The 17 references with contexts in paper V. Terskov A., D. Sheenok A., I. Kartsan N., В. Терсков А., Д. Шеенок А., И. Карцан Н. (2016) “ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ДЛЯ ОПТИМИЗАЦИИ АРХИТЕКТУРЫ БОРТОВОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ // GENETIC ALGORITHM FOR OPTIMIZATION OF ONBOARD SOFTWARE ARCHITECTURE” / spz:neicon:sustain:y:2014:i:4:p:102-121

1
Kovalev I. Optimal Time Cyclograms of Spacecrafts Control Systems / I. Kovalev, O. Davydenko // Advances in Modeling and Analysis. Vol.48. No 2–3. 1996. AMSE PRESS. P. 19–23.
Total in-text references: 1
  1. In-text reference with the coordinate start=830
    Prefix
    Ключевые слова: генетический алгоритм, бортовое программное обеспечение, программная избыточность, надежность программного обеспечения. Бортовое программное обеспечение (БПО) автоматизированных систем управления спутниковыми системами связи исполняется на различных типах ЭВМ, характеристики которых определяются назначением систем
    Exact
    [1]
    Suffix
    . Эти факторы влияют на рациональный уровень автоматизации проектирования, на трудоемкость и длительность создания программного обеспечения и т.д. Однако принципы и методы проектирования ПО при этом меняются относительно мало.

2
Царев Р.Ю. Программно-аппаратное обеспечение отказо- и катастрофоустойчивых систем управления и обработки информации: монография / А.В. Аниконов, М.Ю. Слободин, Р.Ю. Царев. – М.: Макс-пресс, 2006. – 244 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=1156
    Prefix
    Эти факторы влияют на рациональный уровень автоматизации проектирования, на трудоемкость и длительность создания программного обеспечения и т.д. Однако принципы и методы проектирования ПО при этом меняются относительно мало. БПО, использующееся в АСУ спутниковыми системами связи, обладает всеми свойствами сложных систем
    Exact
    [2]
    Suffix
    . Оно содержит большое количество модулей, тесно взаимодействующих в процессе решения общей целевой задачи. БПО имеет единую цель функционирования – обработку информации и принятие решений для управления объектами, вплоть до формирования соответствующих управляющих воздействий [3].

3
Царев Р.Ю. Оптимизационно-имитационный подход к синтезу автоматизированных систем управления / И.В. Ковалев, М.В. Тюпкин, Р.Ю. Царев, Ю.Д.Цветков // Программные продукты и системы. – 2007. – No 3. – С. 73–74.
Total in-text references: 1
  1. In-text reference with the coordinate start=1436
    Prefix
    Оно содержит большое количество модулей, тесно взаимодействующих в процессе решения общей целевой задачи. БПО имеет единую цель функционирования – обработку информации и принятие решений для управления объектами, вплоть до формирования соответствующих управляющих воздействий
    Exact
    [3]
    Suffix
    . Для обеспечения взаимодействия модулей в едином комплексе широко используются иерархические структуры с несколькими уровнями группирования и подчиненности модулей. Каждый модуль имеет свою целевую задачу и специфический частный критерий качества, как правило, не совпадающий с критерием эффективности всего комплекса программ.

4
Царев Р.Ю. Система многоатрибутивного формирования мультиверсионных программных средств отказоустойчивых систем управления: Дис. Канд. Техн. Наук: Красноярск, 2003. – 143 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=2961
    Prefix
    В компонент программной архитектуры, функционирование которого особо критично по надёжности, может быть введена программная избыточность методом N-версионного программирования или блока восстановления. Очевидно, что надёжность компонентов с программной избыточностью прямо пропорциональна глубине избыточности (или количеству различных его версий)
    Exact
    [4]
    Suffix
    и надёжностью среды исполнения версий (алгоритма голосования или приемочного теста). Надёжность мультиверсионного компонента i на архитектурном уровне j, построенного из K версий методом мультиверсионного программирования для любого K равна [5]: , где pijv – вероятность безотказной работы алгоритма голосования, pijk – вероятность безотказной работы версии k∈Zij.

