Одной из важнейших задач современности является задача создания эффективных автоматизированных систем управления (АСУ) сложными организационно-техническими комплексами различного назначения, предназначенными для выполнения некоторого цикла работ в народном хозяйстве.
Современные АСУ приобретают специфику территориально рассредоточенных автоматизированных систем. Причиной тому является распределенный характер самих прикладных задач, таких, например, как автоматизация технологических процессов и крупных рассредоточенных производств, транспортных систем, банковской и межбанковской деятельности. Такие системы называют распределенными автоматизированными системами (РАС).
Особо важной задачей процесса проектирования и создания РАС, интегрирующей функциональное и информационное представление системы в рамках единой модели, является коммуникационная задача, решение которой связанно с обеспечением необходимого взаимодействия компонентов РАС в ее технологической деятельности. Подсистемой РАС, обеспечивающей коммуникационные функции, является распределенная информационная система управления (РИСУ), объединяющая в себе коммуникационную сеть и программно-технические компоненты РАС — подсистемы управления и обработки информации. В РИСУ компоненты РАС представляются не их внутренней структурой, а параметрами, метрическими характеристиками и свойствами, определяющими взаимодействие элементов друг с другом, в совокупности влияющими на производительность используемой коммуникационной сети. Установление зависимости показателей эффективности функционирования сети от характеристик прикладных задач, порождаемого ими сетевого трафика, является одной из основных задач анализа при проектировании РИСУ.
Адекватное проектирование РИСУ во многом определяет эффективность функционирования создаваемой РАС в целом. Отсюда следует актуальность разработки эффективного модельного обеспечения методов проектирования распределенных информационных систем АСУ.
Характерными особенностями современных РИСУ являются: крупномасштаб-ность, сложность, пространственная распределенностьпараллельность, динамика, децентрализация и недетерминизм протекающих процессов. Выделенные особенности определяют специфику задач разработки РИСУ, состоящей в неформализуемости процессов функционирования системы строгими математическими методами, и определяют особую значимость метода имитационного моделирования в задачах проектирования РИСУ.
Современная методология автоматизированного проектирования РИСУ предполагает использование средств имитационного моделирования на всех этапах проектирования для оценки качества предлагаемых решенийинтеграцию имитационных моделей РИСУ с системами поддержки принятия решений, развитыми средствами диалогового взаимодействияиспользование имитационных моделей в комплексе с программными средствами, обеспечивающими поиск оптимального варианта РИСУ при ее синтезе. Но здесь возникают противоречия между требованиями современной методологии проектирования РИСУ и возможностями метода имитационного моделирования по следующим причинам.
При проектировании РИСУ в качестве динамических средств моделирования используются имитационные модели, основанные на методе статистических испытаний Монте-Карло, характеризующимся медленной сходимостью Получение достоверных оценок характеристик функционирования исследуемой системы требует значительного числа прогонов модели, т. е. значительного ресурса времени.
Размерность исследуемой системы влечет за собой и размерность имитационной модели, и, как следствие, ресурсоемкость имитационного моделирования, требующего значительного вычислительного ресурса: памяти и быстродействия вычислительной техники, на которой реализуется моделирование.
Выбор оптимального варианта проекта РИСУ требует многократных прогонов модели с различными исходными данными и параметрами модели. Требуется значительный ресурс времени для имитации процессов функционирования РИСУ и решения оптимизационной задачи.
Эти обстоятельства требуют разработки методов повышения эффективности статистического имитационного моделирования РИСУ, обеспечивающих ускорение вычислительного процесса имитации без потери точности получаемых результатов.
Под эффективностью имитационного моделирования понимается:
— достижение качественных характеристик имитационной модели, к которым относятся необходимый уровень детализации, позволяющий получать достоверные результаты;
— уменьшение затрачиваемого времени на получение результатов моделирования без упрощения модели.
Современные методы имитационного моделирования систем берут начало в работах таких российских и зарубежных ученых, как Бусленко Н. П, Глушков В. М., Моисеев Н. Н, Марчук Г. И., Нейлор, Шеннон Р., Гнеденко Б. В, Емельянов С. В, Калашников С. В., Бусленко В. Н., Коваленко И. Н., Марьянович Т. П., Литвинов В. В., Гусев В. В, Вавилов A.A., Советов Б. Я., Яковлев С. А., Фомин Б. Ф., Аврамчук Е. Ф. В трудах этих и других ученых выполнен большой объем исследований по развитию методологии, методов и технологий системного моделирования. Разработаны средства и системы моделирования на базе универсальных алгоритмических языков, специализированные пакеты моделирования, проблемно-ориентированные системы моделирования.
