данных) даются общие сведения о задачах транспортного типа (§ 1.1), проводится обзор подходов (§ 1.2) и некоторых алгоритмов (§ 1.3, § 1.4 и § 1.5) решения многокритериальных задач, моделей и методов оптимизации сетей передачи данных (§ 1.6).

Во второй главе (Математическая модель, задача и алгоритмы оптимизации сети передачи данных [31, 32, 34, 36, 37, 39, 42, 44]) рассматривается структура телекоммуникационной сети (§ 2.1), предлагается математическая модель сети передачи данных (§ 2.2), формулируется задача оптимизации СПД (§ 2.3). Для поиска совокупности Парето-оптимальных решений рассматриваемой задачи адаптируется метод ветвей и границ (§ 2.5). Анализируется его вычислительная сложность. Приводится пример решения задачи оптимизации сети передачи данных предложенным методом и результаты вычислительных экспериментов.

В третьей главе (Синтез субоптимального множества решений задачи оптимизации сети передачи данных [31, 32, 33, 35, 40, 41]) вводятся понятия представительной выборки (§ 3.1) и субоптимальной совокупности (§ 3.2), предлагаются два способа оценки отклонения субоптимального множества решений от совокупности Парето (§ 3.3). Для решения рассматриваемой в диссертационной работе задачи применяются эвристические процедуры поиска субоптимального множества решений на основе генетического алгоритма (§ 3.4) и метода имитации отжига (§ 3.5). Приводятся оценки вычислительной сложности предложенных алгоритмов. В § 3.6 предлагается комбинированный метод решения рассматриваемой задачи. В § 3.7 представлены сводные графики результатов вычислительных экспериментов.

В четвертой главе (Программный комплекс решения задачи проектирования и оптимизации сети передачи данных и рекомендации по применению алгоритмов [38, 125]) в § 4.1 описывается назначение и возможности программного комплекса. В § 4.2 рассматривается архитектура разработанного программного обеспечения, представлена высокоуровневая схема взаимодействия между его компонентами. В § 4.3 описывается графический пользовательский интерфейс. В параграфе представлено описание основного окна работы программы, элементов меню, а также окна параметров алгоритма. В § 4.4 дается типовой сценарий работы с программным комплексом. В § 4.5 представлены рекомендации по использованию предложенных алгоритмов.

В заключении изложены основные научные и практические результаты диссертационной работы.

Приложение содержит документы о внедрении и использовании результатов диссертационной работы, свидетельство о государственной регистрации программы для ЭВМ, доказательства теорем о ИР-трудности и максимальной мощности множества Парето-оптимальных решений рассматриваемой задачи, описание архитектуры интерактивного программного комплекса (ИПК), иМЬ-диаграммы основных классов ИПК, пример конфигурационного файла р^тз.хт!, описывающего решающие алгоритмы.

Выводы по главе.

1. Сформулированы функциональные требования, предъявляемые к программному обеспечению определения оптимальной структуры сети передачи данных на этапе ее эскизного проектирования.

2. Приведено полное описание функциональных возможностей программного обеспечения и графического пользовательского интерфейса, а также типовой сценарий работы.

3. Описана архитектура разработанного программного комплекса, приведена схема взаимодействия между компонентами ИПК.

4. Даны указания по использованию различных алгоритмов в зависимости от размерности решаемой задачи.

ЗАКЛЮЧЕНИЕ

.

Главным результатом работы является построение модели сети передачи данных и разработка алгоритмов, решающих задачу оптимизации сети в бикритериальной постановке и предоставляющих возможность выбора из множества проектных решений.

1. Построена математическая модель сети передачи данных в виде взвешенного ориентированного ациклического графа, учитывающая специфику современных сетей.

2. В рамках построенной модели сформулирована бикритериальная задача оптимизации сети передачи данных.

3. Адаптирован метод ветвей и границ для решения задачи оптимизации сети передачи данныхполучена оценка его вычислительной сложности.

4. Адаптированы генетический алгоритм и метод имитации отжига для нахождения субоптимальной совокупности решений задачи оптимизации сети передачи данных, обладающие лучшей по сравнению с точными методами временной эффективностью и позволяющие найти ее представительную выборкуполучены оценки их вычислительной сложности.

