exam17 3
Реферат к лекции 17 "Высоконагруженные системы и системы реального времени." ✋
Выполнил: Казовский Максим, группа: ИДБ-19-06
Проверила: Деминова Юлиана, группа: ИДБ-19-06
Системами реального времени (СРВ) называются автоматизированные системы с жесткими ограничениями на временные (динамические) характеристики работы. Она должна реагировать на события во внешней по отношению к системе среде или воздействовать на среду в рамках требуемых временных ограничений. Формально это условие может быть записано в виде:
Tmin < T < Tmax, где:
- T – некоторая временная характеристика (например, время реакции на внешнее событие, длительность выполнения какой-либо операции,момент наступления какого-либо события и т.п.);
- Tmin и Tmax, - предельно допустимые значения (границы) этой характеристики.
В прикладном понимании система работает в реальном времени, если ее быстродействие обработки данных и генерирования управляющих сигналов адекватно скорости протекания физических процессов на объектах контроля или управления
Стандарт POSIX 1003.1 определяет СРВ следующим образом: «Реальное время в операционных системах – это способность операционной системы обеспечить требуемый уровень сервиса в заданный промежуток времени». А стандарт IEEE 610.12 – 1990 говорит, что реальное время «Относится к системе или режиму работы, в котором вычисления проводятся в течение времени, определяемого внешним процессом, с целью управления или мониторинга внешнего процесса по результатам этих вычислений».
Процессы (задачи) систем реального времени могут иметь следующие характеристики и связанные с ними ограничения:
- дедлайн (англ. deadline) — критический срок обслуживания, предельный срок завершения какой-либо работы;
- латентность (англ. latency) — время отклика (время задержки) системы на внешние события;
- джиттер (англ. jitter) — разброс значений времени отклика.
Можно различить джиттер запуска — период времени от готовности к исполнению до начала собственно исполнения задачи и джиттер вывода — задержка по окончании выполнения задачи. Джиттер может возникать под влиянием других одновременно исполняемых задач. В моделях систем реального времени могут фигурировать и другие параметры, например, период и количество итераций (для периодических процессов), нагрузка — количество команд процессора в худшем случае.
Принято различать системы мягкого и жесткого реального времени:
- В системе жёсткого реального времени ситуация, в которой обработка событий происходит за время, большее предусмотренного, считается фатальной ошибкой. Примерами систем жесткого реального времени могут быть бортовые системы управления (на самолете, космическом аппарате, корабле, и пр.), системы аварийной защиты, регистраторы аварийных событий.
- Системами мягкого реального времени называются системы, не попадающие под определение "жесткие", т.к. в литературе четкого определения для них пока нет. Системы мягкого реального времени могут не успевать решать задачу, но это не приводит к отказу системы в целом.
Другими словами система называется системой жесткого реального времени, если она "не имеет права опаздывать", и мягкого реального времени - если ей "не следует опаздывать".
События реального времени могут относиться к одной из трёх категорий:
- Асинхронные события — полностью непредсказуемые события. Например, вызов абонента телефонной станции.
- Синхронные события — предсказуемые события, случающиеся с определённой регулярностью. Например, вывод аудио и видео.
- Изохронные события — регулярные события (разновидность асинхронных), случающиеся в течение интервала времени. Например, в мультимедийном приложении данные аудиопотока должны прийти за время прихода соответствующей части потока видео.
По типу применения различают:
- Универсальные. СРВ называется универсальной, если ее можно применять для различных задач автоматически. Человеческий фактор сведен к нулю. 90% - разработка, 10% - установка.
- Специализированные. СРВ называется специализированной, если она ориентирована на строго определенную задачу. Обычно применяются, где есть риск для человека. 70% - разработка, 30% - установка.
- Предсказуемость (детерминированность). Только благодаря этому свойству, разработчик может гарантировать функциональность и корректность спроектированной системы.
- Важно максимальное время отклика на событие, а не среднее;
- Возможность безотказной работы в течение длительного периода времени.
С развитием вычислительной техники системы реального времени нашли применения в самых различных областях. Особенно широко СРВ применяются в промышленности, включая системы управления технологическими процессами, системы промышленной автоматизации, SCADA-системы, испытательное и измерительное оборудование, робототехнику. СРВ встроены в периферийные устройства компьютеров, телекоммуникационное оборудование и бытовую технику, такую как лазерные принтеры, сканеры, цифровые камеры, кабельные модемы, маршрутизаторы, системы для видеоконференций, мобильные телефоны, системы безопасности.