Основные ограничения известных методов и технологий, используемых в настоящее время в системах имитационного моделирования, обусловлены недостаточной эффективностью решения в них проблем производительности, настройки и адаптации к новой вычислительной платформе — многопроцессорным системам и сетям. Эти ограничения могут быть устранены на основе проведения исследований и разработок методов имитационного моделирования систем на распределенной вычислительной платформе, что должно обеспечить ускорение процесса моделирования без потери точности и упрощения модели. Исследованию и практическому применению методов и технологий распределенного имитационного моделирования посвящены работы Смелянского Р. Л., Бигдана В. Б., Марьяновича Т. П., Сахнюка М. А., Околь-нишникова В.В., Вознесенской Т. В., Кутузова О. И., Замятиной Е. Б. и др.
Вместе с тем, несмотря на активные исследования в этой области, все еще остаются не полностью решенными проблемы, связанные с разработкой методов и алгоритмов распараллеливания моделирующих программ, отличающихся сильной связностью программного кода, как по информации, так и по управлению. Особенно эта специфика проявляется в имитационных моделях распределенных информационных систем АСУ, формально описываемых стохастическими сетевыми моделями. В данной конкретной области автору неизвестны практические разработки по распараллеливанию моделирующих программ РИСУ, построению автоматизированных средств организации распределенного вычислительного процесса имитационного моделирования.
Моделирующие программы, предназначенные для выполнения на однопроцессорной ЭВМ, не переносятся эффективно на параллельные системы. Требуется переделка и дополнительный анализ задачи. Приобретает особую значимость конструирование структуры программного обеспечения ИМ для распределенного моделирования. Это требует разработки программного инструментария для организации вычислительного процесса распределенного моделирования. В связи с этим, необходимо проведение исследований по разработке методов повышения эффективности имитационного моделирования РИСУ, соответствующих уровню современного развития вычислительной техники и информационных технологий, позволяющих ускорить процесс моделирования.
Целью диссертационной работы является исследование и теоретическое обост новании методов повышения эффективности имитационного моделирования в зада г чах разработки распределенных информационных систем АСУ, заключающееся в разработке математических моделей, методов и алгоритмов распараллеливания вычислительного процесса имитационного моделирования. Создание на их основе мето^ дологической базы для реализации имитационного моделирования на распределенной вычислительной платформе, расширяющей возможности применения имитационного моделирования в автоматизированном проектировании РИСУ.
Для достижения поставленной цели в диссертации решаются следующие основные задачи:
1. Исследование и разработка методов, нацеленных на повышение эффективности применения имитационного моделирования в автоматизированных системах проектирования распределенных информационных систем АСУ:
— методов распределенного имитационного моделирования на многопроцессорной вычислительной платформе, ускоряющих процесс имитации за счет распараллеливания моделирующих алгоритмов;
— аналитико-статистических методов моделирования, ускоряющих сходимость метода Монте-Карло.
2. Исследование и разработка принципов построения автоматизированных средств организации распределенного имитационного моделирования РИСУ (АСОРИМ), ориентированных на специфику предметной области и предназначенных для комплексного решения задачи организации распределенного вычислительного процесса.
3. Исследование и разработка методов и алгоритмов решения задач, соответствующих технологическим этапам функционирования АСОРИМ и направленных на достижение общей цели — минимизации времени выполнения имитационной модели на распределенной вычислительной платформе.
4. Разработка распределенных имитационных моделей РИСУ и методик исследования характеристик функционирования РИСУ с использованием распределенного имитационного моделирования.
5. Исследование на практике эффективности применения созданных методов, алгоритмов и программных средств.
Объектом исследования является распределенная информационная система АСУ, формально описываемая стохастической сетевой моделью.
Предметом исследования является процесс имитационного моделирования РИСУ.
Методы исследования. Проведенные теоретические и прикладные исследования базируются на методах современного системного анализа, теории вероятностей, случайных процессов и математической статистики, теории алгоритмов, теории графов, методов теории оптимизации и математического программирования, исследования операций, кластерного анализа, имитационного моделирования.