5. Разработано программное обеспечение, реализующее предложенные алгоритмы. Получено авторское свидетельство об официальной регистрации программы для ЭВМ № 2 012 616 035.

Показать весь текст

Список литературы

  1. А. Выбор вариантов: основы теории Текст. / М. А. Айзерман, Ф. Т. Алескеров 1. — М.: Наука, 1990. — 240 с.
  2. , О.Г. Комплексное применение методов дискретной оптимизации Текст. / О. Г. Алексеев. М.: Наука. Гл. ред. физ-мат. лит., 1987.-248 с.
  3. , Д.И. Генетические алгоритмы решения экстремальных задач Текст. / Д. И. Батищев. Воронеж, 1995. 62 с.
  4. , Д.И. Методы оптимального проектирования Текст. / Д. И. Батищев. М.: Радио и связь, 1984. — 248 с.
  5. , Б.А. Задача наилучшего выбора Текст. / Б. А. Березовский,
  6. A.B. Гнедин // М.: Наука, 1984.- 196 с.
  7. , Б.А. Многокритериальная оптимизация. Математические аспекты Текст. / Б. А. Березовский, Ю. М. Барышников, В. И. Борзенко, Л. М. Кемпнер // М.: Наука, 1989. — 128 с.
  8. , Д. Сети передачи данных Текст. / Д. Бертсекас, Р. Галлагер // -М.: Мир, 1989.-544 с.
  9. , Р. Проектирование сетей связи Текст. / Р. Бесслер, А. Дойч // -М.: Радио и связь, 1988. 272 с.
  10. , В.И. Теоретические основы проектирования компьютерных сетей Текст. / В. И. Вишневский. М.: Техносфера, 2003. 512с.
  11. , В.Б. Введение в теорию исследования операций Текст. /
  12. B.Б. Гермейер. М.: Наука, 1971. — 383 с.
  13. , Е.Г. Новые направления в линейном программировании Текст. / Е. Г. Гольштейн, Д. Е. Юдин. М.: «Сов. радио», 1966. 527 с.
  14. , В.М. Система оптимизации проектирования сетей передачи данных Текст. / В. М. Гостев. Ученые записки Казанского университета. Серия: Физико-математические науки, 2007. № 2. С. 35−48.
  15. , М. Вычислительные машины и труднорешаемые задачи Текст./ М. Гэри, Д. Джонсон. М.: Мир, 1982. — 416 с.
  16. , М.Т. Программирование искусственного интеллекта в приложениях Текст. / М. Т. Джонс // М.: ДМК Пресс, 2006. — 312 с.
  17. , Ю.А. Многокритериальные модели формирования и выбора вариантов систем / Ю. А. Дубов, С. И. Травкин, В. Н. Якимец // М.: Наука, 1986.-296 с.
  18. , Д. Вычислительные сети и сетевые протоколы / Д. Дэвис, Д. Барбер, У. Прайс, С. Соломонидес // М.: Мир, 1982. — 564 с.
  19. , В.А. Сети массового обслуживания. Теория и применение к сетям ЭВМ / В. А. Жожикашвили, В. М. Вишневский // М.: Радио и связь, 1988. — 192 с.
  20. , Ю.П. Структурная оптимизация сетей ЭВМ / Ю. П. Зайченко, Ю. В. Гонта // Киев: Техшка, 1986. — 168 с.
  21. , JI.B. О перемещении масс Текст. / JT.B. Канторович // Доклады Академии Наук СССР. 1942. — Т. 37. — С. 199−201.
  22. , JI.B. Применение математических методов в вопросах анализа грузоперевозок Текст. / JI.B. Канторович, М. К. Гавурин // Проблемы повышения эффективности работы транспорта, Академия Наук СССР. 1949.-С. 110−138.
  23. , P.JI. Принятие решений при многих критериях: предпочтения и замещения / P. J1. Кини, X. Райфа // М.: Радио и связь, 1981. — 560 с.
  24. , Л. Вычислительные системы с очередями / Л. Клейнрок. М.: Мир, 1979.-600 с.
  25. , Д.И. Динамическое программирование и дискретная многокритериальная оптимизация Текст.: учеб. пособие / Д. И. Коган. -Н. Новгород: Изд-во ННГУ им. Н. И. Лобачевского, 2005. 260 с.
  26. , A.A. Дискретное программирование Текст. / A.A. Корбут, Ю.Ю. Финкелыитейн- под. ред. Д. Б. Юдина. М.: Наука, 1969. — 368 с.
