• Технологии построения распределенных вычислительных систем (rpc, com, corba)

концепция распределенных вычислений; проблемы: разное адресное пространство – проблема именования и связывания; разные архитектуры машин и разные поддерживаемые типы данных; отказы клиента или сервера; принципы решения проблем: использование общих справочников имен (специальный каталог/сервис, как в RPC и CORBA или системный реестр как в COM); единые языки межмашинного представления данных (XDR/NDR), маршаллинг; различные семантики выполнения, как средство минимизации негативного эффекта отказов; основные элементы архитектуры RPC (RPC Run Time, Client Stub, Server Stub

• Типовые компоненты информационных систем, базовые логические архитектуры ис

логические компоненты ИС: AL, BL, PL, DS, FS, PS; их смысл, чем реализуются сервисы, что является предметом разработки при создании прикладной ИС; одно- и многозвенные архитектуры, понятие «тонкого» и «толстого» клиента архитектуры: многотерминальная, файл-серверная, клиент-сервер, интранет (для каждой дать схему распределения логик и сервисов между клиентской и серверной ЭВМ и объяснить чем реализуются логики и сервисы)

6. Методы оптимизации Македонов р.А.

• Классификация оптимизационных задач и способов их решения

Задача одномерной оптимизации Постановка задачи Методы решения а) Классический метод. Недостатки: 1) имеет ограниченное применение при решении практических задач; 2) сложность решения уравнения . б) Прямые методы (не требуют вычисления производных функции). Достоинства этих методов – функция может быть не задана в аналитическом виде, не требуется вычислять производные функции. Условия применения – функция должна быть унимодальной. Основные представители: метод перебора, метод дихотомии, метод золотого сечения (нужно быть готовым при необходимости раскрыть суть каждого метода). Указать хотя бы один недостаток прямых методов. в) Методы, использующие производные функции. Достоинства – методы этого класса обладают высокой скоростью сходимости вблизи точки оптимума. Условия применения – функция должна быть выпуклой. Представитель: метод касательных (метод Ньютона) (нужно быть готовым при необходимости раскрыть суть метода). г) Методы оптимизации многомодальных функций. Достоинства – можно применять и для мультимодальных функций. Представитель: метод ломанных(нужно быть готовым при необходимости кратко раскрыть суть метода). Условие применения этого метода – функция должна удовлетворять условию Липшица. Задача безусловной оптимизации функций многих переменных Постановка задачи Методы решения а) Классический метод (См. необходимое и достаточное условия минимума дифференцируемой функции из курса мат. анализа). Недостатки аналогичны недостаткам классического метода оптимизации функции одной переменной. б) Прямые методы. Достоинства – не требуют вычисления производных функции, функция не обязательно должна быть задана в аналитическом виде. Представители: метод случайного поиска, метод случайных направлений, метод случайных направлений с возвратом при неудачном шаге. Кратко рассказать суть каждого метода. Указать достоинства и недостатки данных методов. в) Методы, использующие производные функции. Достоинтсва – высокая скорость сходимости по сравнению с прямыми методами. Представитель: метод градиентного спуска. Кратко рассказать суть метода. Задача многомерной оптимизации при наличии ограничений Постановка задачи , Задачи математического программирования 1) Задача линейного программирования (ЗЛП) , , , Методы решения а) Графический метод (при необходимости раскрыть муть метода). Достоинства – простота, наглядность. Недостатки – ограниченность применения. б) Симплекс-метод. Кратко рассказать на чем основан данный метод. Достоинства – при нескольких модификациях является универсальным методом решения ЗЛП. в) Двойственный симплекс-метод (сказать, когда применяется и для чего). 2) Задача нелинейного программирования (ЗНП) , , , Универсальных методов таких задач не существует. Эффективные алгоритмы удалось разработать лишь для некоторых классов таких задач: задача дробно-линейного программирования, задача квадратичного программирования, задачи с линейной целевой функцией, задачи с линейными ограничениями и т.п. Можно рассмотреть метод решения задач с линейными ограничениями и нелинейной целевой функцией – метод Франка-Вульфа. Кратко рассказать суть