Программные продукты и системы, 2012, № 3 (99)

С О Д Е Р Ж А Н И Е

Прохоров С.А., Куликовских И.М. Создание комплекса программ 
на основе пространственной схемы взаимодействия объектов ..................................................... 5
Иващенко А.В., Куликовских И.М. Самарская школа профессора С.А. Прохорова 
по прикладному анализу случайных процессов ............................................................................... 8
Востокин С.В. Templet – метод процессно-ориентированного моделирования 
параллелизма...................................................................................................................................... 11
Востокин С.В., Литвинов В.Г., Хайрутдинов А.Р. Применение комплекса 
параллельного программирования Graphplus templet в моделировании....................................... 14
Иващенко А.В. Управление взаимодействием персонала предприятия 
в многоакторной интегрированной информационной среде ........................................................... 18
Лёзин И.А. Решение систем полиномиальных уравнений на ЭВМ................................................ 22
Лёзина И.В. Исследование аппроксимативных возможностей радиально-базисной сети 
с ортогональными полиномами ......................................................................................................... 25
Солдатова О.П. Многофункциональный имитатор нейронных сетей .......................................... 27
Еленев Д.В., Кузьмичев В.С., Пашков Д.Е. Автоматизация системы управления 
национальным исследовательским университетом и мониторинга его деятельности................. 31
Заякин О.А., Белопухов В.Н. Оптический измеритель геометрических параметров 
криволинейных поверхностей............................................................................................................ 34
Иноземцев С.В., Дмитриев А.Ю. Современные проблемы практического использования 
мультиагентных систем ...................................................................................................................... 40
Андреев М.В. Некоторые особенности построения онтологии для мультиагентной системы 
внутрицехового планирования........................................................................................................... 44
Леднев А.М. Распределение задач на основе модели аукциона 
в системах электронного документооборота.................................................................................... 48
Михеева Т.И., Михеев С.В. Модели управления транспортными потоками 
в условиях затора................................................................................................................................ 50
Михеева Т.И., Сапрыкин О.Н., Михеев С.В. Нейросетевые модели 
разнородных пространственно-координированных данных............................................................ 55
Пейсахович Д.Г. О применимости игровых моделей в задачах автоматизации 
взаимодействия сотрудников производственного предприятия ..................................................... 59
Бобков С.Г. Архитектура перспективных высокопроизводительных микропроцессоров............ 63
Мальцев А.В., Михайлюк М.В. Алгоритмы навигации на внешней поверхности 
модели международной космической станции................................................................................. 68
Торгашев М.А., Тимохин П.Ю. Технология синтеза стереороликов высокого разрешения 
в системе трехмерной визуализации реального времени............................................................... 74
Гиацинтов А.М. Отображение разнородных видеоматериалов на гранях
трехмерных объектов в подсистеме визуализации тренажерных обучающих систем ................. 80
Лавринов Г.А. Способы повышения эффективности отладки 
и тестирования многопроцессорных систем..................................................................................... 86
Нархов К.Г. Методы сокращения количества уязвимостей 
в специальном программном обеспечении реального времени ..................................................... 89
Коганов А.В., Круглый А.Л. Алгоритм роста Х-графа и принципы физики ................................. 96
Николина Н.В. Микротесты для оценки производительности 
RTL-моделей микропроцессоров....................................................................................................... 103
Хисамбеев И.Ш. Роль стохастического тестирования 
в функциональной верификации микропроцессоров....................................................................... 107
Чибисов П.А. Тестирование микропроцессоров и их RTL-моделей 
приложениями пользователя под ОС Linux ...................................................................................... 112
Еркимбаев А.О., Жижченко А.Б., Зицерман В.Ю., Кобзев Г.А., Серебряков В.А., 
Сотников А.Н., Шиолашвили Л.Н. Метаописания и каталогизация 
научно-информационных ресурсов РАН........................................................................................... 117

Программные продукты и системы
№ 3, 2012 г.

2

Коваленко В.Н., Куликов А.Ю. Интеграция данных и язык запросов 
в масштабных информационных инфраструктурах......................................................................... 124
Гуда А.Н., Чубейко С.В. Прогнозирование надежности программного обеспечения 
на основе модели неоднородного пуассоновского процесса и бутстреп-методов........................ 130
Ермаков Д.Г. Синхронизация профилей пользователей MS SharePoint Portal Server 2003 
с внешним источником данных .......................................................................................................... 135
Афанасьев А.Н., Гайнулин Р.Ф., Шаров О.Г. Программная система анализа 
диаграммных языков........................................................................................................................... 138
Шудрова К.Е., Почкаенко В.Ю. Организация защищенного канала передачи информации...... 142
Трембач В.М. Основные этапы создания интеллектуальных обучающих систем........................ 147
Болодурина И.П., Парфёнов Д.И., Решетников В.Н. Распределение ресурсов 
в информационной системе дистанционной поддержки образовательного процесса.................. 151
Бронфельд Г.Б. Об одном способе представления знаний........................................................... 155
Кораблин Ю.П., Павлов Е.Г. Разработка инструментальных средств анализа драйверов 
операционной системы Linux ............................................................................................................. 160
Елисеев И.Н. Экспериментальные исследования состоятельности оценок 
латентных параметров модели Раша................................................................................................ 166
Ермаков А.Е., Найденова К.А. Технология автоматизированного создания 
экспертных систем психофизиологической диагностики................................................................. 172
Стоянова О.В., Васицына А.И. Метод поддержки принятия решений 
по управлению временными аспектами проектов на промышленных предприятиях ................... 178
Вичугова А.А., Вичугов В.Н., Дмитриева Е.А. Особенности работы 
с документами в информационных системах управления данными .............................................. 184
Котельников Е.В. Комбинированный метод автоматического определения 
тональности текста.............................................................................................................................. 189
Нгуен Зуи Тхаи Возможности пакета Matlab в использовании удаленных вычислений 
для решения задач по численным методам ..................................................................................... 195
Тетюшев А.В. Повышение коэффициента сохранения эффективности 
вычислительного комплекса при использовании средств виртуализации..................................... 199
Жуков В.Г., Паротькин Н.Ю. Автоматизированная система проектирования 
беспроводной сети IEEE 802.11......................................................................................................... 202
Матвеев А.И. Планшетный компьютер для оснащения рабочих мест 
промышленного предприятия ............................................................................................................ 208
Сидоренко А.М., Хоботов Е.Н., Мелкишев В.Н. Система планирования 
для производств с параллельной сборкой изделий......................................................................... 210
Мышев А.В. Компьютинг и моделирование размытой задачи Коши 
методом виртуальной перспективы................................................................................................... 215
Жевнерчук Д.В., Николаев А.В. Программный генератор трафика пользователей 
ресурса виртуальных лабораторий ................................................................................................... 221
Агапитова О.Ю., Бывальцев С.В., Залазинский А.Г. Автоматизированное 
проектирование инструментов на основе моделирования 
технологии выдавливания металлов................................................................................................. 225
Гусев Д.И. Алгоритм поиска ближайших соседей............................................................................ 231
Федотов В.П., Спевак Л.Ф., Нефедова О.А. Параллельные алгоритмы 
для анализа прочности наводороженных конструкций.................................................................... 235
Поветкин А.Д., Чан Хыу Куе, Кольцова Э.М. Разработка алгоритма 
параллельных вычислений для описания массопереноса в поре.................................................. 239
Гордеева Ю.Л., Ивашкин Ю.А., Гордеев Л.С. Алгоритмы оптимизации 
непрерывного процесса биосинтеза молочной кислоты.................................................................. 244
Мосин С.Г., Хассан Мд. Муид, Тухтамирзаев А.Ю. Математическая модель 
пользовательской сети-на-кристалле................................................................................................ 249

Программные продукты и системы
№ 3, 2012 г.