  27. , Т. Алгоритмы: построение и анализ Текст. / Т. Кормен, Ч. Лейзерсон, Р. Ривест, К. Штайн // 2-е изд. М.: «Вильяме», 2006. 1296 с.
  28. , П.С. Математические модели в исследовании операций Текст. / П. С. Краснощекое. М.: Наука, 1984. 64 с.
  29. , Е.А. Бикритериальная модель сети передачи данных Текст. / Е. А. Лазарев, Д. Е. Шапошников, П. В. Мисевич // Системы управления и информационные технологии, № 3.2(45), 2011. С. 255−258.
  30. , Е.А. Генетические алгоритмы оптимизации сети передачи данных Текст. / Е. А. Лазарев, Д. Е. Шапошников, П. В. Мисевич // Системы управления и информационные технологии, № 4(46), 2011. С. 59−63.
  31. , Е.А. Бикритериальная модель сети передачи данных Текст. / Е. А. Лазарев, Д. Е. Шапошников // Информационные системы и технологии ИСТ-2012. Материалы XVIII международной научно-технической конференции. Н. Новгород: НГТУ, 2012. — С. 313−314.
  32. , Е.А. Методы оценки эффективности алгоритмов решения многокритериальных задач Текст. / Е. А. Лазарев // Журнал Средневолжского математического общества. 2012. — Т. 14. — № 2. -С. 81−86.
  33. , Е.А. Алгоритм имитации отжига решения задачи оптимизации сети передачи данных Текст. / Е. А. Лазарев // Системы управления и информационные технологии, № 3(49), 2012. С. 50−53.
  34. , О.И. Объективные модели и субъективные решения Текст. / О. И. Ларичев. М.: Наука, 1987. — 144 с.
  35. , О.И. Теория и методы принятия решений Текст. / О. И. Ларичев. М.: Логос, 2006. — 296 с.
  36. , К. Применение UML 2.0 и шаблонов проектирования Текст. / К. Ларман. М.: Вильяме, 2006. — 736 с.
  37. , И.М. Теория выбора и принятия решений Текст. / И. М. Макаров, Т. М. Виноградская II М.: Наука, 1982. — 328 с.
  38. , A.B. Основы проектирования информационно-вычислительных систем и сетей ЭВМ Текст. / A.B. Максименков, М. Л. Селезнев // М.: Радио и связь, 1991. — 320 с.
  39. , A.A. Вычислительные эксперименты по оценке пропускных способностей и временных характеристик сетей передачи данных Текст. /
  40. A.A. Морозов, В. М. Гостев, Р. Ф. Хабиббулин // Исследования по информатике. Казань: Отечество, 2001. — Вып. 3. — С. 149−164.
  41. , В.Д. Основы теории оптимизации Текст. / В. Д. Ногин, И. О. Протодьяконов, И. И. Евлампиев. М.: Высшая школа, 1986. — 384 с.
  42. , В.Д. Принятие решений в многокритериальной среде: количественный подход Текст. / В. Д. Ногин. 2-е изд., испр. и доп. -М.: Физматлит, 2004. — 176 с.
  43. , В.Д. Принятие решений при многих критериях Текст. /
  44. B.Д. Ногин. СПб: Изд-во Ютас, 2007. — 104 с.
  45. , В.Г. Компьютерные сети. Принципы, технологии, протоколы Текст. / В. Г. Олифер, H.A. Олифер. СПб.: Питер, 2006. — 864 с.
  46. , В.В. Парето-оптимальные решения многокритериальных задач Текст. / В. В. Подиновский, В. Д. Ногин. 2-е изд., испр. и доп. — М.: Физматлит, 2007. — 256 с.
  47. , М.Х. Многоиндексные задачи распределения ресурсов в иерархических системах Текст. / М. Х. Прилуцкий, Л. Г. Афраймович // Автоматика и телемеханика, 2006, № 6. С. 194−205.
  48. , М.Х. Многокритериальные многоиндексные задачи объёмно-календарного планирования Текст. / М. Х. Прилуцкий // Известия академии наук. Теория и системы управления, 2007, № 1. С. 78−82.
  49. , М.Х. Оптимизационные задачи планирования транспортировки газа Текст. / Прилуцкий М. Х., Костюков В. Е. // Информационные технологии и вычислительные системы. 2007, № 2. С. 67−73.
