Исследование и разработка моделей и алгоритмов прогнозирования и обработки информации для распределенных систем управления опережающими логистическими потоками тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Чумаченко, Павел Юрьевич

• Чумаченко, Павел Юрьевич
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Чумаченко, Павел Юрьевич

Содержание.

Введение.

1. Анализ распределенных систем управления опережающими логистическими потоками.

1.1. Особенности построения логистических систем.

1.2. Классификация информационных логистических потоков.

1.3. Модели управления опережающими логистическими потоками.

1.4. Алгоритмы управления опережающими логистическими потоками.

1.5. Анализ архитектуры и функциональных возможностей распределенных логистических информационных систем.

1.6. Постановка задачи диссертационных исследований.

Выводы.

2. Разработка моделей и алгоритма динамического управления параметрами опережающих логистических потоков.

2.1. Формализация описания системы управления опережающими логистическими потоками.

2.2. Математическое моделирование опережающих логистических потоков заявок.

2.3. Разработка алгоритма динамического управления опережающими логистическими потоками.

2.4. Разработка математической модели для обоснованного автоматизированного выбора пополняющего алгоритма.

Выводы.

3. Анализ и разработка алгоритма оперативного прогнозирования вычислительной нагрузки для распределенной системы управления опережающими логистическими потоками.

3.1. Разработка общей структуры механизма прогнозирования для распределенной системы управления опережающими логистическими потоками.

3.2. Выбор типа нейронной сети для реализации механизма оперативного прогнозирования вычислительной нагрузки.

3.3. Разработка общей методики прогнозирования вычислительной нагрузки на основе нейронных сетей.

3.4. Разработка алгоритма прогнозирования вычислительной нагрузки на основе многослойного перцептрона.

3.5. Реализация механизма мониторинга загруженности сервера на базе алгоритма оперативного прогнозирования вычислительной нагрузки.

Выводы.

4. Имитационное моделирование и результаты экспериментальных исследований алгоритмов прогнозирования и управления опережающими логистическими потоками.

4.1. Разработка имитационной модели динамического алгоритма управления логистическими потоками на базе имитационного я зыка

GPSS.

4.2. Анализ результатов имитационного моделирования динамического алгоритма управления опережающими логистическими потоками.

4.3. Разработка имитационной модели механизма оперативного прогнозирования вычислительной нагрузки системы управления опережающими логистическими потоками.

4.4. Результаты эксперимента по прогнозированию вычислительной нагрузки.

Выводы.

Введение диссертации (часть автореферата) на тему «Исследование и разработка моделей и алгоритмов прогнозирования и обработки информации для распределенных систем управления опережающими логистическими потоками»

В современных условиях управление материальными потоками предприятий, как правило, осуществляется с использованием компьютерной техники и программного обеспечения, позволяющих значительно улучшить скорость и качество управления и обработки таких потоков. Современное состояние логистики и её развитие во многом сформировалось благодаря бурному развитию и внедрению во все сферы бизнеса информационно-компьютерных технологий.

На современном уровне развития общественного производства стало очевидно, что информация является самостоятельным производственным фактором, потенциальные возможности которого открывают широкие перспективы для укрепления конкурентоспособности.

В настоящее время достаточно актуальной является проблема обеспечения эффективного управления опережающими логистическими потоками, в частности обеспечивающими процесс пополнения запасов материальных или иных ресурсов, а в общем позволяющего оптимизировать складские и транспортные затраты в различных сферах производственной деятельности.

Функционирование используемых для этого систем управления опережающими логистическими потоками основываются, как правило, на применении известных алгоритмов, либо их улучшенных модификаций. Однако подобные алгоритмы, например, "r,Q", EOQ, "с фиксированным размером заказа" и др., не являются в полной мере универсальным средством управления и распределения логистических ресурсов, адаптированным к различным условиям производственной деятельности.

Исследованиям в этой области посвящен ряд работ зарубежных специалистов таких как: Вилсон Р.Х.[38], Бауэрсокс Д.Дж., Клосс Д.Дж.[46], Баллоу Р.Х.[2], Джонсон Дж.С, Вуд Д.Ф, Вордлоу Д.Л, Мерфи-мл. П.Р.[69], а также отечественных ученых: Гордон М.П. [65], Плоткин Б.К. [92, 93], Новиков О.А., Семененко А.И. [89, 102], Сергеев В.И. [104-106], Родников А.Н. [98] и др.

Однако они пригодны в основном для решения частных задач логистики и, как правило, не рассматривают логистистический процесс в качестве компонента единого динамического комплекса.

