ОПТИМИЗАЦИЯ РАСПРЕДЕЛЕННЫХ КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ ЭВОЛЮЦИОННЫХ ВЫЧИСЛЕНИЙ И ОБЪЕКТНОГО МОДЕЛИРОВАНИЯ : ОПТИМІЗАЦІЯ РОЗПОДІЛЕНИХ КОРПОРАТИВНИХ ІНФОРМАЦІЙНИХ СИСТЕМ З ВИКОРИСТАННЯМ ЕВОЛЮЦІЙНИХ ОБЧИСЛЕНЬ І ОБ'ЄКТНОГО МОДЕЛЮВАННЯ

Краткое описание

ГВУЗ ДОНЕЦКИЙ НАЦИОНАЛЬНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

На правах рукописи

ЗЕМЛЯНСКАЯ СВЕТЛАНА ЮРЬЕВНА

УДК 004.023: 004.94

ОПТИМИЗАЦИЯ РАСПРЕДЕЛЕННЫХ КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ ЭВОЛЮЦИОННЫХ ВЫЧИСЛЕНИЙ И ОБЪЕКТНОГО МОДЕЛИРОВАНИЯ

05.13.06 – Информационные технологии

ДИССЕРТАЦИЯ
на соискание ученой степени
кандидата технических наук

Научный руководитель:
доктор технических наук, профессор
Скобцов Юрий Александрович

Донецк – 2013

СОДЕРЖАНИЕ
ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ И ТЕРМИНОВ………………. 4
ВВЕДЕНИЕ…………………………………………………………………….. 5
РАЗДЕЛ 1 АНАЛИЗ СОСТОЯНИЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ (КИС)…………
11
1.1 Анализ современных технологий построения КИС ..…………………… 11
1.2. Анализ методов моделирования РКИС…………………………………. 21
1.3. Анализ методов оптимизации РКИС……………………………………. 31
1.4. Обобщение результатов анализа. Цель и задачи исследования…….…. 40
1.5. Выводы………………………………………………………………….…. 42
РАЗДЕЛ 2 РАЗРАБОТКА ОБЪЕКТНОЙ МОДЕЛИ РАСПРЕДЕЛЕННОЙ КОРПОРАТИВНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ………………..
43
2.1. Объектно-ориентированный анализ РКИС и выделение его типовых компонентов…….………………………………………………………………
43
2.2 Разработка объектных моделей типовых компонентов аппаратного обеспечения РКИС …………………………………..………...........................
46
2.3 Разработка объектных моделей типовых компонентов информационного обеспечения РКИС ………………………………………
52
2.4. Построение общей объектной модели РКИС ………………………….. 58
2.5. Организация моделирования РКИС………………………………….…. 62
2.6. Выводы………………………………………………………………….…. 64
РАЗДЕЛ 3 ОПТИМИЗАЦИЯ РАСПРЕДЕЛЁННОЙ КОРПОРАТИВНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРИ ПОМОЩИ ОБЪЕКТНОЙ МОДЕЛИ И ЭВОЛЮЦИОННЫХ ВЫЧИСЛЕНИЙ ……………………..

65
3.1. Выбор критерия эффективности РКИС…………………………………. 65
3.2. Постановка задачи оптимизации РКИС………………………………… 67
3.3. Обоснование использования генетического алгоритма для оптимизации РКИС…………………………………………………………….
71
3.4. Разработка модификаций генетического алгоритма для задачи оптимизации РКИС .....………………………………………………………
76
3.5. Разработка алгоритма оптимизации РКИС…………………………........ 83
3.6. Выводы…………………………………………………………………….. 88
РАЗДЕЛ 4 РАЗРАБОТКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ДЛЯ МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ РКИС …………………………..
89
4.1. Структура комплекса инструментальных средств для моделирования и оптимизации РКИС ……………………………………………………........
89
4.2. Организация базы данных для хранения параметров РКИС………...... 91
4.3. Программная реализация модели РКИС ...……………………………… 94
4.4 Подсистема анализа результатов моделирования……………………….. 96
4.5 Программная реализация подсистемы оптимизации РКИС……………. 98
4.6. Выводы………………………………………………………………….…. 101
РАЗДЕЛ 5. МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ РАСПРЕДЕЛЕННОЙ КОРПОРАТИВНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ …………..........................................................................................

