«УДК 004 В.В.Глазунов (6 курс, каф. КИТвП), Д.В.Кетов, доц. РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ УЧЕБНЫМИ МАТЕРИАЛАМИ НА ОСНОВЕ СЕМАНТИЧЕСКИХ МОДЕЛЕЙ ПРЕДМЕТНЫХ ОБЛАСТЕЙ Современные методы образования предполагают доступность ...»

ФАКУЛЬТЕТ УПРАВЛЕНИЯ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

СЕКЦИЯ "РЕШЕНИЕ СЛОЖНЫХ ЗАДАЧ В ОБЛАСТИ СОВРЕМЕННЫХ

ИНФОРМАЦИОННЫХ И КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ"

УДК 004

В.В.Глазунов (6 курс, каф. КИТвП), Д.В.Кетов, доц.

РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ УЧЕБНЫМИ МАТЕРИАЛАМИ НА ОСНОВЕ

СЕМАНТИЧЕСКИХ МОДЕЛЕЙ ПРЕДМЕТНЫХ ОБЛАСТЕЙ

Современные методы образования предполагают доступность учебных материалов для самостоятельной работы студентов. Многие университеты предоставляют своим студентам или всем желающим возможность получить в электронной форме конспекты лекций, задачи, экзаменационные вопросы по некоторым или всем читаемым в университете курсам. Тем не менее, в большинстве случаев пользователям предоставляются сильно ограниченные возможности поиска необходимых материалов: редко возможно определить место курса в учебном плане, его структуру, найти необходимые определения или задачи, не прочитав все доступные для этого курса материалы.

Представляемая работа посвящена построению системы хранения учебных материалов, учитывающую семантические особенности предметных областей. Это позволит расширить возможности поиска необходимых сведений и представить пользователю целостную систему учебных курсов, отражающую их взаимосвязи.

Отличительной особенностью предметной области является сложная структураучебных материалов. С каждым курсом связан набор данных (свойств курса), описывающих сам курс, его положение в блоке дисциплин и учебном плане: название курса, его автор, требуемые для освоения курса знания, изучаемые в рамках курса разделы образовательных стандартов.

Кроме этого, учебный курс характеризуется набором и последовательностью изучения тем, понятий, примеров, методов, задач, теорем, доказательств. Вводимые в рамках курса понятия определенным образом связаны между собой и с понятиями других курсов. Если для описания свойств курса можно применить хорошо известные методы объектной или реляционной декомпозиции, то использование этих же методов для описания структуры курса и связей между понятиями привело бы к необходимости постоянного изменения схемы данных. Такое изменение требует больших усилий и рассуждений в терминах структур данных, в то время как преподаватель составляет курс в терминах предметной области и методических терминах. С учетом этих особенностей принято решение строить реализацию системы хранения учебных материалов на основе онтологий.

За основу системы взята среда разработки семантических веб-приложений CubicWeb.

Эта среда предоставляет базовые типы данных, средства создания составных типов данных и отношений между объектами, инструменты описания схемы данных и способов их отображения. На основе описания схемы данных генерируется экземпляр приложения.

Взаимодействие между пользователем и приложением осуществляется через web-интерфейс.

Таким образом, для создания полнофункционального приложения разработчик должен описать модель предметной области и правила отображения объектов предметной области, необходимые экранные формы генерируются автоматически.

Среда CubicWeb использует онтологическую модель описания предметной области.

Онтологии описываются на объектно-ориентированном языке программирования Python.

Разработчик приложения определяет набор классов, соответствующих характерным для предметной области понятиям и отношениям между ними, а затем описывает задачу в этих терминах.

Для описания учебных материалов были выделены следующие понятия: курс, занятие, лекция, материал, определение, пример, теорема, доказательство, изображение. Отношения между понятиями: быть частью, следовать, иллюстрировать, доказывать. Пользователи могут добавлять в систему новые понятия и отношения.

От других системам, допускающих онтологическое описание учебных курсов, в частности, от системы «VITA-II» [1], разрабатываемая система отличается ориентацией насовместную работу с несколькими взаимосвязанными учебными курсами. В частности, возможно создание различных версий одного курса, ссылки на другие курсы и совместное использование учебных материалов.

ЛИТЕРАТУРА:

1. Слепцова Ю., Малиновская О. Интегрированный комплекс по моделированию пользователя и адаптации СПО. Материалы третьей международной конференции «Modern (e-)Learning», УДК 004. А.С.Авдосьев (5 курс, каф. КИТвП), А.В.Кудаков, доц.

ИЗУЧЕНИЕ ВОПРОСА ИНТЕГРАЦИИ MICROSOFT SHAREPOINT

С ДРУГИМИ ИНФОРМАЦИОННЫМИ СИСТЕМАМИ

Цель работы – рассмотреть возможные способы интеграции серверной программы для организации совместной работы и построения корпоративных порталов Microsoft Office SharePointServer 2010 (MOSS) с другими (внешними) информационными системами.

В качестве внешних информационных систем могут рассматриваться разнообразные источники данных, например, системы управления базами данных (СУБД) или web-сервисы.

В ходе теоретического исследования структуры MOSS было выяснено, что для доступа к данным внешних источников в существуют службы SharePoint BusinessDataConnectivityServices (BCS). Для достижения поставленной цели была изучена работа этих служб и реализовано тестовое решение, показывающее их возможности.

Службы BCS активно используют в своей работе так называемые внешние типы содержимого (ExternContentType, ECT). Они описывают схему внешних данных и правила взаимодействия со службами BCS.

Решения на базе BCS и внешних MS Office типов содержимого позволяют интегрировать данные в SharePoint и BCS Office (рис. 1).

Для доступа к внешним данным Внешниеисточник необходимо создать ECT, после чего Внешний тип иданных на его основе можно сгенерировать содержимого ECT с помощью BCS, когда к ним обращается конечный пользователь.

Помимо внешних списков на основе ECT можно также разработать web-часть, являющуюся наиболее гибким и доступным способом расширения функционала платформы, а также любой другой компонент SharePoint, работающий с данными.

Для решения вышеописанной задачи в лабораторной среде была разврнута платформа MOSS 2010, в качестве источника данных выступила база данных в СУБД SQLServer. А для разработки тестового решения на основе служб BCS были использованы следующие приложения:

SharePointDesigner 2010. Обычно используется, если нужно быстро разработать просто решение без написания кода.

VisualStudio 2010. Используется, если разрабатываемое решение является достаточно сложным и функционала SharePointDesigner не хватает.

MicrosoftOfficeSharePointServer 2010 с внешними источниками данных с помощью служб BusinessDataConnectivityServices. Кроме того в лабораторной среде было реализовано тестовое решение, показывающее пример использования этих служб.

УДК 004.056.

МЕТОД ЗАЩИТЫ ОТ ВНЕДРЕНИЯ И ЗАПУСКА ВРЕДОНОСНЫХ ПРОГРАММ

Краткое вступление. Общее количество вредоносных программ с каждым годом увеличивается экспоненциально. По данным Symantec в 2003 году было обнаружено вирусов, в 2004-м уже 114 025, в 2007-м – 624 267, в 2008-м – 1 656 227. Эти цифры наглядно демонстрируют ситуацию. Если представить данные статистики немного по-другому, то получается, что в среднем в сутки антивирусным компаниям приходится находить порядка 10 тысяч новых вредоносных программ. Понятно, что обрабатывать такое количество образцов руками просто невозможно даже с очень большим штатом аналитиков. Исходя из вышеперечисленной статистики, можно предположить, что в 2013 году будет выпущено порядка 50 000 000 новых вредоносных программ, т.е. 136 000 ежедневно. Если посмотреть еще дальше, то в 2015 году количество новых вредоносных программ может стать и вовсе заоблачным и превысить 200 000 000. За этими цифрами не видно реальной угрозы. Как известно ни один антивирус не дает 100% защиты. Если даже предположить, что эффективность лучших антивирусов составляет 99% (это очень высокий показатель, почти нереальный). Тогда в 2008 году такой антивирус может не знать 1% от 1.6 млн. = вредоносных программ. А в 2013 году 1% будет означать недетектирование вредоносных программ. Такую защиту нельзя назвать эффективной.

Цель работы. Разработка и реализация метода защиты от вредоносных программ, основанного на обеспечении замкнутости среды.

Базовые положения исследования. Существует два способа защиты объектов файловой системы от вредоносных программ: контроль исполняемого кода (это используется в антивирусах) и разграничение доступа к ресурсам (средствами операционной системы или программами, имеющими данные функции).

Предлагаемый метод строится на принципе замкнутости программной среды. Под обеспечением замкнутости программной среды в общем случае понимается локализация на защищаемом компьютере возможности запуска программ и системных процессов механизмом контроля доступа к ресурсам (контролем доступа на исполнение файлов), при этом механизм реализован корректно при условии, если им выполняются требования к полноте и к корректности разграничений к исполняемым файлам. Под полнотой разграничений понимается возможность разграничить доступ "на исполнение" для всех компьютерных ресурсов, с которых возможен запуск программы, а под корректностью разграничений понимается отсутствие какой-либо возможности модификации разрешенных к запуску исполняемых файлов, а также запуск под их именем других (несанкционированных) программ.

Основной результат. Разработан и реализован метод защиты от вредоносных программ, основанный на принципе замкнутости программной среды.

В предложенном методе в качестве субъекта доступа используется субъект «все процессы» (как системные, так и прикладные). Все разграничения доступа применяются только к данному субъекту. В качестве объектов доступа выступают файлы с определенными расширениями (например: *.exe).

1. Разрешены на выполнение файлы, находящиеся в системных каталогах (%ProgramFiles% и %windir%), с расширениями: *.exe, *.bat, *.com, *.config, *.dll, *.manifest, *.drv, *.fon, *.ttf, *.log, *.sys. Данные файлы необходимы для корректной работы операционной системы и нужных программ. Данное условие обеспечивает замкнутость программной среды.

2. Запрещена модификация файлов, перечисленных в пункте 1.

3. Запрещена запись и модификация исполняемых файлов, имеющих расширения:

*.com; *.exe; *.bat; *.cmd; *.vbs; *.vbe; *.js; *.jse; *.wsf; *.wsh и т.д.

Данные условия распространяются на всех пользователей (включая администраторов).

Метод реализован и апробирован с использованием КСЗИ «Панцирь», разработанной компанией ЗАО «НПП «ИТБ».

В результате применения метода сделаны следующие выводы:

1. Метод обеспечивает 100% защиту от возможного внедрения вредоносных программ с внешних носителей и из сети с правами любого пользователя, в том числе System.

2. Метод ориентирован на противодействие как уже известным вирусным программам, так и новым. Не имеет значения, когда и каким образом будет написан вирус.

3. Метод оказывает незначительное влияние на загрузку вычислительных ресурсов. При запуске средства дополнительная загрузка процессора находится в пределах 5%.

