Методическое пособие 662

Рис.2. Диаграмма компонентов

В ходе разработка системы были определены основные сущности:

ξTypeUser (Тип пользователя) – содержит информацию о типах клиента;

ξUser (Пользователь) – содержит информацию о пользователе;

ξProtection (Защита) – содержит информацию о защите ВКР;

ξGraphickPass (График сдачи зашиты) – содержит информацию времени сдачи защиты;

ξFile (Файл) – содержит информацию о файлах;

ξTemplate (Шаблон) – содержит информацию о файлах нужных для шаблона ВКР;

ξSpeciality (Специальность) – содержит информацию о специальностях;

ξDiplom (Диплом) – содержит информацию о дипломном проекте.

Рис. 3. Сущности базы данных

60

Связи между сущностями, типы данных так же представлены на рис.3. Представленная система в настоящий момент разрабатывается и будет

внедрена в Санкт-Петербургском колледже телекоммуникаций.

Организация работы студентов и преподавателей колледжа в рамках выполнения дипломного проектирования позволит повысить качество разработанных проектов, избежать нарушений нормоконтроля.

Литература

1. Лукьяненко, М. В. Проектное обучение в техническом вузе [Текст] / М. В. Лукьяненко, Г. М. Гринберг, Н. И. Пак // Проблемы повышения качества подготовки специалистов: науч.-метод. сборник / Сиб. гос. аэрокосмич. ун-т. –

Красноярск, 2006. – С. 312–320.

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

УДК 004.9

А. Е. Обухова

РЕАЛИЗАЦИЯ АЛГОРИТМА ЛЮКА-ТРЕМО «ПОИСК ВЫХОДА ИЗ ЛАБИРИНТА»

В данной статье предложена реализация алгоритма построения лабиринта произвольного размера и нахождения пути его прохождения.

Универсальный алгоритм прохождения любых лабиринтов описан Э. Люка. При описании алгоритма, Э. Люка назвал его автором другого французского математика М. Тремо. Таким образом, алгоритм стал известен как алгоритм Люка-Тремо.

Клод Шеннон, применив вариант алгоритма Люка-Тремо, построил одного из первых самообучающихся роботов. Робот сначала обследовала весь лабиринт, а затем (во второй раз) проходил весь путь намного быстрее, избегая участков, пройденных дважды.

Алгоритм Люка-Тремо реализует 4 правила:

1.Если робот находится на перекрестке, на котором не был ни разу, то дальше он движется по коридору, следуя правилу правой руки (рис. 1), если же впереди тупик – поворачивает обратно (рис. 2).

2.Если попал на перекресток, на котором он уже был, и попал на него по такой дороге, по которой он идет в первый раз, то робот отправляется обратно

(рис. 3).

61

3.Если робот подошел к перекрестку таким путем, по которому уже дважды шел, но есть коридоры, по которым ещё ни разу не ходили, робот идет по правому из них (рис. 4).

4.Если же не пройденных коридоров на перекрестке лабиринта нет, то робот идет по правому, пройденному один раз (рис. 5).

Программа реализована на языке программирования С++. Разработанная программа, позволяет сгенерировать лабиринт заданного размера. Построение начинается с определения границ лабиринта, после того как пользователь вводит с клавиатуры требуемые значения ширины и длины. Точки входа и выхода определяются случайным образом. Далее осуществляется построение лабиринта. Построчно фиксируются случайные пути прохождения лабиринта. Потом, следуя алгоритму, в программе ещё раз построчно просматривается двумерный массив символов и все пустоты (пробелы) заменяются решетками – стенками. Таким образом, в виде элементов двумерного массива (пробелов и решеток) формируется лабиринт.

Для прохождения лабиринта сначала определяем среди элементов двумерного массива точку входа. Затем в действие приводится алгоритм ЛюкаТремо, по которому программа находит выход из лабиринта. В конце на экран выводится сам сгенерированный лабиринт и путь, по которому должен двигаться робот, чтобы его преодолеть (рис. 6, рис. 7).

Рис. 6. Исходный лабиринт

Рис. 7. Маршрут выхода из лабиринта

62

В ходе работы разработана программа, которая строит случайным образом лабиринт заданного размера, и реализует алгоритм Люка-Тремо «Поиск выхода из лабиринта».

