DisCollection.ru

Авторефераты и темы диссертаций

Поступления 25.02.2007

Материалы

загрузка...

Интеллектуальная система поддержки принятия решения на основе нечеткой логики для диагностики состояния сети передачи данных

Кучер Алексей Викторович, 25.02.2007

 

Рисунок 2 – Структура статистического анализатора

- установленное пороговое значение.

При разработке интеллектуальной (экспертной) системы была выбрана нечеткая модель. Это связано с тем, что значительная часть информации о причинах и источниках СА может быть получена только экспертным путем или в виде эвристических описаний процессов. Для определения источников СА СПД была представлена семиуровневой эталонной моделью OSI. Эталонная модель делит задачу перемещения информации между компьютерами через среду сети на семь менее крупных и более легко разрешимых подзадач. Каждая из этих подзадач решается с помощью одного уровня сети (физического, канального, транспортного и т.д.). Поэтому первоначальная задача по диагностике СПД может быть представлена декомпозицией семи задач по диагностике отдельных уровней сети.

QUOTE и одной выходной переменной y:

выберем признаки источников СА. Выходная переменная y представляет собой показатель степени возможности состояния уровня сети.

В модели используются следующие допущения и ограничения:

QUOTE в пределах одного уровня независимы;

на каждом из уровней сети изолируются отдельные сетевые функции;

модель не применима для сетей, не использующих идеологию OSI.

и y QUOTE в соответствии с (4) будем использовать качественные термы из следующих терм-множеств, заданных на универсальном множестве:

- терм-множество переменной y.

Нечеткая база знаний (НБЗ) представлена базой знаний Мамдани с

MISO – структурой:

QUOTE - весовой коэффициент правил в НБЗ с номером jp.

Логический вывод основывается на алгоритме нечеткого вывода Мамдани, формализованное обобщение которого представляется как:

QUOTE (фаззификация переменной y);

из базы знаний (5) определяется следующей системой нечетких логических уравнений:

методом «центра тяжести» функции принадлежности:

QUOTE и y,

QUOTE и y, где QUOTE k - число элементов в дискретизированной области QUOTE D.

, чтобы минимизировать целевую функцию CF (среднеквадратичную невязку)

QUOTE - вектор весовых коэффициентов правил НБЗ.

Задача (6) может быть решена различными технологиями нелинейной оптимизации, среди которых наиболее часто применяются градиентные методы, квазиньютоновские методы, методы квадратичного программирования и генетические алгоритмы.

Третья глава посвящена разработке структуры, алгоритмической и программной реализации ИСППР для диагностики СПД. При разработке структуры ИСППР были использованы методы объектно-ориентированного проектирования, включающего два вида деятельности: проектирование структуры системы и проектирование элементов системы.

Комплексная ИСППР для диагностики СПД содержит набор функциональных компонент, позволяющих максимально автоматизировать и ускорить выработку управляющих воздействий при изменении ситуации в СПД. В состав ИСППР (рисунок 3) входят:

подсистема мониторинга, выполняющая процедуру сбора первичной информации о работе сетевого оборудования и ПО. Источниками информации являются: журналы событий, базы данных управляющей информации (базы MIB) маршрутизаторов, коммутаторов, межсетевых экранов и другого телекоммуникационного оборудования;

Рисунок 3 – Структурa ИСППР для диагностики СПД

QUOTE , определяющую степень серьезности i-й СА. При проведении сигнатурного анализа осуществляется выявление СА в поступающих данных с помощью поиска соответствующих правил аномального поведения, содержащихся в периодически обновляемой базе сигнатур;

нечеткая интеллектуальная (экспертная) система, принимающая информацию об обнаруженных СА. Здесь происходит анализ источников СА и выработка предложений и управляющих воздействий по их устранению. Структура НИС представлена на рисунке 4. В состав НИС входят 12 программных блоков, 7 из которых составляют собственно интеллектуальную систему, а остальные – среду разработки НИС. Поясним назначение тех блоков, которые не упоминались ранее при описании модели НИС.

Блок модифицирования нечеткой базы знаний – осуществляет задание функций принадлежности лингвистических термов методом Саати и заполнение НБЗ.

Блок моделирования – используется для получения графиков и поверхностей, отражающих зависимость выходной переменной от одной или двух входных переменных при фиксированных значениях остальных переменных. Цель подобного моделирования состоит в исследовании поведения объекта в различных областях факторного пространства.

Блок настройки – предназначен для решения задач оптимизации НБЗ с целью повышения качества идентификации нелинейных объектов. Блок выполняет функции запроса обучающей выборки и решения задачи нелинейной оптимизации НБЗ.

Блок тестирования – осуществляет запрос тестирующей выборки и оценку качества идентификации в точках тестирующей выборки.

Архив функций принадлежности – содержит описание и набор стандартных функций принадлежности.

Процесс построения НИС выполняется по следующему алгоритму:

определение характеристик системы – задаются входные и выходные лингвистические переменные и их термы;

определение функций принадлежности лингвистических термов;

формирование НБЗ, описывающей поведение обьекта;

настройка НИС путем решения задач оптимизации с использованием обучающей выборки.

Рисунок 4 – Структура нечеткой интеллектуальной системы