В соответствии с поставленными задачами в диссертационной работе выполнены следующие работы:
В первой главе проведен анализ принципов построения и тенденций развития распределенных автоматизированных систем. Показано, что системообразующим звеном и ядром РАС являются распределенные информационные системы управления. Произведен анализ задач проектирования РИСУ, для эффективного решения которых особую значимость имеет метод имитационного моделирования систем, используемый на всех этапах проектирования, а также для поиска оптимального варианта РИУ при ее синтезе.
Далее в первой главе представлен обзор и анализ проблем в области имитационного моделирования систем. Выявлены противоречия между требованиями современной методологии решения задач проектирования РИСУ и возможностями традиционных методов статистического имитационного моделирования. Анализ причин этих противоречий обозначил пути повышения эффективности статистического моделирования РИСУ на основе имитации. Определены задачи, решением которых достигается сформулированная цель исследования.
Вторая глава посвящена разработке общей концепции распределенного имитационного моделирования РИСУ. С этой целью анализируются существующие методы параллельных вычислений и методы теории распределенных вычислений, на которые будут опираться разрабатываемые методы распределенного моделирования РИСУ.
В результате проведенного анализа методов и средств современной теории параллельных вычислений и теории распределенных вычислений выделены основные парадигмы параллельных вычислений: MPMD (Multiple Program — Multiple Data) и SPMD (Single Program — Multiple Data), а также основные задачи и методы планирования и организации распределенных вычислений. Выявлены причины невозможности прямого применения существующих методов к имитационному моделированию РИСУ. Разработана концепция распределенного имитационного моделирования РИСУ, состоящая в модификации рассмотренных методов с учетом специфики построения моделирующих алгоритмов.
Также рассматриваются основные классы современных вычислительных систем с целью определения типа многопроцессорной вычислительной платформы, на которой будет реализовываться распределенное имитационное моделирование РИСУ. Выбор вычислительной платформы для организации распределенного имитационного моделирования производится, исходя из технико-экономических показателей «цена / производительность» современных вычислительных систем. Установлено, что наиболее подходящей технической платформой для решения проблемы вычислительных затрат в имитационном моделировании являются локальные вычислительные сети и кластерные системы.
В третьей главе рассматриваются вопросы разработки метода распределенного имитационного моделирования РИСУ, основанного на парадигме параллельных вычислений MPMD (Multiple Program — Multiple Data), принципов построения распределенной имитационной модели РИСУ, методов организации распределенного вычислительного процесса моделирования.
В рамках разработки метода решается задача распараллеливания ПО ИМ РИСУ, т. е. декомпозиции программного обеспечения по критерию минимизации межпроцессорных обменов данными. Отличительной особенностью данного метода является учет количественных характеристик динамической связности моделируемого объекта, тогда как в подобных задачах чаще всего рассматривается структурная связность декомпозируемого объекта. Для реализации автоматизированного распараллеливания произведено формализованное описание имитационной модели РИСУ.
Далее предлагаются принципы построения децентрализованной управляющей программы (УП) распределенной имитационной модели (РИМ), алгоритмы реализации функций УП по синхронизации взаимодействий блоков распределенной модели.
Рассматриваются вопросы построения программного инструментария АСОРИМ, автоматизирующего процесс организации распределенного моделирования РИСУ. Определены основные функции этого инструментария в виде технологических этапов и алгоритмическое наполнение технологических этапов, которыми являются алгоритмы: декомпозиции ПО ИМоценки возможного ускорения имитацииоптимального размещения блоков распределенной имитационной модели по процессорам вычислительной системы, по критерию минимизации общего времени выполнения РИМ на многопроцессорной системе.
На основе проведенных исследований и разработки АСОРИМ предлагается комплексная методика организации распределенного имитационного моделирования РИСУ на многопроцессорной вычислительной платформе.
Четвертая глава посвящена вопросам применения в имитационном моделировании стохастических сетей модели параллельных вычислений SPMD (Single Program — Multiple Data) в сочетании с аналитико-статистическим методом моделирования для ускоренного анализа характеристик стохастической сети. Описывается метод распределенного имитационного моделирования РИСУ, основанный на модели параллельных вычислений SPMD.
