Эффективное управление распределенными вычислительными ресурсами в задачах имитационного моделирования тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Проскурин, Александр Евгеньевич

• Проскурин, Александр Евгеньевич
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Проскурин, Александр Евгеньевич

Оглавление

Введение

Глава 1 Аналитический обзор существующих подходов к повышению быстродействия имитационных моделей

1.1 Анализ существующих методов имитационного моделирования

1.2 Анализ современных технологий распределенных вычислений

1.3 Анализ существующих методов распараллеливания задач имитационного моделирования

1.4 Анализ существующих программных средств для имитационного моделирования

1.5 Выводы

Глава 2 Теоретическое обоснование задачи оптимизации распределения вычислительных ресурсов для имитационного моделирования

2.1 Определение эффективных стратегий использования Спс1-сетей

2.2 Формализация задач оптимизации по времени и стоимости имитации

2.3 Формулировка и доказательства теорем задач оптимизации времени выполнения и стоимости имитации

2.4 Выводы

Глава 3 Разработка архитектуры и программы системы управления оптимальным распределениям ресурсов

3.1. Разработка архитектуры системы управления распределенными вычислениями

3.2 Разработка системы управления распределенными вычислениями в С(Ш-сети

3.3 Тестирование алгоритма и программного обеспечения системы управления распределенными вычислениями

3.4 Выводы

Глава 4. Применение разработанной системы управления распределенными вычислениями для имитационного моделирования работы канального умножителя

4.1. Анализ физической модели работы канального умножителя

4.2. Разработка математической модели работы канального умножителя

4.3. Разработка и тестирование программы имитации работы канального умножителя

4.4 Выводы

Заключение, основные выводы и результаты

Литература

Введение диссертации (часть автореферата) на тему «Эффективное управление распределенными вычислительными ресурсами в задачах имитационного моделирования»

Введение

Имитационное моделирование является распространенным и порою единственным методом проведения исследований в различных областях науки: физике, биологии, экономике и т.д. По мере роста сложности задач, стоящих перед имитационным моделированием, возрастает необходимость в увеличении вычислительных ресурсов. Проблема ограниченности вычислительных мощностей может быть решена использованием параллельных и распределенных вычислительных систем.

Главными направлениями развития таких вычислительных технологий являются создание построение и использование распределенных вычислительных и информационных систем, а также разработка новых методов и алгоритмов, ориентированных на эффективное управление ресурсами в созданных распределенных системах. По этой причине возникает необходимость в разработке таких распределённых систем имитации, в основе работы которых лежат алгоритмы синхронизации программ, выполняющихся на различных компьютерах в сети или различных процессорах многопроцессорной ЭВМ.

Алгоритмы разработки программного обеспечения для таких систем, коренным образом отличаются от программ, работающих на одном процессоре, поэтому перспективы развития компьютерной техники в ближайшем будущем в большей степени будут определяться успехами вычислительной математики [1,2].

Наряду с проблемами, которые возникают с синхронизацией программ необходимо следить за сбалансированностью вычислительных ресурсов. Значит, распределённая система имитации должна содержать систему управления, которая выполняет равномерное распределение вычислительных ресурсов в сети.

Наиболее интересным представляется вариант развития параллельных вычислений с использованием распределенных вычислительных систем

(РВС). Самым простым способом создания параллельной вычислительной системы (ПВС) является построение многопроцессорных вычислительных комплексов (МВК) на базе нескольких ЭВМ, объединенных каналами передачи информации. В настоящее время МВК очень часто создаются на основе локальной вычислительной сети (ЛВС). Сеть уже содержит все необходимые для этого компоненты: сервера, рабочие станции, каналы связи, сетевую операционную систему, общие ресурсы и т.п. Анализ состояния современных вычислительных систем показывает, что большинство компьютеров использующихся в экономике, науке и образовании объединены в локальные сети [3].

По этой причине возникает необходимость в разработке таких распределённых систем имитации, в основе которых лежат алгоритмы синхронизации программ, выполняющихся на различных компьютерах в сети или различных процессорах многопроцессорной ЭВМ. Наряду с проблемами, которые возникают с синхронизацией программ необходимо следить за сбалансированностью вычислительных ресурсов. Значит, распределённая система имитации должна содержать систему управления, которая выполняет равномерное распределение вычислительных ресурсов в сети [4].

В настоящей диссертационной работе рассматривается создание методов управления вычислительными GRID сетями на базе локальных вычислительных сетей. В основу работы GRID сети положены алгоритмы организации распределенных вычислений. Каждая рабочая станция (PC) ЛВС рассматривается как отдельное решающее поле, с независимой областью памяти, входящей в состав многомашинного вычислительного комплекса (МВК). При распараллеливании также используются общие ресурсы ЛВС доступные всем компьютерам. И именно применительно к решению ряда задач использование эффективных стратегий управления GRID позволяет наиболее полно использовать ресурсы как отдельных

рабочих станций (РС), так и ЛВС в целом, снижая стоимость и время вычислений и, одновременно, повышая их надежность [5].

Таким образом, актуальность данной работы заключается в поиске эффективной стратегии управления ресурсами вычислительной сети и создании на базе этой стратегии системы наилучшего управления распределенными ресурсами для различного класса задач имитационного моделирования.

Основной идеей работы является создание и использование системы математических моделей и средств программной поддержки работы распределенной вычислительной сети, с целью повышения эффективности управления вычислительными ресурсами, дающее минимизацию времени и стоимости вычислений конечных задач.

Методами исследования, используемыми в работе, являются: математический анализ, математическое моделирование, исследование операций, теория вероятностей, имитационное моделирование, математическая статистика и анализ временных рядов.

Научная новизна диссертационной работы заключается в получении следующих результатов:

1. Разработана и исследована система математических моделей, предназначенная для оптимального распределения ресурсов неоднородных вычислительных сетей при решении задач имитационного моделирования.

2. Доказаны теоремы, обосновывающие стратегии оптимального управления вычислительными ресурсами неоднородных вычислительных сред.

3. Разработаны методы управления вычислительными ресурсами неоднородных вычислительных сред, позволяющие реализовать вышеназванные стратегии при решении задач имитационного моделирования.

4. Создана и исследована математическая модель работы канального умножителя, учитывающая новый метод вычисления числа и энергии вторичных электронов и влияние поля канала.