  50. , М.Х. Оптимизационные задачи объёмно-календарного планирования для нефтеперерабатывающих предприятий Текст. / Прилуцкий М. Х., Костюков В. Е. // Системы управления и информационные технологии, № 2.1(28), 2007. С. 188−192.
  51. , T.JI. Принятие решений при зависимостях и обратных связях: Аналитические сети Текст. / T.JI. Саати. М.: Издательство ЛКИ, 2008. -360 с.
  52. , И.Х. Введение в прикладное дискретное программирование. Модели и вычислительные алгоритмы Текст. / И. Х. Сигал, А. П. Иванова. М.: Физматлит, 2007. — 304 с.
  53. , И.А. Проблемы построения информационно-телекоммуникационных систем интегрированного типа Текст. / И. А. Соколов, A.B. Полянский, Э. В. Киселёв, И. Н. Синицин, А. И. Темнов // Системы и средства информатики. Вып. 11. — М.: Наука, 2001. С. 5−23.
  54. , E.H. Топология городских распределенных интеллектуальных электрических сетей 20 кВ // E.H. Соснина, А. Б. Лоскутов, A.A. Лоскутов // Промышленная энергетика, 2012, № 5. С. 11−17.
  55. , A.A. Автоматизированное проектирование вычислительных сетей крупных проектных организаций Текст. / A.A. Стецко. -Ульяновск: УлГТУ, 2007. 195 с.
  56. , Б. Язык программирования С++. Специальное издание Текст. / Б. Страуструп- пер. с англ. М.: ООО «Бином-Пресс», 2005. -1104 с.
  57. , А.Н. Методы нахождения наименьшего суммового километража при планировании перевозок в пространстве Текст. / А. Н. Толстой // Планирование перевозок. Сборник первый. 1930. — С. 23−55.
  58. , П. Теория полезности для принятия решений Текст. / П. Фишберн. М.: Наука, 1978. — 352 с.
  59. , В.Р. Аппроксимационно-комбинаторный метод и некоторые его приложения Текст. / В. Р. Хачатуров. ЖВМиМФ. — 1974. — Т. 14. -№ 6.-С. 1464−1487.
  60. , В.Р. Комбинаторные методы и алгоритмы решения задач дискретной оптимизации большой размерности Текст. / В. Р. Хачатуров, В. Е. Веселовский, A.B. Злотов, С. У. Калдыбаев. М.: Наука, 2000. — 354 с.
  61. Ху, Т. Целочисленное программирование и потоки в сетях Текст. / Т. Ху. -М.: Мир, 1974.-520 с.
  62. , М. Сети ЭВМ. Анализ и проектирование Текст. / М. Шварц. -М.: Радио и связь, 1981. 336 с.
  63. , А.В. Цифровые сети связи: основы планирования и проектирования Текст. / А. В. Шмалько. М.: Эко-Трендз, 2001. — 282 с.
  64. , Р. Многокритериальная оптимизация: теория, расчет и приложения Текст. / Р. Штойер- пер. с англ. М.: Радио и связь, 1992. -504 с.
  65. , Б. Философия Java. Библиотека программиста Текст. / Б. Эккель. СПб.: Питер, 2009. — 640 с.
  66. , Г. Ф. Оптимизация информационно-вычислительных сетей Текст. / Г. Ф. Янбых, Б. А. Столяров. М.: Радио и связь, 1987. — 232 с.
  67. Beasley, D. An overview of genetic algorithms: Part 1, Fundamentals Text. / D. Beasley, D. Bull, R. Martin // University Computing. 1993. — Vo. 2. — P. 58−69.
  68. Dantzig, G.B. Application of the Simplex Method to a Transportation Problem Text. / G.B. Dantzig // Proceedings of the Activity Analysis of Production and Allocation Conference. 1951. — P. 359−373.
  69. Davis, L. Handbook of Genetic Algorithms Text. / L. Davis. New York: Van Nostrand Reinhold, 1991. — 385 p.
  70. Deb, K. A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II Text. / K. Deb, K. Agrawal, A. Pratap, T. Meyarivan // Proceedings of parallel problem solving from nature. 2000. -Vo. VI. — P. 849−858.