3

C O N T E N T

Prokhorov S.A., Kulikovskikh I.M. Creation of software system on the basis 
of spatial object interaction diagram...................................................................................................... 5
Ivaschenko A.V., Kulikovskikh I.M. Samara school of professor S.A. Prokhorov 
on application analysis of random processes........................................................................................ 8
Vostokin S.V. Templet – method of process oriented simulation 
of parallelism......................................................................................................................................... 11
Vostokin S.V., Litvinov V.G., Khayrutdinov A.R. Apllication of parallel programming
package Graphplus templet in modeling............................................................................................... 14
Ivaschenko A.V. Management of enterprise personnel interaction 
in multiactor integrated information environment .................................................................................. 18
Lyozin I.A. Solution of simultaneous polynomial equations on a computer.......................................... 22
Lyozina I.V. Study of approximative possibilities of radial-basic network 
with orthogonal polynoms ..................................................................................................................... 25
Soldatova O.P. Multifunctional simulator of neural networks............................................................... 27
Elenev D.V., Kuzmichev V.S., Pashkov D.E. Automation of management 
of national research university and monitoring of its activity................................................................. 31
Zayakin O.A., Belopukhov V.N. Optical meter of geometrical parameters 
of curve-based surfaces........................................................................................................................ 34
Inozemtsev S.V., Dmitriev A.Yu. Contemporary issues of practical use 
of multiagent systems ........................................................................................................................... 40
Andreev M.V. Some peculiarities of ontology building for multiagent system 
of intrashop planning............................................................................................................................. 44
Lednev A.M. Task allocation on the basis of auction model 
in the electronic document flow systems............................................................................................... 48
Mikheeva T.I., Mikheev S.V. Traffic control models in traffic jam condition......................................... 50
Mikheeva T.I., Saprykin O.N., Mikheev S.V. Neural models of heterogeneous 
spatial coordinated data........................................................................................................................ 55
Peisakhovich D.G. About gaming models usage in problems related 
to employees’ inrteracting automation in an enterprise......................................................................... 59
Bobkov S.G. Architecture of advanced high performance microchips................................................. 63
Maltsev A.V., Mikhailyuk M.V. Navigation algorithms at the outer surface 
of international space station model...................................................................................................... 68
Torgashev M.A., Timokhin P.Yu. Technology of synthesis of high resolution 
stereo video clips in the real time 3d visualization system.................................................................... 74
Giatsintov A.M. Playback of heterogeneous videos on 3d object’s edges 
in visualization subsystem of training simulation system ...................................................................... 80
Lavrinov G.A. Improvement of debugging and testing increase performance 
techniques in multiprocessor systems................................................................................................... 86
Narkhov K.G. Techniques provided fof valnerabilities reduction 
in special real time software.................................................................................................................. 89
Koganov A.V., Krugly A.L. Algorithm of X-graph growth 
and principles of physics....................................................................................................................... 96
Nikolina N.V. Microbenchmarks for performance evaluating 
of microprocessor RTL-models............................................................................................................. 103
Khisambeev I.Sh. Role of stochastic testing 
in microprocessors functional verification.............................................................................................. 107
Chibisov P.A. Verification of a microprocessor and its RTL-model by means 
of OS Linux user applications ............................................................................................................... 112

Программные продукты и системы
№ 3, 2012 г.

4

Erkimbaev A.O., Zizchenko A.B., Zitserman V.Yu., Kobzev G.A., Serebryakov V.A., 
Sotnikov A.N., Shiolashvili L.N. Metadescriptions and cataloguing of scientific 
information resources of the RAS ......................................................................................................... 117
Kovalenko V.N., Kulikov A.Yu. Data integration and query language 
in large information infrastructures........................................................................................................ 124
Guda A.N., Chubeyko S.V. Software reliability analysis based 
on the model of inhomogeneous poisson process and bootstrap methods .......................................... 130
Ermakov D.G. Profile sinchronization of MS SharePoint Portal Server 2003 
users with external data source............................................................................................................. 135
Afanasev A.N., Gainulin R.F., Sharov O.G. Program system 
for visual languages analysis ................................................................................................................ 138
Shudrova K.E., Pochkaenko V.Yu. Protected data transfer channnel setting.................................... 142
Trembach V.M. Basic stages of training system develoopment basic stages...................................... 147
Bolodurina I.P., Parfenov D.I., Reshetnikov V.N. Resource distribution 
in information system related to educational process remote support .................................................. 151
Bronfeld G.B. About a method of knowledge representation............................................................... 155
Korablin Yu.P., Pavlov E.G. Analysis tools of Linux operating system 
drivers development.............................................................................................................................. 160
Eliseev I.N. Experimental study of an estimator consistensy related 
to the Rash model latency features....................................................................................................... 166
Ermakov A.E., Naidenova K.А. Automated technology of expert system
creation related to psychophysiological diagnostics.............................................................................. 172
Stoyanova O.V., Vasitsyna A.I. Method of decision-making support on management 
of temporary aspects of projects at the industrial enterprises............................................................... 178
Vichugova A.A., Vichugov V.N., Dmitrieva E.A. Peculiarities of working 
with documents in information management systems........................................................................... 184
Kotelnikov E.V. Combined method of text tonality automatic identifying............................................. 189
Nguyen Duy Thai Capability of Matlab package related to distant computation 
using numerical approach for the problem solution............................................................................... 195
Tetyushev A.V. Increase of storage coefficient 
of computing complex efficiency when using virtualization ................................................................... 199
Zhukov V.G., Parotkin N.Yu. Design-automation system 
of wireless network IEEE 802.11........................................................................................................... 202
Matveev A.I. Tablet computer for outfit 
of the industrial enterprise workplaces.................................................................................................. 208
Sidorenko A.M., Khobotov E.N., Melkishev V.N. Planning system for production 
with concurrent product assembly......................................................................................................... 210
Myshev A.V. Computing and modeling of fuzzy Сauchy problem 
using virtual perspective method........................................................................................................... 215
Zhevnerchuk D.V., Nikolaev A.V. Program based traffic generator 
of the virtual lab resource users............................................................................................................ 221
Agapitova O.Yu., Byvaltcev S.V., Zalazinskiy A.G. Automation design 
of tools using metal extrusion technology modeling.............................................................................. 225
Gusev D.I. Nearest neighbour search algorithm................................................................................... 231
Fedotov V.P., Spevak L.F., Nefedova O.A. Parallel algorithms designed 
for the strength analysis of hydrogen-charged structures..................................................................... 235
Povetkin A.D., Tran Huu Que, Koltsova E.M. Parallel design algorithm 
for description of the mass transfer in a pore........................................................................................ 239
Gordeeva Yu.L., Ivashkin Yu.A., Gordeev L.S. Optimization algorithms 
of continuous lactic acid biosynthesis ................................................................................................... 244
Mosin S.G., Hassan Md. Muid, Tukhtamirzaev A.Y. Mathematic model 
of the user Network-on-Chip ................................................................................................................. 249

Программные продукты и системы
№ 3, 2012 г.

5

УДК 681.3

СОЗДАНИЕ КОМПЛЕКСА ПРОГРАММ НА ОСНОВЕ

ПРОСТРАНСТВЕННОЙ СХЕМЫ ВЗАИМОДЕЙСТВИЯ ОБЪЕКТОВ

С.А. Прохоров, д.т.н.; И.М. Куликовских, к.т.н. 

