Алгоритм постановки задач: Алгоритм постановки задачи — Результативный руководитель

Содержание

Алгоритм постановки задачи — Результативный руководитель

Что это?

Речевой шаблон постановки задач.


Этап

Фразы

1. Обрисуйте контекст встречи

У нас сейчас такая ситуация…

Вышестоящее руководство поставило задачу…

Я планирую…

2. Сформулируйте задачи сотруднику, соответствующие SMART-критериям: Конкретна, Измерима, Определена во времени

Тебе предстоит…

Ты выполнишь задание, если…

Это надо будет сделать к …

3. Оцените, мотивирован ли сотрудник на выполнение задачи

Если Вы выполните…

Если Вы не выполните…

Эту задачу я поручаю тебе, потому что…

4. Проверьте понимание и принятие сотрудником задачи

Повторите задачу, как ее поняли…

Уверены ли Вы в ее выполнении…

5. Обсудите ресурсы и полномочия, необходимые для выполнения задачи

Вы можете воспользоваться …

Можно обращаться за помощью к …

6. Установите конкретные сроки контроля и форму его проведения.

Давай мы проверим, что получилось…

Тебе надо будет …

7. Поддержите сотрудника

Я уверен, что у тебя все получится!

В каких ситуациях используется?

при постановке задачи сотруднику

Для чего инструмент?

для корректной постановке задачи сотруднику

Что в результате?

задача поставлена сотруднику в соответствии с требованиями SMART с учетом мотивации и необходимых ресурсов

Задача: менеджеру по закупкам необходимо сделать по 3 кейса по основным таблицам контроля закупок: Таблица для контроля цен и Товарный отчет по изменению себестоимости еженедельный, а также 3 кейса для расчета Заказа товара поставщику. По этим кейса управляющий выполнит задание и пришлет его тебе на проверку. Это надо будет сделать к  19.01.

Этап

Фразы

1. Обрисуйте контекст встречи

У нас сейчас такая ситуация: по итогам обучения регионального управляющего прошло тестирование на понимание, как происходит процесс контроля закупок. Уровень подготовки — 38% при норме — 70%. Поэтому вышестоящее руководство поставило задачу провести повторное обучение.

2. Сформулируйте задачи сотруднику, соответствующие SMART-критериям: Конкретна, Измерима, Определена во времени

Тебе предстоит сделать по 3 кейса по основным таблицам контроля закупок: Таблица для контроля цен и Товарный отчет по изменению себестоимости еженедельный, а также 3 кейса для расчета Заказа товара поставщику. По этим кейсам региональный управляющий выполнит задание и пришлет его тебе на проверку. Кейсы надо будет сделать к 19.01.

3. Оцените, мотивирован ли сотрудник на выполнение задачи

Эту задачу я поручаю тебе, потому что ты лучше всех разбираешься в этом вопросе и постоянно выполняешь аналогичные задачи.

4. Проверьте понимание и принятие сотрудником задачи

Повторите задачу, как ее поняли? …

Справитесь? …

5. Обсудите ресурсы и полномочия, необходимые для выполнения задачи

За помощью в формулировке кейса можно обращаться ко мне.

6. Установите конкретные сроки контроля и форму его проведения.

Давай мы проверим, что получилось. Ты мне пришлешь варианты кейсов 19.01 до 10 ч. Я посмотрю, если что-то будет непонятно, позвоню и уточню и отправлю региональному управляющему. Он в течение недели выполнит задания и пришлет тебе на проверку.

7. Поддержите сотрудника

Я уверен, что ты справишься с задачей лучше всех!

Практическое задание

1) написать текст постановки 3 задач в таблице в соответствии с алгоритмом постановки задач

2) распечатать (файл прикреплен внизу страницы) и выучить алгоритм наизусть

3) в течение периода между занятиями потренироваться на менее 10 раз в постановке задач по алгоритму

Дополнительно

Более подробная схема

сделано, или методика постановки задач


Каждый руководитель в своей ежедневной практике делает несколько необходимых вещей: планирует, контролирует, хвалит или ругает и, конечно, раздает задания сотрудникам. Но далеко не всегда и не все получается так, как хотелось бы. Если хотя бы изредка бывает так, что подчиненный не понял, не услышал, неправильно истолковал, а в результате — не выполнил поставленную задачу, эта статья для вас. Если же все всегда с первого раза выполняют безукоризненно все указания — поздравляем, вы замечательно формулируете задания для подчиненных. Тогда прочитайте статью для того, чтобы сравнить предложенный алгоритм с тем, что делаете именно вы.

