Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и исследование композитных алгоритмов компоновки блоков ЭВА

Диссертация: Разработка и исследование композитных алгоритмов компоновки блоков ЭВА
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время создание комплексных систем поддержки жизненного цикла изделий определяется прогрессом науки и техники. Основой таких систем являются подсистемы компьютерного интегрированного производства (КИП). В компьютерные системы для автоматизации жизненного цикла продукции включаются системы автоматизации проектирования (CAIIP (CAD)), автоматизированные системы технологической подготовки… Читать ещё >

Разработка и исследование композитных алгоритмов компоновки блоков ЭВА (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ И СОСТОЯНИЕ ПРОБЛЕМЫ КОМПОНОВКИ БЛОКОВ ЭВА
    • 1. 1. Коммутационные модели блоков ЭВА
    • 1. 2. Постановка задачи компоновки
    • 1. 3. Анализ существующих алгоритмов разбиения графов и гиперграфов на части
    • 1. 4. Выводы
  • 2. РАЗРАБОТКА ПОИСКОВЫХ МЕТОДОВ КОМПОНОВКИ БЛОКОВ ЭВА.,
    • 2. 1. Использование экспертных систем при построении моделей компоновки блоков
    • 2. 2. Разработка архитектуры, стратегии и принципов компоновки блоков
    • 2. 3. Построение модифицированных генетических операторов
    • 2. 4. Выводы
  • 3. РАЗРАБОТКА КОМПОЗИТНЫХ АЛГОРИТМОВ КОМПОНОВКИ БЛОКОВ ЭВА
    • 3. 1. Разработка алгоритмов компоновки на основе раскраски графов
    • 3. 2. Построение параллельно-последовательных алгоритмов компоновки на основе определение независимых и доминирующих подмножеств
    • 3. 3. Разработка композитного алгоритма компоновки на основе сжатия и построения паросочетаний графа
    • 3. 4. Выводы
  • 4. АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ РАЗРАБОТАННЫХ АЛГОРИТМОВ
    • 4. 1. Краткие сведения об инструментальной среде компоновки блоков ЭВА
    • 4. 2. Цель и средства экспериментальных исследований
    • 4. 3. Результаты экспериментальных исследований
    • 4. 4. Выводы

В настоящее время создание комплексных систем поддержки жизненного цикла изделий определяется прогрессом науки и техники. Основой таких систем являются подсистемы компьютерного интегрированного производства (КИП). В компьютерные системы для автоматизации жизненного цикла продукции включаются системы автоматизации проектирования (CAIIP (CAD)), автоматизированные системы технологической подготовки производства (АСТПП (САМ)), автоматизированные системы управления технологическими процессами (АСУТП (САЕ)). Воплощением концепции информационной поддержки жизненного цикла изделий являются CALSтехнологии [1−5]. Стратегией CALS-технологий является создание единого информационного пространства для всех составляющих жизненного цикла изделий, включая пользователя как элемент внешней среды. CALS-технологии позволяют композитно решать проблемы проектирования, конструирования, технологии изготовления и обеспечения качества продукции. В общей проблеме КИП важное место отводится САПР [6−14]. В настоящее время перспективными являются разработки интеллектуальных САПР, способных обучаться в процессе проектирования и принимать решение в неопределенных и нечетких условиях.

В этой связи становится необходимой модернизация структуры традиционных САПР, АСТПП, АСУТП, равно как и основных стратегий, концепций, принципов и методов, входящих в интегрированное информационное, математическое, лингвистическое, программное и методическое обеспечения КИП. Одним из подходов к такой модернизации является использование бионических принципов и стратегий. Они реализуются различными эволюционными методами.

В общем случае процесс автоматизации проектирования, конструирования и технологической подготовки производства состоит из трех основных этапов: системо-технического, схемо-технического и конструкторского. При решении задач конструкторского проектирования должны быть решены вопросы представления и интеграции данных, создания информационных моделей предметной области, обеспечена возможность синтезировать любое количество ресурсов и технологий.

Большой вклад в разработку и исследование ИСАПР внесли В. И. Анисимов, Б. В. Баталов, Д. И. Батищев, A.M. Бершадский, JI.C. Берштейн, Ю. Х. Вермишев, В. М. Глушков, Ж. Н. Зайцева, Г. Г. Казенов, В. П. Корячко, В. М. Курейчик, Н. Я. Матюхин, А. Н. Мелихов, А. И. Петренко, И. П. Норенков, Г. Г. Рябов, В. А. Селютин, Ш. Айкерс, М. Бреуэр, Н. Шервани и многие другие.