(Самарский государственный аэрокосмический университет им. академика С.П. Королева

(национальный исследовательский университет), sp@smr.ru)

Рассматривается возможность создания комплекса программ для анализа данных в рамках систем интеллекту
ального анализа данных «Data Mining» со ступенчатой платформой анализа данных. В связи с этим предлагается новое решение для создания программных продуктов, ориентированных на поэтапную обработку исходной информации, в виде пространственной схемы взаимодействия объектов, которая позволит снизить временные и ресурсные 
затраты на получение конечного программного продукта. Разработанная пространственная схема построена на основании следующих базовых понятий: пространство функциональных преобразований, пространство функциональных 
расширений, пространство характеристических расширений; ключ перехода от одного пространства к другому на 
различных уровнях. На основе разработанной пространственной схемы создана структурная схема комплекса программ для корреляционно-спектрального интеллектуального анализа данных, который, согласно проведенному анализу рынка аналогичных продуктов, является уникальным с точки зрения класса решаемых задач. Математические 
модели, положенные в основу данного программного продукта, основаны на методе ортогональных разложений 
функциональных характеристик в ряды Фурье, а для реализации скрытого уровня анализа данных была создана технология аналитической обработки данных, содержанием которой являются организация функционирования и реализация созданных механизмов поиска скрытых закономерностей. Применение пространственной схемы взаимодействия объектов позволяет снизить трудоемкость разработки программного обеспечения автоматизированных систем 
научных исследований, обработки информации и управления и может быть рекомендовано как разработчикам автоматизированных систем – программистам, так и аналитикам, занимающимся проектированием сложных программных комплексов.

Ключевые слова: интеллектуальный анализ данных, пространственная схема, метод ортогональных разложе
ний, комплекс программ.

CREATION OF SOFTWARE SYSTEM ON THE BASIS OF SPATIAL OBJECT INTERACTION DIAGRAM

Prokhorov S.A., Ph.D.; Kulikovskikh I.M., Ph.D. (Samara State Aerospace University, sp@smr.ru)

Abstract. The article looks into the possibility of software system creation for data analysis within Data Mining systems 

with a staged platform of data analysis. In this regard a new solution is provided for software products creation focused on 
incremental processing of the initial information in the form of a spatial object interaction diagram, which will allow time and 
resource expenditures required to obtain the final software product to be reduced. The developed spatial diagram is built on 
the basis of the following fundamental notions: functional transformation space, functional enhancement space, characteristic
enhancement space, key of transition from one space to the other at multiple levels. On the basis of the developed spatial 
diagram the structural diagram of software system for correlation and spectral data mining was created, while this kind of 
analysis, according to the research at the market of the analogous products, is unique in terms of the class of current 
problems. Mathematical models taken as a basis for this software product are based on Fourier orthogonal decomposition of 
functional characteristics, and for implementation of a hidden level of data analysis the analytical processing technique was 
created, which consists in functioning management and implementation of created search mechanisms for hidden regularities. 
Using spatial object integration diagram reduces the labour intensity of software development for automated systems of 
scientific research, control and data processing, and can be recommended to the designers of automated systems –
programmers, as well as to the analysts involved in designing of complex software systems.

Keywords: data intelligent analysis, spatial scheme, orthogonal transformation, software.

В последнее время широкое применение полу
чили программные продукты интеллектуального 
анализа данных «Data Mining», являющиеся междисциплинарной областью и развивающиеся на 
базе широкого пласта знаний: экспертные системы, информационный поиск, оперативная аналитическая обработка, теория БД, хранилища данных, эффективные вычисления, статистика, нейросети, распознавание образов [1–3]. Большинство 
систем интегрируют сразу несколько подходов, но 
каждая имеет ключевую компоненту.

Особенностью данных систем является нали
чие трехуровневой платформы анализа данных: 
поверхностный уровень, глубокий и скрытый [3]. 
Для построения систем «Data Mining», имеющих

вложенные структуры в виде уровневой платформы, была разработана пространственная схема 
взаимодействия объектов (см. рис. 1). Приведем
нотацию представленной схемы:  – пространство
(уровень 1) функциональных преобразований; A
– альтернативное пространство (уровень 1) функциональных преобразований;



 

i




– подпро
странство (уровень 2) функциональных расширений пространства (уровень 1) функциональных 
преобразований (i – номер текущего функционального расширения);



 

i




– подпростран
ство (уровень 3) функциональных преобразований 
подпространства (уровень 2) функциональных 
расширений пространства (уровень 1) функцио

Программные продукты и системы
№ 3, 2012 г.

6

нальных преобразований;





A

i




– подпро
странство (уровень 3) функциональных преобразований подпространства (уровень 2) функциональных расширений альтернативного пространства (уровень 1) функциональных преобразований;
 
 



– подпространство 

(уровень 2) характеристических 
расширений пространства
(уро
вень 1) функциональных преобразований;
 


A



– подпростран
ство (уровень 2) характеристических расширений альтернативного 
пространства 
(уровень 
1) 

функциональных 
преобразова
ний;
 





A

i





– подпространст
во (уровень 3) функциональных 
преобразований подпространства 
(уровень 2) характеристических 
расширений пространства
(уро
вень 1) функциональных преобразований и т.д.;
– ключ, по
казывающий переход от одного 
пространства к другому (точкой 
обозначено исходное пространство или подпространство).

Рассмотрим пример создания 

программного продукта интеллектуального 
корреляционно
спектрального анализа данных в 
рамках систем «Data Mining» с 
помощью описанной выше пространственной схемы взаимодействия объектов. В качестве ключевой компоненты были выбраны 
эффективные вычисления, базирующиеся на широком использовании метода ортогональных разложений функциональной характеристики в ряды Фурье [4–7]. На 

рисунке 2 представлена структурная схема программного продукта в соответствии с пространственной схемой, изображенной на рисунке 1.

Как было отмечено, разработка программного 

продукта в рамках «Data Mining» предполагает 
наличие ступенчатой платформы анализа данных, 
каждый уровень которой включает набор программ в соответствии с представленной структурной схемой (см. рис. 2). Опишем программное наполнение каждого из уровней. 

Поверхностный уровень содержит программы
–
ввода и интерпретации данных;

–
построения и преобразования корреляцион
ной функции (КФ) (включает часть программы, 
связанной с построением КФ);

–
построения 
простейших 
ортогональных 

функций;

–
построения модели КФ в простейших бази
сах;

–
построения модели спектра в простейших 

базисах;

–
имитационного моделирования;

–
обработки внешних данных;

–
формирования отчетов.



A




 

i








 

1
i








 

i










A
i





 


A




 





A

i







 
 




Рис. 1

Комплекс программ с программой, 

реализующей технологию аналитической обработки

КОМПЛЕКС ПРОГРАММ

Программа построения 
и преобразования КФ

Программа построения 
обобщенных функций

Программа построения 
модели фазовой КФ в 
обобщенных базисах

Программа построения 
модели фазового спектра 
в обобщенных базисах

Программа 
генерации 
данных

Программа 
загрузки 
данных из 
файла

Программа 
восстановления данных 
по аналитическому выражению

Программа 
ввода и интерпретации данных

Программа 
построения 
простейших 
ортогональных функций

Программа 
построения 
функциональных характеристик

Программа 
построения 
обобщенных 
характеристик

Программа построения модели КФ в простейших базисах

Программа построения модели спектра в 
простейших 
базисах

Программа 
построения 
функциональных характеристик

Программа 
построения 
обобщенных
характеристик

Программа 
построения 
обобщенных 
характеристик

Программа 
построения 
функциональных характеристик

Программа имитационного моделирования

Программа обработки 
внешних данных

Программа формирования отчетов

Рис. 2

Программные продукты и системы
№ 3, 2012 г.