Выходом из создавшейся ситуации является создаиие универсального селективного механизма, обеспечивающего обоснованный выбор оптимального в каждый момент времени алгоритма управления опережающими логистическими потоками.

Применение такого механизма позволит значительно улучшить качество работы системы управления логистическими потоками, а именно повысить эффективность пополнения и распределения производственных ресурсов, запасов и материалов.

Если говорить об архитектуре подобных систем, то проведенный анализ показал, что значительная часть используемых на сегодняшний момент систем управления логистическими потоками носит распределенный характер. Характерной проблемой для систем с такой архитектурой является неравномерная загрузка распределенных центров обработки информации (ЦОИ), соответствующих их узлам. С одной стороны это приводит к очередям на обработку, а с другой к нерациональному использованию вычислительных ресурсов системы.

Возможным решением данной проблемы является создание механизма балансировки. Такой механизм на основе оперативного планирования и прогнозирования интенсивности вычислительной нагрузки позволит изменять параметры и конфигурацию системы управления логистическими потоками, равномерно распределяя нагрузку между ее узлами. Это позволит уменьшить время обработки логистических заявок, сократить очереди в центрах обработки информации и более рационально использовать их вычислительные ресурсы.

Таким образом, представляется ценным и актуальным разработка моделей и алгоритмов управления опережающими логистическими потоками, а так же механизма оперативного прогнозирования вычислительной нагрузки для распределенной системы управления опережающими логистическими потоками. Что позволит повысить эффективность и надежность планирования, обработки и управления ресурсами и запасами во многих отраслях промышленности, науки и техники.

Целью диссертации является разработка моделей и алгоритмов управления опережающими логистическими потоками, обеспечивающих повышение эффективности и надежности планирования, обработки и управления ресурсами и запасами предприятий во многих отраслях промышленности, науки и техники.

В соответствии с указанной целью в работе решаются следующие задачи:

• анализ архитектуры и функциональных возможностей распределенных логистических систем;

• математическая формализация систем управления опережающими логистическими потоками;

• разработка математической модели обработки опережающих логистических потоков;

• разработка математического аппарата для реализации алгоритма прогнозирования вычислительной нагрузки;

• разработка алгоритма динамического управления опережающими логистическими потоками;

• разработка методики и алгоритма прогнозирования вычислительной нагрузки распределенной системы управления опережающими логистическими потоками на основе аппарата нейронных сетей;

• разработка имитационных моделей алгоритмов динамического управления и прогнозирования;

• экспериментальное исследование предложенных теоретических положений, моделей и алгоритмов.

Методы исследования. Теоретическую и методологическую базу исследования составили системный подход к моделированию сложных систем, ключевые положения кибернетики, общей теории систем. При решении конкретных задач использовались математический аппарат теории графов, теория массового обслуживания, теория нейронных сетей, предикатная алгебра, а также методы имитационного моделирования сложных систем.

Научная новизна работы состоит в создании новых моделей и алгоритмов, обеспечивающих повышенную эффективность управления опережающими логистическими потоками. При этом получены следующие научные результаты:

• исследованы и разработаны новые модели и алгоритмы управления опережающими логистическими потоками, позволяющие уменьшить затраты на обработку логистических потоков;

• предложено решение математической задачи формализованного описания опережающих логистических потоков, основанного на их декомпозиции;

• разработан алгоритм динамического управления опережающими логистическими потоками, обеспечивающий автоматизацию выбора обрабатывающего алгоритма в зависимости от вида логистического ресурса;

• предложена методика прогнозирования вычислительной нагрузки на базе многослойного перцептрона, учитывающая специфику логистических потоков заявок и распределенный характер системы управления логистическими потоками;

• разработан алгоритм прогнозирования вычислительной нагрузки системы управления опережающими логистическими потоками, обеспечивающий оперативное распределение потоков между центрами обработки информации системы и возможность управления их производительностью;

• предложены экспериментальные методики проверки и анализа эффективности алгоритмов динамического управления и прогнозирования вычислительной нагрузки логистической системы;

• предложены и верифицированы имитационные модели алгоритмов; в ходе экспериментальных исследований показаны преимущества их использования в распределенных системах управления опережающими логистическими потоками.

Результаты работы подтверждены свидетельствами об официальной регистрации программы для ЭВМ: № 2007613913 "Программа учета сведений о научно-исследовательских и опытно-конструкторских работах", зарегистрировано в РОСПАТЕНТ 12 сентября 2007 г., заявка № 2007612984.