На этапе конструкторского проектирования решаются задачи компоновки блоков, размещения, трассировки и верификации [6−20].

Решение задачи компоновки определяет качество и эффективность всего процесса конструкторского проектирования. Известно, что ЭВА, РЭА и т. п. строится по блочному принципу. В связи с этим в конструкциях ЭВА выделяют ряд структурных иерархических уровней. Элементы структурных уровней называют конструктивными модулями или блоками. Например, на этапе конструкторского проектирования ЭВА выделяют пять уровней: интегральная микросхема, типовой элемент замены (ТЭЗ), панель, блок, стойка, шкаф, вычислительный комплекс. Задачи компоновки на любом уровне тесно связаны между собой и их решение позволяет повысить качество изделий в САПР [7,8,12,14−20]. Задача компоновки состоит в объединении модулей низшего уровня в модули более высокого уровня по заданному критерию или множеству критериев при наличии ограничений и граничных условий.

Разработка методов и алгоритмов для решения задач компоновки осуществляется на протяжении ряда лет, являясь, по-прежнему, актуальной проблемой. Это связано, в первую очередь, с тем, что задачи данного класса являются NP-полными и NP-трудными [21−28]. Поэтому затруднительна разработка универсальных методов и алгоритмов, позволяющих находить оптимальное решение за приемлемое время. Появление новых, более совершенных средств электронно-вычислительной техники, и, как следствие, увеличение их степени интеграции является причиной для разработки новых совершенных технологий решения задач САПР и, в частности, задачи компоновки. Задача компоновки блоков ЭВА, т. е. разбиения коммутационной схемы на части, связана с необходимостью обработки огромных массивов информации. Поэтому разработка новых и модифицированных методов компоновки схем ЭВА с полиномиальной временной сложностью является актуальной и важной задачей.

Цель диссертационной работы состоит в разработке и исследовании композитных алгоритмов компоновки блоков ЭВА.

Достижение указанной цели предполагает решение следующих основных задач:

• Построение универсальных и специализированных моделей для этапа конструкторского проектирования ЭВА.

• Построение многоуровневых архитектур бионического поиска для компоновки блоков ЭВА.

• Разработка композитных методов и алгоритмов компоновки.

Для решения поставленных задач в диссертационной работе используются: методы и элементы теории САПР, эволюционного моделирования, графов и гиперграфов, множеств, алгоритмов.

Научная новизна работы заключается в решении задач компоновки блоков ЭВА, основанном на композитных методах и алгоритмах, использующих бионические принципы. В работе:

1. Построена многоуровневая архитектура композитных методов разбиения графов на части применительно к компоновке блоков ЭВА.

2. Разработаны новые композитные, бионические и поисковые алгоритмы компоновки, позволяющие получать множество локальных оптимумов.

3. Построены модифицированные операторы генетического поиска, ориентированные на задачи компоновки, позволяющие лучшим решениям переходить на следующие генерации.

4. Разработаны новые генетические методы раскраски графов и определения паросочетаний, на основе которых построены эвристические алгоритмы компоновки блоков с полиномиальной временной сложностью.

Решение поставленных задач позволяет автору защищать следующие новые научные результаты:

1. Многоуровневую архитектуру подсистемы принятия решений при компоновке, основанную на бионических принципах.

2. Модифицированные генетические операторы на основе множества Кантора, дихотомического деления, чисел Фибоначчи и «золотого сечения».

3. Генетические алгоритмы, основанные на «жадных» стратегиях и операторах, позволяющие, в отличие от существующих методов компоновки, находить множество квазиоптимальных решений.

4. Новую стратегию раскраски и сжатия графов для компоновки блоков ЭВА, позволяющую находить решения с полиномиальной временной сложностью.

Практическая ценность результатов диссертационной работы определяется созданием комплекса алгоритмов компоновки блоков ЭВА, позволяющих использовать разработанные математические модели, стратегии, концепции, принципы, методы и эвристики, отвечающие конкретным задачам управления жизненным циклом продукции. Разработана программная среда для решения задач компоновки. При построении комплекса программ использовались пакеты Borland С++, Builder, Visual С++. Отладка и тестирование проводились на ЭВМ типа IBM PC с процессорами Intel Pentium-IV и AMD Atlon-2500 с ОЗУ объемом 640Мб. Проведенные экспериментальные исследования показали преимущество композитных поисковых и генетических алгоритмов для решения задач компоновки блоков ЭВА по сравнению с известными методами. Время получения лучших результатов компоновки соответствует полиномиальному времени.