7

Глубокий уровень содержит программы
–
построения и преобразования КФ (включа
ет часть программы, связанной с преобразованием 
КФ);

–
построения 
обобщенных 
ортогональных 

функций;

–
построения модели КФ в обобщенных ба
зисах;

–
построения модели спектра в обобщенных 

базисах.

Скрытый уровень представляет собой про
грамму, реализующую технологию аналитической 
обработки данных (рис. 3).

Предлагаемая технология включает следую
щие этапы: формирование набора данных, его 
распределение, построение моделей в рамках аналитического подхода [6, 7], реализация механизмов поиска скрытых закономерностей.

На первом этапе формируется исходный набор 

данных: происходит загрузка данных из файла либо генерирование совокупности выборок, подлежащих дальнейшему анализу. На втором этапе 
сформированные наборы данных распределяются 
по анализируемым характеристикам i (i – порядок анализируемой характеристики). На третьем 
этапе осуществляется построение корреляционноспектральных характеристик (функциональных и 
обобщенных) в рамках аналитического подхода. 
На последнем этапе выполняется поиск скрытых 
закономерностей на основе разработанных механизмов по полученным моделям корреляционноспектральных характеристик.

Механизмы поиска скрытых закономерностей 

могут иметь самую разную структуру. В терминах 

«Data Mining» выделяют пять стандартных типов: 
ассоциация, последовательность, кластеризация, 
классификация, прогнозирование. В связи с этим 
предлагаются 
следующие 
механизмы 
поиска 

скрытых закономерностей в рамках аналитического подхода: построение функциональной зависимости 
анализируемой 
корреляционно
спектральной характеристики f(); построение пары функциональных зависимостей f(i) и f(i+1) в 
фазовой плоскости; выполнение аналитических 

преобразований 
,
,
i

i

d
d
d





над функцио
нальной зависимостью F(f(i), f(i+1)).

Таким образом, разработанная пространствен
ная схема взаимодействия объектов позволяет 
создавать программные продукты, предполагающие наличие поэтапной обработки исходной информации. При этом построение данной схемы 
производится на различных уровнях создания конечного продукта:

–
на уровне программного кода при описании 

математических моделей, положенных в основу 
работы программного модуля;

–
на уровне объектов и модулей при описа
нии конечной программы, входящей в комплекс 
программ;

–
на уровне формирования комплекса на ос
нове имеющихся программ в зависимости от поставленной задачи.

Применение пространственной схемы взаимо
действия объектов позволит снизить ресурсные и 
временные затраты на получение конечного продукта, а при создании комплекса программ в рам
Формирование
наборов данных

Распределение
наборов данных

Построение моделей в 
рамках аналитического 
подхода

Реализация механизмов поиска 
скрытых закономерностей

Спектральный 
анализ

Корреляционный 

анализ

Механизм 1

Механизм 2

Механизм 3
Механизм N

 
f 





1
i
f





i
f 







1
,
i
i
F f
f




,
,
i

i

d
d
d






Рис. 3

Программные продукты и системы
№ 3, 2012 г.

8

ках систем «Data Mining» организовать ступенчатую платформу анализа данных.

Литература

1.
Data 
Mining 
Community's 
Top 
Resource.
URL: 

http://www.kdnuggets.com (дата обращения: 01.06.12).

2.
Knowledge Discovery Through Data Mining: What Is 

Knowledge Discovery? USA, California, Tandem Computers Inc., 
1996.

3.
Дюк В.А. Data Mining – интеллектуальный анализ дан
ных. СПб: СПИИ РАН: URL: http://www.inftech.webservis.ru/it/
database/datamining/ar2.html (дата обращения: 01.06.2012).

4.
Джексон Д. Ряды Фурье и ортогональные полиномы;

[пер. с англ.]. М., Л.: Глав. изд-во иностран. лит-ры, 1948. 

5.
Дедус Ф.Ф., Махортых С.А., Устинин М.Н., Дедус 

А.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и 
распознавания образов. М.: Машиностроение, 1999. 357 с.

6.
Прохоров 
С.А., 
Куликовских 
И.М. 
Численно
аналитический подход к вычислению интегралов при построении ортогональных моделей // Вестн. СамГТУ: Физматнауки. 
2009. № 2 (19). С. 140–146.

7.
Прохоров С.А., Куликовских И.М. Применение метода 

ортогональных разложений для выявления зависимостей между характеристиками ортогональных базисов // Аналитические 
и численные методы моделирования естественно-научных и 
социальных проблем: сб. стат. IV Междунар. науч.-технич.
конф. Пенза: Приволж. дом знаний, 2009. С. 81–83.

References

1.
Data Mining Community's Top Resource, available at: 

www.kdnuggets.com (accessed 01.06.12).

2.
Tandem Computers Inc., Knowledge Discovery Through 

Data Mining: What Is Knowledge Discovery? USA, California, 
1996.

3.
Duke V.А., St. Petersburg Institute for Informatics and 

Automation of RAS, available at: www.inftech.webservis.ru/it/database/datamining/ar2.html (accessed 01.06.2012).

4.
Jackson D., Ryady Furye i ortogonalnye polinomy (Fourier 

Series and Orthogonal Polynomials), Moscow, Leningrad, Glavnoe
izdatelstvo inostran. lit-ry, 1948.

5.
Dedus F.F., Makhortykh S.А., Ustinin М.N., Dedus А.F.,

Obobshchenny spektralno-analiticheskiy metod obrabotki informatsionnykh massivov. Zadachi analiza isobrazheniy i raspoznavaniya 
obrazov (Generalized Spectral-Analytic Method of Information Array Processing. Problems of Image Analysis and Pattern Recognition), Moscow, Mashinostroyenie, 1999, 357 p.

6.
Prokhorov S.А., Kulikovskikh I.М., Vestnik Samarskogo 

Gos. Tekhnich. Univ, 2009, no.2 (19), pp. 140–146.

7.
Prokhorov S.А., Kulikovskikh I.М., Sbornik statey IV 

mezhdunarodnoy nauchno-tekhnicheskoy konferentsii «Analiticheskiye i chislennye metody modelirovaniya estestvenno-nauchnykh i 
sotsialnykh problem» (Collection of Articles of the IV International 
Scientific and Technical Conference «Analytical and Numerical 
Methods of Science and Social Problem Simulation»), Penza, 
Privolzhsky Dom Znaniy, 2009, pp. 81–83.

УДК 681.3

САМАРСКАЯ ШКОЛА ПРОФЕССОРА С.А. ПРОХОРОВА

ПО ПРИКЛАДНОМУ АНАЛИЗУ СЛУЧАЙНЫХ ПРОЦЕССОВ

А.В. Иващенко, к.т.н.; И.М. Куликовских, к.т.н.