Разработаны принципы построения имитационной модели виртуального канала (ВК), предназначенной для имитации процессов функционирования путей транспортировки транзактов (ПТТ), представляющих собой структурно-функциональные единицы исследуемой РИСУ. Копии моделирующей программы ИМ ВК размещаются на разных процессорах вычислительной системы для обработки своих порций данных.
Излагаются вопросы построения вероятностного эквивалента нерассматривае-мой части РИСУ в виде генератора фоновых потоков, в котором учитывается взаимообусловленность параметров и процессов всей системы. Генератор фоновых потоков замещает функции синхронизации взаимодействия процессов моделируемой системы и является своеобразным аналогом алгоритмов синхронизации распределенных процессов в МРМБ-моделировании РИСУ. *.
В рамках построения генератора фоновых потоков решаются следующие задачи: определение основных характеристик генератора фоновых потоков (вид функции распределения моментов поступления сообщений фоновых потоков, средняя интенсивность фоновых потоков) — разработка алгоритма формирования средних интенсив-ностей фоновых потоков для заданных ПТТразработка способа расчета вероятностей потери сообщений на узлах коммутации-обработки с использованием математического аппарата теории импульсных потоковэкспериментальное исследование влияния законов распределения входных потоков и законов распределения длительностей обслуживания на узле сети на время доставки сообщений.
Также рассмотрены вопросы адекватности модели виртуального канала, процессу функционирования пути транспортировки транзактов.
Предложена комплексная методика проведения распределенных имитационных экспериментов в соответствии с моделью ЯРМБ, все этапы которой автоматизированы.
Отличительными особенностями разработанного метода распределенного моделирования, основанного на парадигме параллельных вычислений 8РМО. являются: возможность получения как интегральных, так и дифференциальных характеристик моделируемой системывозможность использования существующих последовательных программ имитации РИСУ без внесения существенных изменений для параллельного исполнения на многопроцессорной системепрактически линейное ускорение вычислительного процесса имитации в зависимости от числа используемых процессоров.
Пятая глава посвящена исследованиям и разработке аналитико-статистического метода моделирования РИСУ. Предлагаемая концепция метода исходит из основных причин вычислительной ресурсоемкости имитационного моделирования РИСУ, которыми являются: медленная сходимость статистического метода Монте-Карло, лежащего в основе метода имитационного моделирования, и размерность объекта исследования. Пути устранения обозначенных причин заключаются, соответственно: в усовершенствовании схемы статистического эксперимента с целью уменьшения числа опытов, необходимого для достижения заданной точности расчетови декомпозиции исследуемого объекта, с целью понижения размерности объекта моделирования. В предлагаемой концепции ускорения моделирования РИСУ эти задачи решаются не по отдельности каждая, а во взаимосвязи. В процессе разработки аналитико-статистического метода моделирования проводится преобразование метода расслоенного отбора к имитационному статистическому моделированию РИСУ, что, в свою очередь, определяет способ декомпозиции РИСУ по процессам.
В главе приводится описание формализованного метода декомпозиции РИСУ с использованием процедуры кластерного анализа, позволяющим выделить классы путей транспортировки транзактов (ПТТ) на основе введенной метрики, определяющей близость процессов функционирования ПТТ, и критерия оптимальности разбиения.
Далее приводится общая методика ускоренного исследования сети на основе машинной имитации. Дано подробное изложение этапов предлагаемой методики. Показана возможность построения интервальной оценки искомых характеристик при исследовании РИСУ по предлагаемой методике. Такой подход дает возможность исследования РИСУ большой размерности за приемлемые затраты машинных ресурсов.
В шестой главе представлены результаты практической проверки эффективности разработанных и исследованных в диссертации методов, алгоритмов, методик и программных средств имитационных моделей РИСУ.
Приводятся описание распределенной имитационной системы моделирования РИСУ, разработанных имитационных моделей, результаты экспериментальной оценки основных характеристик функционирования РИСУ по предлагаемой методике ускоренной машинной имитации. Проводится сравнение затрачиваемых машинных ресурсов при проведении исследования РИСУ методом традиционного имитационного моделирования и аналитико-статистическим методом, а также методом распределенного имитационного моделирования РИСУ. Рассматривается практическое применение разработанных методов к моделированию распределенной АСУ «Система-Город», внедряемой в г. Улан-Удэ.