УДК 004.

СИСТЕМА АВТОМАТИЧЕСКОГО РЕФЕРИРОВАНИЯ НАУЧНО-ТЕХНИЧЕСКИХ

ТЕКСТОВ НА ОСНОВЕ ТЕХНОЛОГИИ «ORACLE TEXT MINING»

Цель работы - разработка новых эффективных методов и алгоритмов для автоматизации реферирования научно-технических текстов на русском языке, а также реализация системы автоматического реферирования текстов на основе разработанных алгоритмов средствами технологии OracleTextMining и проведение оценки эффективности разработанных методов и алгоритмов.

Первый этап – изучение существующих методов и алгоритмов формализованного описания структуры текста, определения функциональных отношений между частями текста.

Анализом современных подходов к автоматическому реферированию текстов установлено[1],что для текстов на русском языке практически реализуемы методы, основанные на подходе экстракции, поскольку они не требуют использования специальных словарей и баз общего назначения.[2] С целью повышения эффективности решения задачи автоматического реферирования научно-технических текстов на русском языке, предлагается использовать подход, учитывающий особенности их структуры.

Анализ научного стиля русского языка показал, что для научно-технических текстов можно выделить подмножество функциональных отношений, а также ключевых фраз, которые будут использоваться при разработке алгоритмов автоматического реферирования текста.

В ходе первого этапа работы был сформулирован обобщенный алгоритм автоматического реферирования, который состоит из следующих этапов:

определение функциональных отношений из текста на основе анализа ключевых фраз русского языка;

построение структуры текста на основе множествафункциональных отношений;

ранжирование листьев структурного дерева для определения аннотации;

получение аннотации по ранжированному списку ЭТЭ (элементарных текстовых элементов).

Следующий этап – реализация системы автоматического реферирования текстов на основе разработанных алгоритмов средствами технологии OracleTextMining -компоненты СУБД Oracle, которая позволяет работать с неструктурированными текстовыми данными, осуществлять по ним поиск, их классификацию, анализ и т.д. [3], [4].

1. Ландэ Д.В. Поиск знаний в Internet. Профессиональная работа. «Диалектика», 2005.

2. Михаилян А. Некоторые методы автоматического анализа естественного языка, используемые в промышленных продуктах /- 2001. - (http://www.citforum.ru/programming/digest/ avtestlang.shtml).

3. Шерер Д., Бреннан К. Изучение основ OracleText. Журнал Oracle Magazine no.2, (/oramag/oracle/01-mar/o21int.html) 4. Oracle Text Technical Information (http://www.oracle.com/technology/ products/text/ index.html) УДК

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ СТРАХОВЫХ

СЕРВИСОВ НА ОСНОВЕ ОНТОЛОГИИ

В наши дни большинство компаний, не зависимо от того, в какой сфере они работают, начинают задумываться, а многие уже пытаются реализовать хотя бы частичную автоматизацию их бизнеса. Достаточно быстро развивается это в области заказа товаров и пользование различными сервисами по интернету. Сфера страхования– не исключение их этого списка.

Сегодня страховка машины - это неотъемлемая часть жизни автовладельца. А учитывая то, насколько быстро увеличивается процент автовладельцев, тема становится актуальнее с каждым днем. Данная работа посвящена проектированию сервиса для страхового брокера ООО «ЕвроФинансКонсалт» (www.efinans.ru),разработка онтологии и построение Базы знаний по страховым компаниям для автоматизации расчетов стоимости премии КАСКО прямо на сайте брокера.

Безусловно, рассчитать стоимость будущей страховки ОСАГО, КАСКО или Зеленой карты можно в любой страховой компании, а так же практически на любом сайте страховой компании можно найти калькулятор КАСКО. Эта очень полезная функция, позволяющая тем, у кого есть интерес встраховани и каско, рассчитать стоимость полиса без необходимости приезжать в офис страховщика. Процесс оформление предельно просто:

нужно просто заполнить анкету, имеющуюся на сайте выбранной страховой компании, внеся туда данные о своем автомобиле, водительском стаже и т.д. Калькулятор каско автоматически производит расчет стоимости каско отдельно для каждой анкеты. Ответ присылается на указанный адрес электронной почты, что позволяет автовладельцу уже через полчаса узнать, в какую примерно сумму ему обойдется страховой полис каско. В некоторых случаях калькулятор каско выдает информацию о стоимости полиса непосредственно на сайте, но опять-таки, приблизительно. За более точной информацией лучше наведаться в страховую компанию лично, чтобы уточнить отдельные нюансы договора и порядок выплаты страхового возмещения.

Такие программные новшества можно приобрести у компаний (например, www.ntoi.ru), предлагающий готовый продукт – написанный, запрограммированный калькулятор КАСКО, который при вводе параметров готов рассчитать стоимость сразу по нескольким компаниям.

Подобный продукт можно интегрировать либо на сайт своей компании, либо установить как отдельное приложение в офисе для расчетов. Но, естественно, этот предоставляемый сервис является платным и структура его работы – это коммерческая тайна компании-разработчика (поэтому точно проанализировать как работает данный сервис не возможно). В связи с этим фактом, в компании ООО «ЕвроФинансКонсалт»была выдвинута идея о проектировании и дальнейшей разработки собственной базы знаний страховых компаний, основанной на онтологии. Как это будет реализовано?

При расчете каско учитывается множество параметров - таких как возраст и стаж водителей, марка и модель автомобиля, для которого производится расчет каско, наличие предыдущей страховки каско и страховых случаев по ней, тип двигателя, количество водителей и т.д. И для различных страховых компаний, могут быть различные параметры, влияющие на стоимость полиса(например, в какой-то компании имеет значение тип коробки передач, в какой-то нет), а так же в зависимости от тарифной политики компании предлагают разные условия страхования для владельцев автомобилей различных марок. По этому, основной сложностью будет построение базы знаний, которая будет постоянно обновляться при изменениях коэффициентов параметров страховых компаний. В этой Базе помимо стандартных коэффициентов, по которым будет происходить алгебраический расчет, также будут храниться знания собранные именно для этой компании, которые будут обрабатываться и выдаваться в виде информационного сообщения. Т.е. при одних и тех входных параметрах одна компания может предоставить страховку, другая нет – зависит от внутренней политики компании, которая и будет описана, как внутренние знания компании (например, для страховки юридических лиц с неограниченным числом водителей «мультидрайв» одна компания согласится рассчитать и оформить страховку, а для другой выдаст сообщение, что страхование «мультидрайв» для юридических лиц запрещено).

Структура будущей онтологии описана на рис. 1. Эта онтология пока является только показательным примером будущей онтологии, чтобы визуально продемонстрировать структуру (в примере всего 3 компании – будет порядка 25).Ниже на рис. 2.

продемонстрировано в какой форме будет происходить вывод полученный данных, расчетов и сообщений из базы (таблица также будет изменяться).

Данная работа будет выполнена в рамках магистерской диссертации, основой в которую ляжет бакалаврская дипломная работа УДК

МОДЕРНИЗАЦИЯ CRM СИСТЕМ С УЧЕТОМ ОТРАСЛЕВЫХ

ОСОБЕННОСТЕЙ БИЗНЕС-ПРОЦЕССОВ

Цель работы – исследование особенностей существующей CRM Системы (система управления взаимодействия с клиентами), анализ ее эффективности для отраслевых направлений бизнеса. Выявление дополнительных параметров модулей, модернизация которых позволит оптимизировать эти бизнес-процессы.

Для оценки была выбрана CRM-система RNSWeb, т.к. это развивающаяся и модульная система, не имеющая на данный момент законченного отраслевого решения.RNSWebCRM– корпоративная информационная система, обеспечивающая автоматизацию бизнес-процессов компании. Она занимает среднее звено между двумя классами систем – CRM (CustomerRelationsManagement)и BI (BusinessIntelligent). Система позволяет не только вести полную историю всех взаимоотношений с клиентами, но также оперативно управлять внутренними и внешними ресурсами компании[2].

На данный момент система состоит из модулей Клиенты, Контрагенты, Новости, Справочники, Библиотека, Заявки, Аналитика(Отчеты), Сотрудники, Кандидаты, Задачи, Продукты, Склад, Таймшиты, Документы, Планирование, История, Финансы, Договора, Администрирование[1]. Очевидно, что ряд модулей, таких как Сотрудники, Контакты, Настройки, Новости, Планирование, Таймшиты(Модуль учета рабочего времени) будут удовлетворять нуждам компаний любой направленности. Но основная работа сотрудника все-таки связана с Заявками, Объектами.

Далее рассмотрю особенности этих трех модулей для компаний, занимающихся бронированием помещений. Объекты, с которыми работает менеджер, имеют свой тип:

Квартира, Офис, Гостиница и т.д. каждый тип имеет подтипы: Квартира может быть однокомнатной, двухкомнатной и т.д. У каждого объекта может быть свой набор как стандартных параметров: стоимость (из расчета на период времени либо единицу площади), адрес, город, ближайшие станции метро, этаж, так и не стандартных – наличие дополнительного спального места (для номера в гостинице), столовой (для офиса).

На практике вышеуказанные особенности возможно реализовать при помощи добавление дополнительных полей в карточку Объекта, настройкой полей фильтрации данных (для сотрудника важно в процессе телефонного разговора задавать параметры поиска и видеть результаты), дополнительной привязкой данных к Справочникам и другим модулям.

Заявки в систему можно вносить вручную. Сотрудник сам может создать новую карточку заявки, заполнив обязательные поля. Дополнительную информацию можно добавить позднее. В заявке главное, на сколько постояльцев/сотрудников нужно найти помещение, где (город, район) и на какой срок. Карточка связана с модулем Контакты, в котором можно хранить всю информацию о клиенте и его организации, в том числе историю заказов. Среди дополнительных параметров указываются пожелания по размещению (если речь идет о гостинице, возможно необходимо несколько номеров, если об офисе возможно необходимо одна комната или несколько), дополнительные пожелания: вид из окна на Невский проспект, наличие парковочных мест, возможность проживать с животными. Также важно исключить возможность двойного бронирования одних и тех же помещений с одной стороны, и простой помещений – с другой. Поэтому в системе важно реализовать возможность составлять, а также важно иметь возможность управлять ценами на помещения в зависимости от типа помещения и сезона или периода сдачи.

Прежде чем приступить к программной реализации, необходимо скрупулезно продумать все возможные параметры каждого из подтипов Объекта, его атрибуты и к чему они могут быть привязаны, какие параметры фильтрации помогут менеджеру реагировать на каждое слово заказчика, озвучивая подходящие варианты[1].

Интерфейс Системы реализован в виде ASP.NET приложения на языке C# с использованием СУБД Microsoft SQL Server 2000 или более поздних версий[3]. К стандартному ядру Системы достраиваются блоки (модули). Программный код модулей несложно дополнить, изменить.

