Помощь в учёбе, очень быстро...
Работаем вместе до победы

Методы оптимизации процессов программных вычислений и эффективно вычислимые алгоритмы для метаязыка описания сетей массового обслуживания

Диссертация: Методы оптимизации процессов программных вычислений и эффективно вычислимые алгоритмы для метаязыка описания сетей массового обслуживания
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

На основе статистического анализа потоков данных в исследуемых СеМО выявлено наличие пиковых режимов работы, как случайных, возникающих в случае нештатных ситуаций, так и циклических, связанных с особенностями технологического процесса, приводящих к сбоям в работе систем, неудовлетворительному качеству обслуживания клиентов, несвоевременности предоставления информации, а также предложены методы… Читать ещё >

Содержание

  • 1. АНАЛИЗ АЛГОРИТМИЧЕСКОГО ОПИСАНИЯ СИСТЕМ И СЕТЕЙ МАССОВОГО ОБСЛУЖИВАНИЯ
    • 1. 1. Анализ специализированных языков имитационного. моделирования
    • 1. 2. Анализ методов дискретно-событийного моделирования
  • 1. < «
    • 1. 3. Теоретическая база языков моделирования сетей массового обслуживания
      • 1. 3. 1. Структура и параметры сети массового обслуживания
      • 1. 3. 2. Использование марковских случайных процессов при исследовании сетей массового обслуживания
      • 1. 3. 3. Вероятностный аппарат теории очередей
  • Выводы
  • 2. ТЕОРЕТИЧЕСКИЙ АППАРАТ ЭФФЕКТИВНО ВЫЧИСЛИМЫХ АЛГОРИТМОВ
    • 2. 1. Классы сложности вычислимых функций
    • 2. 2. Реализуемость алгоритмов: абстрактный подход
    • 2. 3. Использование теории рекурсивных функций для построения эффективно вычислителимых алгоритмов
    • 2. 4. Разрешимость и реализуемость функций
  • Выводы
  • 3. РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ОПТИМИЗАЦИИ ПРОЦЕССОВ ПРОГРАММНЫХ ВЫЧИСЛЕНИЙ
    • 3. 1. Формальное описание канала системы массового обслуживания и проектирование системы
    • 3. 2. Алгоритм работы системы имитационного моделирования
    • 3. 3. Описание объектов, входящих в имитационную модель
    • 3. 4. Синтаксис описания поведения узла системы массового обслуживания
    • 3. 5. Повышение эффективности программных операций с использованием техники частичные вычисления. Автоматическая генерация программ
    • 3. 6. Численные методы генерации потоков поступления и обработки заявок, реализованные в программном' комплексе
    • 3. 7. Моделирование сети массового обслуживания в разработанном программном комплексе
  • Выводы «
  • 4. МЕТАЯЗЫК ОПИСАНИЯ СИСТЕМ И СЕТЕЙ МАССОВОГО ОБСЛУЖИВАНИЯ НА ОСНОВЕ АППАРАТА РЕКУРСИВНЫХ ФУНКЦИЙ
    • 4. 1. Неструктурированное описание систем массового обслуживания
    • 4. 2. Алгоритмы синтеза структурированного описания системы массового обслуживания на метаязыке
      • 4. 2. 1. Алгоритм синтеза набора правил по заданной строке
      • 4. 2. 2. Алгоритм синтеза набора правил по заданному набору строк
      • 4. 2. 3. Алгоритм преобразования заданной структуры правил построенный по методу рекурсивного спуска
      • 4. 2. 4. Алгоритм построения набора правил и модели на основе заданной входной строки
    • 4. 3. Язык описания систем массового обслуживания XML-QS
      • 4. 3. 1. Структура языка описания систем массового обслуживания
      • 4. 3. 2. Алгоритм построения формального распознавателя цепочек языка
    • 4. 4. Методика уточнения структуры и параметров моделируемой системы на основе разработанного метаязыка '
    • 4. 5. Алгоритм описания взаимосвязей систем массового обслуживания, входящих в сеть обслуживания
    • 4. 6. Асимптотические оценки разработанных алгоритмов
  • Выводы
  • 5. РЕАЛИЗАЦИЯ И ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ СИСТЕМЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ ИССЛЕДОВАНИЯ ОТРАСЛЕВЫХ ИНФОРМАЦИОННЫХ СИСТЕМ
    • 5. 1. Описание программного комплекса 119 Интерфейс пользователя
    • 5. 2. Совершенствование методов организации и хранения данных на серверах систем автоматизированного управления железнодорожного транспорта
      • 5. 2. 1. Описание системы
      • 5. 2. 2. Оптимизация структуры базы данных протокольного сервера комплексной системы автоматизированного управления сортировочным процессом
    • 5. 3. Разработка систем информационного обеспечения объектов скорой медицинской помощи и методов структурирования и обработки данных в них
  • Выводы

Методы оптимизации процессов программных вычислений и эффективно вычислимые алгоритмы для метаязыка описания сетей массового обслуживания (реферат, курсовая, диплом, контрольная)

Актуальность работы.