Протестируйте себя…

Для начала — протестируйте себя. Сформулируйте (вслух или лучше на листе бумаги) задачу, скажем, на оформление папки с кадровой документацией за прошлый год (берем несложную задачу). Но учтите, что подчиненный, которому вы сейчас даете задание, неопытен и работает в отделе персонала всего две недели (пусть это будет стажировка). И данная оговорка нужна не для того, чтобы усложнить задание, а чтобы внести элемент новизны для подчиненного, потому что привычные и отработанные задачи подчиненные сделают и без подробных инструкций.
Итак, что вышло?
С одной стороны, хочется надеяться, что нижеприведенный пример не имеет к вашей задаче ни малейшего отношения, с другой — очень часто задания формулируются приблизительно так:

«Мария, стой! Тебе будет нужно… Сначала скажу «нужно», потому что руководство сказало. Я, конечно, понимаю, что это не очень-то и нужно, ну, и не убудет от тебя, а раз руководство сказало, то придется делать… Необходимо оформить всю кадровую документацию за прошлый год. Они у нас все и так лежат в одной папочке, а тебе нужно будет просто их аккуратно подшить. Просмотри их все внимательно, рассортируй по датам и фамилиям, продыроколь и вставь вот в эту большую папку. Потом, как сделаешь, зайди ко мне, расскажи, что получилось. Если у тебя, конечно, есть более важные задания, тогда можешь не прямо сейчас архивом заняться, а потом, когда закончишь текущие задачи. Поручаю это тебе, потому что ты у нас самый новый и молодой сотрудник… Ну, а кому еще поручить такое дело?.. Вопросы есть? Нет? Тогда иди, работай. Вопросы появятся — подходи».
Безусловно, если подчиненный обладает достаточным уровнем самосознания, ответственности и хочет стать хорошим специалистом, он и подойдет, и переспросит неоднократно, и найдет, с кем посоветоваться. Однако в наиболее распространенном варианте через день (два-три), вспомнив о порученном Марии задании с «кадрами», в ответ вы получите (в зависимости от личных особенностей сотрудника) либо плохо выполненную задачу, либо весьма любопытные варианты ответов от «я… в общем… а разве надо было на этой неделе… а я не поняла» вплоть до «Вы же сами сказали, что не срочно, и вообще я даже не знаю, где у нас дырокол!» И ведь действительно о низкой мотивации говорить еще очень рано. Она правда не слышала, и срок не записала, и других важных задач было слишком много… А вина за невыполнение задачи в таком случае зачастую лежит на руководителе.

Алгоритм постановки задачи сотруднику

Задача должна быть поставлена таким образом, чтобы подчиненный ее выполнил в срок и на должном уровне качества. Алгоритм состоит из нескольких шагов, которые мы и разберем с привлечением примера с Марией и папки кадровых документов.

Шаг 0. Выбор ситуации

Идеальный вариант — выход в отдельное помещение в специально выделенное время, с параллельным отключением телефонов и устранением всех внешних помех. Неидеальный — привлечение внимания подчиненного, просьба отложить на несколько минут текущие дела, проверка концентрации его внимания. А иначе только представьте себе, насколько рассеяно внимание сотрудника отдела персонала (и чем заполнены его мысли) в момент обеда/ведения тренинга продаж/составления графика отпусков/бега по пресеченной местности с заметным весом кадровой документации! Соответственно, если мы вознамерились остановить нашего нового кадрового сотрудника Марию именно на бегу в коридоре (лифте/столовой/уборной) — один минус заработан.