(Самарский государственный аэрокосмический университет им. академика С.П. Королева 

(национальный исследовательский университет), 
anton.ivashenko@gmail.com, kulikovskikh.i@gmail.com)

Описываются основные результаты работы кафедры информационных систем и технологий Самарского госу
дарственного аэрокосмического университета под руководством профессора С.А. Прохорова в области прикладного 
анализа случайных процессов, временных рядов и потоков событий. Выделена проблема и описаны главные этапы 
аппроксимативного анализа вероятностных характеристик для произвольной вероятностной характеристики, для 
корреляционно-спектрального анализа и для взаимного корреляционно-спектрального анализа. Указаны результаты, 
полученные в ходе исследований в области разработки технологии и ПО автоматизированных систем прикладного 
анализа случайных процессов, содержащие математическое описание, методы и алгоритмы моделирования случайных процессов, потоков событий и неэквидистантных временных рядов; методы и алгоритмы анализа законов распределения, характеристических функций, корреляционно-спектральных функций, структурных функций; решение 
задач вторичной обработки временных рядов, включающих идентификацию случайных процессов по виду функциональной характеристики, аппроксимацию законов распределения, характеристических, корреляционных, структурных функций, спектральных плотностей мощности параметрическими моделями, представляющими собой как 
функции заданного вида, так и ортогональные функции экспоненциального типа. Приведено описание функциональности комплекса автоматизированных систем, позволяющих решать разнообразные прикладные задачи анализа 
случайных процессов и временных рядов. Даны также примеры реальных задач, при решении которых использовались указанные методы и алгоритмы прикладного анализа случайных процессов: в физике, акустике, океанологии, 
медицине, машиностроении и в других областях, где необходима обработка случайных процессов с различными характеристиками.

Ключевые слова: случайные процессы, временные ряды, случайные потоки, корреляционно-спектральный ана
лиз, ортогональные функции, автоматизированная система.

SAMARA SCHOOL OF PROFESSOR S.A. PROKHOROV ON APPLICATION ANALYSIS 

OF RANDOM PROCESSES

Ivaschenko A.V., Ph.D.; Kulikovskikh I.M., Ph.D. 

(Samara State Aerospace University, anton.ivashenko@gmail.com, kulikovskikh.i@gmail.com)

Программные продукты и системы
№ 3, 2012 г.

9

Abstract. The article describes the main results obtained at the department of information systems and technologies of 

Samara State Aerospace University under the guidance of professor S.A. Prokhorov in the field of application analysis of 
random processes, time series and flows of events. It highlights the issue and describes the main stages of approximative 
analysis of probabilistic characteristics for a random probabilistic characteristic, for correlation and spectral analysis and for 
cross correlation and spectral analysis. It briefly specifies the results obtained in the course of research works in the field of 
development of technology and software for automated systems of random processes application analysis, including: mathematical description, methods and algorithms of simulation of random processes, flows of events and nonuniform time series; 
methods and algorithms of analysis of distribution laws, characteristic functions, correlation and spectral functions, structural 
functions; and solution of problems of secondary processing of time series, including identification of random processes in 
terms of the type of functional characteristic, approximation of distribution laws, characteristic, correlation and structural 
functions, power spectral density, by means of parametric models, which are the functions of given type as well as the orthogonal functions of exponential type. It gives the description of functionality of the automated systems set enabling to solve 
different application problems of analysis of random processes and time series. The article also describes the examples of real 
problems which solution involved the specified methods and algorithms of application analysis of random processes: in physics, acoustics, oceanology, medicine, machine engineering and other fields where the researchers face the necessity to process 
random processes with various characteristics.    

Keywords: stochastic flows, random streams, stochastic processes, correlation-spectral analysis, orthogonal functions, 

automated systems.

Современные методы и алгоритмы прикладно
го анализа случайных процессов позволяют решать разнообразные актуальные научные и практические задачи в области исследований, связанных с измерением и обработкой сигналов различной природы, анализом и моделированием сложных систем, в частности, в физике, океанологии, 
медицине, машиностроении и в других областях, 
где исследователи сталкиваются с необходимостью обработки случайных процессов с различными характеристиками [1–4].

Задачи прикладного анализа случайных про
цессов включают математическое описание, моделирование, идентификацию и оценивание вероятностных характеристик, аппроксимацию базовых 
и функционально связанных вероятностных характеристик параметрическими моделями – функциями заданного вида, а также функциями базиса, 
выбор которого обусловлен свойствами анализируемых функций. В качестве такого семейства 
функций широко используются ортогональные 
функции, позволяющие обеспечить требуемую 
точность аппроксимации при сравнительно небольшом количестве членов разложения.

Данный подход позволяет получить аналити
ческие модели типовых функциональных вероятностных характеристик случайных процессов: 
корреляционных и структурных функций, спектральных плотностей мощности, спектральных 
функций, функций распределения и плотностей 
вероятности, 
характеристических 
функций 
и 

обобщенных корреляционно-спектральных характеристик, полученных как в процессе имитационного моделирования, так и в ходе экспериментальных исследований и комплексных испытаний. 
Суть подхода заключается в следующем.

Представим модель вероятностной функцио
нальной характеристики в виде разложения в ряд 
Фурье по ортогональным многочленам k(x, )
с параметром масштаба  и весовой функцией 
(x, ) [4, 5]:

 



0

ˆ
,

m

k
k

k

f x
x




 


,
(1)




  

2 , если
;
,
,

0, если
.

b

k

k
n

a

k
n
x
x
x dx

k
n

 



 
 
 




Для минимизации квадратической погрешно
сти приближения

 


 

2

0

,
min

b
m

k
k

k
a

f x
x
x dx





 

 









(2)

коэффициенты разложения – коэффициенты Фурье с учетом свойств ортогональных функций определяются выражением

 

  
2

1
,
.

b

k
k

a
k

f x
x
x dx
 

 



(3)

Для вычисления остальных параметров модели 

следует решать задачи подбора в соответствии с 
выражением (2).

Таким образом, для построения ортогональной 

модели необходимо

1) задать ортогональную систему функций 

k(x, );

2) определить численное значение параметра 

масштаба ;

3) определить коэффициенты разложения k

согласно (3);

4) определить количество членов разложения 

ряда (1);

5) определить корректирующие коэффициен
ты, обеспечивающие выполнение моделью основных свойств вероятностной функциональной характеристики, как правило, условия нормировки.

Обозначим временной ряд 


1,

0,...,
,
/

j
i
M

ji
ji
ji
j
N
x
t
t





. 

На рисунке приведена графическая интерпретация 
аппроксимативного анализа вероятностных характеристик ˆ[
( )]
X t

: в общем виде для произволь
ной вероятностной характеристики; для корреляционно-спектрального анализа, где 
ˆ[
( )]
X t

=

Программные продукты и системы
№ 3, 2012 г.

10

 

2ˆ
x
x
  

– автокорреляционная функция; для 

взаимного корреляционно-спектрального анализа, 
где 
2
2
ˆ
ˆ
[
( ), ( )]
( )
x
y
xy
X t Y t

   

– взаимная корре
ляционная функция. Заметим, что структура предлагаемых 
графических 
интерпретаций 
может 

варьироваться в зависимости от постановки задачи.

Первые научные работы в данном направлении 

были начаты в 1970 году на кафедре информационно-измерительной техники Куйбышевского политехнического института имени В.В. Куйбышева 
тогда еще студентом Прохоровым С.А. под руководством заслуженного деятеля науки и техники 
РФ, д.т.н. профессора Куликовского Л.Ф. и к.т.н. 
доцента Волкова И.И. и продолжены в Загребском 
университете (Югославия) на естественно-научном факультете и институте «Руджер Бошкович» в 
«Центре исследования моря» под руководством 
профессора Б. Соучека. В настоящее время эти 
разработки развились в отдельное научное направление в Самарском государственном аэрокосмическом университете имени академика С.П. 
Королева (национальном исследовательском университете) на кафедре информационных систем и 
технологий. В рамках этой работы в университете
под руководством Прохорова С.А. в период с 1988
по 2012 гг. подготовлены 24 кандидата и 4 доктора технических наук.

