МЕТОД ПОШУКУ ВУЗЬКИХ МІСЦЬ В СКЛАДНИХ МЕРЕЖАХ ДЛЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ОБЧИСЛЮВАЛЬНИХ РЕСУРСІВ

Olha Ponomarenko; Valeriy Gorbachev

doi:10.26906/SUNZ.2025.2.180

Автор(и)

Olha Ponomarenko
Valeriy Gorbachev

DOI:

https://doi.org/10.26906/SUNZ.2025.2.180

Ключові слова:

метод, модель, комп’ютерна мережа, структура, вузькі місця, потік

Анотація

В складних мережах існує проблема пошуку вузьких місць. Існує багато сфер застосування задачі виявлення вузьких місць, наприклад, алгоритми для виявлення спільнот, розуміння формування груп та зменшення перевантаження у транспортних мережах. Метою роботи є дослідження методу пошуку вузьких місць в складних мережах. Актуальність роботи полягає в тому, що пошук вузьких місць є масштабною задачею для складних мереж. В роботі були вирішені наступні задачі: дослідження методів пошуку вузьких місць в мережі; здійснення пошуку вузьких місць в початковій та зменшеній мережі; вимірювання часу вирішення задачі; перевірка збереження розташування вузьких місць після зменшення мережі. В результаті роботи були досліджені методи пошуку вузьких місць в мережі; був здійснений пошук вузьких місць в початковій та зменшеній мережі; було здійснено вимірювання часу вирішення задачі та була здійснена перевірка збереження розташування вузьких місць в зменшеній мережі. Дослідження дозволяють зробити висновки: був здійснений пошук вузьких місць в початковій та зменшеній мережі, на розглянутих прикладах час пошуку вузьких місць зменшився, та розташування вузьких місць зберіглось в зменшеній мережі. Таким чином, в результаті зменшення мережі здійснюється підвищення ефективності обчислювальних ресурсів.

Завантаження

Дані завантаження ще не доступні.

Посилання

1. Chalupa, D., Hawick, K. A. & Walker, J. A. (2018). Hybrid Bridge-Based Memetic Algorithms for Finding Bottlenecks in Complex Networks. Big Data Research, 14, 68–80. https://doi.org/10.1016/j.bdr.2018.04.001

2. Post, T., Hamann, B. & Aurich, J. (2017). Ensemble Visualization of Bottlenecks in Planar Flow Networks. Applied Mechanics and Materials, 869, 234–243. https://doi.org/10.4028/www.scientific.net/AMM.869.234

3. Costa, L. da F., Rodrigues, F. A., Travieso, G. & Villas Boas, P. R. (2007). Characterization of complex networks: A survey of measurements. Advances in Physics, 56(1), 167–242. https://doi.org/10.1080/00018730601170527

4. Cheng, X. & Scherpen, J. M. A. (2021). Model Reduction Methods for Complex Network Systems. Annual Review of Control, Robotics, and Autonomous Systems, 4, 425–453. https://doi.org/10.1146/annurev-control-061820-083817

5. Barrat, A., Barthelemy, M., Pastor-Satorras, R. & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752. https://doi.org/10.1073/pnas.0400087101

6. Hackl, J. (2017). tikz-network: a LaTeX library for vizualizing complex networks. 6th International Conference on Complex Networks & Their Applications, Lyon, France, 318–319.

7. Newman, M. (2010). Networks: An Introduction. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199206650.001.0001

8. Arenas, A., Duch, J., Fernandez, A. & Gomez, S. (2008). Size reduction of complex networks preserving modularity. New Journal of Physics, 10(5), 053039. https://doi.org/10.1088/1367-2630/10/5/053039

9. Hirata, H. & Ulanowicz, R. E. (1985). Information Theoretical Analysis of the Aggregation and Hierarchical Structure of Ecological Networks. Journal of Theoretical Biology, 116(3), 321–341. https://doi.org/10.1016/S0022-5193(85)80271-X

10. Shortle, J. F., Mark, B. L. & Gross, D. (2009). Reduction of Closed Queueing Networks for Efficient Simulation. ACM Transactions on Modeling and Computer Simulation, 19(3), 10. https://doi.org/10.1145/1540530.1540531

11. Wang, Y., Zhao, Q. & Zheng, D. (2005). Bottlenecks in production networks: An overview. Journal of Systems Science and Systems Engineering, 14(3), 347–363. https://doi.org/10.1007/s11518-006-0198-3

12. Ros-Giralt, J., Amsel, N., Yellamraju, S., Ezick, J. R., Lethin, R. A., Jiang, Y., Feng, A. & Tassiulas, L. (2022). A quantitative theory of bottleneck structures for data networks. arXiv preprint arXiv:2210.03534. https://arxiv.org/abs/2210.03534

13. Mizgier, K., Jüttner, M., & Wagner, S. (2012). Bottleneck identification in supply chain networks. International Journal of Production Research, 51(1), 1–14. https://doi.org/10.1080/00207543.2012.695878

14. Szabari, B. & Kiss, A. (2020). Performance Evaluation of Betweenness Centrality Using Clustering Methods. Studia Universitatis Babeș-Bolyai Informatica, 65(1), 51. https://doi.org/10.24193/subbi.2020.1.05

15. Denning, P. J. & Buzen, J. P. (1978). The operational analysis of queueing network models. ACM Computing Surveys, 10(3), 225–261. https://doi.org/10.1145/356733.356735

16. Пономаренко, О., Горбачов, В. (2023). Програмна платформа для оцінювання ефективності агрегації структурної моделі складних систем. Сучасний стан наукових досліджень та технологій в промисловості, (3(25), 79–87. https://doi.org/10.30837/ITSSI.2023.25.079