Шаг 1. Обозначение общей цели

Основное требование к постановке цели — актуальность. А конкретнее — понятность для сотрудника. Не стоит делать ее слишком сложной (для повышения капитализации бизнеса с целью дальнейших слияний-поглощений) либо заоблачной (и будет всем счастье).
Желательно, чтобы цель затрагивала результативность не только всего отдела персонала, но и организации, пусть она будет сформулирована буквально в одной-двух фразах. Цель необходима каждому сотруднику вне зависимости от его должности и обязанностей, так как именно она начинает формировать мотивацию на выполнение задания — причем правильное, своевременное и качественное выполнение. В противном случае у сотрудника остается впечатление, что ему постоянно поручаются ненужные для организации и отдела бессмысленные дела.
В примере с Марией нам минус за отсутствие актуальной цели и еще минус — за устранение себя как руководителя службы персонала в процессе попытки формулировки цели («потому что руководство сказало…»). Ведь тогда подчиненный воспринимает скрытый посыл как «задача бесполезная (а то и вредная), тогда зачем стараться?..».

Шаг 2. Постановка самой задачи (формулировка задания)

Основное требование к постановке самой задачи в целом — выполнимость. То есть это ваша обязанность как руководителя — первоначально определить ряд моментов. Достаточно ли у сотрудника времени, чтобы поручать ему новую задачу, или он загружен. Позволят ли ему личностные особенности выполнить такое задание. Наконец, достаточно ли профессиональных знаний и навыков у сотрудника, чтобы справиться. И только если вы дали положительные ответы на все вопросы, задачу действительно можно ставить. Иначе, будучи высокомотивированным, сотрудник просто «перегорит», пытаясь охватить необъятное или поднять неподъемное, а будучи уже по какой-то причине демотивированным, он получит отличный повод указать вам на собственную занятость и невнимание.

Возвращаясь к примеру с Марией, констатируем: квалификация сотрудника низка (новичок), задача предельно проста, мы уверены, что она в состоянии ее выполнить. А вот с занятостью есть сложности. И формулировка «если у тебя, конечно, есть сейчас более важные задания…» снова дает минус, так как расстановка приоритетов для сотрудника — задача ваша, особенно если мы говорим о новичке. Он ведь еще не обладает всей полнотой информации о последовательности выполнения задач именно у вас, о принятых в отделе системах работы с приоритетами, и не факт, что в целом умеет грамотно распределять свое время.

Шаг 3. Задание алгоритмов действия и/или стандартов качества

Основное требование к стандартам и алгоритмам — их измеримость. То есть не только вы, но и подчиненный должен однозначно понимать, насколько он близок к желаемому результату выполнения задачи. Объемы планов мероприятий и отчетов, длительность каждого мероприятия и количество его участников, формы составления кадровой документации (вплоть до размеров шрифтов), количество привлеченных в единицу времени кандидатов на вакансию, да даже цвета закладок в папках с документами… К стандартам относятся все те величины, которые так или иначе отображают качество работы сотрудника службы персонала. Плюс — временное нормирование (обозначение времени, требуемого для выполнения задачи). Чем моложе и неопытнее сотрудник, тем подробнее и детальнее должны быть стандарты. А вот все те общие слова, которыми мы привыкли пользоваться (быстро, качественно, в лучшем виде и т.п.), в задании алгоритмов и стандартов не работают. Потому что если эти слова ясны вам, это совсем не значит, что их понимают подчиненные. Каждый сотрудник воспринимает их по-своему. Для одного «быстро» — это прямо сейчас, отложив все дела, для другого к первому числу следующего месяца — тоже «быстро».

Что касается нашего примера, фраза «рассортируй по датам и фамилиям» еще может что-то сказать сотруднику, отработавшему в службе персонала хотя бы полгода и уже занимавшемуся ранее подобными заданиями, но уж точно не новичку. Какая именно нужна сортировка дат (от ранних к поздним или наоборот), как разделить между собой документы, относящиеся к разным людям, нужно ли обращать внимание на последовательность закрепления документов по одному и тому же сотруднику — ответа ни на один этот вопрос подчиненный не имеет. Итого — нам минус за неконкретность.