Работы в данном направлении позволили по
лучить:


математическое описание, методы и алго
ритмы моделирования случайных процессов, потоков событий, неэквидистантных временных рядов с заданными вероятностными характеристиками, а также методы и алгоритмы их оценки [5];


методы и алгоритмы анализа законов рас
пределения, характеристических, корреляционно-спектральных и структурных функций, основанные на применении классического подхода, 
а также с использованием интервальной корреля
ционной функции [6, 7];


решение задач вторичной обработки вре
менных рядов: идентификация случайных процессов по виду функциональной характеристики, 
аппроксимация законов распределения, характеристических, 
корреляционных, 
структурных 

функций, спектральных плотностей мощности параметрическими моделями, представляющими со
бой как функции заданного вида, так и ортогональные функции экспоненциального типа [5–7].

Разработка автоматизированных информаци
онных систем для аппроксимативного анализа 
функциональных вероятностных характеристик и 
лабораторного практикума основана на применении как автоматизированных систем, так и математического пакета MATHCAD.

Важной особенностью этого направления стала 

апробация разрабатываемых методов и алгоритмов в программных комплексах, реализованных в 
разное время на языках Delphi, платформах .NET
и J2EE. Такой подход, несмотря на некоторую 
трудоемкость, позволил апробировать разработанные методы и алгоритмы, провести анализ погрешностей аппроксимативного анализа методов 
имитационного моделирования и создать комплекс автоматизированных систем, способных 
решать конкретные практические задачи.

Функциональность разработанных автомати
зированных систем включает:


моделирование случайных процессов и 

временных рядов с заданными характеристиками;


аппроксимацию корреляционно-спектраль
ных характеристик параметрическими моделями –
функциями заданного вида и ортогональными 
функциями Лагерра, Лежандра, Якоби, Дирихле, 
Бесселя и др.;


графическое отображение результатов ап
проксимации;


анализ погрешностей аппроксимации и ис
следование алгоритмов методом имитационного 
моделирования.

Аппроксимативный анализ вероятностных характеристик случайных процессов

Аппроксимативный корреляционно-спектральный анализ случайных процессов

Аппроксимативный анализ взаимных корреляционно-спектральных характеристик случайных процессов

 



0,

0,...,

j
t
T

j
j
N
x
t










1,

0,...,
,
/

j
i
M

ji
ji
ji
j
N
x
t
t





 



1,...,

0,...,
ˆ
,
/

j
i
M

d
ji
ji
ji
j
N
X t
S g
x
t
t



















 
ˆ x




ˆ
,
ax
m
S
 


ˆ
,
ax
m
F
 


ˆ
,
ax
m

 

 ,
n
k
k




э
,
,
э
э
x
S
 



1
2
,
aP  



ˆ
,
axy
m
S
 


ˆ
,
axy
m
F
 


ˆ
,
axy
m

 

 ,
n
k
k




э
,
,
э
э
xy
S
 


 
ˆ xy





1
2
,
aP  

Программные продукты и системы
№ 3, 2012 г.

11

Следует отметить, что в рамках описываемых 

исследований также были получены алгоритмы 
аппроксимативного анализа вероятностных и корреляционно-спектральных характеристик неэквидистантных временных рядов, позволяющие существенно расширить область применения методов и средств статистического анализа случайных 
процессов. В частности, в настоящее время получены достаточно полезные результаты в области 
управления организационно-техническими системами, транспортными сетями, позволяющие решать задачи анализа и синтеза сложных программных систем с распределенной архитектурой.

В целом с использованием разработанных спе
циалистами Самарской научной школы профессора С.А. Прохорова методов и средств были решены следующие задачи: анализ гидрологических 
параметров в открытой части Балтийского моря, 
анализ звукопоглощающих характеристик самолетных конструкций, диагностика амортизаторов 
подвески автомобиля, анализ электрических сигналов нейронов, нервов и мышц, анализ вариабельности сердечного ритма, анализ котировок 
акций топливно-энергетической компании, комплексный анализ безопасности научно-производственного предприятия. Разнообразие и сложность 
решаемых задач позволяют сделать вывод о высокой практической значимости разработанных методов и алгоритмов прикладного анализа случайных процессов и неэквидистантных временных 
рядов.

Кроме этого, созданные системы использо
вались при чтении лекций и выполнении лабораторных работ по ряду дисциплин в процессе
подготовки студентов по специальностям «Информационно-измерительная техника», «Автоматизированные системы обработки информации и 
управления» во многих ведущих университетах 
Поволжья.

Литература

1.
Дедус Ф.Ф., Махортых С.А., Устинин М.Н., Дедус 

А.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и 

распознавания образов. М.: Машиностроение, 1999. 357 с.

2.
Дедус Ф.Ф. Достижения и перспективы развития 

обобщенного спектрально-аналитического метода в решении 
сложных информационных задач // Математические методы 
распознавания образов (ММРО-12): докл. 12-й Всеросс. конф. 
М.: ВЦ РАН, 2005. С. 84–86.

3.
Батищев В.И., Мелентьев В.С. Аппроксимационные 

методы и системы промышленных измерений, контроля, испытаний, диагностики. М.: Машиностроение-1, 2007. 393 с.

4.
Прикладной анализ случайных процессов / С.А. Про
хоров, А.В. Графкин, В.В. Графкин [и др.]. Самара: Изд-во 
СНЦ РАН, 2007. 582 с.

5.
Прохоров С.А. Математическое описание и моделиро
вание случайных процессов / Самара: СГАУ, 2001. 209 с.

6.
Прохоров С.А. Прикладной анализ неэквидистантных 

временных рядов / Самара: СГАУ, 2001. 375 с.

7.
Прохоров С.А. Аппроксимативный анализ случайных 

процессов. 2-е изд., перераб. и доп. Самара: СНЦ РАН, 2001. 
380 с.

References

1.
Dedus F.F., Makhortykh S.А., Ustinin М.N., Dedus А.F.,

Obobshchenny spektralno-analiticheskiy metod obrabotki informatsionnykh massivov. Zadachi analiza isobrazheny i raspoznavaniya 
obrazov (Generalized Spectral-Analytic Method of Information Array Processing. Problems of Image Analysis and Pattern Recognition), Moscow, Mashinostroyeniye, 1999, 357 p.

2.
Dedus F.F., Doklady 12 Vserossiyskoy konferentsii «Mate
maticheskie metody raspoznavaniya obrazov» (ММRО-12), (Proceedings of the 12th All-Russian Conference «Mathematical Methods for Pattern Recognition»), Мoscow, Computer Center of RAS, 
2005, pp. 84–86.

3.
Batishchev V.I., Melentyev V.S., Approksimatsionnye me
tody i sistemy promyshlennykh izmereniy, kontrolya, ispytaniy, 
diagnostiki (Approximating Methods and Systems of Industrial 
Measurements, Monitoring, Testing, Diagnostics), Мoscow, 
Mashinostroyenie-1, 2007, 393 p.

4.
Prokhorov S.А., Grafkin А.V., Grafkin V.V., Degtyare
va О.А., Ivashchenko А.V., Kudrina М.А., Kulikovskikh I.М., 
Lezin I.А., Lezina I.V., Moskalenko I.S., Sapozhnikova E.S., 
Stankevich А.I., Shirokov О.Yu., Prikladnoy analiz sluchainykh 
protsessov (Application Analysis of Random Processes), Samara, 
Izdatelstvo Samara Research Center RAS, 2007, 582 p.

5.
Prokhorov S.А., Matematicheskoe opisanie i modelirova
nie sluchainykh protsessov (Mathematical Representation and Simulation of Random Processes), Samara, Samara State Aerospace 
Univ., 2001, 209 p.

6.
Prokhorov S.А., Prikladnoy analiz neekvidistantnykh vre
mennykh ryadov (Application Analysis of Non-uniform Time Series), Samara, Samara State Aerospace Univ., 2001, 375 p.