5. С использованием созданных методов управления распараллеливанием вычислений был разработан способ компрессии и декомпрессии статистических изображений и видеоинформации в цифровой форме.

Практическая значимость работы состоит в следующем:

1. В разработке программного комплекса, позволяющего осуществлять поддержку и управление оптимальным распределением вычислительных ресурсов локальной сети, в ходе имитационного моделирования.

2. Предложенный в работе метод позволяет расширить класс научных и инженерных задач решаемых методами имитационного моделирования и требующих больших вычислительных ресурсов.

3. Разработанная новая модель работы канального умножителя позволит усовершенствовать существующие и создавать новые технологии и устройства, работа которых основана на канальном усилении потока электронов.

4. Предложенные подходы были реализованы и нашли практическое применение в следующих проектах:

• в создании программы имитационного моделирования работы канального умножителя (далее КУ), позволяющей осуществлять оптимальное управление процессом распараллеливания задачи моделирования и анализа различных физических процессов происходящих в КУ;

• в создании программы компрессии и декомпрессии статистических изображений и видеоинформации в цифровой форме;

• в создании программного комплекса проведения экспертизы документов с целью поиска плагиата при написании дипломных работ студентов ВУЗа.

Достоверность и обоснованность научных положений, выводов и практических рекомендаций подтверждается аналитическими выкладками и совпадением полученных в результате проведенных экспериментов данных с теоретическими выводами. На защиту выносятся:

• формальные постановки задач поиска оптимальных стратегий распределения вычислительных ресурсов МВК;

• результаты аналитических исследований построенных математических моделей;

• алгоритмы поиска оптимальных стратегий распределения ресурсов МВК, базирующиеся на результатах исследования построенных математических моделей;

• программные средства управления работой сети Grid, реализующие созданные алгоритмы;

• результаты экспериментального анализа эффективности созданных программных средств управления ресурсами сети Grid;

• анализ работы канального умножителя с целью эффективного управления процессом распараллеливания имитационной модели работы канального умножителя.

• модели имитационного моделирования и анализа работы канального умножителя.

• результаты имитационного моделирования работы канального умножителя в Grid сети;

Апробация и реализация работы.

Основные результаты диссертации докладывались на: Всероссийской Научно-технической дистанционной конференции «Электроника» (Москва 19-23 ноября 2001);

- Международной конференция «Новые информационные технологии в науке, образовании, экономике» (Владикавказ 2002);

- Международной научно-техническая конференция «Информационные технологии и системы: новые информационные технологии в науке, образовании, экономике» (Владикавказ 2002);

- Десятой Всероссийской межвузовской научно-технической конференции студентов и аспирантов «Микроэлектроника и информатика -2003» (Москва.МИЭТ 2003);

- V международной конференции «Устойчивое развитие горных территорий: проблемы и перспективы интеграции науки и образования» (Владикавказ. 2123 сентября 2004);

- Всероссийской научной конференции студентов, аспирантов и молодых ученых (Нальчик 2006);

Международной научно-технической конференция «ИТ-Технологии: развитие и приложения» (Владикавказ 2008).

- На ежегодных научно-практических конференциях СКГМИ (ГТУ) и на семинарах кафедры автоматизированной обработки информации СКГМИ.

Разработанные методы эффективного управления ресурсами Grid сети и реализованное на их основе системное и прикладное программное обеспечение введены в опытную эксплуатацию в Северо-Кавказском горнометаллургическом университете, а также использованы при разработке прикладных программ в ходе выполнения научно-исследовательских работ:

1. «Математическое моделирование физических процессов в микроканальных пластинах приборов ночного видения». (Код проекта 03.03.001) В рамках федеральной целевой программы и при финансовой поддержке Министерства образования РФ 2001-2002 г.

2. «Исследование шумовых характеристик микроканальных пластин на основе нелинейной модели усиления» (Код проекта 05.01.001). В рамках Научно-технической программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» 2003-2004 г.

3. «Совершенствование Grid-технологий обработки данных на базе

экономико-математических моделей» в рамках аналитической

8

ведомственной целевой программы "Развитие научного потенциала высшей школы (2007 год)".

4. «Разработка технологии многокритериальной оптимизации программных кодов в однородных вычислительных средах». Корпорация Intel (2006-2007 годы).

5. В разработке системы проведения экспертизы документов с целью поиска плагиата при написании дипломных работ студентов ВУЗа.

6. При разработке модели компрессии и декомпрессии статических изображений и видеоинформации в цифровой форме.

Структура и объем диссертации. Диссертация состоит из 123 страниц текста и содержит: введение, четыре главы, заключение, список литературы из 136 наименований, 28 рисунков, 56 формул, 8 таблиц.

Основные публикации по теме диссертации. В рецензируемых научных изданиях рекомендованных ВАК:

1. Проскурин А.Е. Эффективное использование ресурсов GRID-сетей в имитационном моделировании//Вестник Нижегородского университета им. Н.И.Лобачевского, №2, Нижний Новгород 2009г., стр. 141-144

Патент на изобретение:

Пат. 2339082 Российская федерация, МПК G06T9/00, Н03М7/30, H04N7/30 Способ компрессии и декомпрессии статических изображений и видеоинформации в цифровой форме. / Гроппен В.О., Проскурин А.Е., Соколова Е.А.; Заявители и патентообладатели Гроппен В.О. (RU), Проскурин А.Е. (RU), Соколова Е.А. (RU). - 2007129867; заявл. 03.08.2007; опубл. 20.11.2008, Бюл. № 33 - 4 с.:ил В других изданиях:

2. Проскурин А.Е., к.т.н. Перепелицын В.В. Распараллеливание задачи моделирования сложных физических процессов с использованием локальных вычислительных сетей // Труды СКГТУ, вып. №9. Владикавказ. 2002. С. 185189.

3. Проскурин А.Е. Анализ амплитудного спектра в канальном умножителе //Десятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов. «Микроэлектроника и информатика -2003» Москва. МИЭТ, 2003, С. 234.

4. Проскурин А.Е. Влияние статистических распределений на усилительные и шумовые свойства канальных умножителей //НТЖ «Информационные технологии моделирования и управления», Выпуск 8(33), Воронеж 2006 г., стр. 986-990.

