- •Оглавление
- •Глава 1. Основы системного анализа 4
- •Глава 2. Основы оценки сложных систем 34
- •Глава 3. Примеры концептуальных моделей и методик оценивания систем 75
- •Глава 4. Основы управления 89
- •Глава 5. Математический инструментарий в управлении проектами с учётом рисков 127
- •Основы системного анализа
- •1.1. Сущность автоматизации управления в сложных системах
- •1.1.1. Структура системы с управлением
- •1.1.2. Пути совершенствования систем с управлением
- •1.1.3. Цель автоматизации управления
- •1.2. Основные понятия системного анализа
- •1.2.1. Задачи системного анализа
- •1.2.2. Понятие системы как семантической модели
- •1.2.3. Классификация систем
- •1.2.4. Основные определения системного анализа
- •1.3. Модели сложных систем
- •1.3.1. Классификация видов моделирования систем
- •1.3.2.Принципы и подходы к построению математических моделей
- •1.3.3. Этапы построения математической модели
- •1.4. Принципы и структура системного анализа
- •1.4.1. Принципы системного анализа
- •1.4.2. Структура системного анализа
- •Формирование общего представления системы
- •Основы оценки сложных систем
- •2.1. Основыные типы шкал измерения
- •2.1.1. Понятие шкалы
- •2.1.2. Шкалы номинального Типа
- •2.1.3. Шкалы порядка
- •2.1.4. Шкалы интервалов
- •2.1.6. Шкалы отношений
- •2.1.6 Шкалы разностей
- •2.1.7. Абсолютные шкалы
- •2.2. Обработка характеристик, измеренных в разных шкалах
- •2.3. Показатели и критерии оценки систем
- •2.3.1. Виды критериев качества
- •Соотношение понятий качества и эффективности систем
- •2.3.2. Шкала уровней качества систем с управлением
- •2.3.3. Показатели и критерии эффективности функционирования систем
- •2.4. Методы оценивания систем разделяются на качественные и количественные.
- •2.4.1 Методы типа «мозговая атака» или «коллективная генерация идей»
- •2.4.2. Методы типа сценариев
- •2.4.3. Методы экспертных оценок
- •2.4.4. Методы типа дельфи
- •2.4.5. Методы типа дерева целей
- •2.4.6. Морфологические методы
- •2.5. Методы количественного 0ценивания систем
- •2.5.1. Оценка сложных систем на основе теории полезности
- •2.5.2. Оценка сложных систем в условиях определенности
- •2.5.3. Оценка сложных систем в условиях риска на основе функции полезности
- •Данные для оценки вычислительной сети
- •2.5.4. Оценка сложных систем в условиях неопределенности
- •Оценка эффективности для неопределенных операций
- •Матрица эффективности программных продуктов
- •Матрица потерь
- •Сравнительные результаты оценки систем
- •2.5.5. Оценка систем на основе модели ситуационного управления
- •Примеры концептуальных моделей и методик оценивания систем
- •3.1. Способы измерения компьютерных систем
- •3.2. Тесты dhrystone, linpack и «ливерморские циклы»
- •3.3. Методика spec
- •3.4. Тест icomp 2.0 для оценки эффективности микропроцессоров intel
- •3.5. Методика aim
- •3.6. Методика оценки скорости обработки транзакций
- •3.7. Методика оценки графических возможностей
- •3.8. Методика оценки производительности суперкомпьютеров
- •3.9 Методика оценки конфигураций web
- •Основы управления
- •4.1. Общие положения
- •4.1.1. Аксиомы теории управления
- •4.1.2. Принцип необходимого разнообразия эшби
- •4.2. Модели основных функций организационно-технического управления
- •4.2.1. Содержательное описание функций управления
- •4.2.2. Модель общей задачи принятия решении
- •4.2.3. Модель функции контроля
- •4.2.4. Методы прогнозирования
- •4.2.5. Модель функции планирования
- •4.2.6. Модели функции оперативного управления
- •4.3. Организационная структура систем с управлением
- •4.3.1. Понятие структуры системы
- •4.3.2. Понятие организационной структуры и ее основные характеристики
- •4.3.3. Виды организационных структур
- •4.4. Качество управления
- •4.4.1. Степень соответствия решений состояниям объекта управления
- •4.4.2. Критерии ценности информации и минимума эвристик
- •4.4.3. Требования к управлению в системах специального назначения
- •Математический инструментарий в управлении проектами с учётом рисков
- •5.1. Предварительный выбор объекта инвестирования с помощью дерева решений
- •5.1.1. Понятие экономического риска
- •5.1.2. Понятие инвестиционного проекта
- •5.1.3. Примеры задач по привлечению инвесторов
- •5.1.4. Анализ и решение задач с помощью дерева решений
- •5.1.5. Пример процедуры принятия решения