102
5.1. Характеристика объекта экспериментальных исследований……….….. 102
5.2. Моделирование и анализ показателей функционирования РКИС ..… 108
5.3. Определение оптимальных параметров РКИС ………………………. 113
5.4. Результаты экспериментов по параметрам модели оптимизации РКИС 115
5.5. Выводы………………………………………………………………….…. 127
ЗАКЛЮЧЕНИЕ……………………………………………………………… 128
ЛИТЕРАТУРА………………………………………..…………………….….. 130
Приложение А………………………………………………………………….. 139
Приложение Б………………………………………………………………….. 151
Приложение В………………………………………………………………….. 165
Приложение Д………………………………………………………………….. 171
Приложение Е………………………………………………………………….. 176

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ И ТЕРМИНОВ

OLAP – On Line Analitycal Processing, оперативная аналитическая обработка информации;
TPC – Transaction Processing Council
tpmC – показатель производительности сервера, количество транзакций выполняемых в минуту;
Мутация – генетический оператор, изменяющий с заданной вероятностью ген в хромосоме;
Отбор – генетический оператор, производящий выбор особей для скрещивания, рекомбинации в зависимости от значения их фитнесс-функции;
Рекомбинация – генетический оператор с заданной вероятностью производящий обмен хромосомами между двумя мультихромосомами;
РКИС – распределенная корпоративная информационная система;
ГА – генетический алгоритм
Скрещивание – генетический оператор, с заданной вероятностью производящий обмен групп генов между двумя хромосомами;
Фитнесс-функция – функция, показывающая степень близости решения представляемого особью к оптимальному.