Существует особая трактовка понятия «эффективность вычислений», смысл которой был заложен в работах Тьюринга, Поста, Черча, Клини, Гёделя, которые не могли предвидеть нынешнего прогресса в области компьютерных систем и сетей. Тем не менее, модели вычислений, заложенные в их работах, могут являться математическим фундаментом для построения эффективных программных комплексов с применением современных вычислительных систем и аппарата математического моделирования.

При решении многих практических задач выясняется, что реальные системы чрезвычайно сложны, и зачастую практически невозможно определить ряд их параметров, что исключает возможность аналитического решения. В этом случае применяется методика исследования системы с помощью имитационного моделирования (ИМ), поэтому в число этаповИМ' входят вычислительные процедуры (эксперименты), требующие больших объемов вычислений.

Анализ существующих специализированных языков описания сложных систем и программных средств, построенных на их основе, показывает, что далеко не всегда в них используются эффективные численные методы и алгоритмы. С ростом вычислительных ресурсов компьютерных систем вопросы эффективных вычислений практически перестали рассматриваться специалистами в данной области, тем не менее, покажем, что проблемы эффективно вычислимых функций (алгоритмов) по-прежнему актуальны.

Стремительное развитие вычислительной техники привело к тому, что практически во всех отраслях народного хозяйства, были внедрены и продолжают развиваться и модернизироваться крупные корпоративные информационные системы, функционирующие на базе распределенных компьютерных сетей, обрабатывающие огромное количество разнородной информации, исходящей от множества различных источников. В связи с постоянно увеличивающимися возможностями вычислительной техники и ужесточением требований к точности математических моделей появляется необходимостью учитывать всё большее число факторов, характерных для реальных систем, увеличивается и сложность используемых моделей, необходимых при изучении данных систем. Кроме того, в функции многих таких систем встроены подсистемы поддержки принятия' решений, которые в режиме реального времени должны оперативно осуществлять анализ, обработку, передачу информации и формирование управляющих и/или советующих решений. Указанные факторы — увеличения объема вычислительных задач и выполнения их за приемлемое для системы времясвидетельствуют о необходимости дальнейшего развития методов эффективных вычислений и их внедрения в системы обработки информации.

В работах Э. Поста, а затем X. Роджерса делается предположение и дается его обоснование о том, что «понятие общерекурсивной функции действительно является формальным эквивалентом эффективной вычислимости.». Таким образом, если алгоритмы в системе ИМ построены на базе некоторых классов рекурсивных функций, то это будет означать, что они являются эффективно вычислимыми, то есть реализованными наилучшим способом из всех возможных.

Разработанные автором метаязык описания и структуризации данных и построенные на его базе комплексы программ, реализующие алгоритмы, оптимизированные по критерию вычислительной эффективности, использующие аппарат рекурсивных функций и частичных вычислений, предназначены для исследования и использования в системах реального времени, в которых проблема скорости вычислений очевидна.

Теория алгоритмов сформировалась в 20 веке и впервые появилась в трудах Э. Бореля (1912) и Г. Вейля (1921). Началом систематической разработки теории алгоритмов можно считать 1936 год, когда А. Черч опубликовал первое понятие вычислимой функции и привел первый пример функции, не являющейся вычислимой, а А. Тьюринг и Э. Пост дали первые уточнения понятия алгоритма (в терминах идеализированных вычислительных машин, машин Тьюринга). В дальнейшем теория алгоритмов получила развитие в трудах С. Клини, Э. Поста, A.A. Маркова, А. Н. Колмогорова и других. Оптимизации алгоритмов посвящена теория частичных вычислений разработанная И. Футамурой, В. Ф. Турчиным, А. П. Ершовым.

Теории формальных грамматик и грамматическому разбору выражений посвящены труды таких ученых как Н. Хомский, А. Ахо, Д. Ульман, Д. Грис, Д. Кнут.

Теории и языкам ИМ посвящены работы Дж. Гордона, Е. Сейджвика, А. Jloy, В. Кельтона, В. В. Емельянова. Работы Г. Буча, П. Коуда, позволили создавать системы моделирования и программирования с использованием объектно-ориентированных принципов. Отметим книги JI. Клейнрока, Г. Т. Артамонова и О. М. Брехова по моделям функционирования ЭВМ.

Современное состояние теории массового обслуживания обеспечили работы. А. К. Эрланга и A.A. Маркова, А. Я. Хинчина, A.A. Боровкова, Б.В. Гне-денко, В. А. Каштанова, И. Н. Коваленко, Т. Л. Саати, Д. Г. Кендалла, Дж. Литтла. Из современных работ по СеМО следует выделить многочисленные труды В. М. Вишневского, В. А. Ивницкого.

Цели и’задачи исследования. Основной целью исследования1 является разработка методов преобразования вычислительных процессов к оптимизированным рекурсивным видам эффективно вычислимых алгоритмов на основе математическогоаппарата теории программирования, теории рекурсивных функций и методов частичных вычислений.

Для достижения поставленной цели необходимо решение следующих задач.

1. Выделение класса систем, обладающих высокой степенью распределенности и значительным числом разнородных объектов обслуживания и требующих значительных объемов вычислений, возникающих в связи с внедрением новых принципов передачии обработки информации, а также требованием оперативной поддержки принятия решений за ограниченное время.