Не смотря на множество алгоритмов прохождения лабиринтов (волновой алгоритм, алгоритмы одной руки, алгоритм Пледжа, алгоритм Tremaux, алгоритм формирования рек, муравьиный алгоритм, алгоритмы роевого интеллекта) в работе использован алгоритм Люка-Тремо, так как он является универсальным и с его помощью можно найти выход как из односвязных, так и многосвязных лабиринтов.

Литература

1.[https://myrobot.ru/articles/logo_mazesolving.php]

2.[http://www.cyberforum.ru/cpp-beginners/thread983912.html]

3.[https://nxt33.blogspot.com/2013/04/blog-post_5912.html]

4.[https://ru.stackoverflow.com/questions]

5.[https://codelessons.ru/cplusplus/funkcii-function-v-c-peregruzki-i- prototipy-funkcij.html]

6.Мозговой, М. Занимательное программирование: Самоучитель / М. Мозговой. — Питер, 2004.

Воронежский государственный технический университет

УДК 519.173

К. Е. Ответчиков, А. Н. Миханьков

ФОРМАЛИЗАЦИЯ ЭКОНОМИЧЕСКОЙ МОДЕЛИ ЖЕЛЕЗНОДОРОЖНЫХ ПЕРЕВОЗОК

Рассмотрим задачу оптимизации железнодорожных перевозок. Среди возможных моделей к математическим наиболее близки требования минимизации экономических расходов некоторых ресурсов. К таким ресурсам относят суммарный путь, пройденный вагонами при перемещении от определённых заказчиками пунктов отправления к пунктам назначения, суммарное время в пути, амортизация инфраструктуры, включая путевое хозяйство и локомотивный парк, время работы локомотивных бригад с учётом физиологических ограничений и многие другие. Каждый из таких критериев требует анализа многих аспектов и особенностей железнодорожного транспорта. Остановимся на задаче минимизации расходов некоторого ресурса путём оптимального сбора железнодорожных составов из множества вагонов с известными пунктами отправления и назначения. Обратим внимание на постоянную корректировку объёма заказанных перевозок: по прибытии в

63

пункты назначения некоторые вагоны нужно отцепить от состава, вместо них требуется прицепить вагоны, которые должны в данных пунктах начать или продолжить движение к пунктам назначения. Будем считать, что диспетчерская служба в каждый момент времени извещена об особенностях всех перегонов транспортной сети, представленной графом ǡ. Здесь – множество станций железнодорожной сети, – множество рёбер или ориентированных дуг, связывающих станции.

В соответствии с выбранным критерием оптимизации (длина пути, нормативное время прохождения перегона средним составом, затраты энергии на проводку вагона и т.п.) дуги א получают вес . Особую разметку дуг применим в случае многопутного пути, связывающего некоторые станции. Случай неориентированных рёбер сводится к паре антипараллельных ориентированных дуг соответствующей пропускной способности в каждом направлении движения. Ряд ограничений на компоновку составов приходится учитывать в случае дополнительных условий: несущая способность полотна дороги, опасный груз, ограничения на пропускную способность узловых станций. Такие условия требуют построения специальных частных моделей перевозок между некоторыми станциями, образующими вместе с соответствующими дугами подграф ǡ графа ǡ.

Тополого-экономический граф ǡ с учётом весов всех имеющихся дуг порождает взвешенную матрицу соседства вершин . С помощью матричного алгоритма [1,2] поиска кратчайших маршрутов между всеми парами вершин получим матрицу кратчайших расстояний , а также матрицу

оптимальных маршрутов ؔ ǡ ȁǡȁ. Её элементами служат списки

найденных допустимых маршрутов, соединяющих все пары вершин ݒ ǡݒ א , упорядоченные в сторону ухудшения выбранного критерия оптимизации.