ВВЕДЕНИЕ

На современном этапе развития информационных технологий наблюдается тенденция к построению больших распределенных компьютерных информационных систем. Это обусловлено развитием информационных технологий, а именно появлением и широким распространением технических средств высокоскоростной передачи данных и совершенствованием средств построения распределенных систем. Данная тенденция характерна не только за рубежом, но и находит своё проявление в нашей стране. С появлением надежных средств скоростной передачи данных всё больше предприятий, имеющих территориально распределенную структуру, внедряют и используют распределенные корпоративные информационные системы (РКИС).
Распределенным корпоративным информационным системам посвящены многочисленные исследования и публикации [1-4,40-47]. Многие современные СУБД предоставляют средства для построения распределенных баз данных. При этом проблема построения эффективной РКИС не получила окончательного решения. Эффективность многих РКИС далека от оптимальной, что связано, во-первых, с низкими характеристиками технических средств, а, во-вторых, с нерациональным их выбором и нерациональным размещением данных между узлами РКИС.
В настоящее время при построении распределенных корпоративных информационных систем основополагающим фактором в пользу выбора той или иной структуры РКИС является мнение экспертов, базирующееся на личном опыте и, как правило, не подтвержденное расчетами. Влияние распределения приложений, а также распределения фрагментов таблиц базы данных между узлами РКИС на общую эффективность оценивается исходя из опыта и интуиции специалистов. Поэтому создание модели РКИС и средств анализа ее функционирования имеет актуальное значение, так как позволит оценить влияние состава узлов РКИС на эффективность ее работы.
Производительность работы РКИС зависит как от параметров технических средств (серверов, сетевых устройств, каналов связи), так и от размещения фрагментов таблиц базы данных между узлами РКИС, а также от локализации серверов приложений. Размещение некоторых фрагментов таблиц базы данных вблизи узлов наиболее частого использования может позитивно сказаться на эффективности РКИС в целом, в частности может быть уменьшено время выполнения пользовательских запросов. Определение наилучшего места обработки сложных вычислительных запросов позволит повысить производительность работы РКИС за счет сокращения времени обработки и передачи результатов запросов. При этом следует отметить, что оптимизация распределения таблиц базы данных и приложений-обработчиков запросов между узлами РКИС, а также параметров серверов и каналов связи является комбинаторной задачей очень большой размерности и высокой вычислительной сложности, которая вплоть до настоящего времени не получила окончательного решения.
Связь работы с научными программами, планами, темами. Работа выполнена в рамках следующих госбюджетных НИР ДонНТУ: Д-5-04 «Разработка методов моделирования и оптимизации корпоративных систем с распределенными базами данных» (№ государственной регистрации 0104U004059), Д-12-09 «Разработка моделей, методов и программных средств для оптимизации управления машиностроительным производством на основе эволюционных вычислений» (№ государственной регистрации 109U001017), Н-33-05 «Разработка научных основ системного анализа объектов компьютеризации и проектирования информационных управляющих систем» (№ государственной регистрации 0110U000111), в которых автор принимала участие как исполнитель.
Цель работы: Повышение эффективности работы РКИС путем оптимизации распределения данных и приложений-обработчиков запросов между узлами компьютерной информационной системы, а также оптимизации параметров серверов, каналов связи и сетевых устройств.
Для достижения поставленной цели в диссертационной работе необходимо решить следующие задачи:
1. Провести анализ структуры РКИС, выделить ее типовые компоненты. Выбрать метод моделирования РКИС.
2. Разработать модели типовых компонентов РКИС. Построить общую модель РКИС как систему взаимодействующих моделей типовых компонентов РКИС.
3. Определить критерий эффективности функционирования РКИС. Разработать подход к оптимизации распределения данных, приложений-обработчиков запросов и серверов приложений по узлам РКИС, а также к оптимизации параметров серверов, каналов связи и сетевых устройств
4. Разработать инструментальное средство для моделирования, анализа характеристик и оптимизации РКИС.
5. Провести экспериментальные исследования с помощью модели РКИС и на основе результатов их анализа разработать рекомендации по повышению производительности работы РКИС.
6. С использованием разработанного подхода к оптимизации РКИС провести машинные эксперименты и выполнить оптимизацию структуры РКИС.
Объектом исследования является процесс функционирования распределенных корпоративных информационных систем и их структура.
Предметом исследования являются модели работы РКИС, методы оптимизации распределения данных и приложений по узлам корпоративной информационной системы, а также технические параметры средств обработки и передачи данных между узлами корпоративной информационной системы.
Методы исследования. При разработке модели РКИС применены методы объектно-ориентированного анализа и моделирования; методы имитационного моделирования; при оптимизации РКИС был применен один из методов эволюционных вычислений – генетический алгоритм.
Научная новизна полученных результатов:
1. Впервые разработана объектная модель распределенной корпоративной информационной системы в виде взаимодействующих моделей её типовых компонентов, которая учитывает репликацию и распределенность данных между узлами компьютерной сети, характеристики технических средства РКИС и позволяет провести динамическое моделирование РКИС произвольной структуры.
2. Получил дальнейшее развитие подход к оптимизации распределенной корпоративной информационной системы, основанный на совместном использовании генетического алгоритма и объектной модели РКИС, который позволяет оптимизировать как размещение данных по узлам компьютерной информационной системы, так и размещение приложений, а также параметры технических средств РКИС, что обеспечивает повышение производительности работы РКИС за счет сокращения времени выполнения пользовательских запросов.
3. Разработана новая модификация генетического алгоритма для задачи оптимизации РКИС, в которой для представления размещения таблиц БД, приложений и параметров серверов, сетевых устройств и каналов связи впервые использованы комбинированные мультихромосомы, разработаны генетические операторы рекомбинации, скрещивания и мутации, что позволяет получать субоптимальные решения задачи оптимизации РКИС с отклонением от глобального оптимума не более 5%.
4. Разработана новая последовательная схема реализации генетического алгоритма оптимизации РКИС, которая позволяет реализовать полную или частичную оптимизацию РКИС в соответствии с выдвигаемыми требованиями
Практическое значение полученных результатов:
1. Объектная модель РКИС позволяет получать характеристики РКИС, такие как: время выполнения запросов, загруженность каналов передачи данных и серверов, позволяет выявлять «узкие места» системы, негативно влияющие на производительность РКИС в целом. Проведение на модели анализа различных конфигураций РКИС позволяет разработать практические рекомендации по повышению эффективности ее работы путем перераспределения фрагментов таблиц базы данных, изменения распределения приложений, а также изменения технических характеристик серверов, сетевых устройств и каналов передачи данных.
2. Использование модифицированного генетического алгоритма совместно с объектной моделью РКИС позволяет получать субоптимальное решение в виде распределения таблиц базы данных, распределения приложений, а также технических характеристик серверов, сетевых устройств и каналов передачи данных в РКИС. При этом отклонение от глобального оптимума составляет не более 5%, что обеспечивает достаточно высокую эффективность РКИС.
3. Результаты экспериментов, а также инструментальное средство, построенное на базе объектной модели РКИС и нового подхода к оптимизации РКИС, были переданы в ООО “Донецкуглеобогащение”. Их использование привело к повышению эффективности работы РКИС за счет уменьшения времени выполнения запросов и снижения затрат на переоснащение корпоративной сети, что подтверждается актом внедрения.
4. Результаты диссертационной работы были использованы при выполнении следующих госбюджетных НИР: Д-5-04 «Разработка методов моделирования и оптимизации корпоративных систем с распределенными базами данных» (№ государственной регистрации 0104U004059), Д-12-09 «Разработка моделей, методов и программных средств для оптимизации управления машиностроительным производством на основе эволюционных вычислений» (№ государственной регистрации 0109U001017), Н-33-05 «Разработка научных основ системного анализа объектов компьютеризации и проектирования информационных управляющих систем» (№ 0110U000111).
Обоснованность и достоверность научных положений, выводы и рекомендации подтверждаются: корректным использованием методов объектного моделирования и математического аппарата генетических алгоритмов для исследования функционирования и оптимизации распределенных корпоративных информационных систем, обоснованностью общих допущений, адекватностью разработанной объектной модели РКИС. Расхождение результатов моделирования и реальных данных составляет не более чем 10%.
Личный вклад соискателя. Все новые результаты, представленные в диссертации, автором получены самостоятельно. Из опубликованных работ в диссертации использованы материалы, полученные автором.
Апробация результатов диссертации. Основные положения и результаты диссертационной работы докладывались на всеукраинской научно-практичской конференции «Современные тенденции развития информационных технологий в науке, образовании и экономике» (Луганск, 2009), всеукраинской научно-технической конференции «Компьютерный мониторинг и информационные технологии» (Донецк, 2009), международной научно-практической конференции «Информационные технологии и информационная безопасность в науке, технике и образовании «Инфотех-2009», Севастополь. А также – на научных семинарах кафедры АСУ ДонНТУ (2005-2013).
Публикации. По теме диссертации опубликовано 9 научных работ, в том числе 5 в ведущих научно-технических сборниках утвержденных ВАК Украины, три в тезисах докладов на конференциях и одна монография.
Структура и объем диссертации. Диссертационная работа состоит из содержания, введения, пяти разделов, заключения, изложенных на 180 страницах машинописного текста, содержит 57 рисунков, 32 таблицы, список литературы из 86 наименований и 5 приложений, в том числе 120 страниц основного текста.

