А.Ю. Петров1

1 ФГАОУ ВО «Санкт-Петербургский государственный университет аэрокосмического приборостроения» (Санкт-Петербург, Россия)

1 palexeq1998@yandex.ru

Постановка проблемы. Современные распределённые вычислительные системы, используемые для решения ресурсоёмких задач, функционируют в условиях неоднородности аппаратных узлов, изменяющейся вычислительной нагрузки и необходимости минимизации коммуникационных задержек. При этом традиционные методы равномерного или слабо адаптивного распределения задач не обеспечивают требуемой эффективности использования ресурсов и приводят к возникновению дисбаланса нагрузки, простою части узлов и увеличению общего времени вычислений. В этих условиях актуальной становится разработка адаптивных алгоритмов многокритериальной оптимизации, способных учитывать совокупность параметров вычислительной среды и формировать рациональные планы распределения нагрузки.

Цель. Разработать и экспериментально верифицировать программную реализацию гибридного многокритериального адаптивного роево-генетического метода оптимизации распределения ресурсов (АРГМОР), предназначенного для оптимизации распределения вычислительной нагрузки в распределённых системах, а также оценить его эффективность на реальной аппаратной платформе.

Результаты. Представлена архитектура гибридного алгоритма АРГМОР, сочетающего модифицированный метод роя частиц и генетический алгоритм с адаптивным переключением фаз поиска на основе анализа динамики Парето-фронта. Выполнена программная реализация алгоритма и построен экспериментальный демонстратор на базе микроконтроллеров Raspberry Pi Pico, объединённых по шине I2C. Показано, что применение алгоритма АРГМОР обеспечивает сокращение времени выполнения задач, более равномерное распределение нагрузки между узлами, устойчивость к гетерогенности вычислительной среды и эффективное масштабирование при увеличении числа узлов и объёма вычислений.

Практическая значимость. Результаты работы могут быть использованы при проектировании и совершенствовании распределённых вычислительных систем, встраиваемых вычислительных сетей и специализированных аппаратно-программных комплексов, где требуется повышение производительности, надёжности и эффективности использования вычислительных ресурсов.

Петров А.Ю. Программная реализация и анализ экспериментальных результатов гибридного алгоритма АРГМОР // Успехи современной радиоэлектроники. 2026. Т. 80. № 9. С. 94−106. DOI: https://doi.org/10.18127/j20700784-202609-10

1. Xu C.Z., Lau F.C.M. Load Balancing in Parallel Computers: Theory and Practice. Dordrecht: Kluwer Academic Publishers. 1997. 266 p.
2. Eager D.L., Lazowska E.D., Zahorjan J. Adaptive load sharing in homogeneous distributed systems // IEEE Transactions on Software Engineering. 1986. V. SE-12. № 5. P. 662–675.
3. Casavant T.L., Kuhl J.G. A taxonomy of scheduling in general-purpose distributed computing systems // IEEE Transactions on Software Engineering. 1988. V. 14. № 2. P. 141–154.
4. Harchol-Balter M. Performance Modeling and Design of Computer Systems. Cambridge: Cambridge University Press. 2013. 576 p.
5. Coello Coello C.A. An updated survey of GA-based multiobjective optimization techniques // ACM Computing Surveys. 2000. V. 32. № 2. P. 109–143.
6. Deb K. Multi-Objective Optimization Using Evolutionary Algorithms. Chichester: Wiley. 2001. 497 p.
7. Письменная В.А., Пантелеев А.В. Программный комплекс поиска оптимального управления нелинейными детерминированными динамическими системами с помощью меметического алгоритма // Успехи современной радиоэлектроники. 2016. № 2. С. 183–186.
8. Zitzler E., Deb K., Thiele L. Comparison of multiobjective evolutionary algorithms: Empirical results // Evolutionary Computation. 2000. V. 8. № 2. P. 173–195.
9. Goldberg D.E. Genetic Algorithms in Search, Optimization and Machine Learning. Boston: Addison-Wesley. 1989. 412 p.
10. Katoch S., Chauhan S.S., Kumar V. A review on genetic algorithm: past, present, and future // Multimedia Tools and Applications. 2021. V. 80. P. 8091–8126.
11. Kennedy J., Eberhart R. Particle swarm optimization // Proceedings of IEEE International Conference on Neural Networks. 1995. V. 4. P. 1942–1948.
12. Gad A.G. Particle Swarm Optimization Algorithm and Its Applications: A Systematic Review // Archives of Computational Methods in Engineering. 2022. V. 29. P. 2531–2561.
13. Osika Z., Zatarain Salazar J., Roijers D.M., Oliehoek F.A., Murukannaiah P.K. What Lies beyond the Pareto Front? A Survey on Decision-Support Methods for Multi-Objective Optimization // Proceedings of the Thirty-Second International Joint Conference on Artificial Intelligence (IJCAI-23). 2023. P. 6741–6747
14. Чуянов Г.А., Косьянчук В.В., Сельвесюк Н.И. Перспективы развития комплексов бортового оборудования на базе интегрированной модульной авионики // Известия ЮФУ. Технические науки. 2013. №3 (140). С. 55–62.
15. Vanderleest S.H., Matthews D.C. Incremental Assurance of Multicore Integrated Modular Avionics (IMA) // IEEE/AIAA 40th Digital Avionics Systems Conference (DASC). San Antonio. 2021. С. 1–9.
16. Eveleens R.L.C. Integrated Modular Avionics Development Guidance and Certification Considerations // National Aerospace Laboratory NLR. Amsterdam. 2006. 19 с.
17. Петров А.Ю., Оленев В.Л. Формализация гибридного метода распределения задач с использованием сетей Петри // Научно-технический вестник Поволжья. 2025. № 6. С. 228–232.
18. Петров А.Ю. Гибридный Алгоритм PSO-GA в вычислительных системах // Материалы 6-й Междунар. науч. конф. «Аэрокосмическое приборостроение и эксплуатационные технологии», Санкт-Петербург, 08–25 апреля 2025 г. СПб.: Санкт-Петербургский государственный университет аэрокосмического приборостроения. 2025. С. 220–223.
19. Neto A.J.A., Carneiro Neto J.A., Moreno E.D. The development of a low-cost big data cluster using Apache Hadoop and Raspberry Pi. A complete guide // Computers and Electrical Engineering. 2022. V. 104. Pt. A.
20. Da Silva L.F., Lima J.V.F. An evaluation of relational and NoSQL distributed databases on a low-power cluster // The Journal of Supercomputing. 2023. V. 79. Iss. 12. P. 13402–13420.
21. Zhang Z.-D., Yu D.-Y., Ibhadode O., Meng L., Gao T., Zhu J.-H., Zhang W.-H. TopADDPi: An Affordable and Sustainable Raspberry Pi Cluster for Parallel-Computing Topology Optimization // Processes. 2025. V. 13. № 3.
22. Кирюшкин С.Б. Особенности реализации протокола обмена данными для систем управления активной фазированной антенной решеткой // Успехи современной радиоэлектроники. 2016. № 2. С. 166–170.
23. Гридин В.Н., Анисимов В.И., Васильев С.А. Метод построения компонентов распределенной системы для расчета стационарного режима электронных схем на основе микросервисов с полнодуплексным каналом связи // Успехи современной радиоэлектроники. 2021. Т. 75. № 8. С. 20–29.