Диссертация (Синтез оптимальной логической структуры распределенной базы данных с помощью параллельного нейросетевого алгоритма), страница 4

Рис.3 иллюстрирует зависимость среднего ускорения от количестваядер для модельной задачи с N  1600 .Для реальной БД ERP-системы HRMT сI  189была проведенадекомпозиция множества групп данных на типы ЛЗ. Полученная структуратаблиц характеризуется степенью неучета семантической смежности группданных равной N q  0,3% , в то время как для текущей используемой структуры19БД эта характеристика составляет N q  7,8% . Таким образом, новый вариантструктуры на 7,5% лучше учитывает семантическую смежность групп данных.Зависимость среднего ускорения от числа ядер для задачи с N=1600Среднее ускорение7654321012345678Количество ядерРис.

3. Зависимость среднего ускорения от числа ядер для задачи с N  1600На основе синтезированной ЛС с помощью РТМ-алгоритма было найденобезызбыточное размещение таблиц по узлам ВС, уменьшившее общее времяпоследовательной обработки множества запросов пользователей на 14,7%.Взаключениидиссертационногосодержатсяисследования,сведениясделанныеобпоосновныхнимрезультатахвыводы,атакжерекомендации по использованию полученных результатов на практике.ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОЙ РАБОТЫ1. Исследованы подходы к решению задач оптимизации, основанные наэволюционномпрограммировании.Набазеанализаданныхподходовпредложен и реализован эволюционный НС-ГА-алгоритм для решения задачисинтеза ОЛС РБД по критерию минимума общего времени последовательнойобработки множества запросов пользователей. Построение НС-ГА-алгоритмаосновано на разработанной диссертантом методике перехода от математическойпостановки задачи к ее представлению в терминах ИНС.2.

Разработаниреализованнейросетевойалгоритмоптимизации,основанный на модифицированном табу-поиске. В результате сравнения ТМалгоритма с НС-ГА-алгоритмом и ЭМСО показано, что средние результаты,полученные с помощью ТМ на модельной задаче большей размерности, лучшерезультатов,полученныхспомощьюНС-ГА-алгоритма,результатов, полученных с помощью ЭМСО, – на 23,6%.20на8,7%,а3. На основе разработанного ТМ-алгоритма спроектирована и реализованаего распределенная модель.

Предложены метод дробления ТМ на Табу подмашины в зависимости от количества процессоров и метод получения весовыхподматриц Wp для каждой Табу под-машины, входящей в состав РТМ. Доказаноутверждение о том, что для предложенного метода разбиения энергия полнойТМ аддитивна по энергиям Табу под-машин, составляющих РТМ. Определеныпользовательские операции приведения, используемые в РТМ. Предложенаобщая схема работы РТМ и указаны изменения в концепции функционированияТМ, потребовавшиеся для реализации новой схемы работы.4.

В результате серии экспериментов по тестированию реализованной РТМнавычислительномкластереНИУВШЭ–НижнийНовгородданырекомендации по выбору оптимальных значений тройки параметров ТМ / РТМдля решения этапа 2 задачи: l  T ; I  ,    0,5; 1 , C  20 .5. Для реальной БД, используемой в международной IT-компании, спомощью РТМ была проведена декомпозиция множества групп данных на типыЛЗ.

Полученная в результате структура таблиц 7,5% лучше учитываетсемантическую смежность групп данных по сравнению с текущей используемойструктурой БД. На основе синтезированной ЛС с помощью РТМ-алгоритмабыло найдено безызбыточное размещение таблиц по узлам ВС, позволяющееуменьшить общее время последовательной обработки множества запросовпользователей на 14,7%.СПИСОК ПУБЛИКАЦИЙ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИСтатьи в рецензируемых изданиях, рекомендованных ВАК1.

Карпунина, М.Е. Сравнительный анализ использования табу-машины инейронных сетей Хопфилда для решения задач дискретной оптимизации изобласти распределенных баз данных / Э.А. Бабкин, М.Е. Карпунина //Научно-техническийвестникСПбГУИТМО.Технологиивысокопроизводительных вычислений и компьютерного моделирования. / Гл.ред. д.т.н., профессор В.О. Никифоров.

– Санкт-Петербург: Университетские21телекоммуникации, март – апрель 2008. – № 54. – С. 120-127. – 0,96 п.л. (авт.– 0,9 п.л.)2. Karpunina, M. The analysis of tabu machine parameters applied to discreteoptimization problems / E. Babkin, M. Karpunina // Proceedings of 2009ACS/IEEE International Conference on Computer Systems and Applications,AICCSA’2009. – May 10-13, 2009. – Rabat, Morocco. – P.

