350 руб
Журнал «Нелинейный мир» №5 за 2009 г.
Статья в номере:
Информационные кластеры как диссипативные системы
Ключевые слова: кластер диссипативная система архитектура кластера
Авторы:
В.А. Райхлин - д.ф.-м..н., проф., КГТУ им. А.Н. Туполева, руководитель Республиканского научного семинара АН РТ «Методы моделирования», Е-mail: no-form@evm.kstu-kai.ru Д.О. Шагеев - аспирант, КГТУ им. А.Н. Туполева, Е-mail: doctor_iks@rambler.ru
Аннотация:
Показана правомерность трактовки процессов в информационных кластерах с позиций диссипативных систем; обоснована целесообразность изменения архитектуры кластера в динамике его работы; приведена темпорально-нечеткая процедурная модель выбора архитектуры; сформулирован генетический алгоритм поиска релевантной базы знаний этой модели
Страницы: 323
Список источников
  1. Анохин П.К. Принципиальные вопросы общей теории функциональных систем // Принципы системной организации функций. М.: Наука. 1973.
  2. Николис Г., Пригожин И. Познание сложного. М.: УРС. 2003.
  3. Райхлин В.А. Моделирование машин баз данных распределенной архитектуры // Программирование. 1996. №2.
  4. Райхлин В.А., Абрамов Е.В. К теории моделей синтеза кластеров баз данных // Вестник КГТУ им. А.Н. Туполева. 2004. №1.
  5. Главные компоненты временных рядов: метод «Гусеница» / под ред. Д.А. Данилова и А.А. Жиглявского. СПб.: Санкт-Петербургский университет, 1997.
  6. Абрамов Е.В. Параллельная СУБД Clusterix. Разработка прототипа и его натурное исследование // Вестник КГТУ им. А.Н. Туполева. 2006. №2.
  7. Райхлин В.А., Абрамов Е.В. Кластеры баз данных. Моделирование эволюции // Вестник КГТУ им. А.Н. Туполева. 2006. №3.
  8. Райхлин В.А., Абрамов Е.В., Шагеев Д.О. Эволюционное моделирование процесса выбора архитектуры кластеров баз данных // Труды 8-й Междунар. конф. «Высокопроизводит. паралл. вычисления на кластерных системах» HPC-2008. (Казань, ноябрь 17 - 19, 2008). Казань: Изд. КГТУ, 2008. С. 249 - 256.
  9. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ-Петербург. 2004.
  10. Райхлин В.А.Конструктивное моделирование систем. Казань: ФЭН (Наука). 2005.
  11. Тейз А., Грибомон П., Луи Ж. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию. М.: Мир. 1990.
  12. Тейз А., Грибомон П., Юлен Г. и др. Логический подход к искусственному интеллекту: от модальной логики к логике баз данных. М.: Мир. 1998.
  13. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат. 1991.
  14. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. Нечеткие множества в моделях управления и искусственного интеллекта / под ред. Д.А. Поспелова. М: Наука. 1986.
  15. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003.
  16. Дуброва Т.А. Статистические методы прогнозировангия. М.: ЮНИТИ. 2003.
  17. Holland John H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control and Artificial Intelligence. USA: University of Michigan. 1975.
  18. Soraya Rana. Examining the Role of Local Optima and Schema Processing in Genetic Search, 1999.