В итоге, передо мной стоит задача: собрать информацию о бизнес-процессах компании по бронированию помещений, определить какие модули потребуют модернизации, программно реализовать функциональные дополнения/изменения модулей. Решение этой задачи позволит получить отраслевуюCRM Систему, которая увеличит производительность труда сотрудников этих компаний. А накопленный опыт поможет быстро и эффективно адаптировать Систему под нужды любых сотрудников компаний различных сфер деятельности.

1. А. Кудинов «CRM: Российская практика эффективного бизнеса»

2. «Руководство пользователя RNS.Web» («RuNetSoft») 3. «Руководство администратора RNS.Web» («RuNetSoft») УДК 004.416.

ИЗУЧЕНИЕ ВОЗМОЖНОСТЕЙ ПО РАСШИРЕНИЮ ФУНКЦИОНАЛЬНОСТИ

СОВРЕМЕННОЙ CMS СИСТЕМЫ

Цель данной работы – исследование возможных путей расширения функциональных возможностей, предоставляемых системой управления контентом mojoPortal.

На первом этапе работы было осуществлено исследование различных систем управления контентом, проведен анализ предоставляемой ими базовой функциональности. В дальнейшем была изучена архитектура системы mojoPortal, рассмотрены основные компоненты системы, принципы организации работы с данными, предоставляемые базовые функции. Система представляет собой приложение ASP.NET, ее базовая конфигурация поддерживает возможность работы с различными СУБД.

На основе проведенного анализа были изучены возможные способы расширения функциональности, предоставляемой системой первоначально. В результате проведенного анализа было принято решение о целесообразности расширения системы с использованием независимых компонентов, которые могли бы динамически добавляться к существующей системе, используя стандартные средства работы с контентом. Далее была осуществлена формализация задачи. В качестве расширения системы было принято решение выбрать модуль, осуществляющий работу со сторонним источником данных. Стандартная конфигурация системы не предоставляла подобных функций.

На основе принятых решений были проанализированы и выбраны средства, позволяющие разработать требуемые компоненты данного модуля с максимальной функциональностью. В качестве инструмента разработки была выбрана среда разработки Microsoft VisualStudio 2008, исследование состояния источников данных проводилось с использованием SQL ServerManagementStudio.

Далее, с использованием данных программных средств был разработан функционирующий прототип модуля, удовлетворяющий условиям поставленной задачи.

На финальном этапе было произведено тестирование полученного программного решения в качестве модуля работающей системы, давшее положительные результаты.

Таким образом, в результате проведенной работы был создан работающий прототип модуля, расширяющего функциональность исходной системы, позволяющего работать с дополнительными источниками данных.

В перспективах развития работы лежит дальнейшее расширение функций, предоставляемых системой. Планируется как развитие и доработка средств уже разработанного модуля, отвечающих за визуализацию, расширение их функциональности, так и создание новых компонент системы с новыми функциями.

УДК 004.

ПОСТРОЕНИЕ КАРТ ПОКРЫТИЯ WI-FI СЕТЕЙ

Цель работы - написание программы с открытым исходным кодом для построения карт зон покрытия wi-fi сети, а так же ее тестирование на реальных системах.

Видеть карту зоны покрытия wi-fi важно выбора оборудования, более оптимального его расположения и конфигурирования. Так как невозможно оценить качество покрытия в каждой точке пространства, требуется математический расчет уровня сигнала и представление его в наглядном виде на карте местности или здания.

Для построения карт сети необходимо рассчитать местоположения точек доступа, а так же произвести расчет предполагаемого уровня распространения сигнала в пространстве.

Анализ языков программирования для создания программы показал, что наиболее подходящим является язык Python по следующим причинам:

кроссплатформенность нацеленность на продуктивность программиста и читаемость кода наличие множества библиотек поддержка как функционального, так и объектно-ориентированного стиля программирования Открытый исходный код программы позволит другим программистам увеличивать функционал, улучшать качество продукта и использовать его в своих целях.

УДК 519.

КЛАСТЕРНАЯ ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПРОГНОЗИРОВАНИЯ ПОГОДЫ

Целью этой работы является разработка и создание гибкой, экономичной модели для быстрого и эффективного прогнозирования погоды.

Практика подтверждает, что накопленный опыт математического моделирования не всегда осуществим даже формально. По существующим тенденциям могут быть выделены и намечены перспективы, прежде всего, стоит указать на широкий класс детерминистических моделей основанных на идеологии основы сохранения энергии. Известно, что идеология законов сохранения исключает использование времени, что значительно ограничивает ее применение в естественных науках особенно в метеорологии. Не существует общей теории построения процессов и явлений[1].

Возникает необходимость создания нового математического аппарата разработки новых математических средств и методов отражающих специфику области их приложения.

Данная работа является попыткой повлиять на существующее положение путем программной реализации кластерной информационной технологии.

В основе кластерной информационной технологии лежит основа метода решения задач Декарта:

1)Любая задача может быть представлена в виде математической задачи.

2)любая математическая задача может быть представлена в виде алгебраической задачи 3)любая алгебраическая задача может быть представлена в виде решения одного единственного уравнения.

Кластерная информационная технология включает в себя:

а) базу данных б) цифровую модель в) алгоритм определения аналогов БД - математическая модель определенной области знаний в данном случае погоды.

Цифровая модель – вход в БД (поскольку с полной БД работать не возможно), реализуется путем выбора переменных, нахождения связей между переменными и критерием моделирования.

множества (причина-следствие), k = 1,2,3…n, n (near) – мера близости, k (korozin) – единица измерения меры близости[2].

Задача состоит в проектировании и разработке программного продукта, состоящего из двух модулей, работающих на современном персональном компьютере. Причем разрабатываемый продукт должен быть экономичным как по времени составления прогнозов, так и по необходимой себестоимости компьютера. Что бы его можно было применять в различных полевых условиях.

Первый модуль осуществляет точные сверхдолгосрочные прогнозы до 180 суток, используя базу данных погоды. Он ищет по алгоритму погодный аналог в базе. Дальше ищется аналог для дня, следующего за полученным аналогом. Тем же способом. Всего таких поисков 180. В итоге получаем прогноз на 180 суток[3]. Второй модуль реализует мониторинг фактической погоды на основе вычисления меры близости трех параметров:

атмосферного давления, относительной влажности и температуры, с определенной дискретностью по времени 3 часа. На основе информации о близости составляется эффективный краткосрочный прогноз на 2-3 суток[2].

Всем известно состояние прогнозирования погоды, практически только на сутки вперед, на 2-5 сутки точность падает. Есть предел прогнозирования 14 суток, за которым ошибки удваиваются[4]. Данная работа предлагает ассиметричное решение проблемы прогнозирования. При существующих методах прогноза используется следующее пространственно временное представление: пространство стремится к бесконечности, а время к нулю. Ассиметричное решение: пространство стремится к точке (где снимаются погодные данные), а время к бесконечности. С помощью алгоритма определения аналогов можно существенно сдвинуть границу прогнозирования до 180 суток. Что позволит принимать выгодные решения.

Данная технология основана на трудах Р.Декарта, Я.Бернулли, Г.Ф.Лейбница и Н.А.Козырева.

1. В.Г. Дулов, В.А. Цибаров. Математическое моделирование в современном естествознании. Патент на изобретение № 2200336. Способ определения изменения погоды.

2. Патент на изобретение № 2279699. Способ прогнозирования погоды.

3. Н.А. Багров, К.В. Кондратович, Д.А. Педь, А.И. Угрюмов. Долгосрочные метеорологические прогнозы.

УДК 004.832.

СРАВНЕНИЕ ЭФФЕКТИВНОСТИ МЕТОДОВ АВТОМАТИЧЕСКОГО

ДОКАЗАТЕЛЬСТВА ТЕОРЕМ

Цель работы –выбор метода автоматического доказательства теорем для создания на его основе наиболее эффективной системы автоматического доказательства теорем.

Для достижения поставленной цели была реализована программа автоматического доказательства теорем в области логики высказываний. Для написания программы были выбраны язык C++ и среда разработки Microsoft VisualStudio 2008.

На первом этапе теоретических исследований были изучены математические основы АДТ, а также проведн аналитический обзор существующих методов и средств автоматического доказательства теорем. В результате были выделены две основные группы алгоритмов АДТ – методы прямого и обратного вывода. Ключевое отличие этих методов заключается в подходе к построению доказательства. При использовании прямого логического вывода рассуждения отталкиваются от гипотезы (потенциального заключения, которое должно быть доказано) с целью свести е к аксиомам заданной теории. Обратный логический вывод предполагает формирование рассуждений в противоположном направлении –от аксиом к доказываемой теореме. На основе проведнного обзора были выбраны два метода для построения их программной реализации. Это метод резолюций (прямой логический вывод) и метод Маслова (обратный вывод).Метод резолюций является наиболее популярным и распространнным алгоритмом АДТ, обладает достаточной эффективностью и гибкостью, которая достигается за счт применения различных стратегий [1].Метод Маслована данный момент остатся недостаточно изученным, однако представляет собой мощное средство доказательства теорем и имеет большой потенциал, т.к.

может использоваться для моделирования других методов АДТ, в частности, метода резолюций [2].

На втором этапе работы была спроектирована и реализована программа автоматического доказательства теорем в области логики высказываний. Структурная схема программы представлена на рис. 1.

Блок проверки и обработки формул принимает на вход введнную пользователем формулу, проверяет е на предмет наличия недопустимых символов, а также недопустимых выражений, например, AB вместо A&B, проверяет правильность расстановки скобок. После проверки блок выполняет предварительную обработку формулы для представления е в форме, более удобной для дальнейшей работы. Далее начинает работу блок преобразования формулы, который переводит е в КНФ или ДНФ, в зависимости от используемого метода доказательства. Преобразованная формула поступает на вход модуля логического вывода, который непосредственно осуществляет процесс доказательства теоремы. Результаты работы всех блоков поступают в блок формирования выходной информации, который преобразует эти результаты в удобный для чтения и понимания вид, а затем выдат пользователю.

Таким образом, в работе получены предварительные результаты для дальнейших исследований по сравнению эффективности методов АДТ, реализован метод резолюций в наиболее общем виде (доказательство общезначимости формулы логики высказываний).

В дальнейшем предполагается расширение возможностей этой системы до логики предикатов, также в наиболее возможной общей форме, и реализация некоторых методов обратного вывода с целью сравнения эффективности (с точки зрения быстродействия и возможностей) прямых и обратных методов.

1. Чень Ч., Ли Р. Математическая логика и автоматическое доказательство теорем – М.:«Наука», г. -с. 358.

2. С.Л. Катречко. Обратный метод С.Ю. Маслова и его модификации. «Логика и компьютер» (вып.