Интеллектуальный агент в компьютерной науке — программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени. Интеллектуальные агенты используются для содействия оператору или сбора информации.
Примерами интеллектуального агента являются: компьютерные вирусы, боты, поисковые роботы, демоны в Unix, службы в Windows.
Интеллектуальный агент в сфере ИИ — сущность, получающая информацию через систему сенсоров о состоянии управляемых ими процессов и осуществляющие влияние на них через систему актуаторов, при этом их реакция рациональна в том смысле, что их действия содействуют достижению определенных параметров.
В качестве примера интеллектуального агента в ИИ, можно привести умный дом получающий информацию от внешей среды, через датчики.
В искусственном интеллекте существует несколько типов агентов. Например:
- Физический Агент — агент, воспринимающий окружающий мир через некоторые сенсоры и действующий с помощью манипуляторов.
- Временной агент — агент, использующий изменяющуюся с ходом времени информацию и предлагающий некоторые действия или предоставляющий данные компьютерной программе или человеку, и получающий информацию через программный ввод.
Всех агентов можно разделить на пять групп по типу обработки воспринимаемой информации:
- Агенты с простым поведением. Их агентская функция основана на схеме условие-действие
- Агенты с поведением, основанным на модели. Агенты с поведением, основанным на модели, могут оперировать со средой, лишь частично поддающейся наблюдению. Внутри агента хранится представление о той части, что находится вне границ обзора
- Целенаправленные агенты. Целенаправленные агенты схожи с предыдущим типом, однако они, помимо прочего, хранят информацию о тех ситуациях, которые для них желательны.
- Практичные агенты. Целенаправленные агенты различают только состояния, когда цель достигнута, и когда не достигнута. Практичные агенты, помимо этого, способны различать, насколько желанно для них текущее состояние.
- Обучающиеся агенты. Их также называются автономными интеллектуальными агентами, что означает их независимость и способность к обучению и приспосабливанию к изменяющимся обстоятельствам.
Выделяют 4 типа Интеллектуальных агентов:
- Роботы по закупкам Такие роботы, просматривая сетевые ресурсы, собирают информацию о товарах и услугах.
- Пользовательские или персональные агенты К этой категории относятся интеллектуальный агенты, которые постоянно, или в течение некоторого времени выполняют задания порученные им пользователями, например: проверка почты, заполнение Web-формы и др.
- Управляющие и наблюдающие агенты также известные как «предсказывающие агенты» ведут наблюдение и отправляют отчеты. Например, такие агенты ведут наблюдение за компьютерными сетями и следят за конфигурацией каждого компьютера, подключенного к сети.
- Добывающие информацию агенты Такие агенты действуют в хранилище данных, собирая информацию. Хранилище данных объединяет в себе информацию из разных источников.
Агент, достигая цели, получает статус/награду. Исходы тех или иных возможных действий прогнозируются с помощью моделей. "Среда" представляет собой поле деятельности для агента: она подвергается наблюдениям, над ней производятся действия (рис.1).
Рис.1 Агент и среда
Под средой понимается пространство, в котором агент «живет» и занимается своим делом в попытке достичь поставленных целей. Цели — это то, что агент хочет достичь, к достижению чего он прилагает усилия. Достигая цели, агент получает награду в зависимости от того, какова ценность этой цели. Это та же идея, что лежит в основе позитивного подкрепления в обучающем процессе. Если, к примеру, цель агента лежит в увеличении онлайн-продаж, наградой может стать объем продаж или процент конверсионных сессий, приведших к покупке.
Исходя из имееющегося ряда целей и ограничений среды, задачей агента будет изучить, какие действия принимать в каждой ситуации, в которой он окажется.
У интеллектуального агента есть два базовых шага:
1.Сначала действует:
- Наблюдает за средой для определения существующей ситуации (можете считать это сбором данных, то есть тем, чем мы обычно занимаемся при веб-аналитике);
- Дает прогноз, какое из всех возможных действий окажется лучшим;
- Совершает действие.
- Затем "учится" на эффекте, произведенном от этого действия:
- Снова наблюдает за средой, чтобы увидеть влияние произведенного действия;
- Оценивает, насколько хорошим или плохим оказалось данное влияние и привело ли оно к цели;
- Если нет, определяет, приблизило оно к цели или, наоборот, отдалило по сравнению с той ситуацией, что была до совершения действия;
- Обновляет модель прогнозирования согласно тому, насколько действие продвинуло агента ближе к цели либо отдалило его от нее.