7.
Prokhorov S.А., Approksimativny analiz sluchainykh pro
tsessov (Approximative Analysis of Random Processes), 2nd ed., 
Samara, Samara Research Center RAS, 2001, 380 p.

УДК 519.685

TEMPLET – МЕТОД ПРОЦЕССНО-ОРИЕНТИРОВАННОГО 

МОДЕЛИРОВАНИЯ ПАРАЛЛЕЛИЗМА

С.В. Востокин, д.т.н.

(Самарский государственный аэрокосмический университет им. академика С.П. Королева 

(национальный исследовательский университет), easts@mail.ru)

Представлена новая методология моделирования параллельных процессов TEMPLET, разрабатываемая автором 

на кафедре информационных систем и технологий Самарского государственного аэрокосмического университета. 
Рассмотрена усовершенствованная версия нотации, позволяющая: описывать протоколы взаимодействия процессов 
в виде последовательности передаваемых сообщений; представлять логику работы процессов посредством процедур, 

Программные продукты и системы
№ 3, 2012 г.

12

обрабатывающих сообщения; визуализировать процессы и их взаимодействие при помощи аннотированных графов. 
Метод моделирования предназначен для описания систем с внутренним параллелизмом на основе процессного подхода. Особое внимание уделяется следующим аспектам методологии: способ декомпозиции процессов на процедуры 
обработки сообщений, описание протоколов взаимодействия процессов в виде конечных автоматов, графическая нотация для визуализации модели процессов, подробное описание правил для передачи динамики модели. В качестве 
иллюстрации приведен пример простейшей системы процессов типа «разветвление–слияние». Рассмотрены цели 
проектирования. Показана диаграмма верхнего уровня, описывающая композицию процессов и используемые в ней 
пиктографические элементы. Дается анализ примеров для объектов, составляющих диаграмму композиции процессов. Рассматриваются диаграммы коммуникационных объектов – каналы, диаграммы объектов, обрабатывающих 
сообщения, процессы. Кратко описаны программные средства поддержки методологии моделирования TEMPLET, 
дается ссылка на источники с примерами ее применения. Также предлагается ссылка на сайт исследовательского 
проекта, посвященного данной методологии, где размещены программные средства ее поддержки.

Ключевые слова: процесс, сообщение, канал, протокол, моделирование, визуализация, графическая нотация, ав
томатизация проектирования.

TEMPLET – METHOD OF PROCESS ORIENTED SIMULATION OF PARALLELISM

Vostokin S.V., Ph.D. (Samara State Aerospace University, easts@mail.ru)

Abstract. This paper presents a new methodology of simulation of parallel processes TEMPLET being developed by the 

author at the department of information systems and technologies of Samara State Aerospace University. It reviews the improved version of notation, which makes it possible: to describe interprocess communication protocols in the form of sequence of communicated messages; to represent the logic of process operation by means of message processing procedures; 
to visualize the processes and their communication by means of annotated graphs. Simulation method is designed to describe 
the systems with inherent parallelism on the basis of a process approach. The following aspects of methodology are focused 
on: the way of process decomposition into message processing procedures; description of process communication protocols 
in the form of finite-state machines; graphic notation for visualization of process model; detailed description of rules for 
transmission of model dynamics. An example of the simplest system of fork-join type processes is given to illustrate this. The 
article consists of five parts. The Introduction considers the purposes of design. The main part shows the upper level diagram 
describing the process composition and pictographic elements used in it. Then the analysis of examples for the objects comprising the process composition diagram is represented. Further the communication object diagrams are reviewed – channels, 
diagrams of message processing objects - processes. The representation finishes with a brief description of the support software for TEMPLET simulation methodology and a reference to sources with examples of its usage. Besides, the reference to 
the web site of the research project related to this methodology is proposed, where you can find its support software.

Keywords: process, message, channel, protocol, modeling, visualization, graphical notation, computer-aided design.

Процессно-ориентированный метод широко 

применяется в параллельных вычислениях, в системах сбора и обработки данных, при моделировании информационных процессов на производстве [1–4]. Используемые нотации сходны между 
собой на уровне взаимодействия процессов: это 
графы, вершины которых обозначают процессы, а 
дуги – информационные связи. Отличие состоит в 
способе описания процессов и логики их взаимодействия. В статье предлагается новый метод спецификации перечисленных аспектов процессной 
модели, позволяющий: 1) описывать протоколы 
взаимодействия процессов в виде последовательности передаваемых сообщений; 2) представлять 
логику работы процессов посредством процедур, 
обрабатывающих сообщения; 3) визуализировать 
процессы и их взаимодействие при помощи аннотированных графов.

Композиция процессов. Параллельная система 

в целом моделируется как композиция элементов 
модели «процесс» и элементов модели «канал». 
Интерфейсными элементами процессов, участвующих в композиции, являются порты. Система 
«разветвление–слияние» ForkJoin в описываемой 
нотации представлена на рисунке 1. Родительский 
процесс p выдает задания дочерним процессам c1 
и c2, а затем выполняет обработку их ответов.

Пометки графа на рисунке 1 обозначают: 

p:Parent – процесс p типа Parent; p1->p:Call – кли
ентский порт p1 (процесса p), связанный с серверным портом p (процесса c1) каналом, имеющим 
тип Call; точка на дуге указывает положение серверного порта.

Каналы. Диаграмма канала описывает объек
ты, задающие информационные связи между процессами, показывает, какие именно сообщения передаются между процессами, и определяет возможный порядок их передачи. Во взаимодействии 
по каналу участвуют два процесса – клиент и сервер. Возможна передача произвольного числа сообщений в обе стороны. В любой момент времени 
передается не более одного сообщения.

На рисунке 2 показан протокол взаимодейст
вия между родительским и дочерним процессами 

c1:Child
c2:Child

p:Parent

p2->p:Call
p1->p:Call

ForkJoin

Рис. 1. Композиция процессов в системе 

«разветвление–слияние»

Программные продукты и системы
№ 3, 2012 г.

13

в системе «разветвление–слияние», описанный 
каналом Call. Пометки графа на рисунке 2 обозначают: s0 – начальная вершина процесса-клиента; 
s1 – вершина процесса-сервера; s2 – вершина процесса-клиента; call и ret – передаваемые сообщения.

Состояние канала – это переменная, хранящая 

дугу с передаваемым сообщением. В начальный 
момент переменная хранит специальный признак, 
сигнализирующий об отсутствии сообщения.

В начальном состоянии возможна передача со
общений процессом-клиентом по дугам, исходящим из начальной вершины (с пометкой, как у s0 
на рис. 2). Новым состоянием канала будет дуга, 
соответствующая переданному сообщению.

Если состоянием канала является дуга, то воз
можен прием сообщения, помечающего ее. Принять сообщение может процесс-клиент, если вершина, в которую входит дуга, является вершиной
процесса-клиента. Иначе сообщение может принять процесс-сервер. Принимающий сообщение 
процесс может отправить ответное сообщение из 
тех, которые помечают дуги, исходящие из рассматриваемой вершины. Аналогично новым состоянием канала будет дуга, соответствующая переданному сообщению.

Граф на рисунке 2 показывает, что вначале 

клиент (родительский процесс p на рис. 1) передает дочернему процессу сообщение call, затем получает от него сообщение ret. На этом взаимодействие заканчивается.

Процессы. Диаграмма процесса описывает ал
горитм обработки поступающих сообщений. Результатом обработки могут стать отправка новых 
сообщений и/или изменение состояния процесса. 
Процессы являются пассивными, управляемыми 
сообщениями: алгоритм обработки запускается 
только при поступлении сообщения и не может 
быть прерван другим сообщением до его завершения.