2): логические языки, содержательные рассуждения и методы поиска доказательства.М.:«Наука», 1995 г. - с.62 - 75.

УДК 654.

СИСТЕМА INTERNET-КОНФЕРЕНЦИЙ И ЕЕ ПРИМЕНЕНИЕ В ДИСТАНЦИОННОМ

ОБУЧЕНИИ

Дальнейшее совершенствование технологии дистанционного обучения может быть связано с применением систем Internet-конференций обеспечивающих синхронную передачу через Internet всех типов данных (аудио, видео, изображения с рабочего стола и т.д.). Одна из таких систем была создана авторами доклада и получила название SAVii (SynchronizedAudioVideoInteractivitythroughInternet). В настоящее время используется пятая версия системы (SAVii 5).

Как подавляющее большинство сервисов сети Internet система SAVii построена по технологии клиент-сервер.

Клиентская часть системы представлена приложениями для Microsoft Windows и Microsoft Windows Mobile (WindowsPhone). Также существуют облегченные Java-версии клиентов для мобильных устройств BlackBerry и Android. В качестве «only-audio» клиентов могут выступать стационарные, мобильные и IP-телефоны.

Серверная часть системы представляет собой совокупность серверов, прокси и шлюзов, функционирующих под управлением Linux или Microsoft Windows. Она включает:

- Web-портал управления системой SAVii, который отвечает за авторизацию пользователей, планирование конференций, рассылку приглашений участникам конференции, запуск клиентов системы и т.п.

- Систему управления базой данных (СУБД), предназначенную для хранения информации о клиентах SAVii, проведенных ими конференциях и т.п. В качестве СУБД в пятой версии могут использоваться MySQL или DB2.

- Прокси базы данных, предназначенный для создания шифрованного канала обмена данными между СУБД и остальными компонентами серверной части. При такой организации трансляционные компоненты серверной части могут быть установлены на площадке заказчика.

- Медиа-сервер, представляющий собой основной трансляционный компонент серверной части системы. Именно к нему производится подключение клиентов и именно через него осуществляется передача данных. Взаимодействие клиентов и других компонентов серверной части с Медиа-сервером осуществляется с помощью защищенного протокола, основанного на UDP. В задачи Медиа-сервера также входит архивирование конференций и воспроизведение их по запросам клиентов.

- HTTP-прокси, предназначенный для подключения клиентов, которые не смогли подключится к Медиа-серверу напрямую. В подавляющем большинстве случаев эта проблема вызвана наличием файрвола, блокирующего протокол UDP. Работа клиента с HTTP-прокси, как следует из его названия, производится по протоколу HTTP, который пропускается всеми файрволами.

- SIP-гейт, представляющий собой шлюз IP-телефонии. К нему подключаются провайдеры IP-телефонии, принимающие звонки от «only-audio» клиентов аудио-частей Java-версий клиентов для мобильных устройств. Если клиент IP-телефонии базируется на протоколах SIP/RTP, то он может подключиться к SIP-гейту напрямую.

- Mobile-прокси, обслуживающий облегченные Java-версии клиентов для мобильных устройств.

Порядок работы с системой SAVii может быть описан следующим образом. Ведущий конференции входит на управляющий Web-портал, используя имя и пароль, полученные при регистрации. Пользуясь инструментами, реализованными в Web-портале, ведущий планирует конференцию, назначая ее время и приглашая слушателей. Добавление слушателей осуществляется по адресу электронной почты. Каждому слушателю отсылается электронное письмо-приглашение, содержащее ссылку для запуска клиента и телефонный номер с пинкодом для подключения через телефон. В назначенное время ведущий запускает клиента под Microsoft Windows и ожидает подключения слушателей. Слушатели, в свою очередь, также запускают клиентов и входят в конференцию. Те, которые имеют компьютер, оборудованный звуковой картой, микрофоном и динамиками/наушниками, запускают полноценного клиента. Таким слушателям ведущий в будущем сможет передать свои права.

Остальные или запускают клиента в «глухонемом» режиме и дозваниваются до конференции по телефону, или используют мобильное устройство. Клиент для Microsoft Windows Mobile обладает полной функциональностью. Java-клиент для BlackBerry и Android может получать только изображение с рабочего стола ведущего. После подключения к конференции достаточного количества слушателей, ведущий начинает презентацию. Он включает свой микрофон и, если считает необходимым, видеокамеру, размещает на рабочем столе презентационные материалы, выделяет их рамкой и включает захват экрана. При необходимости он имеет возможность рисования маркером внутри захватываемой области.

Слушатели смотрят презентацию ведущего и, если их микрофоны не заблокированы, могут говорить с ведущим и другими слушателями. Чтобы привлечь внимание ведущего слушатель может «поднять руку», нажав специальную кнопку. Если ведущий считает нужным, то он может передать право ведения презентации одному из слушателей. Конференция может быть записана в архив, доступный для последующего просмотра.

При создании системы пришлось разработать:

- специальные аудио-кодеки, обеспечивающие битрейт 2.4, 4.8, 9.6 и 19.2 kbps;

- алгоритм квантования палитры изображения;

- метод передачи данных в режиме реального времени по протоколу HTTP;

- протокол гарантированной доставки данных, основанный на протоколе UDP и обеспечивающий большую реальную скорость передачи данных, чем TCP.

Успешное решение этих и других задач позволило разработать систему, о качестве которой говорит тот факт, что два года подряд (в 2008 и 2009) TMC'sUnifiedCommunicationsMagazine называл ее в списке лучших мировых продуктов в области телекоммуникаций.

Разработанная система активно используется для проведения дистанционных курсов в двух канадских университетах: MacMaster и UniversityofWaterloo.

УДК 621.391.

ЭФФЕКТИВНАЯ РАБОТА С ПРОДУКЦИОННОЙ МОДЕЛЬЮ ЗНАНИЙ С ПОМОЩЬЮ

РЕЛЯЦИОННОЙ АЛГЕБРЫ

В данной работе рассматриваются вопросы, связанные с построением продукционных моделей знаний.

В последнее время сделан большой шаг вперед в области описания знаний[1].

Разработаны формальные математические модели: дескрипционные логики[2], онтологии и т.д. Разработаны и активно применяются стандарты описания знаний: OWL, RDF, SWRL и т.д. Разработаны программные средства, облегчающие сложный с когнитивной точки зрения процесс формализации знаний[3]. Но на пути к осуществлению идеи о передачи знаний компьютеру иоб автоматическом извлечении знаний существует препятствие - трудоемкость процесса логического вывода. Тот основной мыслительный процесс, который позволяет человечеству двигаться вперед - имеет большую трудоемкость при реализации в ЭВМ.

Например, при использовании наивного логического вывода длительность растет по экспоненциальной зависимости от объема данных.

Для ускорения логического вывода предлагается использовать операции реляционной алгебры, эффективная реализация которых имеет место в современных СУБД[4]. На основе этой идеи авторами разработан алгоритм логического вывода.

Помимо ускорения логического вывода удалось достичь экономии памяти. Для этого в процессе работы строится граф зависимостей продукций, который позволяет ограничить потенциальное множество продукций, необходимых для обработки запроса пользователя.

Благодаря чему стало возможным отказаться от хранения всех когда-либо выведенных фактов, а получать их на этапе обработки запроса. Такая стратегия логического вывода автоматически снимает проблему отслеживания корректности уже выведенных фактов при модификации базы знаний, к которым относятся добавление, удаление фактов; модификации продукций.

Для проверки теоретических результатов была сделана прототипная программная реализация. Результаты экспериментов с прототипом и аналогичными приложениями, реализующими различные подходы к логическому выводу, представлены в работе.

Отличительной особенностью от аналогов является возможность комбинировать SQLзапросы с запросами к базам данным. Это свойство позволяет расширить сферу применений алгоритма в те предметные области, где не требуется полного формального описания знаний или где накоплено большое количество реляционных данных.

Реализованная модель обладает большой универсальностью и может быть легко адаптирована к специфике соответствующей сферы применения. Помимо непосредственного применения для решения задачи управления знаниями (сохранение, извлечение, логический вывод), модель с небольшими модификациями может быть применена для анализа кода программ, поискав нем ошибок и уязвимостей.

1. Рассел, С., Норвиг, П Искусственный интеллект: Современный подход. 2-е изд. // пер. с англ. – М.:

Изд. дом «Вильямс», 2006.

2. Franz Baader, Diego Calvanese etc. The description logic handbook. Theory, Implementation and Realization // Cambridge University Press, 3. Sowa John F., Knowledge Representation: Logical, Philosophical, and Computational Foundations //Brooks Cole Publishing Co., Pacific Grove, CA, 2000. 594 p 4. Date C.J., An Introduction to Database Systems //Addison-Wesley, УДК 00.

КОМПОНЕНТ ИНФОРМАЦИОННОЙ СИСТЕМЫ КАФЕДРЫ ДЛЯ МОНИТОРИНГА

АКТИВНОСТИ АСПИРАНТОВ

Цель работы – создание компонента мониторинга активности аспирантов для информационной системы кафедры технологий профессионального обучения.

С развитием информационных технологий и формированием единого образовательного информационного пространства особое значение приобретает информационное обеспечение во всех видах вузовской деятельности. У большинства кафедр Санкт-Петербургского государственного университета информационных технологий, механики и оптики существуют свои информационные системы, в которых реализованы различные функции:

предоставление информации о текущей деятельности сотрудников кафедры, возможность создания электронных учебно-методических комплексов и др. Функции таких информационных систем в основном ориентированы на обучение и аттестацию студентов.

Информационно-образовательная среда кафедры технологий профессионального обучения позволяет решать следующие задачи: информационное обеспечение кафедры, предоставление специализированных инструментов сотрудникам и студентам кафедры, организация взаимодействия с другими информационными системами университета [1].

Важным аспектом деятельности любой кафедры научно-исследовательского университета является работа с аспирантами и повышение ее эффективности. В информационнообразовательной среде кафедры целесообразно наличие компонента, с помощью которого можно будет сделать взаимодействие кафедры с аспирантами более наглядным.

В соответствии с нормативными документами, утвержднными высшим учебным заведением, существует минимум работ, которые должен выполнить аспирант.

Результатами деятельности аспиранта является публикация научных работ, участие в конференциях, публичные выступления по теме диссертации, участие в педагогической практике, ежегодная подача на конкурс заявок на персональные или коллективные научные гранты, участие в научно-исследовательской работе, написание глав диссертации, проведение эксперимента и т.п. Однако деятельность аспиранта не ограничивается записанными в индивидуальном плане минимальными требованиями [2].

При осуществлении непрерывного наблюдения за взаимодействием аспирантов с кафедрой, иначе говоря, мониторинга их активности, целесообразно использовать компьютерные технологии. В информационной системе кафедры технологий профессионального обучения реализован компонент, позволяющий проводить мониторинг активности аспирантов. Вся деятельность аспиранта, по возможности, была формализована.