2. Разработка методов оптимизации процессов программных вычислений и способов преобразования алгоритмов «к. эффективному, теоретически обоснованному базису.

3. Разработка рекурсивных форм эффективно вычислимых алгоритмов описания и моделирования систем.

4. Построение метаязыка описания и структурирования данных для СеМО с применением предложенной технологии оптимизации.

5. Разработка методики представления и моделирования СеМО, описывающей реальные информационные системы с помощью разработанного метаязыка.

6. Исследование информационных систем с использованием разработанной среды ИМ.

Теоретико-методологическая основа исследования. В работе используются теоретические и практические разработки, связанные с построением и анализом формальных грамматик. В качестве теоретической базы при построении наиболее эффективных алгоритмов применяется математический аппарат теории рекурсивных функций. Для оптимизации программ использовался аппарат частичных вычислений. При разработке методик анализа и преобразования данных использовались современные методы и средства представления информации. Основой прикладных аспектов теоретических исследований явились труды отечественных и зарубежных авторов, посвященные проблемам, связанным с теорией массового обслуживания.

В диссертационном исследовании используются принципы системного, структурно-функционального и сравнительного анализа.

Информационно-эмпирической базой исследования послужили экспериментально-статистические и экспертные данные о конфигурации и функционировании сложных систем массового обслуживания, являющихся предметом исследования.

Научная новизна работы заключается в разработке методов реструктуризации и оптимизации вычислений в ИМ на основе эффективных алгоритмов. К наиболее существенным научным результатам работы относятся следующие.

1. Исследована теоретическая база представления алгоритмов языков ИМ и предложены методы реализации программных процедур эффективными способами.

2. Разработана технология оптимизации вычислений в программных модулях с использованием методов частичных вычислений и алгоритмов рекурсивных преобразований.

3. Предложен метаязык структурированного описания СеМО ХМЬ-(38 с эффективными методами вычислений, в том числе:

3.1.для существующих языковых описаний СеМО разработаны алгоритмы их преобразования к языку ХМЬ-С^Б;

3.2.разработан вычислительно-эффективный алгоритм распознавания входного языка;

3.3.показан класс СеМО, для описания которых применим данный язык.

4. Разработана методика представления информационных систем на метаязыке ХМЬ-С^Б и алгоритмы ее применения.

5. Разработаны алгоритмы линейной и полиномиальной сложности, на основе которых создано программное обеспечение для имитации СеМО.

Практическая ценность. Предложенные теоретические подходы к представлению СеМО и их формальному описанию используются в интегрированных информационно-управляющих системах в подсистемах поддержки принятия решений.

Практическую ценность представляют следующие результаты.

1. Разработан, внедрен и адаптирован комплекс программ для имитационного моделирования работы автоматизированных систем управления, описываемых в виде СеМО. Внедрение этого комплекса позволило определить «узкие места» в системах управления и предложить обоснованные рекомендации по их устранению.

2. Разработан и внедрен программный комплекс управления процессом работы станции скорой медицинской помощи (СМП) г. Таганрога, в котором практически реализованы методы эффективных вычислений, предложенные в диссертации, позволяющие оптимизировать работу станции СМП, и, как следствие, повысить эффективность и устойчивость функционирования этой системы.

3. На основе статистического анализа потоков данных в исследуемых СеМО выявлено наличие пиковых режимов работы, как случайных, возникающих в случае нештатных ситуаций, так и циклических, связанных с особенностями технологического процесса, приводящих к сбоям в работе систем, неудовлетворительному качеству обслуживания клиентов, несвоевременности предоставления информации, а также предложены методы по устранению этих недостатков. В соответствии с выявленными особенностями потоков данных разработана методика анализа и контроля использования системы обслуживания СМП и комплексной системы автоматизированного управления сортировочным процессом (КСАУ СП).

Достоверность научных и практических результатов работы подтверждается проведенными вычислительными экспериментами на практических задачах, а также публикациями и актами о внедрении.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на Всероссийском симпозиуме по прикладной и промышленной математике (2007 г. Сочи), на Международной конференции «Математика. Экономика. Образование» (2006 г., Новороссийск) — на Международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (2007 г.,.

Новочеркасск) — Международной научно-практической конференции «Экономико-организационные проблемы проектирования и применения информационных систем» (2006 г., Кисловодск), на научно-теоретических и научно-практических конференциях профессорско-преподавательского состава Ростовского государственного университета путей сообщения (2003 — 2007 гг.).

Основные положения и результаты, выносимые на защиту.

— эффективно вычислимые алгоритмы на основе рекурсивных функций;

— процедура оптимизации программных модулей на базе частичных вычислений;

— метаязык описания систем и сетей массового обслуживания ХМЬ-С)8;

— принципы и методы представления СеМО;

— метод преобразования формальных описаний СеМО к языку ХМЬ-С)8;

— алгоритм распознавания разработанного метаязыка.

Публикации.