Список литературы

ЗАКЛЮЧЕНИЕ

В диссертационной работе представлено новое решение актуальной научной задачи повышения эффективности работы РКИС путем оптимизации распределения таблиц БД и приложений между узлами корпоративной сети, а также параметров серверов, каналов связи и сетевых устройств на основе использования объектной модели РКИС и модифицированного генетического алгоритма.
При проведении исследований были получены следующие основные результаты:
1. Путем объектно-ориентированного анализа построена общая модель РКИС в виде взаимодействующих объектных моделей типовых компонентов РКИС. Построенная модель позволяет проводить динамическое моделирование процесса функционирования РКИС произвольной структуры.
2. Разработан новый подход к оптимизации РКИС, основанный на совместном использовании объектной модели РКИС и генетических алгоритмов. Модель используется для вычисления целевой функции и ограничений задачи оптимизации РКИС, генетический алгоритм производит модификацию наборов решений, представленных хромосомами. Разработана схема взаимодействия объектной модели РКИС и ГА.
3. Разработана модификация ГА с учетом специфики задачи оптимизации РКИС и новая схема кодирования размещения данных и приложений по узлам РКИС, а также параметров технических устройств (серверов, каналов связи и сетевых устройств) при помощи набора комбинированных мультихромосом. Разработаны генетические операторы отбора, рекомбинации, скрещивания и мутации и обоснован последовательный подход при реализации генетического алгоритма.
4. Разработано инструментальное средство оптимизации РКИС в виде программного комплекса, построенного на основе объектной модели РКИС и модифицированного генетического алгоритма. Программный комплекс позволяет выполнять моделирование и оптимизацию РКИС путем определения оптимального распределения таблиц базы данных и приложений между узлами компьютерной сети, а также оптимальных параметров серверов, каналов связи и сетевых устройств. Программный комплекс состоит из подсистем моделирования РКИС, анализа результатов моделирования и оптимизации РКИС.
5. В качестве объекта экспериментальных исследований выбрана компания ООО «Донецкуглеобогащение», которая имеет распределенную структуру и систему сбыта, состоящую из шести обогатительных фабрик (Донецк, Макеевка, Дзержинск, Селидово, Горловка, Стаханов), Горловского КХЗ, двух шахт и центрального офиса. Проведенные с помощью объектной модели РКИС вычислительные эксперименты позволили получить и проанализировать характеристики функционирования РКИС ООО «Донецкуглеобогащение». Было исследовано влияние параметров технических средств и размещения данных и приложений на эффективность работы РКИС.
6. Произведены вычислительные эксперименты с разработанным алгоритмом, в результате которых определены рациональные значения параметров алгоритма: вероятность мутации = 0,05, вероятность скрещивания = 0,7, вероятность рекомбинации = 0,23, количество популяций = 50 и количество поколений = 30. Полученное при этом субоптимальное значение критерия эффективности работы РКИС составляет 57,33 сек, что на 21,86% меньше исходного его значения.
7. Оптимизация распределения таблиц базы данных и приложений, а также параметров серверов, каналов связи и сетевых устройств обеспечивает повышение эффективности работы РКИС за счет уменьшения максимального времени выполнения пользовательских запросов и модернизации оборудования при минимальных затратах со стороны корпорации.