Повторяя данный процесс, агент учится принимать наиболее оптимальные действия в каждой ситуации.
- Классификация ИА
- Агент и среда
- Характеристики СРВ
- Определение СРВ
- Понятие систем реального времени
- Интеллектуальные агенты
backup Олинов, Барабанова
# Понятия системы реального времени и интеллектуального агента.Реферат к лекции 17 "Высоконагруженные системы и системы реального времени." ✋
Выполнил: Олинов Иван, группа: ИДБ-18-06
Проверила: Барабанова Анна, группа: ИДБ-18-06
Система реального времени (СРВ) — система, которая должна реагировать на события во внешней по отношению к системе среде или воздействовать на среду в рамках требуемых временных ограничений. Стандарт POSIX 1003.1 определяет СРВ следующим образом: «Реальное время в операционных системах – это способность операционной системы обеспечить требуемый уровень сервиса в заданный промежуток времени». А стандарт IEEE 610.12 – 1990 говорит, что реальное время «Относится к системе или режиму работы, в котором вычисления проводятся в течение времени, определяемого внешним процессом, с целью управления или мониторинга внешнего процесса по результатам этих вычислений». В прикладном понимании система работает в реальном времени, если ее быстродействие обработки данных и генерирования управляющих сигналов адекватно скорости протекания физических процессов на объектах контроля или управления
Процессы (задачи) систем реального времени могут иметь следующие характеристики и связанные с ними ограничения:
-дедлайн (англ. deadline) — критический срок обслуживания, предельный срок завершения какой-либо работы; -латентность (англ. latency) — время отклика (время задержки) системы на внешние события;
- джиттер (англ. jitter) — разброс значений времени отклика. Можно различить джиттер запуска — период времени от готовности к исполнению до начала собственно исполнения задачи и джиттер вывода — задержка по окончании выполнения задачи. Джиттер может возникать под влиянием других одновременно исполняемых задач. В моделях систем реального времени могут фигурировать и другие параметры, например, период и количество итераций (для периодических процессов), нагрузка — количество команд процессора в худшем случае.
Принято различать системы мягкого и жесткого реального времени:
- В системе жёсткого реального времени ситуация, в которой обработка событий происходит за время, большее предусмотренного, считается фатальной ошибкой. Примерами систем жесткого реального времени могут быть бортовые системы управления (на самолете, космическом аппарате, корабле, и пр.), системы аварийной защиты, регистраторы аварийных событий.
- Системами мягкого реального времени называются системы, не попадающие под определение "жесткие", т.к. в литературе четкого определения для них пока нет. Системы мягкого реального времени могут не успевать решать задачу, но это не приводит к отказу системы в целом.
Другими словами система называется системой жесткого реального времени, если она "не имеет права опаздывать", и мягкого реального времени - если ей "не следует опаздывать".
По типу применения различают:
- Универсальные.
- Специализированные. СРВ называется специализированной, если она ориентирована на строго определенную задачу. Обычно применяются, где есть риск для человека. 70% - разработка, 30% - установка. СРВ называется универсальной, если ее можно применять для различных задач автоматически. Человеческий фактор сведен к нулю. 90% - разработка, 10% - установка.
- Предсказуемость (детерминированность). Только благодаря этому свойству, разработчик может гарантировать функциональность и корректность спроектированной системы.
- Важно максимальное время отклика на событие, а не среднее;
- Возможность безотказной работы в течение длительного периода времени.
С развитием вычислительной техники системы реального времени нашли применения в самых различных областях. Особенно широко СРВ применяются в промышленности, включая системы управления технологическими процессами, системы промышленной автоматизации, SCADA-системы, испытательное и измерительное оборудование, робототехнику СРВ встроены в периферийные устройства компьютеров, телекоммуникационное оборудование и бытовую технику, такую как лазерные принтеры, сканеры, цифровые камеры, кабельные модемы, маршрутизаторы, системы для видеоконференций, мобильные телефоны, системы безопасности.
Интеллектуальный агент в компьютерной науке — программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени. Интеллектуальные агенты используются для содействия оператору или сбора информации. Пример интеллектуального агента в Windows является программа «Планировщик задач».