5
Новой А.В. Система анализа архитектурной надежности программного обеспечения.: Дис. Канд. Техн. Наук: Красноярск, 2011 – 131 с.
Total in-text references: 2
  1. In-text reference with the coordinate start=3205
    Prefix
    Очевидно, что надёжность компонентов с программной избыточностью прямо пропорциональна глубине избыточности (или количеству различных его версий) [4] и надёжностью среды исполнения версий (алгоритма голосования или приемочного теста). Надёжность мультиверсионного компонента i на архитектурном уровне j, построенного из K версий методом мультиверсионного программирования для любого K равна
    Exact
    [5]
    Suffix
    : , где pijv – вероятность безотказной работы алгоритма голосования, pijk – вероятность безотказной работы версии k∈Zij. Надёжность мультиверсионного компонента i на архитектурном уровне j, построенного из K версий методом блока восстановления для любого K равна [5]: , где pijAT – вероятность безотказной работы приемочного теста для компонента i, i=1, .

  2. In-text reference with the coordinate start=3466
    Prefix
    компонента i на архитектурном уровне j, построенного из K версий методом мультиверсионного программирования для любого K равна [5]: , где pijv – вероятность безотказной работы алгоритма голосования, pijk – вероятность безотказной работы версии k∈Zij. Надёжность мультиверсионного компонента i на архитектурном уровне j, построенного из K версий методом блока восстановления для любого K равна
    Exact
    [5]
    Suffix
    : , где pijAT – вероятность безотказной работы приемочного теста для компонента i, i=1, .., N на уровне j, j=1,..,M; pijk – вероятность безотказной работы версии k∈Zij. Вероятность сбоя компонента i на уровне j равна: PFij = 1 – Rij.

6
Шеенок Д.А., Кукарцев В.В. Оценка затрат на модернизацию программного обеспечения критических по надежности систем // Вестник СибГАУ. Вып. 5(45). – 2012. – С. 62-65.
Total in-text references: 1
  1. In-text reference with the coordinate start=4019
    Prefix
    При расчете трудоемкости разработки компонентов с программной избыточностью должны учитываться затраты на реализацию среды исполнения версий модуля (NVXij) и затраты на реализацию каждой версии i-го компонента на уровне j ()
    Exact
    [6]
    Suffix
    . Трудоемкость разработки всей системы Ts рассчитывается следующим образом: , где NVXij – трудоемкость разработки среды исполнения версий (приемочного теста для RB или алгоритма голосования для NVP) (N-version execute environment); Bij – бинарная переменная, принимающая значение 1 (тогда NVPij=0, RBij=0), если в программном компоненте не используется программная избыточность, иначе равна 0; N

7
Шеенок Д.А. Модификация модели программной архитектуры для многокритериальной условной оптимизации // Перспективы развития информационных технологий: Материалы XI международной научно-практической конференции. – 2013. – С.76-81.
Total in-text references: 1
  1. In-text reference with the coordinate start=6381
    Prefix
    в одно и тоже время с компонентом i на уровне j; Nteij – число сбойных компонентов на всех уровнях архитектуры, в которых происходит устранение сбоев во время устранения сбоя в компоненте i на уровне j; Ntuij – число компонентов на всех уровнях архитектуры, используемых в одно и тоже время с компонентом i на уровне j. Далее представлены обозначения параметров модели архитектуры БПО
    Exact
    [7]
    Suffix
    : М – количество архитектурных уровней в программной архитектуре; Nj – количество компонентов на уровне j, j∈ {1,...M}; Dij – множество индексов компонентов, зависимых от компонента i на уровне j, i ∈ {1,.

