skip to content

Системи і методи прийняття рішень

Розробка моделей моделей системного діагностування з використанням методів теорії прийняття рішень в умовах невизначеності.

Теми: 

1. (t, к) – діагностування для композиційних мереж з порівнянням стану

(t, к) - діагностика є узагальненням послідовного діагностування, за наявності, принаймі, k несправних ідентифікованих процесорів, за умови усунення в кожній ітерації не більше t несправних процесорів. Мультипроцесорна система має регулярну структуру (зокрема, загально відомі мережі взаємозв’язку, такі як гіперкуби, куби з’єднань, сполучені куби) або нерегулярну структуру.
Основний підхід до побудови (t, к) - алгоритму діагностування полягає у виявленні суміжних вершин для достатньо великих працездатних агрегованих вершин мережі. Працездатні (непрацездатні) агреговані вершини є підмножинами вершин, такі, що всі вершини в ньому є працездатні (несправні), а всі його сусідні вершини непрацездатні (працездатні). За отриманим синдромом, множина вершин системи розбивається на кілька вершинних підмножин.

2. Діагностованість системного рівня для регулярних структур

Розглядається підхід до оцінки діагностованості системного діагностування регулярних систем для моделі PMC. Діагностованість системного рівня визначається як здатність забезпечити правильне, хоча, можливо неповне, діагностування розподіленої системи.
Нижня межа діагностованості системного рівня t визначається як нижня "синдромо-залежна" границя, що обмежує мінімум для множини всіх допустимих синдромів.
Підхід, який можна застосувати до будь-якої регулярної системи, спирається на компонент зв'язності вузлів, які оголошують одне одного працездатними. Це дозволяє отримати жорсткі оцінки знизу до діагностованості системного рівня для регулярних систем (тороїдальні сітки і гіперкуби)

3. Швидкісні алгоритми діагностування для узагальнених багатомашинних систем

Тема пов’язана з розробкою алгоритмів діагностики системного рівня для структур узагальненого гиперкуба, який є одним з варіантів архітектури гіперкуба. Алгоритми розглядають з використанням моделі діагностування РМС і дозволяють ізолювати непрацездатні вузли в межах множин вузлів, які містять не менше одного працездатного вузла.
Необхідно розглянути деякі завдання для швидких алгоритмів песимістичного діагностування, які спроможні діагностувати не тільки структури гіперкубів, а й узагальнені гіперкуби.

4. Розподілена діагностика постійних і перемежованих несправностей у великих бездротових мережах

Розподілена алгоритми діагностики несправностей для бездротових датчиків мереж (WSN) розглядаються для того, щоб обробляти сенсорні вузли, які мають постійну несправність датчика або періодично несправні процесори. Відмови в системі є наслідком фізичних дефектів, викликаних впливом навколишнього середовища, недосконалістю апаратних засобів або програмного забезпечення.
Якщо помилки не виявлені і не оброблені належним чином, то наслідки можуть бути суттєвими у разі відмови критично важливих додатків. Розглядаються розподілені алгоритми діагностики несправностей для обробки як постійних і перемежованих відмов у WSN.

5. Алгоритми діагностування несправностей розподілених систем

Розподілені системи стають дедалі поширенішими через їх застосування в різних областях, зокрема, електронні, дистанційний автотранспорт, контроль навколишнього середовища, підводна мережа датчиків тощо. Відмови вузлів системи можуть відбу4ватиьс в будь-який момент часу. Тобто діагностування несправних вузлів розподіленої системі сприяє більшій надійності системи.
Розглядають деякі поширені типи несправностей системи і моделі діагнстиування. Алгоритм діагностування несправностей на основі генетичного алгоритму може забезпечити кращий результат у порівнянні зі звичайними алгоритмами діагностування.
Необхідно розглянути основи системного діагностування несправностей, включивши різні види несправностей для розподіленої мережі.

6. Імовірнісна діагностики несправностей у великих гетерогенних розподілених системах

Імовірнісна діагностика спрямована на розв’зання проблеми діагностики несправностей на системному рівні. Отримані алгоритми є більш загальними для застосовання. Але ціною за ці переваги є те, що діагностичний результат не гарантує правильність і завершеність для будь-якій ситуації виникнення несправності.
Досліджуються алгоритми, засновані на концепції місцевої інформаційного діагностуванні. Ці алгоритми розрізняються за логічним висновком і класифікацією несправностей на різних фазах діагностування і являють компроміс між продуктивністю і діагностичною точністю. Якість евристичних правил, використовуваних у класифікації несправностей суттєво впливає на точність діагностування. Розглядаються різні евристичні методів класифікації несправностей і діагностична порівняльна ефективність вибраних евристик.