Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
_Самост_работа.doc
Скачиваний:
0
Добавлен:
01.07.2025
Размер:
6.37 Mб
Скачать

1.1.6. Критерии оценки эффективности оис

Алгоритмы управления процессом обмена информацией совместно с протоколами транспортной сети и алгоритмами коммутации составляют основу функционального программного обеспечения открытых информационных систем. При построении этих систем важно оценить эффективность введения конкретной версии каждого из алгоритмов. Предварительное решение об использовании того или другого алгоритма, как правило, принимается на основе достаточно приближенных аналитических моделей.

Эффективностью информационной сети является ее способность достигать поставленную цель в заданных условиях применения и с определенным качеством. Конкретизируя это понятие, можно сказать, что эффективность информационной сети - это степень соответствия сети своему назначению. Понятие эффективности связано с получением некоторого полезного результата - эффекта использования информационных сетей. Эффект достигается ценой расходов определенных ресурсов, поэтому эффективность сети часто рассматривается в виде соотношения между эффектом (прибылью) и расходами.

Показателем эффективности сети является количественная характеристика информационной сети, рассматриваемая относительно определенных условий ее функционирования. При оценивании эффективности информационной сети непременно учитывается деятельности человека, взаимодействующего с техническими средствами сети, т. е. сеть рассматривается как система человек-машина. Эффективность информационной сети оценивается на разных стадиях жизненного цикла сети.

На этапе проектирования сети выполняется априорная оценка (предшествующая) с целью определения ожидаемой эффективности и решения вопроса о целесообразности реализации проекта.

На этапе эксплуатации проводится апостериорная оценка (на основе конкретного опыта эксплуатации) с целью определения фактической эффективности, подтверждающей или в какой-то степени опровергающей прогнозы.

Апостериорная оценка обычно проводится методами прямого расчета с использованием аналитических соотношений, которые характеризуют влияние разных факторов и параметров на показатели эффективности.

Гораздо более сложной задачей является априорная оценка, которая осуществляется с помощью методов математического моделирования. К математическим моделям - сложным кибернетическим человеко-машинным системам относятся системы, работающие в диалоговом режиме, и которым предъявляется ряд следующих требований:

1) модель должна адекватно отображать деятельность операторов системы (пользователей сети), в ней должны быть идентифицированы их отличия и особенности;

2) модель должна охватывать основной (совокупность операций по достижению цели) и вспомогательный (планирование и обеспечение) процессы функционирования системы;

3) в модели системы должна быть предусмотрена возможность отображения выполняемых параллельно процессов;

4) время (продолжительность) экспериментальных исследований математической модели системы должно соответствовать допустимым пределам.

Существуют два класса математических моделей - аналитические и имитационные, которые отличаются принципами построения и методами исследования.

В аналитических моделях весь процесс функционирования исследуемой системы и отдельные его части представляется аналитически - в виде функциональных зависимостей (логических соотношений алгебры, интегрально-дифференциальных уравнений).

В имитационных моделях процесс функционирования отображается алгоритмически и в виде программ. Преимущества и недостатки аналитических и имитационных моделей широко известны. Задача заключается в том, чтобы при исследовании эффективности системы использовать оба типа моделей комплексно и в рациональном сочетании.

Аналитическое моделирование системы или отдельных ее подсистем следует использовать для следующих целей:

1) получения информации, с помощью которой можно определить целесообразное направление последующих исследований, выполняемых методами имитационного моделирования, и тем самым уменьшить объем исследований;

2) уменьшения объема имитационного моделирования за счет предыдущего определения некоторых показателей и экстраполяции отдельных результатов моделирования.