Информационные кластеры как диссипативные системы

В.А. Райхлин; Д.О. Шагеев

Информационные кластеры как диссипативные системы

В.А. Райхлин¹, Д.О. Шагеев²

научная статья Страницы: 323

¹ д.ф.-м..н., проф., КГТУ им. А.Н. Туполева, руководитель Республиканского научного семинара АН РТ «Методы моделирования»
² аспирант, КГТУ им. А.Н. Туполева

Ключевые слова: кластер диссипативная система архитектура кластера

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

Для цитирования

Райхлин В.А., Шагеев Д.О. Информационные кластеры как диссипативные системы // Нелинейный мир. 2009. № 5. С. 323.

Список источников

Анохин П.К. Принципиальные вопросы общей теории функциональных систем // Принципы системной организации функций. М.: Наука. 1973.
Николис Г., Пригожин И. Познание сложного. М.: УРС. 2003.
Райхлин В.А. Моделирование машин баз данных распределенной архитектуры // Программирование. 1996. №2.
Райхлин В.А., Абрамов Е.В. К теории моделей синтеза кластеров баз данных // Вестник КГТУ им. А.Н. Туполева. 2004. №1.
Главные компоненты временных рядов: метод «Гусеница» / под ред. Д.А. Данилова и А.А. Жиглявского. СПб.: Санкт-Петербургский университет, 1997.
Абрамов Е.В. Параллельная СУБД Clusterix. Разработка прототипа и его натурное исследование // Вестник КГТУ им. А.Н. Туполева. 2006. №2.
Райхлин В.А., Абрамов Е.В. Кластеры баз данных. Моделирование эволюции // Вестник КГТУ им. А.Н. Туполева. 2006. №3.
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.
Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. СПб.: БХВ-Петербург. 2004.
Райхлин В.А.Конструктивное моделирование систем. Казань: ФЭН (Наука). 2005.
Тейз А., Грибомон П., Луи Ж. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию. М.: Мир. 1990.
Тейз А., Грибомон П., Юлен Г. и др. Логический подход к искусственному интеллекту: от модальной логики к логике баз данных. М.: Мир. 1998.
Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат. 1991.
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.
Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003.
Дуброва Т.А. Статистические методы прогнозировангия. М.: ЮНИТИ. 2003.
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.
Soraya Rana. Examining the Role of Local Optima and Schema Processing in Genetic Search, 1999.

[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.