ЛИТЕРАТУРА

1. Аверилл М.Лоу. Имитационное моделирование. / М.Лоу Аверилл, Девид Кельтон. – СПб: Питер, 2004. – 846 с.
2. Марков А.А. Моделирование информационно-вычислительных процессов: Уч. пособие для вузов. / Марков А.А. – М: Изд-во МГТУ им. Н.Э. Баумана, 1999. – 360 с.
3. Оценка производительности серверов [Электронный ресурс]: / Семенихин И.Л. // Электронный конспект лекций «Архитектура ЭВМ». – 2006. Режим доступа: http://gendocs.ru/v27526/лекции_-_архитектура_эвм?page=3
4. Олифер Н.А., Олифер В.Г. Средства анализа и оптимизации локальных сетей. / Олифер Н.А., Олифер В.Г. // Центр информационных технологий. – 1998. – Режим доступа: http://www.citforum.ru/nets/optimize
5. Батищев Д.И. Методы оптимального проектирования. / Батищев Д.И. – М.: Радио и связь, 1984. – 378 с.
6. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. / Ф. Гилл, У. Мюррей, М. Райт. – М.: Мир, 1985. – 460 с.
7. Батищев Д.И. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов / Д.И. Батищев, С.А. Исаев// Межвуз. Сборник «Высокие технологии в технике, медицине и образовании». Часть 3. Воронеж, ВГТУ. 1997.
8. Ferscha A. Parallel and Distributed Simulation of Discrete Event Systems. Parallel and Distributed Computing Handbook. / A. Ferscha. – McGraw-Hill, 1996. PP. 1003-1041.
9. Овчинников В.А. Алгоритмизация комбинаторно-оптимизационных задач при проектировании ЭВМ и систем. / В.А. Овчинников – М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. – 288 с.
10. Devis L., Cox A. A genetic algorithm for survivable network design. / / L. Devis, A. Cox, // Proc. of 5th International Conference on Genetic Algorithms. – Morgan Kaufmann Publishers, San Mateo, California, 1993.
11. John H. Holland. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence. / John H. Holland. - MIT Press, 1992. - 228 p.
12. Goldberg, D. E. Genetic Algorithms in Search, Optimization, and Machine Learning. / Goldberg, D. E. – Addison-Welsey Longman Publishing, 1989. -
13. Eberhart, R. C. A New Optimizer Using Particles Swarm Theory, Proc. Sixth International Symposium on Micro Machine and Human Science. / R. C. Eberhart, J. Kennedy // IEEE Service Center, Piscataway, 1995.
14. Eberhart, R. C., Dobbins, R. W., and Simpson, P. Computational Intelligence PC Tools. / R. C. Eberhart, R. W. Dobbins, P. Simpson. – Boston: Academic Press, 1996.
15. Dorigo M. Ant Coloony for Traveling Salesman Problem. / M. Dorigo, L. Gambardella. – Bruxelles: TR/TRIDIA, 1996. – vol. 3
16. Kennedy, J. Particle swarm optimization. / J. Kennedy,; R. Eberhart. – Proceedings of IEEE International Conference on Neural Networks. IV. – 1995. – pp.1942–1948.
17. Shi, Y. A modified particle swarm optimizer. / Y. Shi; R.C. Eberhart. // Proceedings of IEEE International Conference on Evolutionary Computation.- 1997. – p.69–73.
18. Kennedy, J. The particle swarm: social adaptation of knowledge. / Kennedy, J. // Proceedings of IEEE International Conference on Evolutionary Computation. – 1997. – pp . 303–308.
19. Kennedy. Swarm Intelligence. / J. Kennedy; R.C. Eberhart. Morgan Kaufmann, 2001. – 595 p.
20. Clerc M. Discrete Particle Swarm Optimization, New Optimization Techniques in Engineering. / M. Clerc. // Springer-Verlag, 2004. – pp 448-437.
21. Avier, T. Z. Use of particle swarm optimization in multidimensional scaling. / Avier, T. Z. //Proceedings of the The 7th International Conference on Parametric Optimization and Related Topics, Puebla, Mexico, 2002. – pp. 734-742
22. Kadrovach B. A. A particle swarm model for swarm-based networked sensor systems. / B.A. Kadrovach, G/B/ Lamont //Proceedings of the 17th symposium on Proceedings of the 2002 ACM symposium on applied computing, Madrid, Spain. pp. 918-924
23. Kassabalidis I. N. identification for power system security assessment using neural network inversion: an overview. / I.N. Kassabalidis, M.A. El-Sharkawi, R. J. I. Border Marks // Proceedings of the IEEE Congress on Evolutionary Computation ,2002. – pp. 1075-1079.
