МЕТОД РОЗПОДІЛУ РЕСУРСІВ МІЖ КОМПОЗИТНИМИ ЗАСТОСУНКАМИ
DOI:
https://doi.org/10.26906/SUNZ.2018.4.099Ключові слова:
композитний за стосунок, жадібний алгоритм, мурашиний алгоритм, кластерізаціяАнотація
Предмет розгляду – методи оптимального розподілу ресурсів. Метою статті є розробка методу розподілу ресурсів між композитними за стосунками, орієнтованому на динамічний вибір алгоритму оптимізації. методи, що використовуються, – жадібні та мурашині алгоритми, кластерізаційний підхід. Результати роботи. Розглянуто узагальнення існуючих евристик динамічного планування, які відносяться до класу жадібних алгоритмів та знаходять на кожному кроці локально оптимальне рішення. Проведено укрупнену класифікацію методів розподілу пакету композитних застосунків. Проаналізовано два типи кластеризації - вертикальну та горизонтальну. Розглянута можливість планування наборів композитних застосунків на базі кластерізаціонного підходу. Наведено спосіб розподілу наборів композитних за стосунків як з використанням мурашиного алгоритму, так і на базі кластерізаційного підходу з використанням мурашиного алгоритму. Проаналізовано переваги та недоліки кожного із розглянутих підходів, що дало змогу визначити межі застосування кожного із підходів. Висновки. Запропоновано чотири різних підходи до розподілу ресурсів між композитними за стосунками з використанням таких методів: жадібні алгоритми, мурашині алгоритми, вертикальна та горизонтальна кластерізація, сумісне використання мурашиного алгоритму та кластерізації. Розроблений метод дозволяє динамічно провести найкращий вибір. Подальші дослідження будуть направлені на розробку відповідного алгоритму.Завантаження
Посилання
Lord P. Seven Bottlenecks to Workflow Reuse and Repurposing Sattler // P. Lord, C. Goble // The Semantic Web – ISW 2005. – 2005. – P. 323-337.
Князьков К. В. Предмет ориентированные технологии разработки приложений в распределенных средах // К. В. Князьков, А. В. Ларченко // Известия вузов. Приборостроение. – 2011. – № 10. – С. 36–43.
Merlac V. Resourses Distribution Method of University e-learning on the Hypercovergent platform / V. Merlac, S. Smatkov, N. Kuchuk, A. Nechausov // Сonference Proceedings of 2018 IEEE 9th International Conference on Dependable Systems, Service and Technologies. DESSERT’2018. Ukraine, Kyiv, May 24-27, 2018. – P. 136-140.
Коваленко А. А. Сучасний стан та тенденції розвитку комп'ютерних систем об'єктів критичного застосування / А. А. Коваленко, Г. А. Кучук // Системи управління, навігації та зв’язку. – Полтава . ПНТУ, 2018. – Вип. 1(47). – С. 110-113.
Kuchuk G. Approaches to selection of combinatorial algorithm for optimization in network traffic control of safety-critical systems / G. Kuchuk, V. Kharchenko, A. Kovalenko, E.Ruchkov // East-West Design & Test Symposium (EWDTS). – 2016. –P. 1-6. doi : https://doi.org/10.1109/EWDTS.2016.7807655.
Кучук, Г. А. Модель процесса эволюции топологической структуры компьютерной сети системы управления объектом критического применения / Г. А. Кучук, А. А. Коваленко, А. А. Янковский // Системы обработки информации: сборник научных трудов. – Х.: ХУ ВС, 2014. – Вып. 7 (123). – С. 93 – 96.
Ковальчук С. В. Облачные вычисления второго поколения: композитные приложения, интерактивные системы и семантические технологии [Электронный ресурс] / С .В. Ковальчук, А. В. Бухановский // МНТК «Инфокоммуника- ционные технологии». – Таруса, 2012. – Режим доступа: http://keepslide.com/technology/8702#sthash.YHi3I5Gy.dpuf.
Кормен, Т., Лейзерсон, Ч., Ривест, Р., Штайн, К. Глава 16. Жадные алгоритмы // Алгоритмы: построение и анализ = Introduction to Algorithms / Под ред. И. В. Красикова. — 2-е изд. — М.: Вильямс, 2005. — 1296 с.
M. Dorigo, G. Di Caro & L. M. Gambardella, 1999. «Ant Algorithms for Discrete Optimization». Artificial Life, 5 (2): 137—172.
Хайдуков Д. С. Применение кластерного анализа.— М.: МАКС Пресс, 2009. — 287 с.