За определенный ее вид начисляются баллы в соответствии с установленной балльнорейтинговой системой, в которой определены критерии деятельности и соответствующее количество баллов по каждому из них, заданы контрольные точки.

Функциональная модель процесса мониторинга может быть представлена в виде диаграммы уровня А0 в нотации IDEF0 [Методология функционального моделирования.

ГОСТ Р 50.1.028-2001] (рис. 1).

Рис. 1. Модель процесса мониторинга активности аспирантов Компонент позволяет частично автоматизировать сбор и обработку информации о работе аспирантов. Созданы инструменты для настройки и управления видами деятельности, внесения и обработки статистики и генерирования отчтов. Реализована возможность самостоятельного добавления аспирантом отметок о своей активности в информационной среде кафедры и подтверждения их научным руководителем.

Компонент разработан для действующей информационной системы кафедры технологий профессионального обучения СПбГУ ИТМО [1] с учтом внутренней архитектуры и предоставляемого API и интегрирован в е систему пользователей.

Разработанный компонент информационной системы позволит научным руководителям и руководству кафедры получать оперативно более полное представление о деятельности аспирантов, видеть сравнительную характеристику этой деятельности и динамику ее изменения.

1. А.В. Бурьянец, Н.Н. Горлушкина, А.В. Иванов. Информационно-образовательная среда кафедры.

Труды XVI Всероссийской научно-методической конференции "Телематика 2009". СПб, 2009, т. 1, С.

197-198.

2. Б. Бедный, А. Миронос. Продуктивность исследовательской работы аспирантов (наукометрические оценки). [Электронный ресурс]: статья. – Режим доступа: http://www.sapanet.ru/Science/asp/BB.doc.

СЕКЦИЯ "НОВЫЕ НАПРАВЛЕНИЯ И ПЕРСПЕКТИВЫ РАЗВИТИЯ

КОМПЬЮТЕРНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ"

УДК 378.

МЕТОДЫ ПОВЫШЕНИЯ МОБИЛЬНОСТИ И ЭЛЕМЕНТОВ ОПЕРЕЖАЮЩЕГО

ОБУЧЕНИЯ В ПРЕПОДАВАНИИ СОВРЕМЕННЫХ КОМПЬЮТЕРНЫХ ДИСЦИПЛИН

Организация обучения компьютерным дисциплинам студентов высшего образования и слушателей переподготовки и повышения квалификации всегда являлась особой задачей, которая имеет существенные отличия от других направлений подготовки технических специалистов:

- Высокая динамичность развития теоретической и технологической базы в области Computer science - Серьзные требования к преподавательскому составу и учебно-вспомогательному персоналу, которые касаются изучения современных информационных технологий, так и в их критическом осмыслении и интеграции в учебный процесс.

- Высокие требования к материально-техническому оснащению лабораторий современной компьютерной техникой и программным обеспечением. Здесь необходимо не только подготовка соответствующего программно-аппаратного комплекса к проведению занятий, но и квалифицированное обслуживание и изучение его.

- Слабая интеграция государственных образовательных стандартов с текущими, актуальными требованиями работодателей.

В приведенной карте основных характеристик многих направлений подготовки в области компьютерных наук можно наблюдать изначально заложенные противоречия, например, между требованиями динамично изменять учебные планы и изучать новые технологии и сложным и дорогим техническим обеспечением лабораторий.

Динамичность развития предметной области Высокая, инновационная.

Программно-аппаратное оснащение Сложное, дорогое, комплексное.

лабораторий Уровень преподавательского и учебно- Высокий, постоянно совершенствующийся, вспомогательного состава подтвержденный отечественными Требования к учебным планам Требующие адаптации с запросами Следствием указанных выше особенностей является относительно низкая конкурентоспособность и востребованность многих учебных заведений, готовящих ИТспециалистов по сравнению с зарубежными аналогами или внутренними, корпоративными центрами переподготовки, которые работают при известных ИТ-компаниях.

На основании собственного опыта, полученного в результате развития учебного процесса при Факультете управления и информационных технологий и факультете переподготовки специалистов СПбГПУ можно говорить об эффективности следующих предлагаемых мер (в скобках указаны входные, анализируемые данные):

- Опережающее планирование стратегии развития учебного процесса (обзор прогнозов независимых экспертов, мониторинг институтов теоретического изучения ИТ и тенденций на рынке труда ).

- Интеграция с международными стандартами в области сертификации и образования, использования в учебном процессе учебных и методических материалов (академические инициативы таких известных компаний, как Cisco, Oracle, Microsoft и др.).

- Создание собственной ИТ-инфраструктуры, необходимой для автоматизации и повышения эффективности учебного процесса (дистанционные образовательные технологии, виртуальные лаборатории, интернет и медиа контент).

- Совместные образовательные и исследовательские проекты с ведущими отечественными и зарубежными компаниями (НИР, НИРС, проектно-договорные отношения, гранты и т.п.).

- Создание единого репозитория учебных ресурсов и пула преподавателей. Активное использование стандартов формирования электронных курсов (стандарты SCORM, AICC).

- Активное внедрение в учебный процесс семинаров и цикла лекций сторонних специалистов (открытые лекции, которые были проведены в СПбГПУ от компаний EMC, Рексофт, Microsoft и др.).

Открытость учебного процесса к потенциальным потребителям результата работы ВУЗа или потенциальным партнерам в области образования, ориентация на признанные во всем мире стандарты, использование активных и интерактивных методов обучения, основанных на информационных технологиях, планирование и прогнозирование развития профессиональных областей – все эти слагаемые в совокупности дают синергетический эффект.

1. Ассоциация предприятий компьютерных и информационных технологий (http://www.apkit.ru/) 2. Association of Computing Machinery (http://www.acm.org/) 3. Материалы научно-практической конференции «Профессиональные и образовательные стандарты в области ИТ как инструмент подготовки кадров для российской экономики»

(http://www.apkit.net/default.asp?artID=6014) УДК 004.

ПРОБЛЕМЫ ВИЗУАЛИЗАЦИИ И КОНТРОЛЯ ДАННЫХ В

ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛЕНИЯХ

Разрабатываемый продукт представляет собой систему, обеспечивающую возможность визуального контроля над загруженностью ядер работающего вычислительного комплекса.

Необходимость такой системы обуславливается необходимостью анализа и контроля производительности комплекса и его отдельных компонент при различных режимах вычислительных нагрузок. Дополнительно к такому контролю, разрабатываемая система служит удобным инструментом для повышения эффективности распараллеливания программ, созданных для работы на многопроцессорных архитектурах.

Учитывая то, что большая часть существующих программ работает, в основном, с платформой Unix [3], то создание специализированных инструментов для анализа параллельных программ, работающих на серверах Windows, сейчас актуально и важно в настоящее время.

Целью работы является проектирование программного продукта, в возможности 2008 (предоставленном университету СПбГПУ корпорацией Intel) с Рис. 1 вычислительного комплекса, анализирует их, и, выбирая наиболее удобное для конечного пользователя визуальное представление, выводит полученные данные на экран. Система может работать в двух режимах: общем анализе системе и подробном анализе выбранной задачи.

Для подробного анализа задачи была выбрана метафора «парник» (Рис.1).

Пользователю необходимо указать необходимые требования для задачи (выбрать программную задачу, указать ядра системы). В результате, пользователь получает визуальные данные, отображающие нагрузку основных ресурсов системы, используемых выбранной задачей, таких как память на ядрах, CPU и место на дисках. После проведения серии тестов, пользователь может воспроизвести каждый из них и визуально определить где именно возникают «узкие места» (bottlenecks) в программе.

В сопоставлении выбранной метафоры [1] к исследуемой задаче центральным вершинами молекулы стали соответствовать узлы (nodes) архитектуры, внутри каждого из рассматриваемого узлов вершинами являются ядра (cores) архитектуры, а внутри ядер вершинами являются запущенные на сервере процессы и задачи [3]. Интересующие особенности (состояние каждой из задач, включенные/простаивающие ядра системы) визуализируемого состояния сервера отображаются на молекуле цветом [2] (Рис.2).

Для того, чтобы зафиксировать для дальнейшего анализа необходимые виды (состояния) системной архитектуры, используются несколько «точек входа» в систему.

Чтобы создать подобный аналог пользовательской работы с использованием веб-браузера, используется разметка X3D, позволяющая работать с «точками входа», совершать операции поворота и зуммирования.

На настоящий момент большая часть поставленных задач выполнена и разработка представляет собой работающее приложение, позволяющее проводить мониторинг загруженности кластера, также позволяет производить сравнение результатов уже закончившихся задач и работающих в настоящий момент. Также, созданная разработка предоставляет возможность контроля над работами на кластере, которая включает в себя создание (с точностью до распределения задач по ядрам), копирование и запуск как существующих, так и уже закончившихся работ, а также возможность Данная функциональность позволяет пользователю не только иметь представление о состоянии работ (их характеристиках, используемой памяти и пр.) на сервере в текущий момент (что являлось базовой задачей для разработки) и получения информации для дальнейшего анализа производительности запущенных на кластере программ, но, помимо этого, разработанная функциональность предоставляет возможность контроля над задачами на кластере.

Учитывая определнные недостатки существующих программ [2], данная разработка предоставляет возможность визуального отображения обработанных данных о состоянии ядер комплекса, основанного как на анализе сообщений, передаваемых между ядрами, так и на характеристиках каждого из ядер в отдельности (в момент обработки запроса), а также предоставляет возможность «отслеживания» конкретных выбранных пользователем задач, что значительно понижает визуальную сложность работы с сотнями, работающих в системе, задач.

В дальнейшем рассмотренная система может успешно использоваться во многих областях, в том числе и для анализа приложений, разрабатываемых для телекоммуникационных систем и сетей передачи данных. Это обуславливается, в основном, двумя факторами: возможностью практически неограниченного увеличения производительности системы и особенностями решаемых системой задач, когда в одном устройстве требуется использовать несколько различных процессоров.

1. М.Гусева, Д.Минаев, Р.Ткаченко. «Визуальные средства создания, отладки и анализа программ для параллельных вычислений», ННГУ им. Н.И.Лобачевского 2. В.Л. Авербух, А.Ю. Байдалин, А.Ю. Казанцев. «Трхмерные методики визуализации программного обеспечения параллельных и распределенных вычислений»

3. Карпов М.А. «Система для визуального контроля загруженности высокопроизводительных многоядерных архитектур», рецензируемый журнал «Научно-технические ведомости СПбГПУ» № УДК 004.421.