Особую сложность представляет задача многокритериальной оптимизации перевозок, когда разметка дуг орграфа ǡ несёт информацию о нескольких критериях оптимизации (например, время в пути и пропускная способность дуги). В этом случае одновременная оптимизация, как правило, не возможна, тем не менее, с помощью постановки вспомогательной задачи типа транспортной задачи линейного программирования можно найти Паретооптимальное решение. [3,4]

Продолжение однокритериальной постановки задачи сводится к нахождению непустых пересечений списков ǡ для разных пар пунктов отправления и назначения. Их наличие показывает возможность перемещения соответствующих вагонов в одном составе. Рассчитывая суммарные затраты ресурса на перемещение всего массива актуальных заказов, получаем значение заданного критерия оптимальности. Остаётся среди полученных вариантов формирования составов выбрать наилучший по заданному критерию и удовлетворяющий заданным дополнительным ограничениям. Хотя множество допустимых вариантов формирования составов растёт факториально с ростом

64

числа задействованных вагонов и усложнением топологии графа ǡ, задача подчиняется принципу оптимальности Беллмана: любая часть оптимального маршрута на графе ǡ тоже оптимальна. Это позволяет для фиксированного графа ǡ ограничить рост сложности задачи полиномиальной зависимостью от числа вагонов при заданном числе локомотивов ا .

Литература

1.Котенко А.П. Матричный алгоритм Беллмана–Мура / А.П. Котенко // Управление организационно-экономическими системами. – 2013. – №10. –

С.33–37.

2.Котенко А.А. Матричная реализация алгоритма Беллмана–Мура для поиска оптимальных маршрутов перевозок / А.А. Котенко // Инновации. Транспорт. Энергоэффективность. Строительство: международная научнопрактическая конф. магистрантов (Гомель, 30-31 января 2020). – Гомель: Издво Белорусского гос. ун-та транспорта, 2020. – С.49.

3.Щербаков М.С. Оптимизация движения роя роботов с помощью транспортной задачи линейного программирования / М.С. Щербаков, В.И. Ларина // Интеллектуальные информационные системы: всероссийская конф. (Воронеж, 12-13 декабря 2017). – Воронеж: Изд-во Воронежского гос. технического ун-та, 2017. – С.68–71.

4.Исаков А.А. Оптимальное перемещение роя роботов по графу со взвешенными рёбрами / А.А. Исаков // Гагаринские чтения 2018: международная молодёжная научная конф. (Москва, 17-20 апреля 2018). – М.: Изд-во Московского авиационного института, 2018. – С.336.

Самарский государственный технический университет

УДК 004.942: 519.17: 004.031.43: 519.876.5

И. М. Пашуева, С. М. Пасмурнов

ОПТИМИЗАЦИЯ ПОДСИСТЕМЫ ПОМОЩИ В ПРИНЯТИИ ОПЕРАТИВНЫХ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ СИСТЕМЫ УПРАВЛЕНИЯ ГОРОДСКИМ ЦЕНТРОМ СКОРОЙ МЕДИЦИНКОЙ ПОМОЩИ В УСЛОВИЯХ РАСПРОСТРАНЕНИЯ КОРОНОВИРУСНОЙ ИНФЕКЦИИ

Актуальность проблемы оказания помощи пациентом с короновирусом отмечается во многих странах мира. Особенность работы с короновирусными больными заключается в своевременном и оперативном оказании необходимой

65

помощи, что неоднократно отмечалось резидентом Российской Федерации в обращениях весной 2020 года. В связи с этим возникла необходимость оптимизации системы управления центром догоспитальной медицинской помощи [1, 2, 3].

Внеблагоприятных эпидемиологических условиях распространения короновирусной инфекции большую роль играет оперативность работы всех уровней службы скорой медицинской помощи. В сложившихся в последнее время условиях, появилась необходимость ввести дополнительный вид бригад скорой медицинской помощи, а именно – бригад, оснащенных специальными средствами защиты для работы с короновирусными больными. В связи с этим,

втипологии бригад в системе управления центром догоспитальной медицинской помощи, описанный в ранее опубликованных работах [4, 5, 6], введены некоторые изменения. Выделен новый тип специализированных бригад, машины которых оснащены необходимым оборудованием для помощи людям, заболевшим новой инфекцией, медицинский персонал данных бригад так же оснащен средствами защиты.

Вматематическую модель [7,8,9] модуля помощи в принятии оперативных управленческих решений внесены изменения в типологию бригад скорой медицинской помощи в районных подстанциях городского центра дгоспитальной медицинской помощи.

Врамках проведенных изменений было исследовано изменения показателей эффективности функционирования городского центра догаспитальной медицинской помощи.