24. Massarini A. Multifrequency optimization of multilayered shields. / A. Massarini, U.Reggiani,L. Sandrolini//Proceedings of IEEE International Symposium on Elec-tromagnetic Compatibility, Minneapolis, MN, United States, 2002. – pp. 134-139
25. Zhang, X. Two-stage adaptive PMD compensation in a 10 Gbit/s optical communication system using particle swarm optimization algorithm. /[ Zhang X., Yu L., Zheng, Y. and other] // Optics Communications, 2004. – vol. 231, № 1-6, pp. 233-242
26. Van der Merwe D. W. Data clustering using particle swarm optimization. / D. W. Van der Merwe, A. P. Engelbrecht //Proceedings of IEEE Congress on Evolutionary Computation, Canbella, Australia, , 2003. pp. 215-220.
27. Валеева А.Ф. Применение метаэвристики муравьиной колонии к задачам двухмерной упаковки / А.Ф. Валеева // Информационные технологии, 2005, № 10. – c. 18-27.
28. Dorigo M. Ant Algorithms for Discrete Optimization. / Dorigo M., Caro G., Gambardella L. // Artificial Life, v.5, 1999, № 3. – pp. 382-390
29. Genetic Algorithms (Evolutionary Algorithms): Repository of Test Functions. [Электронный ресурс] / Режим доступа: – http://www.cs.uwyo.edu/~wspears/functs.html
30. Eiben A.E. Genetic Algorithms with Multi-parent Recombination. / A.E.Eiben, P-E. Raue, Zs. Ruttkay. // In Proc. of the 3d Conf. on Parallel Problem Solving from Nature, Springer-Verlag, 1994. – pp 629-637.
31. Syswerda G. Uniform Crossover in Genetic Algorithms. / Syswerda G. // Proc. 3rd Int. Conf. on Genetic Algorithms, Morgan Kaufmann Publ., 1989. – pp. 237-249
32. De Jong K.A. A Formal Analysis of the Role of Multi-point Crossover in Genetic Algorithms. / K.A. De Jong, W.M. Spears // Annals of Mathematics and Artificial Intelligence, 1992. – pp. 384-393.
33. Норенков И.П. Смешанный эволюционный метод / И.П. Норенков, Н.М. Арутюнян // Информационные технологии, 2007, № 1. C. 47-60.
34. Goodman E. New Technologies to Improve Coarse-Grain Parallel GA Performance / E.Goodman, W. Punch // CAD-95 XXII Int. School and Conf. on CAD, Part 2, Yalta-Gurzuff, 1995.
35. Норенков И.П. Эвристики и их комбинации в генетических методах дискретной оптимизации. / И.П. Норенков // Информационные технологии, 1999, № 1. c. 73-85.
36. Back T. Self-Adaptation in Genetic Algorithms/ In Toward a Practice of Autonomous Systems. / T. Back // Proceedings of the First European Conference on Artifical Life, 1992. – pp. 263-271
37. Mitchell M. An Introduction to Genetic Algorithms. / Mitchell M.– Cambridge, MA: MIT Press, 1996. – 224 p
38. Vose M.D. The Simple Genetic Algorithm: Foundations and Theory. / M.D. Vose. – Cambridge, MA: MIT Press, 1998. – 251 p.
39. Wiegand R.P. An Analysis of Cooperative Coevolutionary Algorithms: Ph.D. Thesis / Wiegand R.P. – George Mason University. – Fairfax, VA. – 2004. – 187 p.
40. Киселев А.Г. Корпоративная и комплексная система управления промышленного предприятия (КИС). / А.Г.Киселев. – Новосибирск, 2010. – 408 с.
41. Баранов В.А. Двадцать один вопрос о корпоративных информационных системах. [Электронный ресурс] / В.А. Баранов. Режим доступа к статье: http://www.thalion.kiev.ua/idx.php/97/314/article/
42. Бергер А. Microsoft SQL Server 2005 Analysis Services. OLAP и многомерный анализ данных. / Бергер А. – БХВ-Петербург, 2007. – 928 с.
43. Гламаздин Е.С., Новиков Д.А., Цветков А.В. Управление корпоративными программами: информационные системы и математические модели. / Е.С. Гламаздин, Д.А. Новиков, А.В. Цветков– М: Компания Спутник+, 2003. – 159 с.
44. Агибалов Г.П., Скутин А.А. Математическая модель и технология разработки безопасных корпоративных информационных систем. [Электронный ресурс] / Г.П. Агибалов, А.А.Скутин // Электронный журнал «Исследовано в России»: Томский государственный университет, 2001. с. 1739-1750. Режим доступа: http://zhurnal.ape.relarn.ru/articles/2001.151.pdf
45. Маликов А.В., Ганагина Н.И. Математическая модель задачи проектирования и оптимизации структуры распределенной информационной системы. / А.В. Маликов, Н.И. Ганагина // Современные информационные технологии. Серия «Вычислительная техника и программирование». – Северо-Кавказский государственный технический университет, 2007. – с. 136-149.
