Программная реализация нейросетевых алгоритмов синтеза оптимальной логической структуры распределенной базы данных

Назначение: Программа предназначена для решения NP-трудной нелинейной целочисленной задачи дискретной оптимизации из области распределенных баз данных. В программе реализованы три нейросетевых алгоритма синтеза оптимальной логической структуры (ОЛС) распределенной базы данных (РБД) по критерию минимума общего времени последовательной обработки множества запросов пользователей.
Область применения: Проектирование и оптимизация логических структур распределенных баз данных.
Используемый алгоритм: В программе реализованы нейросетевые алгоритмы оптимизации, разработанные автором программы:

• НС-ГА-алгоритм (HNN) – эволюционный алгоритм оптимизации, основанный на искусственных нейронных сетях Хопфилда и генетических алгоритмах;
• ТМ-алгоритм (ТМ) – нейросетевой алгоритм оптимизации, основанный на модифицированном табу-поиске;
• РТМ-алгоритм (DTM) – распределенный нейросетевой алгоритм оптимизации, основанный на модифицированном табу-поиске.

Входными данными алгоритмов являются формализованные описания характеристик предметной области задачи, включающие множества пользователей РБД, узлов вычислительной сети (ВС), групп данных канонической структуры РБД и детерминированных запросов, а также ограничения и целевую функцию задачи синтеза ОЛС РБД. Результатом работы алгоритмов является логическая структура РБД в виде множества типов логических записей и их безызбыточного размещения по серверам узлов ВС, обеспечивающие оптимальное значение заданного критерия эффективности функционирования РБД.
Все алгоритмы обладают возможностью останова на субоптимальных допустимых решениях при дефиците вычислительных ресурсов или времени.
Описание реализованных в программе алгоритмов можно найти в следующих статьях:

• Карпунина М.Е. Использование генетических алгоритмов для повышения эффективности работы искусственных нейронных сетей // Известия Академии инженерных наук им. А.М. Прохорова. Бизнес-информатика. / Под ред. Ю.В.Гуляева. – Москва – Н.Новгород: ТАЛАМ, 2005. – 11 с.
• Карпунина М.Е. Табу-машина как средство решения задач дискретной оптимизации: улучшение качества решения и уменьшение времени его нахождения по сравнению с альтернативным методом использования нейросетей Хопфилда. Материалы 1-ой Международной конференции по бизнес-информатике, Россия, Московская область, Звенигород, 2007. – 18 с.
• Babkin E., Karpunina M. Comparative study of the Tabu machine and Hopfield networks for discrete optimization problems // Information technologies’ 2008 – Proceedings of 14th Conference on Information and Software Technologies, IT 2008. – April, 2008. – Kaunas University of Technology, Kaunas, Lithuania. – P.25–41.
• Бабкин Э.А., Карпунина М.Е. Сравнительный анализ использования табу-машины и нейронных сетей Хопфилда для решения задач дискретной оптимизации из области распределенных баз данных // Научно-технический вестник СПбГУ ИТМО. Технологии высокопроизводительных вычислений и компьютерного моделирования. – Санкт-Петербург: Университетские телекоммуникации, 2008. – № 54. – С.120–127.
• Babkin E., Karpunina M. The analysis of tabu machine parameters applied to discrete optimization problems // Proceedings of 2009 ACS/IEEE International Conference on Computer Systems and Applications, AICCSA’2009.  – Rabat, Morocco. – P.153–160. (http://www.congreso.us.es/aiccsa2009);
• Babkin E., Karpunina M. and Aseeva N. Parallel Tabu Search Algorithm for Data Structure Composition // Lecture Notes in Business Information Processing. / J.Grabis and M.Kirikova (Eds.): BIR 2011, LNBIP. – Vol. 90, Perspectives in Business Informatics Research, Part 3. – P.110–123. 
• Babkin E., Karpunina M. A new method of DDB logical structure synthesis using distributed tabu search // Proceedings of International Workshop on Soft Computing Applications and Knowledge Discovery,  – June, 2011. – National Research University Higher School of Economics, Moscow, Russia. – P.1–11.

 Тексты статей доступны по ссылке http://www.scopus.com/authid/detail.url?authorId=55274973600.

Функциональные возможности: Программная реализация алгоритмов не содержит ограничений на максимальное количество пользователей РБД, количество узлов ВС и другие числовые харатеристики задачи. Поэтому они могут быть ограничены лишь размером свободной динамической памяти ЭВМ, объемом ОЗУ. РТМ-алгоритм является наиболее производительным, так как способен работать в параллельном режиме на вычислительном кластере.
Инструментальные средства создания: Язык С++, среда разработки Microsoft Visual Studio 2008, библиотека Microsoft HPC Pack 2008 SDK.