5. Соколова Е.А., Проскурин А.Е. Поиск оптимального решения при использовании метода вариабельных фрагментов // Материалы ВНК студентов, аспирантов и молодых ученых, том 2, Нальчик 2006 г, стр. 260261.

6. Проскурин А.Е. Минимизация времени исследования нелинейной математической модели поля поверхностного заряда в канальном умножителе //Международная научно-техническая конференция «ИТ-Технологии: Развитие и приложения», Владикавказ 2008, стр. 40

7. Проскурин А.Е. О времени пролета в модели усиления МКП, использующей метод Монте-Карло//Международная научно-техническая конференция «ИТ-Технологии: Развитие и приложения», Владикавказ 2008, стр.10

8. Проскурин А.Е., Культякина Т. Анализ эффективности стратегий использования ресурсов неоднородных вычислительных сетей// Международная техническая конференция «ИТ-Технологии и системы: Наука и практика» Владикавказ 2009, Том 2, с. 129-132.

9. С.В.Гречаный, Ш.М.Мансуров, А.С.Мирошников, А.Ю.Петров, А.Е.Проскурин, Е.А.Соколова Паралельная обработка изображений// под редакцией В.О.Гроппена Владикавказ, 2009 Том 1

10. Проскурин А.Е., Перепелицын В.В. Моделирование угловых характеристик вторичных электронов в канальном умножителе// Материалы

IX международной юбилейной НТК «ИТ-Технологии: развитие и приложения» Владикавказ 2010, с.126-130.

11. Проскурин А.Е., Перепелицын В.В. Имитационное моделирование пятна рассеяния электронов каналового умножителя // Материалы XII международной юбилейной НТК «ИТ-Технологии: развитие и приложения» Владикавказ 2011, с.79-82.

12. Проскурин А.Е. Оценка эффективности энергосбережения компьютера при использовании технологии кэширования // Материалы XIII международной НТК «ИТ-Технологии: развитие и приложения» Владикавказ 2012, с.298-301

Глава 1 Аналитический обзор существующих подходов к повышению быстродействия имитационных моделей

1.1 Анализ существующих методов имитационного моделирования

Традиционно математические модели разделяют на две группы: аналитические и имитационные. Аналитические модели можно записать в виде системы уравнений, записанных и решенных в символьной форме. Аналитическая модель является статической и не позволяет получить решение в виде статистических распределений для стохастических задач. Такая модель в основном используется для решения несложных задач и объектов, имеющих слабую связь с реальными физическими моделями [6].

Имитационным моделированием называется метод исследования, при котором изучаемая система заменяется моделью, которая с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Проведение эксперимента с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте). Реальные физические процессы можно исследовать при помощи аналитических и имитационных моделей. Имитационное моделирование представляет собой численный метод проведения на ЭВМ вычислительных экспериментов с математическими моделями, имитирующими поведение реальных объектов, процессов и систем в заданном интервале времени работы [7].

"Имитационное моделирование" (ИМ) - это двойной термин.

"Имитация" и "моделирование" - это синонимы. Фактически все области

науки и техники являются моделями реальных процессов. Чтобы отличить

математические модели друг от друга, исследователи стали давать им

дополнительные названия. Термин "имитационное моделирование" означает,

что мы имеем дело с такими математическими моделями, с помощью

которых нельзя заранее вычислить или предсказать поведение системы, а для

12

предсказания поведения системы необходим вычислительный эксперимент (имитация) на математической модели при заданных исходных данных [8]. Основные достоинства ИМ [9]:

1. Возможность описания поведения компонент (элементов) процессов или систем на высоком уровне детализации;

2. Отсутствие ограничений между параметрами ИМ и состоянием внешней среды;

3. Возможность исследования динамики взаимодействия компонент во времени и пространстве параметров системы;

Однако ИМ наряду с достоинствами имеет и недостатки [9]:

1. Разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует больших временных затрат.

2. Может оказаться, что ИМ неточна, и не в состоянии измерить степень этой неточности.

3. Зачастую исследователи обращаются к ИМ, не представляя тех трудностей, с которыми они встретятся и совершают при этом ряд ошибок методологического характера.

Но тем не менее, ИМ является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных процессов и систем.

Методы повышения быстродействия в имитационном моделировании

Для решения проблемы повышения быстродействия в задачах имитационного моделирования в последнее время применяют технологии параллельных вычислений [10-11].

Параллельное имитационное моделирование предполагает, что вычислительный эксперимент на основе имитационной модели выполняется на нескольких процессорах многопроцессорной ЭВМ. Выполнение вычислительного эксперимента с имитационной моделью на нескольких компьютерах, объединённых в сеть, можно рассматривать как распределённое имитационное моделирование [12].

В своих работах, Р. Фуджимото (Я. РцрпкЛо) изложил причины перехода к параллельному и распределённому имитационному моделированию [13]:

- Использование X компьютеров, объединённых в сеть, при проведении имитационного моделирования, позволит уменьшить время выполнения вычислений в X раз.

— Требование имитационных моделей к вычислительным ресурсам и объему оперативной памяти растут вместе со сложностью самих задач. Использование ресурсов компьютеров объединенных в вычислительную сеть, позволит снизить эти требования.

- Распределенные вычислительные систему позволять объединять несколько имитационных моделей в одну распределённую среду имитационного моделирования.

— Также использование распределенных вычислений при имитационном моделировании даст возможность проводить исследования над одной задачей нескольким пользователям , находящимся в разных точках Земли одновременно.

Кроме того, используя распределённую систему моделирования с удалённым доступом через Интернет, можно сдать в «аренду» неиспользуемые в данный момент времени вычислительные ресурсы [14].

В последнее время наибольшую популярность получила распределенная система поиска криптографических ключей при генерации электронных денег, таких как ВкСот и ЪкеСот [15,16].

Также стоит отметить такое преимущество от использования распределённых систем, как повышенная надёжность: под надёжностью полагается продолжение выполнения имитационного эксперимента, несмотря на то, что какой либо из процессоров (компьютеров) выходит из строя. В этом случае его работа распределяется на другие процессоры [17].

1.2 Анализ современных технологий распределенных вычислений

Как указывалось выше, одним из основных направлений компьютерных технологий настоящего времени является технология распределения вычислений, другим направлением является интеграция. Данная технология применяется в таких областях как реляционные базы данных, системы искусственного интеллекта, операционные системы и т.п. Появление распределенных систем для имитационного моделирования - еще одно проявление этой тенденции [18-19].