0(nlogn)-0(n), которое требуют эффективные итерационные алгоритмы.

Реализация результатов работы. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетных и хоздоговорных работах, проводимых в Таганрогском государственном радиотехническом университете: грант РФФИ № 01−100 044 «Эволюционное проектирование с адаптацией" — грант РФФИ на проведение фундаментальных исследований в области технических наук № 02−01−1 275 «Разработка теории и принципов эволюционного проектирования на основе многоагентных подходов" — госбюджетная работа по заказу Минобразования РФ «Разработка теории и принципов построения интеллектуальных систем автоматизированного проектирования на основе эволюционной адаптации, нейросетевых моделей и методов принятия решений».

Материалы диссертации также использованы в учебном процессе на кафедре САПР в Таганрогском государственном радиотехническом университете в цикле лекций и практических занятий по курсам «автоматизация конструкторского и технологического проектирования», «CALSи CASE-технологии», «Методы оптимизации» и «Эволюционное моделирование и генетические алгоритмы».

Апробация основных теоретических и практических результатов работы. Результаты работы докладывались и обсуждались на семинаре «Новая информационная технология и проблемы управления» (г.Москва, 1990 г.), VI Всесоюзной научно-технической школы «Интеллектуальные банки данных». (г.Тбилиси, 1990 г.), международных научно-технических конференциях «Интеллектуальные САПР» (г.Дивноморск 2002;2004гг.), на международных конференциях «Интеллектуальные системы» (г.Дивноморск,.

2003, 2004гг.) и на научных семинарах Северо-Кавказкого Научного Центра Высшей Школы (г. Ростов-на-Дону, Таганрог, 2003, 2004 г.г.).

Публикации. Результаты диссертации отражены в 9 печатных работах.

Структура и объём диссертационной работы. Диссертационная работа состоит из введения, четырёх разделов, заключения, списка литературы и приложения. Работа содержит 176 стр., а также 64 рис., расположенных 34 стр., список литературы из 112 наименований, 2 стр. приложений и актов об использовании.

4.4. Выводы.

1. Разработана инструментальная среда по исследованию характеристик алгоритмов компоновки блоков ЭВА, обладающая лучшими характеристиками по сравнению с известными программами эволюционного моделирования.

2. Проведены экспериментальные исследования по данным алгоритмам на тестовых примерах. Определены квазиоптимальные сочетания используемых параметров для разработанных алгоритмов. По результатам экспериментов, для каждого алгоритма даны рекомендации параметров (размер популяции, вероятности применения генетических операторов, число удаляемых элементов и др.), обеспечивающих возможность получения набора локальнооптимальных решений.

3. Отметим, что применение композитного алгоритма для решения задачи нахождения максимального паросочетания в двудольном графе уменьшает время нахождения решения в 2−3 раза по сравнению с алгоритмом поиска решений в графе общего вида. При этом качество решений совпадает.

4. Композитные генетические алгоритмы при разбиении графов на части показали преимущество по сравнению с существующими методами. Управление процессом генетического поиска при разбиении позволяет находить оптимальные параметры и повысить качество решений ориентировочно на 10%. — 20%.

Заключение

.

В результате выполненных теоретических и практических исследований по теме диссертационной работы реализованы следующие положения:

1. Приведена постановка задачи компоновки коммутационной схемы, как многоуровневое и бисекционное разбиение графов и гиперграфов на части по критерию числа внешних ребер. Проведен краткий анализ существующих методов разбиения графов и гиперграфов на части. Отмечено, что перспективными исследованиями являются разработка композитных алгоритмов для разбиения графов и гиперграфов, позволяющих частично решать проблемы предварительной сходимости и получать квазиоптимальные и оптимальные решения за полиномиальное время.

2. Разработаны новые и модифицированные генетические операторы, ориентированные на решения задач разбиения графов и гиперграфов на части. Преимущество этих методов в том, что при их использовании увеличивается вероятность «выживания» альтернативных решений с лучшим значением ЦФ и каждая новая генерация генетических алгоритмов приводит к сокращению интервала неопределенности, то есть области поиска.