Практическая ценность работы заключается в создании реальных основ для реализации эффективных механизмов автоматизированного управления опережающими логистическими потоками. Их практическое применение позволит повысить эффективность обработки логистической информации и управления ресурсами, прежде всего выражающуюся в снижении связанных со срочностью поставки расходов без значительного опережающего роста запасов материалов, и рациональной загрузке центров обработки информации распределенной системы управления опережающими логистическими потоками.

Гибкость и универсальность предложенных в работе решений делает возможным их применение в самых различных технологических процессах и производствах, особенно в приборостроении, предприятиях электронной промышленности, торговой и дистрибьюторской деятельности и т.д.

Экспериментальные исследования автора показали, что при использовании алгоритма динамического управления процент обслуженных с минимальными затратами заявок повысился в 1,1-1,3 раза; при применении механизма оперативного прогнозирования вычислительной нагрузки количество незадействованных центров обработки уменьшилось до половины, очередь ожидающих заявок сократилась, более чем в 5,2 раза, время обработки заявок уменьшилось более чем в 2,2 раза.

Достоверность полученных результатов подтверждается результатами имитационного моделирования, доказавшими преимущества предложенных в работе алгоритмов динамического управления опережающими логистическими потоками и прогнозирования вычислительной нагрузки, выразившиеся в снижении затрат на обработку заявок, сокращении очередей заявок в центрах обработки информации и уменьшением времени на их обработку.

Личный вклад автора. Все основные результаты диссертационной работы получены автором лично.

1. Исследование основных возможностей распределенных систем управления опережающими логистическими потоками и подходов к построению таких систем;

2. Разработка математической модели опережающих логистических потоков заявок;

3. Разработка алгоритма динамического управления опережающими логистическими потоками;

4. Разработка алгоритма оперативного прогнозирования вычислительной нагрузки системы управления опережающими логистическими потоками;

5. Создание имитационных моделей разработанных алгоритмов. Реализация и внедрение полученных результатов. Результаты диссертационных исследований используются в:

• учебном процессе МИЭТ кафедры "Информатика и программное обеспечение вычислительных сетей";

• производственной практике ГУП НПЦ "ЭЛВИС" (что позволило увеличить скорость обработки логистических заявок предприятия в 2,3 раза, и дало экономию при их обработке 134000 руб./мес.).

На защиту выносятся следующие основные научные результаты:

1. Анализ состояния проблемы управления логистическими потоками;

2. Формализованное математическое описание системы управления опережающими логистическими потоками.

3. Алгоритм динамического управления опережающими логистическими потоками.

4. Математическая модель обоснованного выбора пополняющих I алгоритмов как часть алгоритма динамического управления опережающими логистическими потоками.

5. Методика и алгоритм прогнозирования вычислительной нагрузки центров обработки информации для распределенной системы управления опережающими логистическими потоками.

6. Имитационные модели алгоритмов динамического управления и прогнозирования для распределенной системы управления опережающими логистическими потоками.

7. Результаты экспериментальных исследований эффективности алгоритмов управления опережающими логистическими потоками.

Апробация работы и публикации. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях:

• XIII международная студенческая школа семинар "Новые информационные технологии 2005" (Судак, Московский государственный институт электроники и математики, 2005);

• XII всероссийская межвузовская научно-техническая конференция студентов и аспирантов "Микроэлектроника и информатика" (Зеленоград, 2005-2008);

• Всероссийская межвузовская научно-практическая конференция "Актуальные проблемы информатизации. Развитие информационной инфраструктуры, технологий и систем" (Зеленоград, 2007).

По результатам исследований опубликовано 16 печатных работ. Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложений. Общий объем диссертационной работы 174 страницы, включая 7 таблиц и 35 рисунков.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Чумаченко, Павел Юрьевич

8. Результаты работы внедрены в учебный процесс кафедры "Информатика и программное обеспечение вычислительных систем" (МИЭТ) в лекционных и практических занятиях по дисциплинам "Вычислительные системы и сети", "Проектирование информационных систем", "Автоматизированные информационные системы" и производственную в деятельность ГУП НПЦ "ЭЛВИС".

Заключение

В ходе выполнения диссертационных исследований получены следующие основные результаты:

1. Разработана обобщенная схема автоматизированной распределенной системы управления опережающими логистическими потоками.

2. Предложены алгоритмы динамического управления опережающими логистическими потоками и многокритериальный процесс пополнения на основе иерархических матриц отбора, позволяющий значительно увеличить число анализируемых свойств ресурса без опережающего роста вычислительной сложности алгоритма.