По результатам проведенных теоретических и экспериментальных исследований опубликовано 16 печатных работ, из них 3 — в журналах, включенных в список рекомендованных ВАК.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка использованной литературы и приложений. Объем диссертационной работы — 162 страницы, из, них основного текста 135 с.

Основные результаты диссертационного исследования состоят в следующем.

1. На основе анализа алгоритмического описания и языков имитационного моделирования сформулированы основные требования к разрабатываемой системе имитационного моделирования систем и сетей массового обслуживания.

2. Разработаны методы структуризации данных в системах ИМ, на основе которых предложен метаязык описания данных ХМЬ-С>8.

3. Метаязык ХМЬ-РЭ построен на основе вычислительно эффективных процедур, использующих аппарат теории рекурсивных функций.

4. Разработан алгоритм построения формального распознавателя цепочек языка.

5. Выполнена оценка временной и вычислительной сложности разработанных алгоритмов, показавший, что базовые алгоритмы предлагаемой системы ИМ имеют приемлемую сложность.

6. Разработана система ИМ сетей массового обслуживания, использующая предложенные методы структуризации данных и вычислительно эффективные алгоритмы. 7. Разработанная система ИМ адаптирована и практически используется в отраслевых информационных системах в системах поддержки принятия решений и автоматизированных рабочих местах для анализа процессов обработки, хранения и передачи данных.

ЗАКЛЮЧЕНИЕ

.