3. Построена, ориентированная на задачу разбиения графа модификация базовой структуры генетического поиска. Разработан алгоритм компоновки блоков ЭВА на основе модифицированной раскраски графа. Временная сложность алгоритма лежит в пределах полиномиальной зависимости.

4. Построены алгоритмы разбиения графа на части на основе определения независимых, доминирующих подмножеств и клик графа, позволяющие в отличие от существующих получать наборы квазиоптимальных решений за полиномиальное время.

5. Разработан композитный алгоритм реализации стратегии «поиск-эволюция"для разбиения графа. Он использует идеи сжатия графа, построения максимального паросочетания и распаковки графа для получения качественных результатов разбиения за полиномиальное время.

6. Разработана инструментальная среда по исследованию характеристик алгоритмов компоновки блоков ЭВА, обладающая лучшими характеристиками по сравнению с известными программами эволюционного моделирования.

7. Композитные генетические алгоритмы при разбиении графов на части показали преимущество по сравнению с существующими методами. Управление процессом генетического поиска при разбиении позволяет находить оптимальные параметры и повысить качество решений ориентировочно на 10%. — 20%.

8. Проведены экспериментальные исследования по данным алгоритмам на тестовых примерах. По результатам экспериментов, для каждого алгоритма даны рекомендации параметров (размер популяции, вероятности применения генетических операторов, число удаляемых элементов и др.), обеспечивающих возможность получения набора локальнооптимальных решений за полиномиальное время.