  71. Dorigo, M. Ant Colony Optimization Text. / M. Dorigo, T. Stutzle. MIT Press, 2004.-319 p.
  72. Edmonds, J. Theoretical improvements in algorithmic efficiency for network flow problems / J. Edmonds, R.M. Karp // Journal of the ACM. 1972. — Vo. 19(2): — P. 248−264.
  73. Figueira, J. Multiple criteria decision analysis: state of the art surveys Text. / J. Figueira, S. Greco, M. Ehrgott. Springer, 2005. — 1085 p.
  74. Fonseca, C. An overview of evolutionary algorithms in multiobjective optimization Text. / C. Fonseca, P. Fleming // Evolution Computing. 1995. -Vo. 3.-P. 1−16.
  75. Ford, L.R. Flows in networks Text. / L.R. Ford Jr., D.R. Fulkerson. -Princeton.: Princeton University Press, 1962. 194 p.
  76. Ford, L.R. Maximal flow through a network Text. / L.R. Ford Jr., D.R. Fulkerson. Canadian journal of mathematics, 1956. — Vo. 8(3). — 399 404 p.
  77. Ford, L.R. Suggested computation for maximal multi-commodity network flows Text. / L.R. Ford Jr., D.R. Fulkerson. Man. Sei., 1958. — Vo. 5(1). -97−101 p.
  78. Geoffrion, A.M. An interactive approach for multi-criterion optimization, with an application to the operation of an academic department Text. / A.M. Geoffrion, J.S. Dyer, A. Fienberg // Management Science. 1972. — Vo. 19.-No. 4.
  79. Gerla, M. On the topological design of distributed computer networks Text. / M. Gerla, L. Kleinrock // IEEE Transactions on communications. 1977. — Vo. 25. — No. 1. — P. 48−60.
  80. Goldberg, A.V. A new approach to the maximum flow problem Text. / A.V. Goldberg, R.E. Tarjan // Journal of the ACM, 35. 1988. — P. 921−940.
  81. Goldberg, D. Genetic Algorithms in Search, optimization, and machine learning Text. / D. Goldberg. Boston: Addison-Wesley, 1989. — P. 372.
  82. Granville, V. Simulated annealing: A proof of convergence Text. / V. Granville, M. Krivnek, and J-P. Rasson // IEEE Transactions on Pattern Analysis and Machine Intelligence, 16(6). 1994. — P. 652−656.
  83. Haiming, L. State-of-the-art multiobjective evolutionary algorithms pareto panking, density estimation and dynamic population Text., PhD thesis, 2002. -207 p.
  84. Hitchcock, F.L. The distribution of a product from several sources to numerous localities Text. / F.L. Hitchcock // Journal of Mathematics and Physics 20. 1941. — P. 224−230.
  85. Holland, J.H. Adaptation in Natural and Artificial Systems Text. / J.H. Holland. Ann Arbor: University of Michigan Press, 1975. — P. 211.
  86. Horn, J. A niched pareto genetic algorithm for multiobjective optimization Text. / J. Horn, N. Nafpliotis, D. Goldberg // Proceedings of the 1st IEEE Congress of Evolutionary Computation. 1994. — P. 82−87.
  87. Kirkpatrick, S. Optimization by Simulated Annealing Text. / S. Kirkpatrick, C.D. Gelatt, M.P. Vecchi // Science. 1983. — Vo. 220. — № 4598. — P. 671 680.
  88. Koopmans, Tj.C. Optimum utilization of the transportation system Text. / Tj.C. Koopmans // Proceedings of the International Statistical Conferences. -1948.-Vo. 5.-P. 136−146.
  89. Koopmans, Tj.C. A model of transportation Text. / Tj.C. Koopmans, S. Reiter // Proceedings of the Activity Analysis of Production and Allocation Conference. 1951. — P. 222−259.
  90. Laarhoven, P. Simulated Annealing: Theory and Applications Text. / P. Laarhoven, E. Aarts. Dordrecht, 1987. — P. 198.