Существует два направления, которые имеют созвучное наименование: «распределенные вычислительные системы» и «параллельные вычислительные системы». Их необходимо разделить, чтобы не возникало неоднозначности [20].

Параллельные вычислительные системы

Параллельные вычислительные системы — это физические компьютерные, а также программные системы, реализующие тем или иным способом параллельную обработку данных на многих вычислительных узлах. Данный термин обычно применяется к суперкомпьютерам для того, чтобы подчеркнуть использование многопроцессорной архитектуры [21-22].

Многопроцессорный компьютер

Многопроцессорный компьютер представляет собой набор процессоров, объединённых коммуникационной системой. В отличие от компьютерных сетей, процессоры однородны и располагаются на одной коммуникационной шине. В многопроцессорном компьютере вычисления выполняются в независимых потоках, каждый из которых выполняется на своем процессоре, это позволяет уменьшить время вычисления. [23-24].

В таких системах необходимо следить за равномерной загрузкой всех

узлов системы с целью снижения верхней границы времени счета для

15

решаемой задачи. Для этого применяют различные методы балансировки. Статические, когда распределение загрузки вычислительных узлов проводят до начала работы системы и динамические [25].

Для повышения эффективности работы системы решаемую задачу разбивают на отдельные модули. В этом случае программа представляет собой набор последовательных взаимодействующих процессов. Каждый процесс при этом является реализацией хорошо определенной, простой задачи [26].

Распределённые вычислительные системы

Распределенная система образуется в результате объединения независимых компьютеров в вычислительную сеть. Все компьютеры вычислительной системы являются автономными. Распределенная система позволяет объединить между собой аппаратно разнородные машины. Программное обеспечение распределенных систем называется промежуточным уровнем и позволяет согласовывать работу между верхним и нижним уровнем программного обеспечения. Верхний уровень отвечает за работу пользовательских приложений, а нижний уровень представляет собой операционные системы независимых компьютеров [27-29].

Независимые компьютеры, представляющие собой узлы распределенной системы, являются взаимосвязанными, и имеют возможность обмена информацией.

В свою очередь взаимосвязанный набор автономных процессов и процессоров также могут являться узлами распределенной системы, даже если они выполняются на одной аппаратной платформе. Таким образом, распределённой системой можно считать локальные и глобальные сети, мультипроцессорные вычислительные системы и взаимодействующие процессы, которые выполняются на одном компьютере [30].

Технология GRID вычислений

Глобальная GRID-система представляет собой множество отдаленных друг от друга участников вычислений, которые предоставляют возможность пользоваться своими вычислительными ресурсами по определенным правилам взаимодействия, при помощи соответствующего программного обеспечения [31].

Технология Grid позволяет создать объединенную вычислительную сеть из множества региональных сетей, доступных широкому кругу пользователей. Авторами Grid технологии являются сотрудник Аргонской Национальной Лаборатории Университета города Чикаго Ян Фостер (Ian Foster) и сотрудник Института Информатики Университета Южной Калифорнии Карл Кессельман (Carl Kesselman) [32].

Суть технологии Grid-вычислений заключается в использовании распределенных ресурсов для решения различных задач. Данный метод позволяет получить вычислительные ресурсы, мощность которых может превышать возможности известных суперкомпьютеров. Часто процессорные мощности рабочих станций используются не в полном объеме, поэтому Grid сети позволяют использовать простаивающих вычислительных ресурсы [33].

Технология Grid вычислений была описана американскими учеными Фостер, Кессельман, Ник и Тукке в научных работах "Анатомия GRID" и "Физиология GRID" [34,35].

Авторы дали определение термину Computing Grid: "Вычислительная Grid - это программно-аппаратная инфраструктура, которая обеспечивает из любого места в мире надежный, согласованный и недорогой доступ к высокоэффективным вычислительным ресурсам" [36].

Возможность использования в качестве элементов GRID недорогих компьютеров с условно-бесплатной операционной системой на основе LINUX способствовала широкому распространению и использования GRID вычислений [37].

Информационная инфраструктура крупных предприятий включает десятки и сотни серверов. И хотя производительность компьютерных систем удваивается каждые полтора года, по мере усложнения решаемых задач, возрастания объемов обрабатываемых данных все острее ощущается дефицит вычислительных ресурсов. Серверы приложений и баз данных перегружены. Снижение же нагрузки за счет расширения парка вычислительной техники требует новых инвестиций в информационную инфраструктуру, что повышает совокупную стоимость владения [38].

Очевидно, что экстенсивный путь развития информационной инфраструктуры себя исчерпал. В то же время вычислительная техника порой используется нерационально. Перегруженность сетевых ресурсов зачастую связана с неравномерным распределением нагрузки: часть компьютеров подолгу простаивает, в то время как другие функционируют в пиковом режиме. Высшая степень консолидации всех ресурсов, максимальное использование каждой единицы вычислительной техники в единой корпоративной сети достижимы при реализации стратегии сети распределенных вычислений - Grid Computing [39].

Пользователь Grid сети может в любое время и в любом месте использовать все возможные ресурсы вычислительные ресурсов для решения своей задачи. Так же система Grid вычислений способна эффективно управлять вычислительными мощностями сети, распределяя запросы в соответствии с возросшими требованиями. Основная идея заключается в обеспечении эффективного использования составляющих ее ресурсов. Для этого программное обеспечение должно оценивать загруженность элементов Grid сети и с целью оптимального распределения задач [40].

Список литературы диссертационного исследования кандидат наук Проскурин, Александр Евгеньевич, 2014 год

Литература

1. Воеводин B.B. Вычислительная математика и структура алгоритмов //Издательство МГУ, 2006 г.

2. Забродин A.B. Параллельные вычислительные технологии. Состояние и перспективы// Москва 1999 г.

3. «Научный потенциал и инновационная активность в России»// Статистический сборник. [Электронный ресурс]

http://www.riep.ru/publications/nauchnyy-potentsial-i-innovatsionnaya-aktivnost-v-rossii/ (дата обращения 29.05.2013)

4. Проскурин А.Е. Эффективное использование ресурсов GRID-сетей в имитационном моделировании//Вестник Нижегородского университета им. Н.И.Лобачевского, №2, Нижний Новгород 2009г., стр. 141-144

5. «Способ оптимизации параллельной обработки информации для минимизации ее стоимости» Патент Российской Федерации №2191424 G06F17/00 2002 г.