Стоит отметить, что на показатели эффективности так же благотворное влияние оказали и внешние показатели, например, такие как значительное снижение трафика на городских улицах, большее внимание жителей города к своему здоровью, уменьшение контактирования жителей города друг с другом и другие. В качестве основного показателя эффективности выбрано время обслуживания, поступающего на диспетчерский пункт вызова.

Были проанализированы данные скорости обслуживания вызовов с двумя математическими моделями, отличающимися типологией бригад. В результате сравнения времени обслуживания вызова подсистемы помощи в принятии оперативных управленческих решений до введения изменений в типологию бригад скорой медицинской помощи и после оптимизации математической модели помощи в принятии оперативных управленческих решений подсистемы управления центром скорой медицинской помощи было выявлено, что среднее время обслуживания вызовов увеличилось на 7 %.

Внастоящее время является актуальной проблема прогнозирования изменения показателей эффективности функционирования подсистемы управления центром догоспитальной медицинской помощи в условиях увеличения траффика на городских улицах в условиях неблагоприятной эпидемиологической обстановки в стране.

66

Литература

1.Пашуева И.М. Моделирование и анализ подсистемы управления центрами быстрого реагирования с помощью сетей Петри / И.М. Пашуева, С.М. Пасмурнов // Вестник Воронежского государственного технического университета. 2011. Т. 7. № 9. С.106-109.

2.Пашуева И.М. Применение сетей Петри в моделировании подсистемы управления центрами быстрого реагирования / И.М. Пашуева, С.М. Пасмурнов

//Системы управления и информационные технологии: научно-технический журнал. 2011. №4.1(46). С. 162-166.

3.Пашуева И.М. Моделирование работы распределенной сети служб быстрого реагирования с использованием функции агрегирования / И.М. Пашуева // Физико-математическое моделирование систем: материалы XIII междунар. семинара. Воронеж, 2015. Ч. 2. С.65-68.

4.Пашуева И.М. Моделирование процессов принятия оперативных управленческих решений в системе управления центрами служб быстрого реагирования/ И.М. Пашуева // Физико-математическое моделирование систем: материалы XIII междунар. семинара. Воронеж, 2015. Ч. 2. С.69-73.

5.Пашуева И.М. Имитационной моделирование системы управления центрами служб быстрого реагирования с использованием многокритериальных оценок/ И.М. Пашуева // Физико-математическое моделирование систем: материалы XIII междунар. семинара. Воронеж, 2015. Ч. 2. С.74-78.

6.Пашуева И.М. Моделирование процессов перераспределения экипажей служб быстрого реагирования при возникновении чрезвычайной ситуации на отдельном участке обслуживания // Интеллектуальные информационные системы: материалы конференции, Воронеж, 2018. Ч2. С. 33-36.

7.Пашуева И.М. Описание и оценка эффективности подсистемы поддержки принятия управленческих решений в условиях неопределенности с применением математической модели на основе оценки рисков на примере работы центра быстрого реагирования / И.М. Пашуева, С.М. Пасмурнов, А.В. Бондарев // Вестник Воронежского государственного технического университета2017. - Т. 13. Вып. 6. С.7-12.

8.Пашуева И.М. Моделирование процессов управления центром быстрого реагирования в GPSS / И.М. Пашуева // Математическое и компьютерное моделирование, информационные технологии управления: сб. тр. Школы для студентов, аспирантов и молодых ученых «МКМИТУ-2016».

Воронеж. 2016. С. 147-152.

9.Пашуева И.М. Особенности разработки программного комплекса управления центром догоспитальной медицинской помощи. / И.М. Пашуева //

67

Математическое и компьютерное моделирование, информационные техноло-гии управления: сб. тр. Школы для студентов, аспирантов и молодых ученых «МКМИТУ-2016». Воронеж. 2016. С. 144-147.