8
Русаков М.А. Многоэтапный анализ архитектурной надежности в сложных информационноуправляющих системах: Дис. Канд. Техн. Наук: Красноярск, 2005 – 168 с.
Total in-text references: 2
  1. In-text reference with the coordinate start=10541
    Prefix
    среднее время, в течение которого программное обеспечение не может выполнять свои функции; MTTF – среднее время возникновения сбоя в системе, которое определяется как среднее время, в течение которого сбоев в программном обеспечении не возникает; S – коэффициент готовности программной системы; Ts – общая трудоемкость реализации программной системы. Среднее время сбоя в программной системе равно
    Exact
    [8]
    Suffix
    : . Среднее время простоя программной системы равно [8]: . Коэффициент готовности программной системы равен: . Трудозатраты на разработку системы равны: . Для компонентов, в которых возможно введение программной избыточности, могут быть изменены следующие характеристики [9].

  2. In-text reference with the coordinate start=10681
    Prefix
    не может выполнять свои функции; MTTF – среднее время возникновения сбоя в системе, которое определяется как среднее время, в течение которого сбоев в программном обеспечении не возникает; S – коэффициент готовности программной системы; Ts – общая трудоемкость реализации программной системы. Среднее время сбоя в программной системе равно [8]: . Среднее время простоя программной системы равно
    Exact
    [8]
    Suffix
    : . Коэффициент готовности программной системы равен: . Трудозатраты на разработку системы равны: . Для компонентов, в которых возможно введение программной избыточности, могут быть изменены следующие характеристики [9].

9
Шеенок Д.А., Кукарцев В.В. Оптимизация программной архитектуры логистических информационных систем // Логистические системы в глобальной экономике: материалы Междунар. науч.-практ. конф. (14-15 марта 2013 г., Красноярск). Ч. 1. – 2013. – С.138-145.
Total in-text references: 1
  1. In-text reference with the coordinate start=10895
    Prefix
    Коэффициент готовности программной системы равен: . Трудозатраты на разработку системы равны: . Для компонентов, в которых возможно введение программной избыточности, могут быть изменены следующие характеристики
    Exact
    [9]
    Suffix
    . Метод реализации программной избыточности: мультиверсионное программирование (NVPij=1, RBij=0) или блок восстановления (NVPij=0, RBij=1). Если выбран метод NVP, то устанавливается значение гена равное 0, если RB, то равное 1.

10
Шеенок Д.А. Генетический алгоритм поиска оптимальной архитектуры программного обеспечения // Актуальные вопросы современной науки: Материалы IV международной научной конференции 14-15 декабря 2012 г. – 2012. – С.62-68.
Total in-text references: 2
  1. In-text reference with the coordinate start=12247
    Prefix
    Для компонентов, в которых не предусматривается введение программной избыточности, изменяется только вариант Var вероятности сбоя компонента и соответствующей трудоемкости для достижения этой вероятности сбоя (1 ≤ Var ≤ Кол-во вариантов для данного компонента). Таким образом, фенотип особи (решения) формируется из переменных характеристик программных компонентов
    Exact
    [10]
    Suffix
    . В таблице 1 представлен общий вид фенотипа с примером аллелей. Таблица 1. Фенотип особи Группа компонентов, с возможностью программной избыточности Группа компонентов, без возможности программной избыточности Компонент 1 .

  2. In-text reference with the coordinate start=16865
    Prefix
    При определении пригодности особи значения S и Ts рассчитываются по алгоритму, изображенном на рис. 1. Каждая особь с рассчитанными критериями записывается в массив. Перед тем как рассчитывать критерии для следующей особи происходит поиск аналогичной уже рассчитанной ранее особи
    Exact
    [10]
    Suffix
    . Это действие целесообразно и позволяет сэкономить время работы алгоритма, т.к. расчет критериев значительно дольше поиска идентичной особи в массиве решений. Для решения многокритериальной задачи условной оптимизации необходимо использовать подход, основанный на сведении условной задачи к безусловной.