6. Габалин A.B. Применение математических моделей для прогнозирования и планирования развития систем. [Электронный ресурс] http://labl8.ipu.rU/projects/conf2010/2/6.htm (дата обращения 29.05.2013)

7. Хемди A. Taxa Имитационное моделирование // Введение в исследование операций = Operations Research: An Introduction. - 7-е изд. - M.: "Вильяме", 2007. - С. 697-737. - ISBN 0-13-032374-8

8. Строгалев В. П., Толкачева И. О. Имитационное моделирование. — МГТУ им. Баумана, 2008. — С. 697-737.

9. Введение в имитационное моделирование. [Электронный ресурс] http://tgspa.ru/info/education/faculties/ffi/impi/materials/computer_modeling/imit_ modelirovanie.pdf (дата обращения 29.05.2013)

10. Richard Е. Nance. Distributed Simulation With Federated Models: Expectations,

Realizations And Limitations. In Proceedings of the 1999 Winter Simulation Conference. P. A. Farrington, H. B. Nembhard, D. T. Sturrock, and G. W. Evans, eds. pp. 1026-1031.

11. Enver Yucesan, Yah_Chuyn Luo, Chun-Hung Chen, Insup Lee. Distributed Web-based Experiments for optimization. Simulation Practice and Theory 9 (2001) pp.73-90.

12. Richard A. Meyer, Rajive Bagrodia. Parsec User Manual. Release 1.1., UCLA Parallel Computing Laboratory, 1998 pcl.cs.ucla.edu/projects/parsec

13. Richard M. Fujimoto. Distributed Simulation Systems. In Proceedings of the 2003 Winter Simulation Conference S. Chick, P. J. Sánchez, D. Ferrin, and D. J. Morrice, eds. pp. 124- 134

14. Миков А.И., Замятина Е.Б., Фирсов A.H. Инструментальные средства удалённого параллельного моделирования. В кн. Proceedings of XXII International Conference "Knowledge-Dialogue-Solution".- FOI-COMMERCE, Sofia, 2006, pp. 280-287.

15. How does Bitcoin work [Электронный ресурс] http://bitcoin.org/en/about (дата обращения 29.05.2013)

16. Что такое Litecoin? [Электронный ресурс] http://litecoin.org/ru (дата обращения 29.05.2013)

17. В.Г. Олифер, Н.А. Олифер Компьютерные сети Принципы, технологии, протоколы // Издательство. Питер, 4-е издание. 2010. - 943 с.

18. Воеводин В.В. Основные классы современных параллельных компьютеров // Лаборатория НИВЦ МГУ. [Электронный ресурс] http://www.parallel.ru/computers/classes.html (дата обращения 29.05.2013)

19. Almasi, G.S. and A. Gottlieb (1989). Highly Parallel Computing. Benjamin-Cummings publishers, Redwood City, CA

20. A.B. Родин, В. JI. Бурцев Параллельные или распределенные вычислительные системы// Компьютерные системы и технологии. Научная серия МИФИ-2006 Том 12 с 151.

21. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. - СПб.: БХВ-Петербург, 2002.-608с.

22. Головкин Б.А. Параллельные вычислительные системы. - М.: Наука, 1980. - 519 с.

23. Бурцев B.C. Принципы построения многопроцессорных вычислительных комплексов «Эльбрус». - Препринт. - М:. 1977. - 53с.

24. Игнатущенко В.В. Организация структур управляющих многопроцессорных вычислительных систем. - М.: Энергоатомиздат, 1984. - 184 с.

25. Бабаян Б.А. Основные принципы программного обеспечения МВК. «Эльбрус». - Препринт. - М., 1977. - 12 с.

26. Бабаян Б.А., Сахин Ю.Х. Система «Эльбрус» // Программирование 1980-№6.-С. 72-86.

27. Таненбаум Э. Распределенные системы: принципы и парадигмы. - СПб: Питер, 2003.- 877 с.

28. Gerard Tel. Introduction to Distributed Algorithms. Cambridge University Press, 1994, 534 p.

29. Comfort J.C. The Simulation of master-slave event set processor. Simulation.42.3 (1984) pp.117-124.

30. Замятина Е.Б. Современные теории имитационного моделирования. [Электронный ресурс] http://www.twirpx.com/file/106342/ (дата обращения 29.05.2013)

31. А.П. Демичев, В.А. Ильин, А.П. Крюков Введение в грид-технологии // Препринт НИИЯФ МГУ - 2007 - 11/832 Москва 2007

32. Фостер Я., К. Кессельман, С. Тьюке. Анатомия Грид. Создание масштабируемых Виртуальных Организаций.// Технологии грид. Том 2. - М. ИПМ им. М.В. Келдыша, 2006

33. Абрамов С.М., Коряка Ф.А.,Московский A.A. Региональные grid-сети [Электронный ресурс] http://www.osp.ru/pcworld/2005/08/170660/ (дата обращения 29.05.2013)

34. Foster, С. Kesselman, S. Tuecke. The Anatomy of the Grid: Enabling

Scalable Virtual Organizations. // International Journal. Supercomputer Applications, 15(3),2001.

35. Foster, C. Kesselman, J. Nick, S. Tuecke, The Physiology of the Grid: An Open Grid Services Architecture for Distributed Systems Integration. // Open Grid Service Infrastructure WG, Global Grid Forum, June 22, 2002

36. M. Ривкин ORACLE и коммерческая GRID [Электронный ресурс] http://www.citforum.ru/database/oracle/commercial_grid/ (дата обращения 29.05.2013)

37. Сухорослов О.В. "Развитие моделей программирования в GRID" [Электронный ресурс] http://agora.guru.ru/abrau2008/pdf/094.pdf (дата обращения 29.05.2013)

38. Сергей Пахомов Корпоративные серверные платформы нового поколения //Компьютер Пресс №10, 2006г С.4

39. Лукоев О. Возьмемся за руки, ПК..." или на пути к компьютерной общине GRID [Электронный ресурс] http://www.connect.ru/article.asp?id=5105 (дата обращения 29.05.2013)

40. Методы перераспределения ресурсов [Электронный ресурс] http://elcomrevue.ru/metodyi-pereraspredeleniya-resursov/ (дата обращения 29.05.2013)

41. Семенов Ю.А. Исследование нового транспортного протокола NTCP и сравнение его характеристик с известными моделями традиционного TCP // Отчет по гранту РФФИ 06-07-89055, 2006 г.