Интеллектуальный агент в сфере ИИ — это все, что воспринимает окружающую среду, автономно действует для достижения целей и может улучшить свою производительность с помощью обучения или использовать знания. Термин «интеллектуальный» не означает наличия какого-либо интеллекта, но подчеркивает более высокий уровень технологии управления по сравнению с примитивными триггерными системами автоматического управления. Такой агент может быть как программной системой, так и сложной автоматизированной системой, к примеру, станком с ЧПУ или комплексом управления технологическими, логистическими, финансовыми или любыми иными процессами.
В искусственном интеллекте существует несколько типов агентов. Например:
- Физический Агент — агент, воспринимающий окружающий мир через некоторые сенсоры и действующий с помощью манипуляторов.
- Временной агент — агент, использующий изменяющуюся с ходом времени информацию и предлагающий некоторые действия или предоставляющий данные компьютерной программе или человеку, и получающий информацию через программный ввод.
Всех агентов можно разделить на пять групп по типу обработки воспринимаемой информации:
- Агенты с простым поведением. Их агентская функция основана на схеме условие-действие
- Агенты с поведением, основанным на модели. Агенты с поведением, основанным на модели, могут оперировать со средой, лишь частично поддающейся наблюдению. Внутри агента хранится представление о той части, что находится вне границ обзора
- Целенаправленные агенты. Целенаправленные агенты схожи с предыдущим типом, однако они, помимо прочего, хранят информацию о тех ситуациях, которые для них желательны.
- Практичные агенты. Целенаправленные агенты различают только состояния, когда цель достигнута, и когда не достигнута. Практичные агенты, помимо этого, способны различать, насколько желанно для них текущее состояние.
- Обучающиеся агенты. Их также называются автономными интеллектуальными агентами, что означает их независимость и способность к обучению и приспосабливанию к изменяющимся обстоятельствам.
Выделяют 4 типа Интеллектуальных агентов:
- Роботы по закупкам Такие роботы, просматривая сетевые ресурсы, собирают информацию о товарах и услугах.
- Пользовательские или персональные агенты К этой категории относятся интеллектуальный агенты, которые постоянно, или в течение некоторого времени выполняют задания порученные им пользователями, например: проверка почты, заполнение Web-формы и др.
- Управляющие и наблюдающие агенты также известные как «предсказывающие агенты» ведут наблюдение и отправляют отчеты. Например, такие агенты ведут наблюдение за компьютерными сетями и следят за конфигурацией каждого компьютера, подключенного к сети.
- Добывающие информацию агенты Такие агенты действуют в хранилище данных, собирая информацию. Хранилище данных объединяет в себе информацию из разных источников.
Агент, достигая цели, получает статус/награду. Исходы тех или иных возможных действий прогнозируются с помощью моделей. "Среда" представляет собой поле деятельности для агента: она подвергается наблюдениям, над ней производятся действия (рис.1).
Рис.1 Агент и среда
Под средой понимается пространство, в котором агент «живет» и занимается своим делом в попытке достичь поставленных целей. Цели — это то, что агент хочет достичь, к достижению чего он прилагает усилия. Достигая цели, агент получает награду в зависимости от того, какова ценность этой цели. Это та же идея, что лежит в основе позитивного подкрепления в обучающем процессе. Если, к примеру, цель агента лежит в увеличении онлайн-продаж, наградой может стать объем продаж или процент конверсионных сессий, приведших к покупке.
Исходя из того, что агент имеет ряд целей и разрешенных действий, его задачей будет изучить, какие действия принимать в каждой ситуации, в которой он окажется — то есть в тех условиях, когда он что-то понимает
У интеллектуального агента есть два базовых шага: агент предпринимает 2 базовых шага.
1.Сначала действует:
- Наблюдает за средой для определения существующей ситуации (можете считать это сбором данных, то есть тем, чем мы обычно занимаемся при веб-аналитике);
- Дает прогноз, какое из всех возможных действий окажется лучшим;
- Совершает действие.
- Затем учится на эффекте, произведенном от этого действия:
- Снова наблюдает за средой, чтобы увидеть влияние произведенного действия;
- Оценивает, насколько хорошим или плохим оказалось данное влияние и привело ли оно к цели;
- Если нет, определяет, приблизило оно к цели или, наоборот, отдалило по сравнению с той ситуацией, что была до совершения действия;
- Обновляет модель прогнозирования согласно тому, насколько действие продвинуло агента ближе к цели либо отдалило его от нее.
Повторяя данный процесс, агент учится принимать наиболее оптимальные действия в каждой ситуации.