- •5.2. Прогнозирование реализации инвестиционного проекта с помощью логистических кривых
- •5.2.1. Логистичекий подход при решении задач управления материальными и денежными потоками
- •5.2.2. Система управления процессом реализации инвестиционного проекта
- •5.2.3. Основные тренды переходного процесса
- •5.2.4. Выбор варианта освоения инвестиций
- •5.3. Теория дискретного управления для анализа экономических систем
- •5.3.1. Дискретная система и ее передаточная функция
- •5.3.2. Передаточная функция экономической системы
- •5.3.3. Модель в контуре управления экономической системы
- •5.3.4. Двушкальные системы
- •5.4. Модель анализа устойчивости инвестиционного процесса
- •5.4.1. Базовый инструментарий оценки устойчивости процесса освоения инвестиций
- •5.4.2. Перечисление инвестиционных сумм частями
- •5.4.3. Критерий устойчивости инвестиционного процесса
- •5.5. Методика определения объема финансирования с учетом устойчивости инвестиционного процесса
3.2. Тесты dhrystone, linpack и «ливерморские циклы»
Для работы с показателями MIPS и MFLOPS чаще всего используются системы тестов Dhrystone, LINPACK и «Ливерморские циклы».
Тестовая смесь Dhrystone состоит из 100 команд: 53 - операторы присвоения, 32 - управления и 15 - вызова функций. Результатом работы этого теста является число Dhrystone в секунду. При этом на системе DEC VAX 11/780 результат составлял 1757 Dhrystone, и поэтому считалось, что 1 DEC MIPS равен 1757 t)hrystone. Сейчас Dhrystone практически не применяется.
Тесты LINPACK и «Ливерморские циклы» появились в середине 60-х гг.
«Ливерморские циклы» состоят из фрагментов программ для решения численных задач на языке Фортран, имеющих реальное хождение в Ливерморской национальной лаборатории им. Лоуренса в США. В этих фрагментах используются различные вычислительные алгоритмы: сеточные, последовательные, волновые, что существенно относительно соответствия вычислительных и аппаратных структур. Соответствие этих структур друг другу должно обеспечить максимальную эффективность вычислений. При проведении тестовых испытаний может использоваться либо набор из 14 циклов (малый набор), либо набор из 24 циклов (большой набор). При использовании векторных и параллельных машин важным фактором, определяющим эффективность работы для конкретного приложения, является коэффициент векторизуемости алгоритма. На «Ливерморских циклах» этот коэффициент составляет от 0 до 100 %, что подтверждает возможность их применения для широкого круга вычислительных систем.
LINPACK включает набор программ на Фортране, предназначенных для решения систем линейных алгебраических уравнений. Важность этого тестового набора, так же как и «Ливерморских циклов», определяется практической значимостью и применимостью этих алгоритмов для решения реальных задач. В основе используемых в LINPACK алгоритмов лежит метод декомпозиции: исходная матрица представляется в виде произведения двух матриц стандартной структуры, к которому собственно и применяется алгоритм нахождения решения. Важная особенность системы LINPACK - ее структурированность. В частности, выделяется базовый уровень системы, обеспечивающий реализацию элементарных операций над векторами, куда входят подпрограммы умножения векторов на скаляр и сложения векторов, а также скалярного произведения векторов. Этот уровень называется BLAS (Basic Linear Algebra Subprograms). Все операции выполняются над вещественными числами двойной точности, а результат измерения выражается в MFLOPS.
В настоящее время используются два уровня теста: LINPACK DP - для исходной матрицы размером 100x100 и LINPACK ТРР - для матрицы размером 1000x1000. Для многих современных вычислительных систем первый уровень этого теста может дать заведомо превосходящие возможности системы результаты за счет того, что исходная матрица размером 100x100 может быть целиком размещена в кэш-памяти. Использование теста LINPACK ТРР пока снимает эту проблему, однако даже и этот тест для систем с массовым параллелизмом не может быть использован. Для таких систем рекомендуется тест LINPACK HPC (Highly Parallel Computing), который позволяет полностью загрузить вычислительные ресурсы МРР-системы, увеличивая размеры матрицы. При этом следует иметь в виду, что для параллельных систем (SMP и МРР) применяются специальные варианты этого теста, обеспечивающие распараллеливание вычислений.