46. Войтиков К.Ю. Реализация классификаторов на сервере приложений в трехзвенной архитектуре «клиент/сервер». / К.Ю. Войтиков, О.А.Змеев, А.Н.Моисеев // Всероссийская научно-практическая конференция «Новые технологии и комплексные решения: наука, образование, производство»: Тезисы докладов. – Анжеро-Судженск: Изд-во филиала КемГУ в г. Анжеро-Судженске, 2004, Часть VI, с. 10-12.
47. Телятников А.О. Модели и алгоритмы оптимизации распределенных баз данных компьютерных информационных систем. Дис. на соискание ученой степени к.т.н. 05.13.06. / Александр Олегович Телятников. – Донецк, ДонНТУ, 2005. – 197 с.
48. Батищев Д.И. Методы оптимального проектирования. / Д.И. Батищев. – М: Радио и связь, 1984. – 348 с.
49. Intelligrid Architecture. Object modelling techniques: Статья [Электронный ресурс] / Electric Power Research Institute. Режим доступа: http://intelligrid.epri.com/architecture/New_Technologies/Tech_Object_Modeling_Techniques.htm
50. Гилл Ф. Практическая оптимизация. / Ф. Гилл, У. Мюррей, М. Райт – М: Мир, 1985. – 443 с.
51. Devis L. A genetic algorithm for survivable network design / L. Devis, A. Cox // Proc. of 5th International Conference on Genetic Algorithms, Morgan Kaufmann Publishers, San Mateo, California, 1993. – pp.761-779.
52. Бельков Д. В. Методы и вычислительные структуры для размещения файлов в компьютерных сетях: Дис. канд. техн. наук: 05.13.13 / Дмитрий Валерьевич. Бельков. – Донецк, 2003. — 154 c.
53. Handbook of Genetic Algorithms. / [ Edited by Lowrence Davis, Van Nostrand Reinhold] – New York, 1991. – 385 p.
54. De Jong K.A. A Formal Analysis of the Role of Multi-point Crossover in Genetic Algorithms. / K.A. De Jong, W.M.Spears. – Annals of Mathematics and Artificial Intelligence, 1992.
55. Патент WO1992005497A1 Бюро по патентам и товарным знакам США. Non linear genetic process for use with plural co-evolving population / J.R. Koza; заявитель и патентообладатель J.R. Koza; заявл. 18.09.1990; опубл. 15.09.1992.
56. Koza J.R. Genetic Programming. / J.R. Koza. – Cambridge:MA:MIT Press,1992. – 418 p.
57. Скобцов Ю.А. Основы эволюционных вычислений. / Ю.А. Скобцов. – Донецк: ДонНТУ, 2008. – 326с.
58. Z..Michalevich. Genetic Algorithms + data structures=Evolution Programs. Springer.-1999.
59. S.N.Sivanandam, S.N.Deepa. Introduction to genetic algorithms. / S.N.Sivanandam, S.N.Deepa. //Springer-Verlag Berlin Heidelberg.-2008.
60. Липаев В.В. Системное проектирование сложных программных средств для информационных систем. / В.В. Липаев. – М.: СИНТЕГ, 1999. – 224 с.
61. Вендров А.М. CASE-технологии. Современные методы и средства проектирования информационных систем. / А.М. Вендров. – М.: Финансы и статистика, 1998. – 176 с.
62. Буч Г. Объектно-ориентированный анализ и проектирование с приме-рами приложений на С++. – 2-е изд.: Пер с англ. / Г. Буч. – М.: “Издательство Бином”, СПб.: “Невский диалект”, 1999. – 560 с.
63. Шлеер С. Объектно-ориентированный анализ: моделирование мира в состояниях: Пер. с англ. / С. Шлеер, С. Меллор. – Киев: Диалектика, 1993. – 240 с.
64. Рамбо Дж. UML: специальный справочник. / Дж. Рамбо, А. Якобсон, Г. Буч. – СПб.: Питер, 2001. – 656 с.
65. Бенькович Е. Практическое моделирование динамических систем. / Е. Бенькович, Ю. Колесова, Ю. Сениченкова. – СПб.: BHV, 2001. – 464 с.
66. Боггс У. UML и Rational Rose:Пер.с англ. / У. Боггс, М. Боггс. –М.:ЛОРИ, 2000.–582 с.
67. Буч Г. Язык UML. Руководство пользователя.: Пер. с англ. / Г. Буч, Дж. Рамбо, А. Джекобсон. – М.: ДМК, 2000. – 432 с.
68. Pfister G. Sizing Up Parallel Architectures. [Электронный ресурс] / G. Pfister // Database Programming & Design Online, May 1998. – Volume 11. – №5. Режим доступа: http://www.dbpd.com
69. ISDN: просто и доступно. / [под ред. Титтель Э] – М: ЛОРИ, 1999. – 282 c.
70. Горальски В. Технологии ADSL и DSL. / В. Горальски– М: ЛОРИ, 2000. – 320 с.