3. Проведен анализ существующих методов прогнозирования вычислительной нагрузки и научно обоснована необходимость использования многослойного перцептрона, позволяющего в силу своей простоты, эффективности обучения и внутренней параллельности вычислений, получать достоверный прогноз нагрузки при минимальных вычислительных затратах.

4. Разработан алгоритм оперативного прогнозирования, позволяющий регулировать вычислительные мощности центров обработки информации распределенной системы управления опережающими логистическими потоками.

5. Разработаны имитационные модели алгоритмов динамического управления опережающими логистическими потоками и оперативного прогнозирования вычислительной нагрузки.

6. Анализ результатов моделирования показал, что при использовании алгоритма динамического управления процент обслуженных с минимальными затратами заявок повысился на (8-31)%; при расширении обрабатываемого списка видов ресурса в 10 раз, объем потерь увеличился незначительно.

7. Использование предложенного механизма оперативного прогнозирования вычислительной нагрузки на основе нейронных сетей позволяет уменьшить на 50% количество незадействованных центров обработки информации, снижении размера очереди ожидающих заявок, в 5,2 раза и сокращении времени обработки заявок в 2,2 раза.

Список литературы диссертационного исследования кандидат технических наук Чумаченко, Павел Юрьевич, 2008 год

1. Arrow К. J., Harris Т. В., Marschak J. Optimal inventory policy 1.I Econometrica, 1951.-Vol. 19.-Pp. 250-272.

2. Ballow R.H. Basic Business Logistics. L., 1987. - 438 p.

3. Bishop С. M. Neural Networks and Pattern Recognition. Oxford: Press, 1995.- 168 p.0.

4. Carpenter G., Grossberg S. ART-2: Self-organization of stable category recognition codes for analog input patterns, 1987.

5. Carpenter G., Grossberg S. Neural dynamics of category learning and recognition: Attention; memory consolidation and amnesia. In Brain Structure, Learning and Memory (AAAS Symposium Series), 1986.

6. Clark A. J., Scarf H. Optimal Policies for a Multi-Echelon Inventory Problem // Management Science, 1960. Vol. 23. - Pp. 475 - 490.

7. Coulouris G., Dollimore J. and Kindberg Т., Distributed Systems: Concepts and Design, 3rd ed., Addison-Wesley Publ., 2001.

8. Hadley G., Whitin Т. M. Analysis of Inventory Systems. -N. J.: Prentice Hall, Englewood Cliffs, 1963.

9. Haines K., Hecht-Nielsen R. A BAM with Increased Information Storage Capacity.// Proceedings of the IEEE International Conference on Neural Networks. -San Diego, 1988.-Vol. 1.-P. 181 190.

10. Harris F. W. Operations and cost // Factory management series. Chicago: A.W.Shaw, 1915.-Pp. 48-52.

11. Hecht-Nielsen R. Counterpropagation Networks. // Proceedings of the IEEE First International Conference on Newral Networks San Diego: 1987. -Vol. 2.-P. 19-32.

12. Hertz J., Krogh A., Palmer R.G. Introduction to the Theory of Neural Computation. London: Addison-Wesley, 1991. - 214 p.0.

13. Horfield J.J., Tank D.W. Computing with Neural Circuits: A model Science, 1986.-№233.-P.625 633.

14. Horfield J. J., Tank D.W. Neural Computation of Decisions in Optimization Problems. // Biological Cybernetics, 1985. -№52. -P.141 152.

15. Kaufman Т., Perry J. Technical Analysis in Commodities. New York: John Wiley & Sons, 1980.

16. Kendalf S.C., Waldo J., Wollrath A., Wyann G., "A Note on Distributed Computing"// November 1994, Интернет-сайт -http://research.sun.com/techrep/1994/abstract29.html

17. Kohonen T. Self-organised Formation of Topologically Correct Feature Maps. //Biological cybernetics, 1982. -№43. P. 127-138.

18. Kohonen T. The "neural" Phonetic Typewriter. // IEEE. Computer, 1988. -№ 3. — P.154.

19. Kohonen T. Self-organization and Associative Memory. New-York: Springer-Verlag, 1989. -P.266. 0.

20. Kosko B. Bi-directional Associative Memories. // IEEE Transactions on Systems. Man and Cybernetics, 1987. Vol. 18, № 1. - P. 49 - 60.

21. Kosko B. Competitive Adaptive Bi-directional Associative Memories. // Proceedings of the IEEE First International Conference on Neural Networks San Diego, 1987. - № 1 - Vol. 2. - P. 759 - 766.0.