  91. Land, A.H. An automatic method of solving discrete programming problems Text. / A.H. Land, A.G. Doig // Econometrica. 1960. — Vo. 28, № 3.- P. 497 520.
  92. Law Averiii, M. Simulation software or communications networks: The state of the art Text. / M. Law Averiii, G. Mc. Comas Michael // IEEE Communications Magazine. 1994. № 3. — P. 44−50.
  93. McDonnell J. Evolutionary Programming IV Text. / J. McDonnell, R. Reynolds, D. Fogel // Proceedings of the Fourth Annual Conference on Evolutionary Programming, 1995. P. 805.
  94. Michalewicz, Z. Genetic Algorithms + Data Structures = Evolution Program Text. / Z. Michalewicz. New York: Springer-Verlag, 1993. — P. 387.
  95. Miettinen, K. Nonlinear multiobjective optimization Text. / K. Miettinen. -Norwell: Kluwer Academic Publishers, 1999. P. 298.
  96. Monge, G. Memoire sur la theorie des deblais et des remblais Text. / G. Monge // Histoire de l’Academie Royale des Sciences de Paris, avec les Memoires de Mathematique et de Physique pour la meme annee. 1781. — P. 666−704.
  97. Morse, J.N. Reducing the size of the nondominated set: Pruning by clustering Text. / J.N. Morse // Computers and Operations Research. 1980. — № 7(1−2). -P. 55−66.
  98. Resende, M.G.C. Handbook of Optimization in Telecommunications Text. / M.G.C. Resende, P.M. Pardalos. Birkhauser, 2006. — P. 1134.
  99. Robinson, J. On the Hamiltonian Game (A Traveling Salesman Problem) Text. / J. Robinson. Research Memorandum RM-303, The RAND Corporation, Santa Monica, California. 1949.
  100. Robinson, J. A Note on the Hitchcock-Koopmans Problem Text. / J. Robinson. Research Memorandum RM-407, The RAND Corporation, Santa Monica, California. 1950.
  101. Rosenman, M.A. Reducing the pareto optimal set in multicriteria optimization Text. / M.A. Rosenman, J.S. Gero. // Engineering Optimization. 1985. — № 8.-P. 189−206.
  102. Sancho, N.G. A suboptimal solution to a hierarchical network design problem using dynamic programming Text. / N.G. Sancho // European Journal of Operational Research, 83. 1995. — № 1. — P. 237−244.
  103. Schaffer, J. Multiple objective optimization with vector evaluated genetic algorithms Text. / J. Schaffer // Proceedings of the 1st International Conference Genetic Algorithms. 1985. — P. 93−100.
  104. Srinivas, N. Multi-objective function optimization using non-dominated sorting genetic algorithms Text. / N. Srinivas, K. Deb // Evolution Computing. 1994. — Vo. 2.-P. 221−248.
  105. Syswerda, G. Schedule optimization using genetic algorithms Text. / G. Syswerda // Handbook of Genetic Algorithms, 1989. P. 2−9.
  106. Zitzler, E. Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach Text. / E. Zitzler, L. Thiele // Transactions on Evolutionary Computation. 1999. — Vo. 3. — P. 257−271.
  107. Zitzler, E. SPEA2: Improving the Strength Pareto Evolutionary Algorithm Text. / E. Zitzler, M. Laumanns, L. Thiele // Technical Report TIK-Report 103, Swiss Federal Institute of Technology, 2001. P. 21.
  108. Cisco: в ближайшие четыре года нас ждет четырехкратный рост объема интернет-трафика. URL: http://www.cisco.com/web/RU/news/releases/txt/2012/6 0112a.html (дата обращения 22.09.2012).
  109. Hobbes' Internet Timeline 10.2. URL: http://www.zakon.org/robert/internet/timeline/ (дата обращения 22.02.2013).
Заполнить форму текущей работой

Сессия? Спокойно!