Результаты экспериментов показали, что применение методов распределенного имитационного моделирования позволяет значительно ускорить процесс имитационного моделирования при исследовании вероятностно-временных характеристик функционирования РИСУ большой размерности.
Основными результатами проведенных исследований являются:
1. Развитие теории распределенного имитационного моделирования. В этом направлении:
— выполнено расширение теорий параллельных и распределенных вычислений применительно к задачам статистического имитационного моделирования систем со стохастической сетевой структурой, заключающееся в разработке методов распараллеливания моделирующих программ;
— разработаны способы организации вычислительного процесса распределенного моделирования по критерию минимизации времени выполнения имитации на многопроцессорных системах;
— выполнено преобразование статистического метода расслоенного отбора к имитационному моделированию РИСУ, расширяющее возможность применения модели параллельных вычислений 8РМО для распределенного имитационного моделирования.
2. Разработаны методы, повышающие эффективность имитационного моделирования РИСУ за счет уменьшения времени имитации, включающие:
— метод распределенного имитационного моделирования РИСУ с использованием модели параллельных вычислений МР1УГО, заключающийся в оптимальном разбиении программного обеспечения ИМ РИСУ на программные блоки по критерию минимизации обмена данными между блоками и оптимальном распределении блоков по процессорам ВС по критерию минимизации общего времени выполнения имитации;
— метод распределенного имитационного моделирования РИСУ, заключающийся в сочетании разработанного аналитико-статистического метода с моделью параллельных вычислений 8РМЭ, отличающийся подходом к распараллеливанию данных, обрабатываемых единой программой на процессорах распределенной вычислительной системы;
— аналитико-статистический метод ускоренной имитации, заключающийся в преобразовании статистического метода расслоенного отбора к имитационному моделированию РИСУ;
— метод декомпозиции РИСУ, заключающийся в классификации множества путей транспортировки транзактов, основанный на процедуре кластерного анализа, позволяющий с помощью построенной метрики и введенного критерия оптимальности разбиения выделить классы путей транспортировки транзактов, близких по условиям протекания процессов их функционирования;
— метод декомпозиции программного обеспечения имитационной модели РИСУ, отличающийся учетом не только структурных, но и количественных характеристик динамической связности действий, выполняемых моделью.
3. Разработаны комплексные методики организации распределенного имитационного моделирования РИСУ с использованием модели параллельных вычислений 8РЖ) и модели параллельных вычислений МРМГО на многопроцессорной вычислительной системе, все этапы которых автоматизированы.
4. Разработан программный комплекс, реализующий распределенное моделирование РИСУ на многопроцессорной платформе, включающий: а) программный инструментарий АСОРИМ, автоматизирующий процесс организации вычислительного процесса распределенного моделирования РИСУ. Разработаны алгоритмы технологических этапов АСОРИМ:
— распараллеливания программного обеспечения ИМ РИСУ;
— вычисления оценки возможного ускорение имитации, с целью выбора лучшего варианта проекта распределенной имитационной модели (РИМ);
— построения децентрализованной управляющей программы распределенной имитационной модели;
— оптимального размещения блоков РИМ по процессорам вычислительной системыб) распределенная имитационная модель РИСУ, включающая программное обеспечение межпроцессорных обменов между блоками декомпозированной моделив) модель виртуального канала, обеспечивающая реализацию распределенного моделирования по модели параллельных вычислений SPMD.
Практическая ценность результатов диссертационной работы определяется созданием комплекса программных средств, повышающих эффективность статистического имитационного моделирования распределенных информационных систем АСУ. Созданный комплекс инструментальных средств может служить как для научных исследований и обучения, так и для комплексирования с системами автоматизированного проектирования и управления организационно-техническими комплексами коммерческих и государственных предприятий. Предлагаемые методы, алгоритмы и программные системы применимы при решении конкретных задач проектирования информационных сетей АСУ.
По теме диссертации опубликована 41 научная работа.
Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на Всероссийской научной конференции «Методы и средства обработки информации» (Москва, 2003, МГУ), II и V Международных научно-практических Семинарах «Высокопроизводительные параллельные вычисления на кластерных системах» (Нижний Новгород, 2002, 2005), I и II Международных конференциях «Математика, ее приложения и математическое образование», (Улан-Удэ, 2002, 2005) — V, VI, VII и VIII Международных конференциях по мягким вычислениям и измерениям (Санкт-Петербург, 2002, 2003, 2004, 2005), I и II Межрегиональной школе — семинаре «Распределенные и кластерные вычисления» (Красноярск, 2001, 2002), Всероссийской конференции «Высокопроизводительные вычисления и технологии» (Ижевск, 2003), Всероссийской научно-технической конференции «Теоретические и прикладные вопросы современных информационных технологий» (Улан-Удэ, 2000, 2001, 2003), IV Международной электронной научно-технической конференции «Технологическая системотехника» (Тула, 2005), Международной научно-технической конференции «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта» (Вологда, 2001), Международной научно-технической конференции «Моделирование, оптимизация и интенсификация производственных процессов и систем» (Вологда, 2001), Международной научно-технической конференции «Автоматизированная подготовка машиностроительного производства, технология и надежность машин, приборов и оборудования» (Вологда, 2005), Международной научно-методической конференции «Новые информационные технологии в университетском образовании» (Новосибирск, 2000), межвузовской научно-технической конференции «Управляющие вычислительные системы» (Вологда, 2000), Региональной межвузовской научно-практической конференции «Новые информационные технологии» (Владивосток, 2000), Региональной научно-практической конференции «Информационные технологии в профессиональной деятельности и научной работе» (Йошкар-Ола, 2005), Всесоюзной научно-технической конференции «Методы и средства решения задач в интегрированных АСУ» (Ташкент, 1984), Всесоюзной научно-технической конференции «Системы и средства передачи данных», (Черкассы, 1985), Всероссийской научно-технической конференции «Повышение эффективности и помехоустойчивости систем связи» (Севастополь, 1984), 15-ой научно-технической конференции «Проблемы создания новых и совершенствования старых существующих систем, средств связи и АСУ» (Киев, 1984), научно-технических конференциях ЛЭТИ им. В. И. Ульянова (Ленина) в 1983;1985 гг., научно-технических конференциях ВосточноСибирского государственного технологического университета (Улан-Удэ, 1986;2005) Исследования, выполненные в диссертационной работе, проводились в рамках научно-исследовательских работ кафедры «Автоматизированных систем обработки информации и управления» Санкт-Петербургского государственного электротехнического университета (ЛЭТИ) им. В. И. Ульянова (Ленина), а также хоздоговорных и бюджетных НИР кафедры «Электронно-вычислительных систем» ВосточноСибирского государственного технологического университета.
Выводы к главе 6.
1. Предлагаемая методика ускоренного исследования распределенных информационных систем АСУ позволяет получать более подробные характеристики функционирования информационной сети по сравнению с топологически-подобным моделированием сети существенно меньших затратах машинного времени (табл. 6.4 и табл. 6.5). Уменьшение затрат машинного времени при использовании предлагаемой методики дает возможность исследования РИСУ большой размерности за приемлемые затраты машинных ресурсов.
2. Имитационная модель виртуального канала характеризуется высокими показателями соотношений системного и процессорного времени, что дает возможность решения ряда задач проектирования, связанных с исследованием непосредственно направлений обмена информацией (табл. 6.5).
3. Для реализации вычислительного процесса распределенного моделирования на локальной сети предлагается использовать интерфейс сокетов. Сокеты предоставляют самый полный доступ к возможностям локальной сети, непосредственно вызывая прерывания. По результатам проведенных исследований в качестве коммуникационного программного обеспечения для распределенных имитационных моделей РИСУ использовались низкоуровневые взаимодействия в сети на уровне сокетов протокола IPX (п. 6.2).
5. Применение методов распределенного имитационного моделирования позволяет значительно сократить количество затрат машинного времени при исследовании вероятностно-временных характеристик РИСУ большой размерности. Предлагаемые способы распределенного имитационного моделирования РИСУ позволяют использовать существующий парк компьютеров, причем без отрыва последних от повседневного использования (табл. 6.6, 6.7, 6.8).
Заключение
.