Показать весь текст

Список литературы

  1. М.Ю. Применение теории массового обслуживания для решения производственных задач. — JL: ЛКИ, 1989.
  2. А. Н. Формальные языки и грамматики: Учебное пособие. -Ульяновск: УлГТУ, 1997. 84 с.
  3. Ахо A.B., Сети Р., Ульман Д. Д. Теория синтаксического анализа, перевода и компиляции. Т.1. Синтаксический анализ. М.: Мир, 1978 -792 с. '
  4. Ахо A.B., Ульман Д. Д. Теория синтаксического анализа, перевода и компиляции. Т.2. Компиляция. -М.: Мир, 1978, -812 с.
  5. Ахо A.B., Ульман Д. Д. Теория синтаксического анализа, перевода и компиляции. Т. З. Компиляция. -М.: Мир, 1978, -778 с.
  6. Л.С., Боженюк A.B. Нечеткие модели принятия решений: дедукция, индукция, аналогия: Монография. Таганрог: Изд-во ТРТУ, 2001.-110 с.
  7. П.П. Сеть массового обслуживания с сигналами со случайной задержкой // Автоматика и телемеханика. № 9. — 2002. — С. 85−96.
  8. П. П., Печинкин А. В. Теория массового обслуживания. М.: Изд-во РУДН, 1995.
  9. А. В., Корсакова Н. В., Фильчаков В. В. Лексический и синтаксический анализ. Формальные языки и грамматики. — JL: ЛИАП, 1990, — 31с.
  10. Бу такова М.А., Евдокимов A.B., Лябах H.H. Комплект программ для имитационного моделирования систем массового обслуживания. Свидетельство об отраслевой регистрации разработки № 6038 от 20.04.2006.
  11. М.А., Евдокимов A.B. Разработка эффективных алгоритмов для имитационного моделирования сетей массового обслуживания на базе математического аппарата теории рекурсивных функций // Труды РГУПС, № 1, 2008 г. С. 34 40.
  12. Н. Алгоритмы и структуры данных. — М.: Мир, 1989. — 360 с.
  13. И. А., Руденко Т. В. Формальные языки и грамматики. Элементы теории трансляции. — М.: Диалог-МГУ, 1999. — 62 с.
  14. Генцелъман Т. В, Евдокимов A.B., Курбесов A.B. Автоматизация контроля счетов в страховой медицинской организации / Сб. тр. «Десятилетие обязательного медицинского страхования: опыт, проблемы, перспективы», — Ростов-на-Дону, 2003: С. 152 154.
  15. .В., Беляев Ю. К., Соловьев А. Д. Математические методы в теории надежности. — М.: Наука, 1965. -210с.
  16. .В., Коваленко H.H. Введение в.теорию массового обслужива-. ния. М.: КомКнига, 2005,-400с.
  17. А. В., Никитин А. В., Филъчаков В. В. Организация пакетов прикладных программ: Учебное пособие. — Л.: ЛИАП, 1988, — 78 с.
  18. В.А., Молчанов А. Ю. Системное программное обеспечение. Учебник. Санкт-Петербург. Изд. «Питер», 2001. -736 с.
  19. Д. Ван Тассел. Стиль, разработка, эффективность, отладка и испытание программ. М.: Мир, 1985. — 332 с.
  20. А. И. Основы трансляции: Учебное пособие. — Волгоград: ВолгГТУ, 1999. 80 с.
  21. Е. Б. Марковские процессы. — М.: Физматгиз, 1963.
  22. А.Н., Клименюк В. И., Царенков Г. В. Расчет характеристик однолинейной системы обслуживания с групповым Марковским потоком, полумарковским обслуживанием и конечным буфером // Автоматика и телемеханика. № 8. — 2002. — С. 87−101.
  23. A.B. Построение языковых моделей для описания сложных объектов при проведении имитационного моделирования систем массового обслуживания. Известия вузов. Северо-Кавказский регион. Техн. науки. № 6(142), 2007 г. С. 5 9.
  24. A.B. Шелехов К. К. Автоматизация работы станции скорой медицинской помощи. Журнал «Главный врач юга России», № 3, 2005. С. 28.
  25. A.B. Моделирование объектов железнодорожного транспорта на основе использования теории массового обслуживания. Сборник Труды всероссийской научно-практической конференции «Транспорт-2005». Часть 1. Ростов-на-Дону, РГУПС, 2005. С. 96 — 97.
  26. A.B. Методика описания систем массового обслуживания при моделировании объектов железнодорожного транспорта // Известия вузов. Северо-Кавказский регион. Приложение к № 4. Новочеркасск, 2006 г. стр. 17−20.
  27. A.B. Программный комплекс имитационного моделирования систем массового обслуживания. В сб.: Труды всероссийской научно-практической конференции «Транспорт-2006». Часть 2. -Ростов-на-Дону, РГУПС, 2006. С. 45 46.
  28. A.B. Имитационное моделирование систем массового обслуживания на железнодорожном транспорте // Труды XIV Международной конференции «Математика. Экономика. Образование», июнь 2006, г. Новороссийск-Ростов н/Д, изд-во «ЦВВР», 2006. С. 130 133.
  29. Ъ5.Евдокимов A.B. Курбесов A.B. Программный комплекс поддержки национальных проектов в области здравоохранения. Журнал «Главный врач юга России», № 2, 2006. С. 14.
  30. ЪЬ.Евдокимов A.B. Язык описания систем массового обслуживания на железнодорожном транспорте. Статья Сборник Труды всероссийской научно-практической конференции- «Транспорт-2007» Часть Г. Ростов-на-Дону, РГУПС, 2007. С. 45.
  31. A.B. Построение языка описания сложных объектов при проведении имитационного моделирования с использованием теории массового обслуживания // Обозрение прикладной и промышленной математики. ОПиПМ, 2007, т.14, вып. 6, с. 1102.
  32. В. И., Коровинский В: В., Филъчаков В. В. Синтаксический анализ и генерация кода. — СПб: ГААП, 1993. — 26 с.