42. А Антонов Под законом Амдала//"Компьютерра" №5 11 февраля 2002 года

43. Семёнов Ю.А. Телекоммуникационные технологии// ГНЦ ИТЭФ, 2013 г.

44. Hudson, "Multilink Frame Relay: Expanding the Limits of Tl," Tiara Networks, FRF News, 4th Quarter 1999.

45. Minoli D. A Collection of Potential Network-Based Data Services,

i Bellcore/Telcordia Special Report, SR-NPL-000790, 1987, Piscataway, NJ

I

j

46. Buda G., Choi D., Graveman R.F., Kubic C. "Security Standards for the Global Information GRID," in Military Communications Conference, 2001. MILCOM 2001.

47. "Kansai EPC Chooses IBM for GRID Computing Development, RBC Insurance, Royal Dutch Shell and Kansai Electric Power Newest IBM GRID Customers," IBM Press Release, 28 Apr 2003. IBM Corporation, 1133 Westchester Avenue, White Plains, New York 10604, www.ibm.com

48. Jason Liu. "Parallel Real-time Immersive Modeling Environment. User's manual". Colorado School of Mines, June 9, 2006.

49. Космическая газодинамика, под ред. Х.-Дж. Хабинга, пер. с англ., М., 1972 г.

50. Бочкарев Н. Г. Основы физики межзвездной среды// Либроком. 2010 г

51. Абрамов О.В. Параметрический синтез стохастических систем с учетом требований надежности.//М.: Наука, 1992.

52. Барский А.Б. Параллельные технологии решения оптимизационных задач.// М.: Машиностроение, 2001.-25 с.

53. О.В. Абрамов, Я.В.Катуева. Использование технологии параллельных вычислений в задачах анализа и оптимизации.// Проблемы управления, 2003, №4, с. 11-15.

54. Бабенко Л.К., Мишустина Е.А., Методическое пособие по изучению современных методов криптоанализа //Таганрог: ТРТУ, 2003г., -74 с.

55. Тархов Д.А. Нейронные сети. Модели и алгоритмы //Радиотехника, 2005 г., 256 с.

56. Каллан Р. Основные концепции нейронных сетей//Вильямс, 2002 г.,287 с.

57. Hartswood М, Jirotka М, Procter R, Slack R, Voss A, Lloyd S. Working IT out in e-Science: experiences of requirements capture in a HealthGrid project // Stud Health Technol Inform. 2005;112:198-209.

58. Claerhout B, De Moor GJ. Privacy protection for HealthGrid applications.// Methods InfMed. 2005;44(2): 140-3.

59. Марчуков В. С., Кочнова И. В. Автоматизированное выделение объектов заданного размера на аэрокосмических изображениях с использованием параллельной обработки. //Известия вузов. Геодезия и аэро-фотосъёмка, 2004, №3. с. 151-157.

60. Капралов Е.Г., Кошкарев А.В., Тикунов B.C. и др. Основы геоинформатики // Уч. пособие. - М.: Изд. центр «Академия», 2004. - 480 с.

61. Гарбук С.В., Гершензон В.Е. Космические системы дистанционного зондирования Земли. - М.-: Изд-во А и Б, 1997. - 296 с.

62. Пекунов В.В., Ясинский Ф.Н. Параллельное решение задачи численного моделирования распространения загрязнений в воздушном бассейне большого города и в окрестности предприятия: Препринт № 36 // Институт прикладной математики им. М.В. Келдыша РАН. - М., 2003.

63. Buyya R., Abramson D., Giddy J., Stockinger H. Economic Models for Resource Management and Scheduling in Grid Computing, Special Issue on Grid Computing Environments // The Journal of Concurrency and Computation: Practice and Experience (CCPE), Wiley Press, USA, May 2002.

64. Абламейко C.B., Абрамов C.M., Анищенко B.B., Парамонов Н.Н., Чиж О.П. Суперкомпьютерные конфигурации СКИФ. Минск: ОИПИ НАН Беларуси, 2005, цв. ил. — 170 с. —ISBN 985-6744-19-9.

65. С.М. Абрамов, В.Ф. Заднепровский, А.Б. Шмелев, А.А. Московский. 2009. Супер ЭВМ ряда 4 семейства СКИФ: штурм вершины суперкомпьютерных технологий. // Труды Международной научной конференции «Параллельные вычислительные технологии (ПаВТ'2009)», Нижний Новгород, 30 марта-3 апреля 2009 г., изд. Нижегородского государственного университета имени Н.И. Лобачевского, с. 5-16. ISBN 9785-696-03854-4.

66. Тузиков А.В., Анищенко В.В.,Криштофик A.M., Национальная грид-сеть республики Беларусь: состояние и перспективы развития//Четвертая Международная конференция "Суперкомпьютерные системы и их

применение" (SSA'2012) доклады конференции (23-25 октября 2012 г, Минск) . - Минск ОИПИ HAH Беларуси, 2012. - С.12-17

67. Béseos С, Schmitt D, Kass J, Garcia-Barbero M, Kantchev P. Interoperability and HealthGRID.Methods Inf Med. 2005;44(2): 190-2.

68. Массимо Коппола, Брайан Мэттьюс Поддержка виртуальных организаций средствами операционной системы для grid [Электронный ресурс] http://www.osp.ru/os/2008/04/5113649/ (дата обращения 29.05.2013)

69. Бролинский С.М., Мельниченко И.А. Виртуальные Grid системы на основе Cloud computing [Электронный ресурс] http://hpc-ua.org/hpc-ua-12/files/proceedings/2l.pdf (дата обращения 29.05.2013)

70. Concepción A.I. A hierarchical computer architecture for distributed simulation, IEEE Transactions on Computing C-38.2 (1989) 311-319.

71. Гнеденко Б.В., Коваленко И.Н. Введение в теорию массового обслуживания, М.: ЛКИ. 2007. - 400с.