Показать весь текст

Список литературы

  1. И.П. Принципы построения и структура САПР. М.: Высшаяшкола,
  2. И.П., Кузьмик П. К. Информационная поддержка наукоемкихизделии 3. Колчин986.
  3. CALS-технологии. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. А.Ф. и др. Управление жизненным циклом продукции. М.: АнархаСис, 2002.
  4. Г. Б. и др. CASE- технология создания многоагентных САПР изделий машиностроения. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.2, М.: Физматлит, 2003, с 41−46.
  5. М., Зимерс Э. САПР и автоматизация производства. М.: Мир, 19 $ 7.
  6. И.П. Основы автоматизированного проектирования. -М.: Изд-во МГТУ имени Н. Э. Баумана, 2000.-360с.
  7. В.П., Курейчик В. М., Норенков И. П. Теоретические основы САПР. М.: Энергоатомиздат, 1987.
  8. В.М. Математическое обеспечение конструкторского и технологического проектирования с применением САПР. М.: Радио и связь, 1990.
  9. И.П., Маничев В. Б. САПР ЭВА. М.: Высшая школа, 1983.
  10. В.Н. Теоретические основы построения базовых адаптируемыхкомпонентов САПР МЭА. М.: Наука, 1989.
  11. Ю.Х. Основы автоматизированного проектирования. М.:1. Радио и связь, 1988.
  12. Sherwani Naveed. Algorithms for VLSI Physical Design Automation, Kluwer Academic Publishers, Boston/Dordrecht/London, 1995.
  13. Н.Г., Мицук H.B. Основы оптимального управления процессами автоматизированного проектирования. М.: Энергоатомиздат,
  14. К.К. и др. Методы разбиения схем РЭА на конструктивно законченные части. М.: Советское радио, 1978.
  15. Справочник конструктора РЭА. Общие принципы конструирования. Под ред. Р. Г. Варламова. М.: Советское радио, 1980.
  16. К.К., Одиноков В. Г., Курейчик В. М. Автоматизированноепроектирование конструкций РЭА. М.: Радио и связь, 1983.
  17. A.M. Применение графов и гиперграфов для автоматизации конструкторского проектирования РЭА и ЭВА. Саратов: Изд-во СГУ, 1993.
  18. Г. А., Смолич Г. Г., Юлин Б. И. Алгоритмические методы конструкторского проектирования узлов с печатным монтажом. М.: Радио и связь, 1987.
  19. А.Н., Берштейн Л. С., Курейчик В. М. Применение графов для проектирования дискретных устройств. М.: Наука, 1974.
  20. Автоматизация проектирования БИС. В 6 кн. Под ред. Г. Г. Казеннова. М.: Высшая школа, 1990.
  21. Т., Лейзерсон И., Ривест Р. Алгоритмы: построения и анализ. М.: МЦМО, 2000.
  22. X., Стайниц К. Комбинаторная оптимизация. Алгоритмы и сложность. М.: Мир, 1983.
  23. Л.А., Курейчик В. В., Курейчик В. М. Основы теории алгоритмов / под ред. В. М. Курейчика. Учебное пособие по курсу «Математическая логика и теория алгоритмов». Таганрог. ТРТУ, 2002.-82с.
  24. Ф. Теория графов. М.: Мир, 1977.
  25. Н. Теория графов. Алгоритмический подход. М.: Мир, 1978.
  26. Ф.А. Дискретная математика для программистов. СПб.: Питер, 2000.
  27. .Н. Дискретная математика. М.: Лаборатория базовых знаний, 2001.
  28. А.А. Основы теории графов. М.: Наука, 1987.
  29. Р.П. Декомпозиционные и топологические методы автоматизированного конструирования электронных устройств. Львов: Вища шк., 1981.
  30. А. И. Тетельбаум А.Я. Модели электронных устройств при решении конструкторских задач. Кибернетика,№ 2,1978, с.47−54.
  31. В.М. Графовые модели представления вычислительных алгоритмов. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.2, М.: Физматлит, 2003, с 133−138.
  32. .В., Щемелинин В. М. Проектирование топологии интегральных схем на ЭВМ. М.: Машиностроение, 1979.
  33. Н. Принципы искусственного интеллекта.- М: Радио и связь, 1985. 376 с.
  34. П.В. Коммутационные модели блоков ЭВА. Перспективные информационные технологии интеллектуальные системы, № 2 (18), 2004, с.46−53.
  35. А.Н., Берштейн JI.C. Гиперграфы в автоматизации проектирования дискретных устройств. Ростов на-Дону. Изд-во РГУД981.
  36. В.М., Глушань В. М., Щербаков Л. И. Комбинаторные аппаратные модели и алгоритмы в САПР. М.: Радио и связь, 1990.
  37. А.И., Тетельбаум А. Я., Шрамченко Б. Л. Автоматизация конструирования электронной аппаратуры (топологический подход). Киев: Вища шк., 1980.
  38. Ю.А., Коробейников А. Г. Методы представления математических моделей в САПР при концептуальном и инфологическом моделировании. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.2, М.: Физматлит, 2003, с 35−41.
  39. В.В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. М.: Физматлит, 2003.
  40. Д.И., Львович Я. Е., Фролов В. Н. Оптимизация в САПР. Воронеж: Изд-во ВГУ, 1997.
  41. .Я. Оптимизация вокруг нас. Л.: Машиностроение, 1989.