22. Lin F.C.H., Keller R. M., "The gradient model load balancing method", //IEEE Trans. Software Eng. Vol.13, Num.1, pp. 32-38.

23. Lippmann R. An Introduction to Computing with Neural Nets // IEEE Acoustics, Speech, and Signal ProcessingMagazine, 1987. -P.4-22.

24. McEliece R.J., Rosner E.G. Rodemich E.R. The Capacity of Hopfield Associative Memory // IEEE Transactions on Information Theory IT-33. New York: Venka-tesh S. S., 1987. -P. 461 -482.0.

25. Metcalfe R.M., David Walden Packet Communication, 1996.

26. Minar N. A Survey of the NTP Network.// MIT Media Lab. Интернет-сайт -http://alumni.media.mit.edu/~nelson/research/ntp-survey99/html, 1999

27. Minar N., Hedlund M.,. Peer-to-Peer: Harnessing the Power of

28. Disruptive Technologies. O'Reilly, 2001 - 448 p.

29. Minsky M. Logical vs. Analogical or Symbolic vs. Connectionist or Neat vs. Scruffy. -San Diego: MIT Press, 1990. -P.225.

30. Passive DNS Replication. Интернет-сайт -http ://www. enyo. de/fw/software/dnslogger

31. Rosling K. The (r,Q) Inventory Model with Lost sales. Vaxjo University Sweden, 2002. - Интернет-сайтhttp://www.fc.vxu.Se/~[e-mail]/Lost Sales VII.pdf 28 pp.

32. Sklarew A. Techniques of Professional Commodity Chart Analyst. New-York: Commodity Research Bureau, 1980 — 761 p

33. Specht D.F. Probabilistic neural network // Neural Networks, 2000. vol. 3. Pp. 109-118.

34. Stergiou C., Siganos D. Neural Networks: Интернет-сайт -http://www.dse.doc.ic.ac.uk/~nd/surprise96/journal/vol4/csll/report.html

35. Tyworth J. E., Ganeshan R. A note on solution to the <Q,r> inventory model for gamma lead-time demand // International Journal of Physical Distribution & Logistics Management, 2000. Vol. 30, No. 6. - Pp. 534 - 539.

36. Wasserman P.D. Experiments in Translating Chinese Characters Using Backpropagation // Proceedings of the Thirty-Third IEEE Computer Society International Conference. Washington (D.C.): Computer Society Press of the IEEE, 1988.-P. 349-357.

37. Werbos P.J. Backpropagation Through Time: What It Does and How to Do It: Artificial Neural Networks: Concepts and Theory IEEE Computer Society Press, 1992. P.309-319.

38. Widrow B, Lehr M. 30 Years of Adaptive NeuralNetworks: Perceptron, Madaline and Backpropagation // Artificial Neural Networks: Concepts and Theory. Washington (D.C.): IEEE Computer Society Press, 1992. - P. 327-354.0.

39. Wilson R. H. Scientific routine for stock control // Harvard Business

40. Review, 1934. Vol. 13. - Pp. 116 - 128.

41. Айвазян C.A., Бежаева З.И., Староверов O.B. Классификация многомерных наблюдений. М.: Статистика, 1974. - 240 с.

42. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976.-755 с.

43. Аникин Б.А., Тяпухин А.П. Коммерческая логистика. М.: Дело, 2005.-432 с.

44. Баин A.M., Лисов О.И., Чумаченко П.Ю. Применение агентного моделирования в системах поддержки принятия решений // Техника и технологии. № 5. 2007. - С. 39.

45. Баин A.M., Чумаченко П.Ю. Алгоритм оперативного прогнозирования интенсивности загрузки системы управления опережающими логистическими потоками // Техника и технологии. № 5. 2008.

46. Баин A.M., Чумаченко П.Ю. Уменьшение размерности прогнозных моделей в базах данных систем поддержки принятия решений // Естественные и технические науки. № 6. 2007. - С. 216.

47. Баин A.M., Чумаченко П.Ю. Эволюционное программирование как оптимизационный инструментарий в системах поддержки принятии решений // Оборонный комплекс — научно-техническому прогрессу России. — № 2. 2008. С. 45-47.

48. Бауэрсокс Д. Дж., Клосс Д.Дж. Логистика: интегрированная цепь поставок. -М.: Олимп-Бизнес, 2006. 640 с.