72. Григорович Г.А., Степанова C.B. Элементы теории массового обслуживания. - Владикавказ: Изд-во «Терек», 35с.

73. Барбан А.П. Метод диспетчеризации параллельных структурированных программ, в однородных вычислительных системах // Электронное моделирование - 1983. - № 2. — С.

74. Барский А.Б. О построении диспетчеров для вычислительных систем // Изв. АН СССР. Техническая кибернетика. - 1971. - №1. - С. 113-118.

75. Fujimoto Richard M. Parallel discrete event simulation // Commun. ACM. — 1990. — Окт. — T. 33, No 10. — С. 30-53. — ISSN: 0001-0782. — DOI: 10.1145/84537.84545.

76. Миков А. И. Моделирование вычислительных систем. Учебное пособие по спецкурсу.-Пермь, Перм. ун-т, 1982, 96 с.

77. Киндлер Е. Языки моделирования. - М.:Энергоатомиздат,1985.-288с.

78. Шрайбер Т.Дж. Моделирование на GPSS.-M.:ManiHpocTpoeHHe, 1980.

79. S.W. Reichenthal. The Simulation Reference Markup Language (SRML): a foundation for representing BOMs and supporting reuse. - Boeing, 2002.

80. Окольнишников B.B. Распределённая система имитационного моделирования. Труды Всероссийской научно-практической конференции «Методы и средства обработки информации», МСО-2003, М.: Издательский отдел факультета ВМиК МГУ, М.:МГУ,2005,-стр. 468-474.

81. Грибов Д.И., Смелянский P.JI. Комплексное моделирование бортового оборудования летательного аппарата. Труды Всероссийской научно-практической конференции «Методы и средства обработки информации», МСО-2005, М.: Издательский отдел факультета ВМиК МГУ, М.:МГУ,2005,-стр. 59-76.

82. Fujimoto Richard М. Parallel and Distributed Simulation Systems. — 1st ed. — New York, NY, USA: John Wiley & Sons, Inc., 2000.

83. R. Fujimoto, A. Malik, and A. Park, "Parallel and distributed simulation in the cloud," SCS M&S Magazine, vol. 3, 2010.

84. IEEE Standard for Modeling and Simulation (M&S) High Level Architecture (HLA) [Электронный ресурс] http://standards.ieee.org/findstds/standard/1516-2010.html (дата обращения 29.05.2013)

85. Fujimoto R. M. Time management in the high level architecture//Simulation. 1998. Vol. 71, N 6. P. 388^400

86. Wilson, A.L and Weatherly, R.M. (1994). "The Aggregate Level Simulation Protocol: An Evolving System," In: Proceedings ogthe 1994 Winter Simulation Conference, pp. 781-787, Lake Buena Vista, Fl, 11-14 December.

87. Seidel, D. (1993). "Aggregate Level Simulation Protocol (ALSP) Program Status and History," The MITRE Corporation, McLean, VA, 22102, March.

88. OpenFOAM [Электронный ресурс] http://ru.uimech.org/node/248 (дата обращения 29.05.2013)

89. OpenFOAM [Электронный ресурс] http://fap.sbras.ru/node/208 (дата обращения 29.05.2013)

90. Распараллеливание в OpenFOAM [Электронный ресурс] http://www.extra.os-cfd.ru/ (дата обращения 29.05.2013)

91. OpenFOAM 141 parallel results [Электронный ресурс] http://www.cfd-online.com/Forums/openfoam-solving/59308-openfoam-141 -parallel-results-infiniband-vs-gigabit-vs-smp.html (дата обращения 29.05.2013)

92. Официальный сайт The MathWorks [Электронный ресурс] http://www.mathworks.com/ (дата обращения 29.05.2013)

93. A WS For High Performance Cloud Computing - NASA, MATLAB [Электронный ресурс] http ://aws.typepad.com/aws/2010/09/high-performance-cloud-computing-nasa-matlab.html. (дата обращения 29.05.2013)

94. Евгений Михайлов, Алексей Померанцев MatLab Руководство для начинающих [Электронный ресурс]

http://rcs.chemometrics.ru/Tutorials/matlab.htm (дата обращения 29.05.2013)

95. Замятина Е.В., Осмехин К.А. Принципы проектирования алгоритма динамической балансировки в распределенной системе имитационного моделирования. Рецензируемый научно-технический журнал «Известия белорусской инженерной академии», 2005. - №1(19)/2 2005. - С.54-55.

96. Миков А.И.., Замятина Е.Б., Осмехин К.А. Метод динамической балансировки процессов имитационного моделирования. В кн. «Материалы Всероссийской научно-технической конференции «Методы и средства обработки информации МСО-2005».г.Москва,3 октября 2005,стр.472-478 г.

97. А.Е.Проскурин Анализ амплитудного спектра в канальном умножителе //Десятая всероссийская межвузовская научно-техническая конференция студентов и аспирантов. «Микроэлектроника и информатика -2003» Москва, МИЭТ, 2003, С. 234.

98. Гроппен В.О., Бруштеин Е.И., Доев А.К., Чумаков В.Г., Имитационные модели в управлении твердосплавным производством. // Цветная металлургия. 1975. №5, с. 76.

99. Гроппен В.О. Управление системой оптимальной параллельной обработки информации в ЛВС: модели, алгоритмы, интерфейс. // Автоматика и телемеханика. 2001. № 6. с.151 - 167.

100. Гроппен В.О., Томаев М.Х. Модели, алгоритмы и средства программной поддержки проектирования оптимальных программных продуктов. // Автоматика и телемеханика. 2000. № 11. с. 175- 183.

101. Гроппен В.О. Решение задач многокритериальной оптимизации и ранжирования объектов методом эталонов. // Телекоммуникации и информатизация образования. М.. 2006. № 2. с. 14-31.

102. Проскурин А.Е. Распараллеливание вычислений при помощи ЛВС для моделирования сложных физических процессов. //Межвузовская НПК Новые информационные технологии и их применение. Мин. образование РФ, Институт прикладной математики и информатики ВНЦРАН, СОГУ. Владикавказ 2001. Издательство Владикавказкого научного центра С. 116117.