ЭФФЕКТИВНЫЕ АЛГОРИТМЫ ПОЛНОГО ПОКРЫТИЯ ДВУМЕРНЫХ МАТРИЦ

Целью работы является исследование задачи нахождения точного покрытия двумерных матриц. Задача заключается в поиске среди данного семейства множеств подсемейства непересекающихся между собой множеств, объединение которых равно самому семейству.Поиск точного покрытия множества является NP-полной задачей, т.е. в общем случае время решения экспоненциально зависит от размеров исходных данных. Для повышения эффективности используются алгоритмы поиска с возвратом и так называемый «алгоритм Х», которые помогают значительно сократить число рассматриваемых вариантов решения и, таким образом, сузить дерево поиска. Кроме того, «алгоритм Х» позволяет находить все возможные решения этой проблемы.

Задача поиска точного покрытия используется в следующих областях:

материаловедение - получения покрытий с минимальным количеством пор и схемотехника - оптимальное размещение максимально возможного числа элементов на заданной площади.

производство – поиск оптимального раскроя материала с минимальным количеством отходов транспортное сообщение - составление расписания взлета и посадки самолетов Применение информационных технологий крайне важно для решения таких задач, поскольку число рассматриваемых вариантов очень велико. Для реализации «алгоритма Х»

на компьютере используется техника «DancingLinks», описанная Дональдом Кнутом [1]. В этой технике для хранения данных используется двумерный двусвязный список, связи между элементами которого удаляются при поиске вглубь и возвращаются в исходное состояние при откате. Такое представление данных позволяет обращаться к нужному элементу за О(1), а не за О(n) время. Применение «DancingLinks» позволяет находить точное покрытие за O(|n|3) время, т.е. за полиномиальное время. На данный момент это быстрейший алгоритм поиска точного покрытия двумерных матриц.

Кроме того, многие математические головоломки, такие как укладка пентамино и кроссворд судоку, могут бытьрешены с помощью их преобразования в задачи поиска точного покрытия. Была разработана программа, которая, применяя рассмотренные алгоритмы, может автоматически решать кроссворды судоку, генерировать кроссворды с гарантированно единственным решением, а также оценивать их сложность, исходя из числа и типа шагов, необходимых человеку для их решения. Кроме того, программа применяет и визуализирует алгоритмы, используемые человеком для решения таких кроссвордов. Это позволяет не только симулировать пошаговый процесс решения и при необходимости показывать «подсказки», но и открывает возможность использования программы как интерактивного учебника по решению судоку. Также встроена возможность наглядно показывать работу DancingLinks прямо во время решения.

Для разработки программы была использована среда разработки VisualSudio 2010, язык C#,.NET Framework 4. 1. D.E.Knuth. Dancing links.Millenial Perspectives in Computer Science, edited by Jim Davies, Bill Roscoe, and Jim Woodcock (Houndmills, Basingstoke, Hampshire: Palgrave, 2000), 187- УДК 004.932.

CAPTCHA КАК СРЕДСТВО АННОТАЦИИ ИЗОБРАЖЕНИЙ

Доступные в настоящий момент наборы данных, используемые для мультимедийных исследований либо слишком малы (наборы данных Corel[1] или Pascal), либо слишком узкоспециализированные (например, TRECVID[2]). В то время как относительно просто собрать довольно большие объемы данных, создание достоверных и достаточно информативных баз, которые могли бы использоваться для обучения, тестирования, оценки и сравнения производительности различных алгоритмов и систем весьма серьезная проблема.

Большие базы данных позволяют отказаться от создания изощренных и сложных алгоритмов (так, например, успешно работает подсказка «Возможно вы имели ввиду…» в поисковой системе Google – там не задействованы хитроумные алгоритмы разбора текста[3]), однако для создания подобных баз зачастую требуется дорогостоящее человеческое время.

Раньше пополнением и аннотацией наборов данных занимались студенты и волонтеры, сейчас популярна идея AmazonMechanicalTurk[4], электронной биржи труда, где люди решают задачи, с которыми не могут справиться компьютеры. За каждую решенную задачу человек получает небольшое вознаграждение. Однако такой способ плохо масштабируем, так как при увеличении количества задач, растет не только необходимость в компьютерных ресурсах необходимых для генерации задач, но и объем вознаграждений.

Заменой может стать использование таких задач как CAPTCHA – обратного теста Тьюринга, используемого для проверки, что посетитель сайта является человеком, а не компьютерной программой.

Система, предлагаемая в этой работе может использоваться в первую очередь для слабой аннотации изображений – описания тематики изображения, количества и типа объектов на нем и т.д.

Информация, полученная подобным образом, широко используется, в том числе для классификации изображений[5] и распознавания объектов на изображении.

1.Corelsubset // http://www.cs.toronto.edu/~hexm/label.htm 2.Trecvid dataset // http://trecvid.nist.gov/trecvid.data.html 3. http://www.youtube.com/watch?v=syKY8CrHkck#t=22m03s 4. http://en.wikipedia.org/wiki/Amazon_Mechanical_Turk 5. Nikhil Rasiwasia, NunoVasconcelos. Scene Classication with Low-dimensional Semantic Spaces and Weak Supervision. IEEE Conference on Computer Vision and Pattern Recognition, pp. 1-6, Anchorage, June 2008.

УДК 004.

ОНТОЛОГИИ СИСТЕМ ОБНАРУЖЕНИЯ ВРЕДОНОСНОГО КОНТЕНТА

Цель работы -изучить этапы и критерии создания онтологии систем обнаружения вредоносного контента, а так же возможность реализации.

В последнее время участились случаи нарушения информационной безопасности, что является одной из причин увеличения интереса к системам обнаружения вредоносного контента. Наиболее эффективным решения данной проблемы является занесение знаний (обработанных) в онтологию, что позволит систематизировать системы нахождения вредоносного контента, обеспечит расширяемость и ясность знаний.

Решение поставленной задачи требует как изучения онтологий (возможные типы онтологий, детализации, свойств) так и изучение предметной области - систем обнаружения вредоносного контента (типы существующих систем, методы и стратегии обнаружения) Онтология–это спецификация концептуализации [2], где под «концептуализацией»

понимается строгое описание системы понятий, объектов и других сущностей и отношений, связывающих их друг с другом.

модели(таксономия) Detectionsystem_type(Типы систем обнаружения вредоносного контента). UMLмодель включает основные типы систем обнаружения- сбор информации, источник данных, стратегия обнаружения, методы обнаружения, входные данные.

Таксономия содержит 5 уровней наследований, что позволяет сделать выводы о сложности и разнообразии систем обнаружения вредоносного контента.

Создание онтологии можно разделить на несколько этапов [3]- определение цели, построение онтологии, фиксирование онтологии, кодирование онтологии, интеграция существующих онтологий, документирование.

Для достижения цели необходимо использовать онтологию ориентированную на задачу, которая отражает специфику приложения, может содержать множественные определения одного и того же понятия, а также содержать некоторые общие термины.

Онтология направлена на решение следующих задач: возможности повторного использования знаний в предметной области, для анализа знаний в предметной области. Так же онтология систем обнаружения вредоносного контента предназначена для использования другими программами, поэтому особое внимание уделяется интегрируемости онтологии( в другой язык, в другой инструмент).

Обзор языков представления онтологий(RDF, OWL, KIF), а так же анализ инструментов инженерии онтологий(OntoEdit, Protg, OilEd, WebOnto)[1] позволили сформулировать ключевые моменты для создания онтологии систем обнаружения вредоносного контента.

1. О.М. Овдей, Г.Ю. Проскудина. Обзор инструментов инженерии онтологий. - Российский научный http://www.elbib.ru/index.phtml?page=elbib/rus/journal/2004/part4/op 2. Gruber Th. What is an Ontology// URL: http://www-ksl.stanford.edu/kst/what-is-an-ontology.html Uschold Mike. Towards a Methodology for Building Ontologies [Электронныйресурс]/ Mike Uschold, Martin King.

3. http://www.aiai.ed.ac.uk/project/pub/documents/1995/95-ont-ijcai95-ont-method.ps УДК 004.652.

ИССЛЕДОВАНИЕ ОБЪЕКТНО-ОРИЕНТИРОВАННЫХ

ВОЗМОЖНОСТЕЙ СУБД ORACLE

ORACLE – сложная система управления базами данных. Изначально это система реляционная, однако, начиная с версии Oracle9i, стали вводиться объектно-ориентированные технологии. Таким образом, ORACLE стал объектно-реляционной, т.е. гибридной системой.

Этапы работы:

анализ современного состояния объектных СУБД в целом исследование объектных возможностей СУБД ORACLE разработка и исследование объектно-ориентированной БД рассматриваются преимущества и недостатки объектно-ориентированного подхода к построению систем баз данных.

Для достижения поставленных целей в первую очередь необходимо исследовать современное состояние объектно-ориентированных СУБД. В работе проанализирован манифест систем объектно-ориентированных баз данных [1], в котором описываются основные правила построения таких систем, рассмотрен стандарт объектных баз данных ODMG (ObjectDataManagementGroup). Кроме того, приводится пример построения объектноориентированной базы данных «Студенты» вСУБД Cache.

В работе проводится исследование объектно-ориентированных возможностей СУБД ORACLE, таких как наследование типа SQL, развитие типов, определяемые пользователем конструкторы, универсальные и переходные типы данных, объектно-ориентированное программирование в Oracle PL/SQL и другие объектные подходы.

Далее в работе рассматривается разработка базы данных «Студенты» в СУБД ORACLE с помощью объектных технологий. За основу взята реляционная база данных «Студенты», реализованная в данной СУБД ранее.

Для выявления преимуществ и недостатков объектного подхода, проводится сравнение реализации реляционной базы, объектно-ориентированной базы, а также базы данных «Студенты», реализованной в СУБД Cache. Кроме того, анализируется процесс обработки запросов в данных базах и оценивается скорость доступа к данным.

Гибридные системы управления базами данных, такие как СУБД ORACLE, совмещают в себе преимущества реляционного и объектного подхода, поэтому эти системы актуальны и вызывают интерес для изучения. Объектный подход упрощает представление сложных данных, имеющих вложенные структуры, представление которых в виде таблиц затруднено.

В тоже время, реляционные СУБД существуют давно и имеют свои преимущества, поэтому совмещение этих технологий представляется наилучшим решением существующих проблем.

1. Malcolm Atkinson, Francois Bancilhon, David DeWitt, Klaus Dittrich, David Maier, Stanley Zdonik. The Object-Oriented Database System Manifesto.Proc. 1st International Conference on Deductive and ObjectOriented Databases, Kyoto, Japan (1989).NewYork, N.Y.: ElsevierScience (1990) УДК 004.

ОБЗОР КЛАСТЕРНЫХ/ОБЛАЧНЫХ/GRIDТЕХНОЛОГИЙ

Облачные вычисления – технология распределенной обработки и хранения данных, в которой компьютерные ресурсы и мощности предоставляются пользователям как Интернетсервис. Концепция использования вычислительных ресурсов как публичного сервиса возникла еще в 60-е годы 20 века, но значительный сдвиг в развитии и использовании технологии начался в 2006 году. В данном докладе будет дано определение облачных вычислений, рассмотрены основные особенности, возможности применения данной технологии и примеры реализаций.