49. Белый Б. Н., Дербенцев Д. А., Юхименко А. Модели массового обслуживания в торговле. Киев: КТЭИ, 1977. - 60 с.

50. Белый Б. Н., Дербенцев Д. А., Юхименко А. Модели управления товарными запасами. Киев: КТЭИ, 1978. - 50 с.

51. Беспалов Р.С. Транспортная логистика. Новейшие технологии построения эффективной системы доставки. — М.: Вершина, 2007. — 382 с.

52. Бокс Дж, Джеккинс Г. Анализ временных рядов. Прогноз и управление. -М.: Мир, 1974. -406 с.

53. Боровков А.А. Математическая статистика. М.: Наука, 1984. - 219 с.

54. Боровков А.А. Система массового обслуживания. Поток вызов // Математическая энциклопедия. 1-е изд. -М.: Советская энциклопедия, 1982.-Т. З.-С. 541-543.

55. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука. Гл. Ред. Физ.-мат. лит., 1983. - 467 с.

56. Вентцель Е. С. Исследование операций. Задачи, принципы, методология. 2-е стер. изд. - М.: Высш. шк., 2001. - С. 132.

57. Вентцель Е.С. Теория вероятностей. 6-е стер. изд. - М.: Высш. шк., 1999.-С. 421.

58. Виснадул БД., Лупин С.А., Сидоров С.В., Чумаченко П.Ю. Основы компьютерных сетей: учеб. пособие / Под ред. Л.Г. Гагариной. М.: ИД "ФОРУМ": ИНФРА-М, 2007. 272 с.

59. Волков И.К., Зуев С. М., Цветкова Г. М. Случайные процессы. М.: Изд-во МГТУ им. Н.Э.Баумана, 1999. - С. 192.

60. Гагарина Л.Г., Слюсарь В.В., Маклакова Т.Н., Чумаченко П.Ю. Проблемы обеспечение информационной безопасности VPN-сети в информационном пространстве высшего учебного заведения // Вопросы защиты информации. № 4. 2005. - С. 23 -26.

61. Гагарина Л.Г., Чумаченко П.Ю. Методика разработки автоматизированных систем с использованием интегрированных инструментальных средств // Оборонный комплекс научно-техническому прогрессу России. - № 1. 2006. - С. 25-27.

62. Гагарина Л.Г., Чумаченко П.Ю., Баин A.M. Некоторые особенности проектирования систем поддержки принятия решений в предметной области // Оборонный комплекс научно-техническому прогрессу России. - № 1. 2008.-С. 25-26.

63. Гихман И. И., Скороход А. В. Введение в теорию случайных процессов. 2-е перераб. изд. - М.: Наука, 1977. - С. 42.

64. Глушков В.М. Кибернетика: Вопросы теории и практики; АН СССР. -М.: Наука, 1986.-477 с.

65. Головко В.А. Нейронные сети: обучение, организация и применение. М.: Радиотехника, 2001. - 256 с.

66. Горбань А.Н., Россиев Д.А., Коченов Д.А. Применение самообучающихся нейросетевых программ. Красноярск: СПИ, 1994.- 169 с.

67. Гордон М.П, Карнаухов С.Б. Логистика товародвижения. М.: Центр экономики и маркетинга, 2001. -200 с.

68. Демиденко Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. -302 с.

69. Джеймс Р.С, Дуглас М.Л. Стратегическое управление логистикой / Под ред. В.И. Сергеева. Перевод с 4-го англ. изд. М.: ИНФРА-М, 2005. -797 с.

70. Джеффри Г. Шатт. Управление товарным потоком. Руководство по оптимизации логистических цепочек. Минск: Гревцов Паблишер, 2008. -352 с.

71. Джонсон Дж.С., Вуд Д.Ф., Вордлоу Д.Л. и др. Современная логистика: Перевод с английского. М.: Вильяме, 2005. — 615 с.

72. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 1998. - 224 с.

73. Заенцев И.В. Нейронные сети: основные модели. Воронеж: ВГУ, 1999.- 157 с.

74. Ивахненко А.Г. Перцептроны. Киев: Наукова Думка, 1974. - 179 с.

75. Информационные потоки в логистическипх системах. Интернет-сайт http://inform.alogistica.ru/61/.

76. Инютина К. В. Нормирование производственных запасов сприменением математико-статистических методов. -М.: Статистика, 1969. -112 с.

77. Керимов А.К. Методы анализа и прогнозирования ценовых данных: Технический анализ: Учебное пособие. М: РУДН, 2003 - 107 с.