Воронежский государственный технический университет

УДК 681.3

А. А. Цветков, В. Н. Кострова

ПРОЕКТИРОВАНИЕ СИСТЕМЫ МОНИТОРИНГА И АНАЛИЗА IT-АКТИВОВ НА ОСНОВЕ ГИБКИХ МОДЕЛЕЙ АНАЛИЗА ДАННЫХ

В современном мире сложно представить сферу человеческой деятельности, которая бы не включала работу с компьютером. Для полноценной работы компьютера необходимо программное обеспечение (ПО). По мере развития технологий ПО становится все сложнее и сложнее, на его разработку уходят тысячи человеко-часов. На текущий момент практически любой бизнес вынужден закупать лицензии сразу на множество продуктов. Нерациональное отношение может привести к большим финансовым потерям. В связи с этим сегодня активно развивается направление “IT asset management”, решения которого позволяют оперативно собирать информацию о лицензиях, осуществлять их контроль и аудит.

Текущий рынок программных продуктов включает сотни различных решений. Перед созданием новой системы необходимо оценить достоинства и недостатки существующих аналогов. Для проведения рационального анализа нет смысла досконально изучать возможности полного набора, существующего ПО. Достаточно провести анализ лидеров рынка. Для начала необходимо из всего многообразия выбрать 10-15 наиболее востребованных программных продукта. Для этого стоит обратить внимание на различные рейтинги ПО в рамках направления: управление it-активами. Позиция в рейтинге может определяться при помощи различных критериев, а также сильно зависит от автора (именно он выбирает значимость отдельных позиций). В рамках текущего исследования, в качестве основного критерия, определяющего лидеров рынка, была выбрана статистика запросов [3]. Исходя из этих данных, сократим первоначальную выборку до 3 позиций. Таким образом, в качестве аналогов были определены следующие программные продукты: “ServiceNow”, “Lansweeper” и “Freshservice”. Далее оценим возможности каждого из них.

ServiceNow используется для отслеживания IT-оборудования, а также его взаимосвязей. Данный программный продукт предназначен для функционирования в качестве центрального хранилища всех изменений и всего оборудования. Вместе с тем этот продукт так же позволяет хранить данные

68

высокого уровня, такие как версия операционной системы или программного обеспечения. Достоинства: возможность отслеживать все изменения конкретного элемента (например, сервера Linux); возможность получения и отображения взаимозависимых элементов. Недостатки: сложности при встраивании элементов конфигурации один за другим.

Lansweeper - этот инструмент предлагает простое в использовании решение службы поддержки, которое включает в себя систему создания заявок и позволяет отслеживать шаблоны поведения клиентов. С Lansweeper компания может легко отслеживать проблемы и находить решения, которые могут упростить работу сотрудников и сэкономить много времени. Достоинства: очень гибкий, надежный и простой в использовании инструмент; быстрая и эффективная поддержка. Недостатки: громоздкая конфигурация системы.

Freshservice может использоваться как внутренняя система управления заявками на предприятиях малого и среднего бизнеса. В нем достаточно много интеграций, чтобы охватить большинство задач. Пользовательский интерфейс прост в навигации для пользователей и администраторов. Документация позволит любому пользователю научиться использовать этот инструмент и успешно применять его на практике. Достоинства: дизайн портала, простота использования; возможность интеграции с облачными провайдерами, такими как AWS или Azure. Недостатки: неинформативные отчеты.

В результате анализа существующих систем были выявлены основные требования к разрабатываемому ПО: оно должно быть простым в использовании, охватывать множество аспектов управления IT-активами, а также поддерживать создание информативных отчетов. Основной особенностью разрабатываемой системы может стать возможность визуализации использования программных средств в режиме нереального времени. Это позволит администраторам, например, выявить скрытые взаимосвязи между использованием различного ПО в течении разных промежутков времени; оценить риски, при отказе от каких-либо продуктов; рассчитать потенциальную эффективность закупки новых программных средств. Разрабатываемая система так же должна включать элемент оптимизации, например, количества и типов программных продуктов. На текущий момент этот аспект слабо развит, либо отсутствует у существующих аналогов.

Для работы подсистемы анализа, необходимо разработать компонент, который осуществит мониторинг использования программных средств. В процессе его работы осуществляется заполнение специального журнала (он хранится в базе данных). Сбор данных основывается на интеграции с серверами лицензий. Существует два основных вида взаимодействия: периодическое сканирование файлов, содержащих сервисные записи; прямой вызов API сервера. Оба варианта предполагают получение специализированного отчета, из которого возможно получение данных, таких, как: тип лицензии, время запроса, время использования, инициатор получения доступа.

69