  33. Л. Основы нового подхода к анализу сложных систем и процессов принятия"решений // Математика сегодня М: Знание, 1973. -58 с. 40.3аде JJ.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. — 165 с.
  34. А.Г., Мюллер И. А. Самоорганизация прогнозирующих моделей. Киев: Техника, 1985- Берлин ФЕБ Ферлаг Теник, 1984. — 219 с.
  35. АЪ.Ивницкий В. А. Теория сетей массового обслуживания. М.: Изд-во физ.-мат. лит-ры, 2004.
  36. Г. И., Каштанов В. А., Коваленко И. Н. Теория массового обслуживания. — М.: Высшая школа, 1982, -324 с.
  37. Е. Языки моделирования / Пер. с чешского. — М.: Энергоатом-издат, 1985. -456 с.4Ь.Клейнрок Л. Вычислительные системы с очередями. — М.: Мир, 1979, -276 с.
  38. В.И. Многолинейная система массового обслуживания с групповым Марковским входным потоком и повторными вызовами // Автоматика и телемеханика. -№ 8. -2001, с. 97−108. .
  39. Д. Искусство программирования для ЭВМ. т.1. Основные алгоритмы. -М., 1976 г. -879 с.
  40. Д. Искусство программирования для ЭВМ. т.2. Получисленные алгоритмы. -М., 1977 г. -723 с.
  41. Д. Искусство программирования для ЭВМ. т.З. Сортировка и поиск. -М., 1978 г. -827 с.
  42. Р. И., Манъков Е. В., Филатов Н. Е. Системное программирование. Основы построения трансляторов/Учебное пособие для высших и средних учебных заведений. СПб.: КОРОНА-принт, 2000. — 256 с.
  43. Концептуальное моделирование информационных систем./Под ред. В. В. Фильчакова. СПб.: СПВУРЭ ПВО, 1998. — 356 с.
  44. Кэнту М. Delphi 5 для профессионалов. — СПб.: Питер, 2001.
  45. JIoy A.M., Келътон В Д., Имитационное моделирование. Классика CS- Изд. «Питер», 2004, -847 с.
  46. Ф. и др. Теоретические основы построения компиляторов. — М.: Мир, 1979. 483 с.
  47. H.H., Бутакова М. А. Системы массового обслуживания: развитие теории, методология моделирования и синтеза: Монография. Южн. науч. центр РАН, Рост. гос. ун-т путей сообщения. — Ростов н/Д, 2004.
  48. H.H., Шабелъников А. Н. Техническая кибернетика на железнодо-. рожном транспорте: Учебник. — Ростов н/Д: Изд-во СКНЦ, 2002. -283 с.
  49. В. Д. Евдокимов A.B. Схемотехнический редактор. Сб. тр. Всероссийской научно-практической конференции «Транспорт-2004″. Часть 1. Ростов-на-Дону, РГУПС, 2004. С. 45 -46.
  50. А.Н. Алгоритмы и рекурсивные функции. — М.: Наука, 1986 г -368с.
  51. . Ф. Подклассы класса контекстно-свободных языков. — М.: Изд-во МГУ, 1995.- 174 с.
  52. Модель оптимизации технологии эксплуатационной работы СевероКавказской железной дороги и Южного региона / МПС РФ. Ростов н/Д, 2001.-С. 127.
  53. A.A., Уразбаева СУ. Исследование СМО в дискретном времени и их применение к анализу оптоволоконных сетей связи. Автоматика и телемеханика. -№ 12. 2002. — С. 59−70.
  54. Л. Рекурсивные функции. М.: 1954, 264 с.
  55. Т., Зелковиц М. Языки программирования: реализация и разработка. — СПб.: Питер, 2001. -686с.
  56. Ю.Саати Т. П. Элементы теории массового обслуживания и ее приложения.- М.: Советское радио, 1971.-520 с.
  57. Т.Ю. Предельные теоремы для характеристик СМО с пакетной обработкой требований / Московский университет // Вестник. Сер. 15. Вычислительная математика и кибернетика. № 3. — 2003. — С. 15−22.
  58. А.Н. Планирование развития первичных сетей связи на основе генетических алгоритмов // Автоматика и телемеханика. № I. -2002.-С. 67−75.
  59. А.Г. Системы обслуживания МАР/Оп/1/1 с двумя специальными дисциплинами // Автоматика и телемеханика. № 12. — 2001. — С. 33−39−1 ^.Тихонов А. Н., Арсенин В. Н. Методы решения некорректных задач. М.:
  60. Наука, 1979.-286 с. 15. Труб И. И. Об оптимальной стратегии генерирования результатов запросов к? гиегпе^серверу баз данных // Автоматика и телемеханика. № 6. -2003. С. 95−102.
  61. В.П., Ивановский В. Б. Теория массового обслуживания. -М.: ИНФРА-М, 2000. 158 с.
  62. Г. Д., Якобе К., Ман Ф.К., Хермес Г. Машины Тьюринга и рекурсивные функции. М. 1972., 264 с. 84.http://www.w3 .org/TR/1998/REC-xml-1 998 021 085.http://lecture.narod:ru/TEMP/norenkov.html
  63. Adiri L and B. Avi-Itzhak: A Time-Sharing Queue with a Finite Number of Customers, J. Assoc. Comput. Mach, 16: 315−323 (1969).
  64. Ahrens, J.H., and U. Dieter. Computer Methods for Sampling from Gamma, Beta, Poisson, and Binomial Distributions, Computing, 12: 223−246 (1974).
  65. Alexopoulos, C, and A.F. Seila: Output Data Analysis, in Handbook of Simulation, J. Banks, ed., John Wiley, New York (1998). p.120−128.
  66. Alrefaei, M.H., and S. Andradottir: Discrete Stochastic Optimization via a Modification of the Stochastic Ruler Method, Proc. 1996 Winter Simulation Conference, San Diego, p. 406−411 (1996).
  67. Alrefaei, M.H., and S. Andradottir, A Simulated Annealing Algorithm with Constant Temperature lot Discrete Stochastic Optimization, Management Set., 45:748−764(1999).
  68. Anderson, T.W.: The Statistical Analysis of Time Series, John Wiley, New York (1994).
  69. Andreasson, I J.- Antithetic Methods in queueing Simulations, Technical Report NA 72.58, Department of Computer Science, Royal Institute of Technology, Stockholm (1972).