Шаг 4. Адресация ресурсов

Основное требование к описанию ресурсов — обеспечение их доступности для сотрудника. Начиная от материальных (а где же действительно лежит дырокол?), заканчивая информационными и человеческими. Ведь для качественного выполнения любой задачи сотрудникам нужны как минимум бумага и ручка (а также специально оборудованное тренинговое помещение, компьютерные тесты, регламенты совещаний и т.д.). Хочется обратить ваше внимание на обеспечение ресурсов там, где задача касается «стыков» с другими отделами, а именно — когда «Иван Иванович тебе даст» или «забери расчет зарплат по новой системе мотивации из отдела продаж». Потому что по приходу к Ивану Ивановичу (в отдел продаж и т.п.) персональщик часто слышит: «Я ничего не знаю, у нас еще не готово, я же объяснял вашему руководителю, и вообще вы меня достали, а я тут ни при чем». И тогда — либо обида на смежников (вплоть до конфликтов), а заодно и на вас, что не договорились с ними о выдаче ресурсов, либо расслабление по поводу выполнения задачи в целом — ведь всегда можно будет отговориться на уровне «а мне не дали…».

Вспоминая наш пример, отметим, что наиболее рискованный ход в нем, касающийся ресурсов, — адресация собственного времени и помощи («вопросы появятся — подходи»). Минус — за высокую вероятность вашей недоступности, ведь вряд ли вы сможете ответить сразу на любой вопрос. Да и наверняка не хочется, чтобы сотрудники пользовались «обратным делегированием» (постоянно бегали с мелкими вопросами, перекладывая на вас свои дела).

Шаг 5. Алгоритм контроля

Основное требование к алгоритму контроля по сути то же, что и к стандартам, — конкретность и измеримость. А именно — нужно четко озвучить, кем будет осуществляться контроль (вы, более опытный по сравнению с новичком коллега, кто-то из смежников, руководитель компании), в какой форме это будет происходить (отправка отчета в электронном виде, устный доклад на общем совещании, индивидуальная беседа в вашем кабинете) и в какие сроки. Иначе сотруднику просто не ясно, зачем было дано задание, которое не будет контролироваться, или же, напротив, он каждую секунду с ужасом ждет, что вот-вот с него потребуют доклад о выполнении. Кроме этого, для особо «забывчивых» подчиненных (регулярно опаздывающих с выполнением задач или делающих их без должного старания) в алгоритм контроля можно закладывать последствия невыполнения задачи (выговор, штраф, вынесение вопроса на рассмотрение руководства и т.п.).
Теперь вернемся к нашему примеру с папкой кадровых документов («потом, как сделаешь, зайди ко мне, расскажи, что получилось»), снова ставим себе минус за неконкретность. Так как совершенно не ясно, нужно нести с собой всю папку или достаточно будет именно рассказать, что все сделано, сроки отчета также не поставлены. Кроме того, не обозначено, нужно ли, к примеру, звонить вам с информацией о выполнении задачи, если вас не окажется на месте.

Шаг 6. Личная мотивация сотрудника

Требование к личной мотивации то же, что и требование к постановке цели, — актуальность. Цели организации (или отдела) вы обозначили, стандарты описали, ресурсы дали. Казалось бы, все есть. Если же вам удастся затронуть еще и личную мотивацию подчиненного, это удвоит его желание эффективно справиться с заданием. Сразу оговоримся, что речь не идет о материальной стороне мотивации, хотя за выполнение каких-то серьезных новых задач, безусловно, возможно и премирование. Речь здесь — о личных мотивах: кому-то важно сказать, что задача новая и интересная, и это будет отличным стимулом, если работник мотивирован на профессиональный рост. Кому-то нужно оговорить, что сотрудник очень поможет лично вам, вовремя выполнив задание, и это сработает, так как вы для него авторитетны и ему важно личное отношение. У кого-то стоит задействовать струну соперничества (например, упомянуть, что его коллега уже справился со своей частью задания), потому что им управляет стремление быть лучшим, и так далее. Для того чтобы использовать при постановке новой задачи этот пункт, нужно хорошо ориентироваться в личных мотивах и особенностях своих подчиненных. Но это — тема для отдельного разговора.
А если вспомнить о примере с Марией, даже не зная ее личных мотивов, мы смело могли бы задействовать одновременно мотив доверия и мотив профессионального роста, которые всегда важны для новичков. Но вместо этого мы наверняка обидели ее пренебрежением («Поручаю это тебе, потому что ты у нас самый новый и молодой сотрудник, ну а кому еще поручить такое дело?..»).