78. Клейнрок Л. Теория массового обслуживания. М.: Машиностроение, 1979. - С. 38-43.

79. Ключко Н. В. О понятии "управление информацией" // Управление информационными потоками / Сборник трудов ИСА РАН. -М.:Едиториал УРСС, 2002.-С. 191.

80. Комашинский В.И, Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. М.: Горячая Линия - Телеком, 2002. - 96 с.

81. Кондратов С.В. Логистика в системе управления товарно-материальными потоками промышленного предприятия. Интернет-сайт -http://www.cfm.rU/bandurin/article/sbrn08/l 1 .shtml, 2005.

82. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая Линия - Телеком, 2001. - 382 с.

83. Логистика: Учебник / Под ред. Б.А. Аникина: 2-е изд., перераб. и доп. М.: ИНФРА-М, 2001.-352 с.

84. Маликов О.Б. Деловая логистика. С-Пб.: Политехника, 2003. -224 с.

85. Минский М., Пайперт С. Перцептроны. М.: Мир, 1971. - 328 с.

86. Миротин Л.Б., Некрасов А.Г. Логистика интегрированных цепочек поставок: Учебник. М.: Экзамен, 2003.

87. Михалевич B.C., Волкович В. Л. Вычислительные методы исследования и проектирования сложных систем. М.: Наука, 1982. - 286 с.

88. Михалевич B.C., Каныгин Ю.М., Гриценко В. И. Информатика: Общ. положения. Киев: ИК, 1983. -45 с.

89. Модели и методы теории логистики: Учебное пособие. 2-е издание // под ред. B.C. Лукинского. С-Пб.: Питер, 2007. - 448 с.

90. Мостеллер Ф., Тыоки Дж. Анализ данных и регрессия. М.: Финансы и статистика, 1982. - 239 с.

91. Новиков О.А., Семененко А.И. Производственно-коммерческая логистика. С-Пб.: СПб ГУЭФ, 1995. - 110 с.

92. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы. Учебник для ВУЗов. 3-е издание. С-Пб.: Питер,2007. 960 с.

93. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2004. - 344 с.

94. Плоткин Б.К. Введение в коммерцию и коммерческую логистику: Учеб. пособие. С-Пб.: СПб УЭФ, 1996. - 171 с.

95. Плоткин Б.К. Управление материальными ресурсами (очерк коммерческой логистики). С-Пб.: ПФЭИ, 1991. - 128 с.

96. Портенко Н. И., Скороход А. В., Шуренков В. М. Марковские процессы // Итоги науки и техн. Соврем, пробл. матем.

97. Фундам.направления. ВИНИТИ, 1989. - Т. 46, - 2. - С. 17-18.

98. Портнов Е.М., Чумаченко П.Ю. Модель динамического управления опережающими логистическими потоками // Оборонный комплекс научно-техническому прогрессу России. - № 4. 2008.

99. Промыслов Б. Д., Жученко И. А. Логистические основы управления материальными и денежными потоками. (Проблемы, поиски, решения). М.: Нефть и газ, 1994.

100. Растригип Л.А. Экстраполяционные методы проектирования и управления. -М.: Машиностроение, 1986. 120 с.

101. Родников А.Н. Логистика: терминологический словарь. 2-е издание, исправленное и дополненное. М.: Инфра-М, 2000. — 352 с.

102. Рудзки Р.Э. Эффективное снабжение. Простые и надежные способы снижения издержек и повышения прибыли. — Минск: Гревцов Паблишер,2008. 304 с.

103. Сакович В. А. Модели управления запасами / Под. ред. М.И. Балашевича. Минск: Наука и техника, 1986. - 318 с.

104. Севастьянов Б.А. Простейший поток. Стационарность // Математическая энциклопедия. 1-е изд. -М.: Советская энциклопедия, 1984.-Т.4.-С. 703.

105. Семененко А.И, Сергеев В.И. Логистика. Основы теории. Учебник для вузов. М.: Союз, 2001. - 544 с.

106. Сербии В.Д. Основы логистики. Учебное пособие. Таганрог: ТРТУ, 2004.

107. Сергеев В.И. Глобальные логистические системы. С-Пб.: Бизнес-Пресс, 2001.-260 с.

108. Сергеев В.И. Корпоративная логистика. 300 ответов на вопросы профессионалов. М.:ИНФРА-М, 2004. - 976 с.

109. Сергеев В.И., Григорьев М.Н., Уваров С.А. Логистика. Информационные системы и технологии. М.: Альфа-Пресс, 2008 - 608 с.