Примеры графических обозначений, исполь
зуемых на диаграммах процессов, показаны на рисунках 3 и 4. Пометки графов обозначают: fork –
начальная вершина, запускающая алгоритм обработки в начальном состоянии; call и ret – получаемые или отправляемые сообщения; p1 и p2 –
клиентские порты процессов; p – серверный порт 
процесса; join, proc, error – методы обработки сообщений в процессах; yes, no – передача управле
ния в случае успешного или неуспешного завершения процедуры обработки.

Состояние процесса – это переменная, храня
щая значение текущей вершины графа процесса. 
Когда обработка не выполняется, переменная хранит специальный признак останова. Если имеется 
сообщение, отправленное процессу, то рано или 
поздно начнется обработка данного сообщения с 
вершины-порта (p, p1 или p2 на рис. 3 и 4). Переменная состояния процесса примет значение соответствующей вершины.

Правило передачи управления для портов: если 

имеется исходящая дуга с пометкой yes, управление передается по ней; если имеется исходящая 
дуга, 
помеченная 
поступившим 
сообщением, 

управление передается по ней; иначе, если имеется дуга с пометкой no, управление передается по 
ней.

Правило запуска процедуры обработки сооб
щений: процедура запускается, если одновременно (1) переменная состояния принимает значение 
вершины, помеченной данной процедурой; (2)
возможен прием сообщений, ведущих в эту вершину; (3) возможна отправка сообщений, исходящих из данной вершины.

Отправка исходящих сообщений выполняется, 

если одновременно процедура была запущена и
вернула признак успешного завершения.

Правило передачи управления для процедур: 

передача управления по дуге с пометкой yes происходит, если процедура была запущена и вернула 
признак успешного завершения; иначе происходит 
передача управления по дуге с пометкой no.

Если нет исходящих из вершин дуг, по кото
рым можно выполнить переход в текущей ситуа
s0
s2
s1

call
ret

Call

Рис. 2. Протокол взаимодействия процессов 

в системе «разветвление–слияние»

join

fork

p1:Call
p2:Call

call
call

ret
ret

Parent

yes

Рис. 3. Родительский процесс в системе 

«разветвление–слияние»

p:Call
proc

call

ret

Child

error

no

Рис. 4. Дочерний процесс в системе 

«разветвление–слияние»

Программные продукты и системы
№ 3, 2012 г.

14

ции, переменная состояния процесса принимает 
значение признака останова.

Рассмотрим примеры процессов, изображен
ных на рисунках 3 и 4. Вычисления начинаются с 
выполнения метода fork процесса Parent. Он формирует и отправляет сообщения call дочерним 
процессам по портам p1 и p2. Так как из вершины 
не исходят дуги с пометками yes или no, обработка заканчивается. Сообщения call попадают в связанные дочерние процессы Child через порт p. Запускается метод proc. Его параметрами являются 
поступившее сообщение call и формируемое для 
отправки сообщение ret. В случае неуспешного 
завершения метода proc отправка сообщения ret
не производится, а запускается метод error. Иначе 
в родительский процесс отправляется сообщение 
ret. При поступлении сообщения на порт p1 в процесс Parent управление немедленно передается в 
метод join. Альтернативную возможность передачи управления реализует порт p2. Здесь происходит проверка типа поступившего сообщения. Метод join родительского процесса Parent запускается, когда ответные сообщения ret придут от обоих 
дочерних процессов.

Применение 
и 
программная 
реализация.

Описанный метод моделирования применяется 
для разработки параллельных алгоритмов численного моделирования [5], его программная реализация подробно рассмотрена в [6]. Представленные в работе диаграммы кодируются на языке 
разметки XML. Они преобразуются транслятором 
моделей с языка разметки в исполняемый код на 
языке С++. Для исполнения сгенерированных 
программ имеются модуль системы исполнения с 
отладочным последовательным кодом, модули 
многопоточного исполнения для API Win32 и API 
POSIX, примеры тестовых приложений и графический редактор для создания моделей. Транслятор моделей реализован на языке C/C++, исполь
зует SAX-парсер Expat 2.0.1 для разбора XMLфайлов. Система автоматизации параллельного 
программирования, основанная на представленном методе моделирования параллельных процессов, доступна для использования на сайте СГАУ 
по адресу: http://graphplus.ssau.ru.

Литература

1.
Process Description Capture Method. URL: http://www.id
ef.com/IDEF3.htm (дата обращения: 30.05.2012).

2.
Unified Modeling Language. URL: http://www.omg.org/

spec/UML/ (дата обращения: 30.05.2012).

3.
The Ptolemy Project. URL: http://ptolemy.eecs.berke
ley.edu/ (дата обращения: 30.05.2012).

4.
Шеер А.В. ARIS – моделирование бизнес-процессов. 

Издат. дом «Вильямс», 2000. 175 с.

5.
Востокин С.В. Визуальное моделирование в разработ
ке параллельных алгоритмов. Метод и программные средства. 
LAMBERT Academic Publishing, 2011. 304 c.

6.
Востокин С.В. Система автоматизации параллельного 

программирования Graphplus templet / В сб.: Параллельные 
вычисления и задачи управления: тр. Пятой междунар. конф. 
М.: ИПУ РАН, 2010. С. 1143–1156. URL: http://paco.ipu.ru/paco2010.iso (дата обращения: 30.05.2012).

References

1.
Process Description Capture Method, available at: www.

idef.com/IDEF3.htm (accessed 30.05.2012).

2.
Unified Modeling Language, available at: www.omg.org/

spec/UML/ (accessed 30.05.2012).

3.
The Ptolemy Project, available at: ptolemy.eecs.berke
ley.edu/ (accessed 30.05.2012).

4.
Scheer А.W., ARIS – modelirovanie biznes protsessov

(ARIS – Business Process Modeling), Мoscow, 2000, 175 p.

5.
Vostokin S.V., Vizualnoe modelirovanie v razrabotke pa
rallelnykh algoritmov. Metod i programmnye sredstva (Visual Simulation in Parallel Algorithm Development. Method and Software 
Tools), LAMBERT Academic Publishing, 2011, 304 p.

6.
Vostokin S.V., Trudy pyatoy mezhdunarodnoy konferentsii 

«Parallelnye vychisleniya i zadachi upravleniya» (Proceedings of 
the Fifth International Conference «Parallel Computing and Management Problems»), Moscow, Institute of Control Sciences RAS, 
2010, pp. 1143–1156, available at: www.paco.ipu.ru/paco2010.iso 
(accessed 30.05.2012).

УДК 519.685

ПРИМЕНЕНИЕ КОМПЛЕКСА

ПАРАЛЛЕЛЬНОГО ПРОГРАММИРОВАНИЯ GRAPHPLUS TEMPLET 

В МОДЕЛИРОВАНИИ

С.В. Востокин, д.т.н.; В.Г. Литвинов; А.Р. Хайрутдинов

(Самарский государственный аэрокосмический университет им. академика С.П. Королева 

(национальный исследовательский университет), 

easts@mail.ru, doom-black@mail.ru, khairutdinov@yandex.ru)

Представлена программная реализация инструментария параллельного программирования Graphplus templet, ав
томатизирующего разработку параллельных программ для многопроцессорных рабочих станций и суперкомпьютеров. Данная разработка ведется с 2004 года на кафедре информационных систем и технологий Самарского государственного аэрокосмического университета в рамках исследовательского проекта «Граф Плюс» (graphplus.ssau.ru). В 
статье развивается подход, позволяющий расширить и упростить применение высокопроизводительной вычисли