71. Телятников А.О. Разработка объектной модели распределенной базы данных / А.О. Телятников // Наукові праці ДонНТУ. Випуск 74. – Донецьк: ДонНТУ, 2004. – С. 192–200.
72. Лаздынь С.В. Динамическая модель распределенной базы данных компьютерной информационной системы / С.В. Лаздынь, А.О. Телятников // Наукові праці ДонДТУ. – Випуск 38. – Донецьк: РВА ДонДТУ, 2002. – С. 115 – 121.
73. Лаздынь С.В. Оптимизация распределенных баз дан-ных с использованием генетических алгоритмов / С.В. Лаздынь, А.О. Телятников // Вестник ХГТУ. – Херсон: ХГТУ, 2004. – № 1(19). – C. 236 – 239.
74. Лаздынь С.В. Повышение эффективности распределенных баз данных с использованием объектно-ориентированного модели¬рования и генетических алгоритмов / С.В. Лаздынь, А.О. Телятников // Единое информационное пространство: Сб. докл. Междунар. научно-практич. конф. – Днепропетровск: ИПК ИнКомЦентра УГХТУ, 2003. – С. 23 – 26.
75. Божич В.И. Методы генетического поиска для решений представимых мультихромосомами / В.И. Божич, В.Б. Лебедев // Перспективные информационные технологии и интеллектуальные системы. – 2002. – № 3. – С. 38 – 44.
76. Петров А.В. Модифицированный генетический алгоритм для оптимизации распределенных хранилищ данных. / А.В. Петров// Вісник Східноукраїнського Національного Університету імені Володимира Даля №12(130) 2008 ч.2.
77. Лаздынь С.В, Петров А.В, Оптимизация распределенных хранилищ данных с использованием генетических алгоритмов и объектного моделирования. / С.В. Лаздынь, А.В. Петров // Наукові праці Донецкького національного технічного університету. Серія: “Обчислювальна техніка та автоматизація”. Випуск 121. ДонНТУ, 2007, - с. 72-82.
78. Петров А.В. Моделирование и анализ работы распределенного хранилища данных. / А.В. Петров// Сборник трудов конференции «Компьютерный мониторинг и информационные технологии», Донецк, 2006. – с. 183-183;
79. Лаздынь С.В. Разработка объектной модели распределенного хранилища данных. / С.В. Лаздынь, А.В. Петров // Наукові праці ДонНТУ. Серія: “Обчислювальна техніка та автоматизація”. Випуск 107. ДонНТУ, 2006, - с. 122-127;
80. Лаздынь С.В. Построение модели распределенного хранилища данных с использованием объектно-ориентированного подхода. С.В. Лаздынь, А.В. Петров / С.В. Лаздынь, А.В. Петров // Наукові праці Донецького національного технічного університету. Серія: “Обчислювальна техніка та автоматизація”. Випуск 130. ДонНТУ, 2008, - С. 100-109;
81. Землянская С.Ю. Разработка динамической модели компьютерной информационной системы. / С.В.Лаздынь, С.Ю.Землянская // Наукові праці ДонНТУ. Серія “Обчислювальна техніка та автоматизація” - Випуск 74. - Донецьк: ТОВ Лебідь, 2004. - С. 152 - 159.
82. Землянская С.Ю. Объектная модель распределённой компьютерной информационной системы. / С.В.Лаздынь, С.Ю.Землянская //Наукові праці ДонНТУ. Серія “Обчислювальна техніка та автоматизація” – Випуск 14(129). - Донецьк: ДонНТУ, 2008. – С. 107-116.
83. Землянская С.Ю. Оптимизация распределённых корпоративных информационных систем с использованием генетических алгоритмов и объектного моделирования / С.В.Лаздынь, С.Ю.Землянская // Наукові праці ДонНТУ. Серія “Обчислювальна техніка та автоматизація” – Випуск 16(147). – Донецьк: ДонНТУ, 2009. С. 83-95.
84. Землянская С.Ю. Модифицированный генетический алгоритм для оптимизации распределённых корпоративных информационных систем / С.В.Лаздынь, С.Ю.Землянская // Вісник Східноукраїнського національного університету ім. Володимира Даля №1(131) ч.2. – Луганськ: Східноукраїнський національний університет ім. В.Даля, 2009.–С.201-210.
85. Землянская С.Ю. Использование генетических алгоритмов и объектного моделирования для оптимизации распределённых корпоративных информационных систем / С.Ю.Землянская // Матеріали V Всеукраїнської науково-технічної конференції «Комп’ютерний моніторинг та інформаційні технології» (КМІТ-2009). – Донецьк: ДонНТУ, 2009. – С. 283-284.
86. Моделирование и оптимизация распределенных информационных систем. / [Скобцов Ю.А., Лаздынь С.В., Землянская С.Ю. и др.] Донецк: Ноулидж. Донецкое отделение, 2012. – 300 с.