Любой сервис, чтобы относиться к категории облачных вычислений должен соответствовать следующим принципам по отношению к пользователю этого продукта [1]: 1.

Доступность любого объема услуг по требованию; 2. Повсеместная сетевая доступность; 3.

Оплата по факту; 4. Гибкость закупки; 5. Пользователь работает с сервисом и не зависит от аппаратного обеспечения провайдера.

Существует 3 вида сервисов:

1. IaaS (Infrastructure-as-a-Service – Инфраструктура как сервис) –предоставление хостинга виртуальных машин с возможностью легко увеличить мощности при необходимости. Примеры: Amazon EC2 (Elastic Compute Cloud), S3 (Simple Storage Service).

2. PaaS (Platform-as-a-Service – Платформа как сервис) - предоставление пользователям какой-либо платформы (например, для разработки ПО или хостинга вебприложений). Пример: GoogleAppEngine, WindowsAzure, Heroku.

3. SaaS (Software-as-a-Service – Программное обеспечение как сервис) использование программных продуктов через интернет. Пример: Salesforce, SAP BusinessByDesign, GoogleDocs.

Облачные вычисления имеют много общего с грид-вычислениями и кластерами. Дадим определения.

Вычислительный кластер – группа компьютеров, объединенных высокоскоростными каналами связи и использующихся как единый аппаратный ресурс.

Грид-вычисления – это форма распределенных вычислений, когда ресурсы группы компьютеров, объединенных в одну инфраструктуру по сети, используются для решения одной вычислительной задачи. Главное отличие от кластера в том, что компьютеры могут быть разные и находиться в различных географических местах.

Термином облачные вычисления также описывается аппаратное и программное обеспечение, необходимое для предоставления данных сервисов.

Для сглаживания неравномерности запроса ресурсов от пользователей для предоставления сервиса используется виртуализация серверов. Серверы, выполняющие приложения, виртуализируются и балансировка нагрузки осуществляется как средствами ПО, так и средствами распределения виртуальных серверов по реальным. Одним из наиболее используемых ПО для виртуализации является XEN. Например, при использовании сервиса типа IaaSдля каждого пользователя создается виртуальная машина, которая функционирует как сервер. Задача виртуализации является основополагающей для работы облачных вычислений.

В настоящее время использование облачных вычислений становится все более и более распространенным и востребованным. Пользователи видят преимущества использования облачных вычислений, например, облачного IaaSсервиса вместо традиционного веб-хостинга для размещения веб-приложения (особенно высоко нагруженного) или аренды кластера для решения вычислительной задачи или задачи анализа данных или SaaSдля бизнес приложений вместо покупки и использования дорогостоящего ПО на собственных серверах, так как такие решение могут быть намного более выгодным, ресурсы будут предоставляться по мере необходимости с почасовой оплатой и будут легко масштабируемыми.

1. L. Badger and T. Grance. Standards Acceleration to Jumpstart Adoption of Cloud Computing. National Institute of Standards and Technology, УДК 004.421.

ПЕРСПЕКТИВЫ РАЗВИТИЯ МАТЕМАТИЧЕСКОЙ ОСНОВЫ СОВРЕМЕННОЙ

КРИПТОГРАФИИ

Цель работы - ознакомление с математической основой современной криптографии, ее оценка, анализ, и сравнение с тем, что было, что есть и что, может быть, должно быть.

Криптография - наука о методах обеспечения конфиденциальности (невозможности прочтения информации посторонним) и аутентичности (целостности и подлинности авторства, а также невозможности отказа от авторства) информации.

Современная криптография опирается на такие науки как теория вероятностей, математическая статистика, алгебра, теория чисел, теория алгоритмов и т.д.— науки, составляющие математическую основу криптографии. Все можно уложить в четыре основы:

статистический криптоанализ, алгебраический, дифференциальный (разностный), линейный.

Бурное развитие криптографические системы получили в годы первой и второй мировых войн. Начиная с послевоенного времени и по нынешний день появление вычислительных средств ускорило разработку и совершенствование криптографических методов.

Криптографические методы защиты информации в автоматизированных системах могут применяться как для защиты информации, обрабатываемой в ЭВМ или хранящейся в различного типа ЗУ, так и для закрытия информации, передаваемой между различными элементами системы по линиям связи. Криптографическое преобразование как метод предупреждения несанкционированного доступа к информации имеет многовековую историю. В настоящее время разработано большое количество различных методов шифрования, созданы теоретические и практические основы их применения. Подавляющие число этих методов может быть успешно использовано и для закрытия информации.

1)Некоторые методы.

1.1.Эллиптические кривые - математический объект, который может быть определен над любым полем (конечным, действительным, рациональным или комплексным). В криптографии обычно используются конечные поля. Эллиптическая кривая есть множество точек (x,y), удовлетворяющее следующему уравнению:

а также бесконечно удаленная точка. Для точек на кривой довольно легко вводится операция сложения, которая играет ту же роль, что и операция умножения в криптосистемах RSA и Эль-Гамаля.В реальных криптосистемах на базе эллиптических уравнений используется уравнение где р– простое число[1].

1.2.Имеются в основном два типа специализированных и универсальных алгоритмов разложения на множители. Специализированные алгоритмы разложения на множители пытаются эксплуатировать специальные особенности номера n, разлагаемого на множители.

Текущие времена универсальных алгоритмов разложения на множители зависят только от размера n.

Одним из наиболее мощных специализированных алгоритмов разложения на множители является эллиптический метод разложения кривой (режим исправления ошибок), который был изобретен в 1985 Х.Ленстром-младшим. Текущее время этого метода зависит от размера главных множителей n и, следовательно, алгоритм имеет тенденцию находить сначала маленькие множители[2].

1.3.Имеются два типа алгоритмов для решения дискретной проблемы логарифма.

Специализированные алгоритмы пытаются эксплуатировать особенности главной с(с – подстановка Цезаря). Текущие времена универсальных алгоритмов зависят только от размера с.

Самые быстрые универсальные алгоритмы, известные за решение процессора передачи данных, основаны на методе называемом конкрементом индекса. В этом методе создана база данных маленьких штрихов и их соответствующих логарифмов, в последствии за которой логарифмы произвольных полевых элементов могут быть легко получены [2].

1.4.Целочисленная проблема факторизации (IFP):

алгоритм находит p и q по составному числу n, являющемуся произведением двух больших простых чисел p и q.

Обнаружение больших простых чисел - относительно простая задача, а проблема разложения на множители, произведение двух таких чисел рассматривается в вычислительном отношении труднообрабатываемым. Базирующиеся на трудности этой проблемы Ривест, Чамир и Адлеман разработали RSA общую - ключевую систему шифрования.

Несмотря на то, что целочисленная проблема факторизации занимала внимание известных математиков, подобно Ферма и Гаусса, более чем столетия, только в70-х годах прошлого века был сделан прогресс в разрешении этой проблемы. Имеются две главных причины этого успеха. Сначала, изобретение RSA-системы шифрования в стимулировало много математиков к изучению этой проблемы. И во-вторых, быстродействующие ЭВМ стали способны выполнять и испытывать сложные алгоритмы.

Ферма и Гаусс имели небольшой стимул для изобретения алгоритма разложения на множители решета поля цифр, так как этот алгоритм более громоздкий, чем испытательное деление с целью разложения на множители целых чисел вручную [1].

2)Недостатки К сожалению, до сих пор не разработаны подходящие методики оценки эффективности криптографических систем. Наиболее простой критерий такой эффективности – вероятность раскрытия ключа или мощность множества ключей (М). По сути это то же самое, что и криптостойкость.

3)Перспективы Желательно использовать некоторые интегральные показатели. Для учета стоимости, трудоемкости и объема ключевой информации можно использовать удельные показатели отношение указанных параметров к мощности множества ключей шифра. Часто более эффективным при выборе и оценке криптографической системы является использование экспертных оценок имитационное моделирование. В любом случае выбранный комплекс криптографических методов должен сочетать как удобство, гибкость и оперативность использования, так и надежную защиту от злоумышленников циркулирующей в ИС информации.

В перспективе хотелось бы более детально остановиться на каком-либо криптографическом алгоритме (может это будет и несколько), после анализа и сравнения их в процессе работы. Выявить слабые, сильные стороны, разобраться в самой реализации, проанализировать его (их) на фоне других алгоритмах, оценить дальнейшую перспективу развития.

1. Бенто Мао: Современная криптография. Теория и практика. Вильямс, 2005, -768 с 2. Баричев, Серов: Основы современной криптографии. -М.: Наука, 1998. -120 с УДК 510. А.В. Гузь, А.А. Сафонов (4 курс, каф. КИТвП), В.Г.Пак, к.ф.-м.н., доц.

ОБЗОР АТАК НА КРИПТОГРАФИЧЕСКИЕ АЛГОРИТМЫ

И ИССЛЕДОВАНИЕ ИХ СЛОЖНОСТИ

Цель работы – рассмотреть криптографические алгоритмы, основанные на эллиптических алгоритмах и исследовать сложность их взлома.

Для достижения поставленной цели был исследован метод работы кодирования, основанный на эллиптических кривых, так же была проанализирована сложность такого кодирования.

Защита конфиденциальной информации становится все более актуальной проблемой, в решении которой благодаря развитию вычислительной техники возрастает роль математических методов и быстрых алгоритмов На первом этапе теоретических исследований была разработана модель атаки на криптографический алгоритм различными способами.

Результат моделирования дал возможность проанализировать сложность взлома алгоритма.

В ходе последующего анализа был выбран наиболее оптимальный вариант алгоритма атаки на криптографический алгоритм защиты, созданный на основе эллиптических кривых.

Таким образом, в работе отражен общий принцип работы криптографических алгоритмов, основанных на эллиптических кривых, а так же благодаря моделированию атак на них, выявлен лучший способ атаки.

Результаты данной работы помогут улучшить шифрование данных, которое применяется во многих областях.

УДК004. Е.В.Спецнадель (5 курс, каф. КИТвП), А.В.Черносвитов, к.т.н., доц.

ИССЛЕДОВАНИЕ СПОСОБОВ РЕАЛИЗАЦИИ АЛГОРИТМОВ В ТЕОРИИ ГРАФОВ

Теория графов, являющаяся очень естественным средством объяснения сложных ситуаций на интуитивном уровне, применяется в таких областях, как экономика, биология, психология, химия и логистика и т. д. Цель данной работы рассмотреть, как применяются графы и различные алгоритмы теории графов в программировании.