11
Инге-Вечтомов С.Г. Генетика с основами селекции: Учеб. Для биолог. Спец. Ун-тов. – М.: Высш. Шк., 1989. – 591 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=13520
    Prefix
    Филипченко, было доказано, что наряду с «основным» геном, определяющим признак, существует ряд генов-модификаторов этого признака. Подобный тип наследования встречается часто. Таким образом, фенотип, как правило, представляет собой результат сложного взаимодействия генов
    Exact
    [11]
    Suffix
    . Таким образом, введем понятие «связанные гены». Связанные гены – это гены, взаимная комбинация которых осуществляет влияние на определенный признак особи. Надёжность и трудозатраты для компонентов с возможной программной избыточностью определяются взаимодействующими генами версий и метода избыточности.

12
Спицын В.Г., Цой Ю.Р. Представление знаний в информационных системах: учебное пособие. – Томск: Изд-во ТПУ, 2006. – 146 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=15109
    Prefix
    Выбор любой альтернативы «вероятность сбоя/трудоемкость» равновероятен. 2. Выбор любого варианта «вероятность сбоя/трудоемкость» происходит вероятностью распределенной по закону нормального распределения вероятностей для дискретной случайной величины
    Exact
    [12]
    Suffix
    . При этом выбор текущего значения варианта невозможен. При мутации генов версий программных компонентов, для которых возможно значение 0 (отсутствие версии), такое значение добавляется как дополнительное возможное значение.

13
Сергиенко Р.Б. Коэволюционный алгоритм для задач условной и многокритериальной оптимизации / Р.Б. Сергиенко, Е.С. Семенкин // Программные продукты и системы. – No4. – 2010. – С. 24-28.
Total in-text references: 1
  1. In-text reference with the coordinate start=15937
    Prefix
    Распределение вероятностей выбора варианта Отсутствие версии Вар. 1Вар. 2Вар. 3 Вар. 4 (текущий) Вар. 5Вар. 6Вар. 7 0.0156250.093750.2343750.312500.2343750.093750.015625 Генетический алгоритм основан на идеях метода с независимой селекцией Шаффера при многокритериальной оптимизации VEGA (Vector Evaluated Genetic Algorithm)
    Exact
    [13]
    Suffix
    . Селекция происходит с вероятностью, пропорциональной значению критерия. Вероятность индивида быть отобранным по критерию S рассчитывается по формуле [14]: где fi – пригодность индивида i; – средняя пригодность популяции; N – размер популяции; .

14
Гуменникова А.В. Адаптивные поисковые алгоритмы для решения сложных задач многокритериальной оптимизации: Дис. Канд. Техн. Наук: Красноярск, 2006 – 129 .
Total in-text references: 4
  1. In-text reference with the coordinate start=16091
    Prefix
    . 4 (текущий) Вар. 5Вар. 6Вар. 7 0.0156250.093750.2343750.312500.2343750.093750.015625 Генетический алгоритм основан на идеях метода с независимой селекцией Шаффера при многокритериальной оптимизации VEGA (Vector Evaluated Genetic Algorithm) [13]. Селекция происходит с вероятностью, пропорциональной значению критерия. Вероятность индивида быть отобранным по критерию S рассчитывается по формуле
    Exact
    [14]
    Suffix
    : где fi – пригодность индивида i; – средняя пригодность популяции; N – размер популяции; . Вероятность индивида быть отобранным по минимизируемому критерию Ts рассчитывается по формуле [15]: где fi – пригодность индивида i; C – константа, определяющая минимальную пригодность популяции; ; N – размер популяции; .

  2. In-text reference with the coordinate start=17480
    Prefix
    Решения задачи с ограничениями должны не только принадлежать множеству Парето, но и находиться в допустимой области. Поэтому к предложенному алгоритму дополнительно вводится процедура, позволяющая стягивать решения в допустимую область
    Exact
    [14]
    Suffix
    . Чтобы стало возможным решение задачи условной оптимизации, каждое ограничение рассматривается как отдельная целевая функция, и поэтому изначально условная задача с несколькими целевыми функциями сводится к безусловной многокритериальной задаче оптимизации.