  70. Atkinson, A.C.: Tests of Pseudo-random Numbers, Appl. Statist, 29:164−171 (1980).
  71. Avramidis, A.N., and J.R. Wilson: A Splitting Scheme for Control- Variates, Operations Res. Letters, 14:187−198 (1993).
  72. Avramidis, A.N., and J.R. Wilson: Integrated Variance Reduction Strategies for Simulation, Operations Res., 44:327−346 (1996).
  73. Back, T.: Evolutionary Algorithms in Theory and Practice: Evolution Strategies, Evolutionary Programming, and Genetic Algorithms, Oxford University Press, New York (1996).
  74. Bagrodia, R.L.: Perils and Pitfalls of Parallel Discrete-Event Simulation, Proc. 1996 Winter Simulation Conference, San Diego, p. 136−143 (1996).
  75. Balci, O., and R.G. Sargent: A Methodology for Cost-Risk Analysis in the Statistical Validation of Simulation Models, Commun. Assoc. Comput. Mack., 24:190−197 (1981).
  76. Balci, O.: Verification, Validation and Testing, in Handbook of Simulation, J. Banks, ed., John Wiley, New York (1998).
  77. Baskett F., Chandy K.M., Muntz R.R., Palacios F. Open, closed and mixed networks of queues with different classes of customers // J. ACM, 1975, № 22. P. 248 260.
  78. Barton, R.R.: Design of Experiments for Pitting Subsystem Metamodels, Proc. 1997 Winter Simulation Conference, Atlanta, p. 303−310 (1997).
  79. Barton, R.R.: Metamodels for Simulation Input-Output Relations, Proc. 1992 Winter Simulation Conference, Washington, D.C., p. 289−299 (1992).
  80. Bays, C, and S.D. Durham: Improving a Poor Random Number Generator, Assoc. Comput. Mach. frans. Math. Software., 2:59−64 (1976).
  81. Bechhofer, R.E., T.J. Santner, and D. Goldsman: Design and Analysis for Statistical Selection, Screening and Multiple Comparisons, John Wiley, New York (1995).
  82. Bertsekas, D.P., and R. Gallager: Data Networks, 2d ed., Prentice-Hall, Englewood Cliffs, New Jersey (1992).
  83. Bettonvil, В., and J.P.C. Kleijnen: Searching for Important Factors in Simulation Models with Many Factors: Sequential Bifurcation, Eur. J. Operational Res., 96:180−194 (1997).
  84. Bichel, P. J., and K.A. Doksum: Mathematical Statistics: Basic Ideas and Selected Topics, Prentice-Hall, Upper Saddle River, New Jersey (1977).
  85. Biles, W.E., and J J. Swain: Mathematical Programming and the Optimization of Computer Simulations, Math. Program. Studies, 11:189−207 (1979).
  86. Biles, W.E., and J.J. Swain: Optimization and Industrial Experimentation, John Wiley, New York (1980).
  87. Biles, W.E.: Experimental Design in Computer Simulation, Proc. 1979 Winter Simulation Conference, San Diego, p. 3−9 (1979).
  88. Billingsley, P., D.J. Croft, D. V. Huntsberger, and C.J. Watson: Statistical Inference for Management and Economics, 3d ed., Allyn & Bacon, Boston (1986).
  89. Bowden, R.O., and J.D. Hall: Simulation Optimization Research and Development, Proc. 1998 Winter Simulation Conference, Washington- D.C., p. 1693−1698 (1998).
  90. Bowden, R.O.: The Spectrum of Simulation Software, HE Solutions, 30:44−46 (May 1998).
  91. Box, G.E.P., and M.E. Mullen A Note on the Generation of Random Normal Deviates, Ann. Math. Statist, 29:610−611 (1958).
  92. Box, G.E.P., гпб. N.R. Draper: Empirical Model-Building and Response Surfaces, John Wiley, New York (1987).
  93. Bratley, P., B.L. Fox, and L.E. Schrage: A Guide to Simulation, 2d ed., Springer-Verlag, New York (1987).
  94. Bright, H.S., and R.L. Enison: Quasi-random Number Sequences from a Long-Period TLP Generator with Remarks on Application to Cryptography, Сотр. Surveys, 11:357−370 (1979).
  95. Brown, M., and H. Solomon: On Combining Pseudorandom Number Generators, Ann. Statist., 7: 691−695 (1979).
  96. Brown, R.: Calendar Queues: A Fast 0(1) Priority Queue Implementation for the Simulation Event Set Problem, Commun. Assoc. Comput. Mack, 31:1220−1227(1988).
  97. Buss, A.H.: Modeling with Event Graphs, Proc. 1996 Winter Simulation Conference, San Diego, p. 153−160 (1996).
  98. Carothers, CD., B. Topol, R.M. Fujimoto, and V. Sunder am Visualizing Parallel Simulations in Network Computing Environments: A Case Study, Proc. 1997 Winter Simulation Conference, Atlanta, p. 110−117 (1997).
  99. Carson, J.S.: Variance Reduction Techniques for Simulated Queueing Processes, Technical Report 78−8, Department of Industrial Engineering, University of Wisconsin, Madison (1978).
  100. Carson, Y., and A. Maria: Simulation Optimization: Methods and Applications, Proc. 1997 Winter Simulation Conference, Atlanta, p. 118−126 (1997).
  101. Carter, G., and EJ. Ignall: Virtual Measures: A Variance Reduction Technique for Simulation, Management Sci., 21: 607−616 (1975).
  102. Cheng, R.C.H., and J.D. Lamb: Interactive Implementation of Optimal Simulation Experiment Designs, Proc. 1998 Winter Simulation Conference, Washington, D.C., p. 707−712 (1998).
  103. Cheng, R.C.H., and J.P.C. Kleijnen: Improved Design of Queueing Simulation Experiments with Highly Heteroscedastic Responses, Operations Res., 47 (1999).