При конструировании и отладке программ возникают задачи, либо сводящиеся к теории графов, либо использующие таковые в качестве основы для решения. К ним в первую очередь можно отнести задачи тестирования, оценки сложности и времени исполнения программы.

Методы теории графов можно применить к организации вычислительного процесса, в частности к минимизации памяти при вычислении арифметических выражений и генерации оптимального кода для них.

Графовые модели можно использовать для хранения и поиска информации. Обычно элементы информационного множества – это объекты сложной природы и с внутренней структурой, поэтому для эффективной работы с ними каждому элементу ставится в соответствие так называемый ключ – информационный элемент без внутренней структуры.

Если существует отношение линейной упорядоченности ключей, то можно воспользоваться таким структурированным информационным множеством, как поисковые (информационные) деревья и кучи.

Таким образом, становится ясно, что теория графов из академической дисциплины вс более превращается в средство, владение которым становится решающим для успешного применения компьютеров во многих прикладных областях.

УДК 004.

МНОГОМЕРНЫЕ БАЗЫ ДАННЫХ И ESSBASE HYPERION

Цель работы - сравнительный анализ многомерных и реляционных БД. Области применения многомерных БД. Анализ современных средств разработки и сопровождения многомерных БД. Анализ возможностей системы OracleHyperion. Архитектура OracleHyperion.

Традиционно в мире используются в основном базы данных, основанные на реляционной модели Э. Кодда. Эта модель удобна для хранения однотипных, часто подвергающихся редактированию данных связанных определенными соотношениями.

Но для некоторых задач, предусматривающих, например, анализ знаний, важно быстрое выполнение запросов, охватывающих большие объемы данных. Такие запросы могут сильно загрузить систему, особенно если нужные таблицы связаны большим количеством отношений. Кроме того это довольно неудобный способ хранения данных, требующих введения такого параметра, как время, или нуждающихся в группировке по обобщенным типам.

Для таких случаев удобно представление данных в виде многомерного куба со шкалами, представляющими разные значения одного параметра, по осям. В таком случае выборка данных сводится к отображению данных, находящихся на срезе, определенном заданными значениями.[1] В 90х годах Эдгар Кодд ввел термин OLAP (англ. onlineanalyticalprocessing, аналитическая обработка в реальном времени) — технология обработки информации, включающая составление и динамическую публикацию отчтов и документов. Используется она аналитиками для быстрой обработки сложных запросов к базе данных.[3] В последнее время на рынке ITвсе больше растет интерес к программным продуктам, построенным на основе технологии OLAP. Множество компаний почти всю имеющуюся у себя информацию перенесли в многомерные базы данных. Это также говорит в пользу OLAP-технологии. [2] В настоящее время есть несколько известных OLAP-систем: MicrosoftAnalysisServices, Oracle OLAP Option, Oracle/HyperionEssbase, Prognoz, SAS OLAP Server, CognosPowerPlay.[3] Наиболее популярной является Oracle/HyperionEssbase. Она может использоваться на операционных системах Windows, Linux, UNIX, поддерживает модели хранения данных MOLAP (OLAP со многими измерениями - Multidimensional OLAP), ROLAP (реляционный OLAP - Relational OLAP) и HOLAP (гибридный OLAP- Hybrid OLAP).

В достоинства HyperionEssbase также входят:

Ориентация на конечного пользователя Широкий спектр аналитических возможностей Выполнение запросов с высокой скоростью Это и другие достоинства HyperionEssbase обуславливают мой выбор в его пользу для дальнейшей работы.

http://www.olap.ru/basic/alpero2i.asp 2.Шэрон //http://www.osp.ru/cw/1996/28/12986/ 3.http://ru.wikipedia.org/wiki/OLAP УДК

СОВРЕМЕННОЕ СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ МЕТОДОВ И СИСТЕМ

АВТОМАТИЧЕСКОГО ЛОГИЧЕСКОГО АНАЛИЗА

Целью данного обзора является поверхностное исследование современных методов автоматического доказательства теорем, а также рассмотрение некоторых языков программирования – логических языков.

В наше время компьютеры могут выполнять очень сложные вычисления, притом их быстродействие и вычислительные возможности постоянно растут. Но в последние годы возникли и развиваются такие направления развития информационных технологий, которые можно отнести не к вычислениям, а к «мышлению». Это такие области как анализ и перевод текстов на естественных языках, машинное зрение (распознавание образов), одной из таких областей является автоматическое доказательство теорем.

Конечно, компьютерное мышление сейчас сводится к определенному набору правил и приемов, которые компьютер может использовать для доказательства теорем, но недостаток творческого начала, свойственного человеческому мышлению, в некоторых случаях вполне может быть компенсирован быстродействием. Первым из подобных заметных шагов были шахматные программы.

Обычные языки программирование не слишком хорошо подходят для подобных целей.

Потребность в хороших средствах для реализации подобных задач привела к созданию отдельной ветви программирования – логического программирования. Оно включает подходы и методы, приспособленные для решения задач логики, в рамках парадигмы логического программирования были созданы специализированные языки. Одним из первых и самых успешных языков в этой области стал ПРОЛОГ. ПРОЛОГ - язык и система логического программирования, основанные на языке предикатов математической логики дизъюнктов Хорна, представляющей собой подмножество логики предикатов первого порядка.

Довольно таки широко распространена система автоматизированного построения доказательств Coq, созданная в исследовательском институте INRIA (Франция). Базируется эта система на собственном языке спецификаций Gallina. Также есть такие системы как Otter и EQP которые базируются на самом распространенном языке – C.

Первая задача, в которой были использованы методы АДТ – теорема о четырех красках. Главное утверждение – любую политическую карту можно раскрасить четырьмя красками, так что рядом не будет одинаковых цветов. Первые доказательства были приведены в 1976г. с использование суперкомпьютера Cray-A1. Приведенная система Coq в 2004г. была использована для конечного точного доказательства теоремы о четырех красках.

Очень популярным методом, используемым для программных реализаций автоматического доказательства теорем, является метод резолюций. Этот метод получил широкое распространение в программах логического анализа благодаря своей простоте и всесторонней теоретической завершнности.

Дальнейшие направления работы: выявление перспективных методов, не получивших широко распространнных реализаций, их программная реализация применительно к конкретной задаче (анализ логической структуры программ, вопросно-ответная система или что-то другое), выбор подходящего языка.

УДК 004.651.54/004.

ПРЕИМУЩЕСТВА ИСПОЛЬЗОВАНИЯ МАТРИЧНОЙ УНИВЕРСАЛЬНОЙ

ОБЪЕКТНО-РЕЛЯЦИОННОЙ БАЗЫ ДАННЫХ С ПОДДЕРЖКОЙДРЕВОВИДНОЙ

СТРУКТУРЫ ЕДИНИЦЫ ИНФОРМАЦИИ

Современные тенденции развития систем управления базами данных (БД) является совмещение положительных качеств реляционных и объектных типов БД с максимальным исключением их недостатков.

Матричная универсальная объектно-реляционная база данных (МУОРБД) частично, а в некоторых случаях и полностью снимает их недостатки.

Вс информационное поле МУОРБД располагается в семимерном динамическом массиве.

В основу теории МУОРБД было заложено структура теории баз данных, которая и реализована в логической модели универсальной базы данных [1].

Логическая модель универсальной базы данных включает в себя следующие сущности:

«Сущность», «Экземпляр сущности», «Параметр», «Принадлежность», «Возможное значение параметра» и «Характеристика экземпляра сущности» [2].

Универсальный тип данных МУОРБД разработан на основе понижения системы счисления символов в поле базы данных, основанного на статистической информации об их использовании.

Универсальное приложение для работы с МУОРБД представляет собой всего две формы: форма администрирования МУОРБД и рабочая форма.

В МУОРБД метаданные находятся в первых трх таблицах МУОРБД, т.е. сами представляют собой содержание этих таблиц.

В МУОРБД реализован механизм наследования параметров сущностей.

Механизм наследования параметров полностью доступен и на уровне содержания таблиц пользователя.

В МУОРБД реализован механизм агрегации сущностей.

Объединение метаданных МУОРБД и самих данных открывает возможность устанавливать взаимосвязь между ними.

В универсальном приложении для МУОРБД реализованы рекурсивный комплексный ввод информации, рекурсивная комплексная фильтрация информации таблицы и рекурсивная комплексная сортировка по всей иерархии сущностей текущей таблицы.

Наличие универсального приложения МУОРБД позволяет проектировать информационные системы от результата.

При использовании МУОРБД появляется возможность изменить иерархию традиционных основных этапов разработки информационных систем.

Спектр задач, в которых может быть использована МУОРБД, охватывает области от бытового использования до сложных систем распределнных баз данных. В первом случае любой пользователь для размещения любой информации в оптимальной структуре, может просто разместить универсальное приложение в нужной директории и запустить его, после чего автоматически развртывается база данных и он может создавать необходимую структуру базы данных с одновременным внесением информации. Уровень пользователя может располагаться от самых минимальных до профессионалов, по мере его увеличения пользователь может совершенствовать структуру базы данных полуавтоматически, без потери информации. Для распределнных баз данных также не требуется сложной установки, необходимо лишь указать местоположение базы данных, с которой необходимо установить связь и универсальное приложение позволяет работать одновременно с нескольким базами данных одновременно в единой структуре.

1. Конноли Т., Бегг К. Базы данных. Проектирование, реализация и сопровождение. Теория и практика. Изд. 3-е :Пер. с англ. М.: Издательский дом «Вильямс», 2003. С. 2. Микляев И.А., Ундозерова А.Н., Кудаева М.В., Универсальная логическая модель базы данных. // Вестник Поморского Университета 1/2010. Сер. «Естественные науки» - С. 93-99.

СЕКЦИЯ «СОВРЕМЕННОЕ СОСТОЯНИЕ ТУРИСТСКОЙ ОТРАСЛИ И

ТАМОЖЕННОГО КОМПЛЕКСА В РОССИИ»

УДК 316.77(480)

ОБРАЗОВАНИЕ В ФИНЛЯНДИИ. НОВЫЕ ВОЗМОЖНОСТИ

Цель работы – поделиться личным опытом и проанализировать особенности учебного процесса в Университете Прикладных Наук города Тампере (ТАМК), Финляндия.

Санкт-Петербургский Государственный Политехнический Университет сотрудничает с более чем 160 иностранными университетами из 38 стран. Из них 15 находятся в Финляндии.

Среди них: Lappeenranta University of Technology, Tampere University, ТАМК, HaagaHelia University of Applied Sciences и другие. На базе Института Международных Образовательных Программ (ИМОП) СПбГПУ ежегодно реализуются программы международного обмена студентами. Недавно к этому процессу присоединилась и кафедра УСЭС. Это дает возможность студентам факультета ФУИТ учиться за границей.

Обязательным условием для обучения в другой стране является знание английского языка, так как преподавание ведется на английском языке.