Проблема повышения эффективности имитационного моделирования в задачах проектирования многоразмерных распределенных информационных систем управления обусловлена тем, что исследуемые объекты являются стохастическими системами и моделирование процессов их функционирования осуществляется с помощью статистического метода Монте-Карло, что требует больших вычислительных затрат. Кроме того, итеративный характер задач проектирования, необходимость определения дифференциальных и интегральных оценок качества получаемых решений, в которых ряд ограничений задан алгоритмически с помощью имитационной модели, требует многократного моделирования системы, что еще более увеличивает вычислительные затраты. Решение проблемы состоит в разработке методов, позволяющих ускорить процесс моделирования, тем самым повысить его эффективность, при использовании современных многопроцессорных вычислительных систем. В соответствии с целью работы в диссертации проведено теоретическое обоснование и получено решение важной научно-технической проблемы создания методологической базы, моделей методов и алгоритмов распределенного имитационного моделирования распределенных информационных систем АСУ.
В работе получены следующие основные результаты:
1. Развитие теории распределенного имитационного моделирования. В этом направлении:
— выполнено расширение методов теорий параллельных и распределенных вычислений применительно к задачам статистического имитационного моделирования, заключающееся в разработке методов распараллеливания моделирующих алгоритмов;
— разработаны способы организации вычислительного процесса распределенного моделирования по критерию минимизации времени выполнения имитации на многопроцессорных вычислительных системах;
— выполнено преобразование статистического метода расслоенного отбора к имитационному моделированию РИСУ, расширяющее возможность применения модели параллельных вычислений 8РМО для распределенного имитационного моделирования.
2. Разработаны методы, повышающие эффективность имитационного моделирования РИСУ за счет уменьшения времени имитации, включающие:
— метод распределенного имитационного моделирования РИСУ с использованием модели параллельных вычислений МРМБ, заключающийся в оптимальном разбиении программного обеспечения ИМ РИСУ на программные блоки по критерию минимизации обмена данными между блоками и оптимальном распределении блоков по процессорам ВС по критерию минимизации общего времени выполнения имитации;
— метод распределенного имитационного моделирования РИСУ, заключающийся в сочетании разработанного аналитико-статистического метода с моделью параллельных вычислений 8РМД отличающийся подходом к распараллеливанию данных, обрабатываемых единой программой на процессорах распределенной вычислительной системы;
— аналитико-статистический метод ускоренной имитации, заключающийся в преобразовании статистического метода расслоенного отбора к имитационному моделированию РИСУ;
— метод декомпозиции РИСУ, заключающийся в классификации множества путей транспортировки транзактов, основанный на процедуре кластерного анализа, позволяющий с помощью построенной метрики и введенного критерия оптимальности разбиения выделить классы путей транспортировки транзактов, близких по условиям протекания процессов их функционирования;
— метод декомпозиции программного обеспечения имитационной модели РИСУ, отличающийся учетом не только структурных, но и количественных характеристик динамической связности действий, выполняемых моделью.
3. Разработаны комплексные методики организации распределенного имитационного моделирования РИСУ с использованием модели параллельных вычислений 8РМР и модели параллельных вычислений МРМБ на многопроцессорной вычислительной системе, все этапы которых автоматизированы.
4. Разработан программный комплекс, реализующий распределенное моделирование РИСУ на многопроцессорной платформе, включающий: а) программный инструментарий АСОРИМ, автоматизирующий процесс организации вычислительного процесса распределенного моделирования РИСУ. Разработаны алгоритмы технологических этапов АСОРИМ:
— распараллеливания программного обеспечения ИМ РИСУ;
— вычисления оценки возможного ускорение имитации, с целью выбора лучшего варианта проекта распределенной имитационной модели (РИМ);
— построения децентрализованной управляющей программы распределенной имитационной модели;
— оптимального размещения блоков РИМ по процессорам вычислительной системыб) распределенная имитационная модель РИСУ, включающая программное обеспечение межпроцессорных обменов между блоками декомпозированной моделив) модель виртуального канала, обеспечивающая реализацию распределенного моделирования по модели параллельных вычислений 8РМЛ.
Решение поставленных задач, заключающееся в разработке методов и программных средств имитационного моделирования РИСУ, сочетающих сложившиеся приемы имитационного моделирования систем и методов обработки информации на многопроцессорных системах, создает основу для повышения эффективности имитационного моделирования в задачах разработки распределенных АСУ, ускорения имитационного исследования РИСУ большой сложности и размерности и получения статистически обоснованных результатов моделирования с требуемой точностью, без существенных ограничений на размерность модели и моделируемого объекта и, как следствие, возможность широкого использования в автоматизированных системах проектирования и системах поддержки принятия решений.