  104. Cizek P., Hardle W., Weron R. Statistical Tools in Finance and Insurance. Springer Verlag, Heidelberg, 2005.
  105. Debicki K., Mandjes M. Traffic with an fBm Limit: Convergence of the Stationary Workload Process // Queueing Systems, 2004, v. 46, № 1 2. P. 113−127.
  106. Evans, G.W., B. Stockman, and M. Mollaghasemi: Multicriteria Optimization of Simulation Models, Proc. 1991 Winter Simulation Conference, Phoenix, p. 894−900(1991).
  107. Evans, M., N.AJ. Hastings, and J.B. Peacock: Statistical Distributions, 2d ed., John Wiley, New York (1993).
  108. Farrington, P.A. and J.J. Swain: Design of Simulation Experiments with Manufacturing Applications, Proc. 1993 Winter Simulation Conference, Los Angeles, p. 69−75 (1993).
  109. Fishman G. S. Statistical Analysis for Queueing Simulations, Management Sei., 20:363−369 (1973).
  110. Fishman, G.S.: Estimating Sample Size in Computer Simulation Experiments, Management Sei., 18: 21−38 (1971).
  111. Fishman, G.S.: Monte Carlo: Concepts, Algorithms, and Applications, Springer-Verlag, New York (1996), 168.
  112. Fishman, G.S.: Principles of Discrete Event Simulation, John Wiley, New York (1978), 231.
  113. Foss S., Korshunov D. Heavy Tails in Multi-Server Queue // Queueing Systems, 2006, v. 52, № 1. P. 31 48.
  114. Fu, M.C.: Optimization via Simulation: A Review, Ann. of Operations Res, 55:199−247(1994).
  115. Futamura.Y. Partial evaluation of computation process an approach to a compilercompiler / Systems, Computers, Controls, 2(5): 45 — 50, 1971.
  116. Fujimoto, R.M.: Parallel and Distributed Simulation, in Handbook of Simulation, J. Banks, ed., John Wiley, New York (1998), 218.
  117. Gal, S» R.Y. Rubinstein, and A. Ziv: On the Optimality and Efficiency of Common Random Numbers, Math. Comput. Simul, 26:502−512 (1984).
  118. Gross, Di, and.CM. Harris: Fundamentals of Queueing Theory, 3d ed., John Wiley, New York (1998), 324.
  119. Gupta, S.S., and J.C. Hsu: A Computer Package for Ranking- Selection- and Multiple Comparisons with the Best, Proc. 1984 Winter Simulation Conference, Dallas, p. 251257(1984).
  120. Healy, K.J., and L. W. Schruben: Retrospective Simulation Response Optimization, Proc. 1991 Simulation Conference, Phoenix, p. 901−906 (1991).
  121. Heidelberger, P.: Fast Simulation of Rare Events in Queueing and Reliability Models, Assoc. Comput. Mach. Trans. Modeling and Comput. Simul., j • •5:43−85 (1995).
  122. Heikes, R.G., D.C. Montgomery, and R.L. Rardin: Using Common Random Numbers in Simulation Experiments—An Approach to Statistical Analysis, Simulation, 25:81−85 (1976).
  123. Hogg, R. V. and A.F. Craig: Introduction to Mathematical Statistics^ 5th ed., Prentice-Hall, Upper Saddle River, New Jersey (1995), 328,
  124. Hunter, J: S, and T.H. Nay lor. Experimental Designs for Computer S i-mulation Experiments, Management’Sei!, 16:422−434 (1970).
  125. Joines, J: A., and S.D.-Roberts: Object-Oriented Simulation- in Handbook of Simulation, J. Banks, ed., John Wiley, New York (1998), 345.
  126. Jones, D.W.: An Empirical Comparison of Priority-Queue and Event-Set Implementations, Commun. Assoc. Comput. Mach., 29: 300−311 (1986):
  127. Kelton, W.D., and A.M. Law: A New Approach for Dealing with the Startup Problem in Discrete Event Simulation, Naval Res. Legist. Quart., 30:641−658 (1983).
  128. Kelton, W.D.: Designing Simulation Experiments, Proc. 1999 Winter Simulation Conference, Phoenix, 16−22,(1999).
  129. Kelton, W.D. Random Initialization Methods in Simulation, IIE Trans., 21:355−367(1989).
  130. Levasseur, J.A.: The Case for Object-Oriented Simulation, OR/MS Today, 23:65−67 (August 1996).
  131. Little J. A proof for the Queueing Formula L XW II Operation Research, 9, 1961.
  132. Marse, K., and S.D. Roberts: Implementing a Portable FORTRAN Uniform (0,1) Generator, Simulation, 41:135−139 (1983).
  133. Naylor, Т.Н., and J.M. Finger: Verification of Computer Simulation Models, Management Sci., 14: 92−101 (1967).
  134. Odifreddi P. Classical recursion theory. Studies in logic and Foundation mathematics. Elsevier Science B.V. 1999. -V. 125. 465 p.
  135. Pugh, W. Skip Lists: A Probabilistic Alternative to Balanced Trees, Commun. Assoc. Comput. Mack, 33: 668−676 (1990).
  136. Raatikainen, K.E.E.: Sequential Procedure for Simultaneous Estimation of Several Percentiles, Trans., of the Society for Сотр. Simulation, 7:21−24 (1990).
  137. Rubinstein, R.Y.: Monte Carlo, Optimization, Simulation and Sensitivity of Queuing Networks, Krieger Publishing Co., Malabar, Florida (1992), 324.
  138. Rubinstein, R.Y.: Simulation and the Monte Carlo Method, John Wiley, New York (1981), 284.
  139. Tukey, J.W.: Exploratory Data Analysis, Addison-Wesley, Reading, Massachusetts (1970), 269.
  140. Wilson, J.R., A.AB. Pritsken Experimental Evaluation of Variance Reduction Techniques for Queueing Simulation Using Generalized Concomitant Variables, Management ScL, 30:1459−1472 (1984b).
Заполнить форму текущей работой

Пора сдавать?