  3. In-text reference with the coordinate start=17834
    Prefix
    Чтобы стало возможным решение задачи условной оптимизации, каждое ограничение рассматривается как отдельная целевая функция, и поэтому изначально условная задача с несколькими целевыми функциями сводится к безусловной многокритериальной задаче оптимизации. Преобразование исходной задачи условной многокритериальной оптимизации имеет следующий вид
    Exact
    [14]
    Suffix
    : Целевые функции исходной задачи – F(X) → opt, ограничения исходной задачи – G(X)≤ B. Целевые функции преобразованной задачи – F(X) → opt, ограничения преобразованной задачи – |G(X) – B|→ opt. В первую очередь несколько итераций алгоритма решается исходная условная задача, но без учета ограничений.

  4. In-text reference with the coordinate start=18585
    Prefix
    Затем, чтобы получить большее число решений, принадлежащих допустимой области, поиск продолжается уже без учета целевых функций исходной задачи, а только по ограничениям. Таким образом, поиск решений производится только по функциям-ограничениям, что приводит большую часть популяции в допустимую область, но с потерей качества решений по критериям оптимизации
    Exact
    [14]
    Suffix
    . Генетический алгоритм многокритериальной условной оптимизации программной архитектуры [16] также основан на идеях метода VEGA (Vector Evaluated Genetic Algorithm) с независимой селекцией Шаффера при многокритериальной оптимизации.

15
Сопов Е.А. Эволюционные алгоритмы моделирования и оптимизации сложных систем: Дис. Канд. Техн. Наук: Красноярск, 2004 – 129 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=16281
    Prefix
    Вероятность индивида быть отобранным по критерию S рассчитывается по формуле [14]: где fi – пригодность индивида i; – средняя пригодность популяции; N – размер популяции; . Вероятность индивида быть отобранным по минимизируемому критерию Ts рассчитывается по формуле
    Exact
    [15]
    Suffix
    : где fi – пригодность индивида i; C – константа, определяющая минимальную пригодность популяции; ; N – размер популяции; . В рассматриваемом алгоритме константа C равна максимальной пригодности особи в популяции.

16
Шеенок Д.А. Инструментальное средство проектирования оптимальной архитектуры отказоустойчивых программных систем // Программная инженерия. No6. – 2013. – С. 20-26.
Total in-text references: 1
  1. In-text reference with the coordinate start=18677
    Prefix
    Таким образом, поиск решений производится только по функциям-ограничениям, что приводит большую часть популяции в допустимую область, но с потерей качества решений по критериям оптимизации [14]. Генетический алгоритм многокритериальной условной оптимизации программной архитектуры
    Exact
    [16]
    Suffix
    также основан на идеях метода VEGA (Vector Evaluated Genetic Algorithm) с независимой селекцией Шаффера при многокритериальной оптимизации. Отличие алгоритма от ГА безусловной оптимизации состоит в том, что в нем каждое ограничение рассматривается как дополнительный критерий оптимизации.

17
Сергиенко Р.Б. Автоматизированное формирование нечетких классификаторов самонастраивающимися коэволюционными алгоритмами: Дис. Канд. Техн. Наук: Красноярск, 2010 – 192 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=22144
    Prefix
    Недоминируемые решения, полученные на каждой итерации, отбираются в множество Парето. Решения множества Парето не могут быть предпочтены друг другу, поэтому после его формирования задача может считаться математически решенной
    Exact
    [17]
    Suffix
    . Разработанный генетический алгоритм был протестирован на специально подготовленных задачах, а также был использован при разработке программного обеспечения корпоративных систем управления, и БПО. С помощью разработанного ГА все задачи были решены, а также найдены эффективные архитектурные решения.