153-160. – 0,96 п.л.(авт. – 0,76 п.л.)3. Karpunina, M. Parallel Tabu Search Algorithm for Data Structure Composition / E.Babkin, M. Karpunina, N. Aseeva // Lecture Notes in Business InformationProcessing. / J.Grabis and M.Kirikova (Eds.): BIR 2011, LNBIP. – Vol. 90,Perspectives in Business Informatics Research, Part 3. – P. 110-123.

– 1,68 п.л.(авт. – 1,3 п.л.)Статьи в других изданиях4. Карпунина, М.Е. Об использовании полносвязных нейронных сетей прямогораспространения для решения задачи разбиения множества групп данных натипы логических записей / Э.А. Бабкин, М.Е. Карпунина // ИзвестияАкадемии инженерных наук им. А.М. Прохорова. Прикладная математика имеханика. / Под ред. Ю.В.Гуляева. − Москва − Н.Новгород: НГТУ, 2004. −Т.6. − С. 67-73.

– 0,84 п.л. (авт. – 0,7 п.л.)5. Карпунина, М.Е. Об одном методе синтеза структуры распределенной базыданных, основанном на использовании искусственных нейронных сетейХопфилда / Э.А. Бабкин, М.Е. Карпунина // Известия Академии инженерныхнаук им. А.М. Прохорова. Бизнес-информатика. / Под ред. Ю.В.Гуляева.

−Москва − Н.Новгород: ТАЛАМ, 2005. − Т.12. − С. 37-46. – 1,2 п.л. (авт. – 1п.л.)6. Карпунина М.Е. Использование генетических алгоритмов для повышенияэффективности работы искусственных нейронных сетей / М.Е. Карпунина //Известия Академии инженерных наук им. А.М.

Прохорова. Бизнесинформатика. / Под ред. Ю.В.Гуляева. − Москва − Н.Новгород: ТАЛАМ,2005. – 11 с. – 1,32 п.л.227. Petrova (Karpunina), M. Towards application of neural networks for optimalsynthesis of distributed database systems / E. Babkin, M. Petrova (Karpunina) //Proceedings of 12th IEEE Intrl. Conference on Electronics, Circuits, and Systems,satellite workshop Modeling, Computation and Services, Gammarth, Tunisia. −2005. − P.

486-490. – 0,6 п.л. (авт. – 0,5 п.л.)8. Петрова (Карпунина), М.Е. Нейросетевой подход к решению задачдискретной оптимизации с использованием табу-поиска / М.Е. Петрова(Карпунина) // Известия Академии инженерных наук им. А.М. Прохорова.Бизнес-информатика. / Под ред. Ю.В.Гуляева. − Москва − Н.Новгород:ТАЛАМ, 2006.

− Т.17. − С. 11-19. – 1,08 п.л.9. Petrova (Karpunina), M. Application of genetic algorithms to increase an overallperformance of neural networks in the domain of database structures synthesis / E.Babkin, M. Petrova (Karpunina) // Information Technology and Control, Kaunas,Technologija. – 2006. – Vol. 35, No. 3A. – P. 285-294. – 1,2 п.л. (авт. – 0,96 п.л.)10. Карпунина, М.Е. Табу-машина как средство решения задач дискретнойоптимизации: улучшение качества решения и уменьшение времени егонахождения по сравнению с альтернативным методом использованиянейросетей Хопфилда / М.Е.

Карпунина // Материалы 1-ой Международнойконференциипобизнес-информатике,Россия,Московскаяобласть,Звенигород, 2007. – С. 204-218. – 1,8 п.л.11. Karpunina, M. Comparative study of the Tabu machine and Hopfield networks fordiscrete optimization problems / E. Babkin, M. Karpunina // Informationtechnologies’ 2008 – Proceedings of 14th Conference on Information and SoftwareTechnologies, IT 2008. – April, 2008. – Kaunas University of Technology,Kaunas, Lithuania. – P.

25-41. – 2,04 п.л. (авт. – 1,8 п.л.)12. Karpunina, M. A new method of DDB logical structure synthesis using distributedtabu search / E. Babkin, M. Karpunina // Proceedings of International Workshopon Soft Computing Applications and Knowledge Discovery, SCAKD’11. – June,2011. – National Research University Higher School of Economics, Moscow,Russia.

– P. 1-11. – 1,32 п.л. (авт. – 0,92 п.л.)23.