  42. О.В. и др. Автоматизация проектирования радиоэлектронных средств. М.: Высшая школа, 2000.
  43. Ю.О., Яценко О. В. Определение нечеткости в задачах оптимизации функционально распределенных систем обработки данных и подходы к ее решению. IEEE AIS-02, CAD-2002. Интеллектуальные системы, интеллектуальные САПР, М.: Физматлит, 2002, с. 74−78.
  44. В.В., Курейчик В. М. Перспективные технологии для решения оптимизационных задач. IEEE AIS-03, CAD-2003. Интеллектуальные системы, интеллектуальные САПР т.1, М.: Физматлит, 2003, с 59−67.
  45. Karypis G., Aggarwal R., Kumar V., and Shekhar S. Multilevel hypergraph partitioning: Application in VLSI domain. In Proceedings of the Design and Automation Conference, 1997.
  46. Karypis G., Kumar V. A coarse-grain parallel multilevel k-way partitioning algorithm. In Proceedings of the eighth SIAM conference on Parallel Processing for Scientific Computing, 1997.
  47. Karypis G., Kumar V. hMETIS 1.5: A hypergraph partitioning package. Technical report, Department of Computer Science, University of Minnesota, 1998. Available on the WWWat URL http://www.cs.umn.edu/.metis.
  48. Alpert C.J. et all. Hypergraph Partitioning with Fixed Vertices. -//-V.19, № 2, February 2002, pp. 267 271.
  49. Wolfe G., Wong J.L. and Potkonjak M. Watermarking Graph Partitioning Solutions. IEEE Transactions on CAD of Integrated Circuits and systems, V. 21, № 10, October 2002, pp. 1196 1204.
  50. Мак W.K. Mic Cut Partitioning With Functional Replication for Technology — Mapped Circuits Using Minimum Area Over hed. -//-V.21, № 4, april 2002, pp. 491 -496.
  51. Caldwell A.E., Kahng A.B. and Markov I. L. Optimall Portitioners and End -Case Placers for Standard Cell Layout. -//-V.19, № 11, November 2000, pp. 1304- 1313.
  52. Kernighan В., Lin S. An efficient heuristic procedure for partitioning graphs, Bell Syst. Tech.J., vol 49, Feb 1970, pp. 291−307.
  53. Fiduccia C., Mattheyses R. A linear time heuristics for improving network partitions. Proceedings 19th АСМЛЕЕЕ Design automation conference, 1982, pp. 175−181.
  54. Saab. Y. A new effective and efficient multi-level partitioning algorithm. Proceedings Design, Automation and Test in Europe Conference 2000, Paris, France, 27−30 March 2000, pp.112−116.
  55. Г. Тайны природы. М.: Институт компьютерных исследований, 2003.
  56. Ч. Происхождение видов путем естественного отбора. М.: «Тайдекс Ко», 2003.
  57. Эволюционная эпистемология и логика социальных наук: Карл Поппер и его критики// Составление Д. Г. Лахути, В. Н. Садовского, В. К. Финна. М.: Эдиториал УРСС, 2000.
  58. Ф. Генетика популяций. М.: Техносфера, 2003.
  59. Holland John Н., Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control, and Artificial Intelligence. USA: University of Michigan, 1975.
  60. Goldberg David E. Genetic Algorithms in Search, Optimization and Machine Learning. USA: Addison-Wesley Publishing Company, Inc., 1989.
  61. Handbook of Genetic Algorithms. Edited by Lawrence Davis. USA: Van Nostrand Reinhold, New York, 1991.
  62. Эволюционные вычисления и генетические алгоритмы. Составители Гудман Э. Д., Коваленко А. П. Обозрение прикладной и промышленной математики. М.: Изд-во ТВП, 1966.
  63. Д.А. Генетические алгоритмы решения экстремальных задач. Воронеж: Изд-во ВГТУ, 1995.
  64. В.М. Генетические алгоритмы и их применение: Монография. -Таганрог: Изд-во ТРТУ, 2002.
  65. В.В. Эволюционные, синергетические и гомеостатические методы принятия решений. Монография. -Таганрог: Изд-во ТРТУ, 2001.
  66. В.М. Генетические алгоритмы. Обзор и состояние. Новости искусственного интеллекта, № 3, 1998, с. 14−64.
  67. В.М. Генетические алгоритмы: Состояние. Проблемы. Перспективы. Теория и системы управления РАН, Москва, N 1, 1999, с. 144−160.
  68. В.В., Курейчик В. М. Об управлении на основе генетического поиска. Автоматика и телемеханика. РАН, № 10, Москва, 2001, стр. 174 187.
  69. В.М., Курейчик В. В. Генетический алгоритм разбиения графа// Известия АН. Теория и системы управления, № 5, 1999, с.79−87.
  70. А.С. Компонентное разбиение в совместном проектировании аппаратно-программных средств на основе масштабируемых моделей IEEE AIS-02, CAD-2002. Интеллектуальные системы, интеллектуальные САПР, М.: Физматлит, 2002, с. 349−350.
  71. В.В., Сороколетов П. В. Эволюционные алгоритмы разбиения графов и гиперграфов. Известия ТРТУ,№ 3, 2004, с.23−32.
  72. О.В. Модели эволюции в задачах компоновки схем ЭВА. Перспективные информационные технологии интеллектуальные системы, № 1 (19), 2002, с.47−49.