103. Проскурин А.Е. Эффективное использование ресурсов GRID-сетей в имитационном моделировании//Вестник Нижегородского университета им. Н.И.Лобачевского, №2, Нижний Новгород 2009г., Издательство Нижегородского университета стр. 141-144

104. Проскурин А.Е., Культякина Т. Анализ эффективности стратегий использования ресурсов неоднородных вычислительных сетей// Международная конференция издано при поддержке РФФИ, Владикавказ 2009 г. Стр. 129-131

105. Руссинович М., Соломон Д. Внутреннее устройство Microsoft Windows: Windows Server 2003, Windows XP и Windows 2000// «Русская Редакция»; СПб.:Питер, 2008 г., ISBN: 978-5-7502-0085-6, С. 990

106. Соколова Е.А., Проскурин А.Е. Поиск оптимального решения при использовании метода вариабельных фрагментов // Материалы ВНК студентов, аспирантов и молодых ученых, том 2, Нальчик 2006 г, стр. 260261.

107. С.В.Гречаный, Ш.М.Мансуров, А.С.Мирошников, А.Ю.Петров, А.Е.Проскурин, Е.А.Соколова Паралельная обработка изображений// под редакцией В.О.Гроппена Владикавказ, 2009 Том 1

108. Шаген П. Электронно-оптические преобразователи с канальным электронным умножением // Достижения в технике передачи и воспроизведения изображений: В 2т. М., 1978. Т.1. С.13-86.

109. Pollen H., Bratton I., Feinhold R. Low Noise Proximity Focused Image Intensifier// Adv.Electron. and Electr. Phis. - 1976.-V.40A.- P.21-31.

110. Guest A.J. A computer model of channel multiplier plate performance// Acta Electrónica. 1971 V.14. №l.P.79-97.

111. Вакуумные фотоэлектронные приборы / А. Г. Берковский, В.А.Гаванин, И.Н.Зайдель и др. M., 1988. 272с.

112. Проскурин А.Е. Распараллеливание вычислений при помощи ЛВС для моделирования сложных физических процессов. //Межвузовская НПК Новые информационные технологии и их применение. Мин. образование РФ, Институт прикладной математики и информатики ВНЦРАН, СОГУ. Владикавказ 2001. С. 116-117.

113. Проскурин А.Е. Использование параллельной обработки информации в ЛВС при моделировании физических процессов с большим объемом вычислений. // Материалы международной конференции «Новые информационные технологии в науке, образовании, экономике». СКГТУ. Владикавказ 2002. С.91-92.

114. Проскурин А.Е. Эффективное использование ресурсов GRID-сетей в имитационном моделировании//Вестник Нижегородского университета им. Н.И.Лобачевского, №2, Нижний Новгород 2009г., стр. 141-144

115. Перепелицын В.В., Плиев A.B., Проскурин А.Е. Математическое моделирование процессов, происходящих в канальном умножителе // Труды СКГТУ. Владикавказ. 2001. С.271-275.

116. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Пер. с англ. -М.,1970. 720с.

117. Перепелицын В.В., Проскурин А.Е., Учет влияния поля канала на глубину влета первичных электронов // Труды СКГТУ, вып. №9. Владикавказ. 2002. С. 189-191

118. Проскурин А.Е., Перепелицын В.В., Вывод соотношений для нахождения пролета электронов в канальном умножителе с учетом угловых распределений// Труды молодых ученых, №3. Владикавказ. 2002. С. 20-23.

119. Фридрихов С.А. Мовин С.М. Физические основы электронной техники// М : Высшая школа, 1982.

120. Бронштейн И.М., Фрайман Б.С. Вторичная электронная эмиссия. -М., 1969.

121. Проскурин А.Е. Влияние статистических распределений на усилительные и шумовые свойства канальных умножителей //НТЖ «Информационные технологии моделирования и управления», Выпуск 8(33), Воронеж 2006 г., стр. 986-990.

122. Бегунов Б.Н.,Заказнов Н.П. и др. Теория оптических систем// М.: Машиностроение, 1984

123. Перепелицын В.В.,Проскурин А.Е. Моделирование угловых характеристик вторичных электронов в канальном умножителе// Материалы 9 международной юбилейной НТК «ИТ-Технологии: развитие и проложения» Владикавказ 2010, с. 126-130

124. Хастингс Н., Пикок Дж. Справочник по статистическим распределениям. - М: Статистика, 1980.

125. Евдокимов В.Н., Кудря A.A. Тютиков A.M. и др. О распределении плотности тока в изображении канала мультидина.//Радиотехника и электроника. 1984.-Т.29.- С.390-392.

126. Берковский А.Г., Гаванин В.А., Зайдель И.Н. Вакуумные фотоэлектронные приборы.- М.: Радио и связь, 1988.

127. Проскурин А.Е., Перепелицын B.B. Анализ амплитудного спектра электронов микроканальной пластины. // Труды молодых ученых Владикавказского научного центра РАН , №3, 2004, С. 11-18

128. Перепелицын В.В., Проскурин А.Е. Влияние некоторых факторов на усиление и шум микроканальных пластин. // Труды молодых ученых Владикавказского научного центра РАН , №4, 2004, С. 15-19

129. Поттер Д. Вычислительные методы в физике: Пер. с англ, -М:Мир, 1975. 292с.

130. Хокни Р, Иствуд Дж. Численное моделирование методом частиц: Пер. с англ. -М:Мир, 1987. - 640с.

131. Беляевский O.A., Минеев В.И., Коробочко Ю.С. Влияние стеночного заряда на работу канальных электронных умножителей.- Вопросы атомной науки и техники. Серия: общая и ядерная физика.- 1988. -Вып.3(43)- С.51-53.

132. Проскурин А.Е. Минимизация времени исследования нелинейной математической модели поля поверхностного заряда в канальном умножителе //Международная научно-техническая конференция «ИТ-Технологии: Развитие и приложения», Владикавказ 2008, стр. 40

133. Вакуумные фотоэлектронные приборы / А. Г. Берковский, В.А.Гаванин, И.Н.Зайдель и др. М., 1988. 272с.

134. Лавренчик В.Н. Постановка физического эксперимента и статистическая обработка его результатов// Энергоатомиздат , Москва, 1986 г. - 272 с.

135. Справочник по прикладной статистике. В 2-х т. Т. 1. - М.: Финансы и статистика, 1989.

136. Львовский E.H. Статистические методы построения эмпирических формул // «Высшая школа», Москва, 1988 г.,239 с.