110. Скурихин А.Н. Нейронные сети: определения, концепции, применение. М.: ЦНИИ управления экономики и информатики, 1991. 274 с.

111. Смехов А. А. Математические и сетевые модели грузовых станций. -М.: Транспорт, 1970. 144 с.

112. Суровцев И.С., Клюкин В.И., Пивоварова Р.П. Нейронные сети. -Воронеж: ВГУ, 1994.-215 с.

113. Таненбаум Э., Стеен М. Распределенные системы. Принципы и парадигмы. — С-Пб.: Питер, 2003. 880 с.

114. Тархов Д.А. Нейронные сети. Модели и алгоритмы. Книга 18. М.: Радиотехника, 2005. - 256 с.

115. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. Книга 8: Учебное пособие для вузов. М.:ИПРЖР, 2002. - 480 с.0.

116. Уоссермен Ф. Нейрокомпьютерная техника. — М.: Мир, 1992. 226 с.

117. Уотерс Д. Логистика. Управление цепью поставок: Пер. с англ. М.: ЮНИТИ-ДАНА, 2003. - 503 с.

118. Феллер В. Введение в теорию вероятностей и ее приложения. 2-е стер. изд. - М.: Мир, 1967. - Т. 1. - С. 430.

119. Финков М. В. Пиринговые сети: eDonkey BitTorrent, KaZaA, DirectCon. — M.: Наука и Техника, 2006.

120. Харман Г. Современный факторный анализ. М.: Статистика, 1972. -486 с.

121. Чумаченко П.Ю. Методика прогнозирования вычислительной нагрузки распределенных систем управления логистическими потоками // Актуальные проблемы современной науки. -№ 5. 2008.

122. Чумаченко П.Ю. Механизм оперативного планирования и управления вычислительной нагрузкой распределенных систем управления логистическими потоками // Аспирант и соискатель. № 5. 2008.

123. Чумаченко П.Ю. Проблемы организации сетевого взаимодействия в учебно-методическом комплексе // Оборонный комплекс научно-техническому прогрессу России. - № 3. 2006. - С. 13-16.

124. Ширяев В.И. Модели финансовых рынков. Нейросетевые методы в анализе финансовых рынков: Учебное пособие. М.: КомКнига, 2007. -224 с.

125. Акты внедрения результатов диссертационной работы

126. Государственное унитарное предприятие города Москвы Научно-производственный центр "Электронные вычислительно-информационные системы " (ГУП НПЦ "ЭЛВИС")

127. Адрес: 124460, Москва, Зеленоград, Южная промышленная зона, пр.4922, E-mail: [e-mail]строение 21. Web: http://www.elvees.ru1. Тел./факс: [phone]. УХр^Щфк, «УТВЕРЖДАЮ»

128. Директор ГУП НПЦ «ЭЛВИС» , д.т.н.

129. Й .S/э ,,„.„„.•-.».- I'l'^Tvi 1 1л»!»>рмп""ш,""'"~ 2 | 5ГЗiiU'^ CHClOMI.l" 5/ v'.'j-i,. V/Wi

130. С 1-\'ТТ 1 ! I И ! ----/ Л> L11. Я.Я. Петричкович1. ГУН лт.К-—г SJ—" • |'7-■элппсу^уУ"-- -2008о внедрении результатов диссертационной работы Чумаченко Павла Юрьевичана тему

131. Внедрение указанных средств автоматизации управления логистическими потоками позволило увеличить скорость обработки логистических заявок в 2,3 раза, и дало экономию при их обработке в 134000 руб/мес.

132. Председатель комиссии ^-- Джиган В.И.

133. Члены комиссии: Никольский В.Ф.1. Цветков П.В.1. УТВЕРЖДАЮ

134. Заведующий кафедрой ИПОВС, доктор технических наук, профессор

135. Ученый секретарь кафедры ИПОВС, доктор технических наук1. Л.Г. Гагарина1. Е.М. Портнов

136. Свидетельство о регистрации программы1. Ш€ШЙШАШ #ВД!1РА1ЩШШа Ш§Шййт «ш й ша й ш ш а й ат &ш й й Й 13 й й й Й Й Й1. Е-Г1. СВИДЕТЕЛЬСТВОоб официальной регистрации программы для ЭВМ2007613913. |И(М||иП1)ПГ V .: ^

137. Программа учета сведений о научно-исследовательских и опытно-конструкторских работах1. ЙЙЙЙЙЙ .й ш

138. Й а Й Й Й й й Й й й Й й й й-ОМ..К > \ ' '