  73. Frohlich N., Glockel V., Fleischmann J. A new partitioning method for parallel simulation of VLSI circuits on transistor level. Proceedings Design,
  74. Automation and Test in Europe Conference, 2000, Paris, France, 27−30 March 2000, pp.679−685.
  75. Wei Y.C., Cheng C.K. A two-level two-way partitioning algorithm, Tech. report CH2924−9, University of California, San Diego, IEEE, 1990.
  76. Ching-Wei Yeh, Chung-Kuan Cheng, Ting-Ting Y. Lin. A general purpose multiple way partitioning algorithm. Proceedings 28th ACM/IEEE Design Automation Conference, paper 25/1, 1991, pp.421−425.
  77. Bui T. N., Moon B. R. Genetic algorithm and graph partitioning, IEEE Trans. Comput., vol.45, 1996, pp. 841−855.
  78. Chandrasekharam R., Subhramanian and chadhurys. Genetic algorithms for node partitionaly problem and application in VLSI design. IEEE Proc-E, Vol.140, No.5, September, 1993. pp. 167 178.
  79. Kling R.M., Banerjee P.: Placement by Simulated Evolution. IEEE Trans, on CAD, Vol.8, No.3, 1989. pp. 245−256.
  80. Kling R.M. and Baneijee P. Empirical and Theoretical Studies of the Simulated Evolution Method applied to standard Cell Placement. IEEE Trans, on CAD, Vol.10, No.10, 1991. pp. 1303−1315.
  81. Н.П. Избранные труды, T.l. Проблемы гена и эволюции. М.: Наука, 2000.
  82. В .Г. Эволюционная кибернетика. -М.: Наука, 2001.
  83. Э. В. и др. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996.
  84. Э.В. Экспертные системы реального времени. Открытые системы № 2(10), 1995. http://kiryushin.boom.ru/docs/esrv.htm.
  85. Г. С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.
  86. С.В. Взаимодействие БЗ и системы выбора. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999, с.68−72.
  87. П. Введение в экспертные системы. М.: Издательский дом «Вильяме», 2001.
  88. К. Введение в системы баз данных (седьмое издание).-М.: Вильяме. 2001.
  89. О. Руководство по экспертным системам. М.: Мир, 1989.
  90. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы. Справочник / Под ред. Э. В. Попова. М.: Радио и связь, 1990.
  91. Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы. Справочник / Под ред. Д. А. Поспелова. М.: Радио и связь, 1990.
  92. В.Б. Интеллектуальные системы в проектировании. Новости ИИ, № 4,1993, с.24−67.
  93. А.Н. и др. Приобретение и формализация знаний. Искусственный интеллект. М.: Радио и связь, 1990.
  94. В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. -М.: Эдиториал УРСС, 2002. -352с.
  95. П.В. Спектральные методы для распознавания и классификации символьных объектов. Доклады 2-й конференции по компьютерной лингвистике. Тарту ЭССР, 1989, с.56−58.
  96. П.В. Концепция диалоговой системы формализованных процедур извлечения экспертных знаний. Тезисы докладов отраслевого семинара «Новая информационная технология и проблемы управления». М.: ЦНИИатоминформ, 1990, с.78−80.
  97. А.В., Сороколетов П. В. Построение и использование баз знаний в среде СУБД типа dBASE/ЛГезисы докладов VI Всесоюзной научно-технической школы «Интеллектуальные банки данных». 7−8 марта 1990 г., пос. Бакуриани ГССР. Тбилиси, 1990, с.16−18.
  98. Kelly G. The Psychology of Personal Constructs. Vols 1 and 2. Norton, New York, 1955.
  99. H.H. Прикладная логика. Издание 2-е. Новосибирск, изд-во Новосибирского университета, 2000.
  100. Luger G. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Fourth Edition. Addison-Wesley Publishing Company, 2002.
  101. П.В. Методы адаптации в задачах компоновки //Перспективные информационные технологии интеллектуальные системы, № 1 (17), 2004, с.29−32.
  102. П.В. Генетические операторы мутации на основе чисел Фибоначчи. Известия ТРТУ,№ 3, 2004, с. 197−198.
  103. .К. Методы поисковой адаптации в задачах автоматизированного проектирования СБИС. Таганрог, Изд-во ТРТУ, 2000.
  104. Л.С., Карелин В. П., Целых А. Н. Модели и методы принятия решений в интегрированных ИС. Ростов-на -Дону, изд-во РГУД999.
  105. Юб.Комарцова Л. Г., Максимов А. В. Нейрокомпьютеры. М.: Изд-во МГТУ, 2002.
  106. М.Л. Исследования по теории автоматов и моделирование биологических систем.- М.: Наука, 1969.
  107. В.М., Мухлаев А. В. Моделирование адаптации в алгоритмах синтеза топологии электронных систем. Программные продукты и системы,№ 3, 2000, с. 13−16.
  108. Ю. Вводный курс теории вероятностей и математической статистики. М.: Наука, 1968.
  109. И.В. Разработка среды эволюционного моделирования с динамическими параметрами DYNGEN. // Известия ТРТУ. 2002.№ 3, с. 227.
Заполнить форму текущей работой

Сессия? Спокойно!