Шаг 7. Проверка понимания

Основное требование к проверке понимания — полнота. Итак, любимые всеми руководителями закрытые вопросы, которые используются при проверке понимания: «Все понятно?» и «Есть вопросы?» не отвечают данному требованию. Положа руку на сердце, ответьте, как часто в ответ на данные вопросы вы получаете что-то, кроме кивания или отрицательного мотания головой. Чаще всего срабатывает один и тот же алгоритм: он ничего не понял, вы не поняли, понял он или не понял, а сам он, наконец, понял, что вы ничего не поняли. Результат ясен — риск неверного выполнения задачи возрастает многократно. Именно поэтому после «оглашения всего списка» важно добиваться от подчиненного развернутого ответа через формулировки от «Повтори, что надо сделать» до «Как сам думаешь, с чего лучше начать?» Пусть подчиненный сам скажет, как он воспринимает задачу, и вы сразу увидите пробелы в его понимании. С особым вниманием следует выслушивать новичков.
А в нашем полюбившемся примере с папкой кадровых документов минус прозрачен — использована наиболее частая закрытая форма получения обратной связи («Вопросы есть?»).

Подводим итоги

Как видите, минусов набралось немало. Подводя итоги, еще раз обозначим пункты постановки задачи и заодно перепишем задачу начисто.
0. Выбор ситуации. «Мария, мне нужно дать тебе важное задание, отложи все и выслушай меня внимательно».
1. Цель: «Ты ведь знаешь, насколько важно компании хранить в порядке всю кадровую документацию прошлых периодов и для успешного прохождения кадровых проверок, и для легкого поиска нужных документов».
2. Задача: «Именно поэтому тебе нужно оформить папку с кадровыми документами за прошлый год».
3. Стандарты: «Запиши, что ты будешь делать. Сначала отбери все документы по сотруднику А и сложи их по датам таким образом, чтобы самые последние, декабрьские, оказались наверху. После этого то же самое сделай с сотрудниками В, С и т.д. по алфавиту. Проверь, что все документы разложены так, что при вложении в папку их можно листать (сколоты только в левом верхнем углу, не оказались вверх ногами), и только после этого дыроколь. Когда будешь вкладывать документы в папку, вставь между документами на разных сотрудников цветные разделители и подпиши на них фамилии. Название для самой папки распечатай 80 жирным шрифтом, вырежи и приклей на нее. На выполнение задания тебе потребуется два часа, поэтому прошу тебя приступить к нему сразу после обеда».
4. Ресурсы: «Мария, папка с кадровыми документами стоит в стеллаже прямо за твоим рабочим столом, она подписана, ты ее легко найдешь, а папку, в которую ты будешь раскладывать документы, цветные разделители и дырокол, возьми у секретаря, я ее предупредил. Если у тебя возникнут вопросы, ты можешь задать их мне с 15.00 до 15.30, я буду на месте».
5. Контроль: «В 17.00 подойди ко мне в кабинет вместе с готовой папкой, чтобы я мог проверить, как выполнено задание».
6. Личная мотивация: «Это задание для тебя новое, и это хорошая тренировка таких важных для сотрудника службы персонала качеств, как внимательность и аккуратность. Кроме этого, ты сможешь ознакомиться с кадровыми документами, которые оформляются в нашей компании, и в дальнейшем использовать свои знания в более серьезных задачах. За те две недели, которые ты у нас стажируешься, ты успела показать себя как старательный сотрудник, поэтому уверен — у тебя получится».
7. Проверка понимания: «Мария, повтори мне, пожалуйста, что тебе нужно сделать».

Как видите, все предельно просто и ясно. После 30 — 40 тренировок подготовка к постановке задачи будет занимать у вас не более получаса, а ее объем сократится с первоначальных пяти листов печатного текста до одной страницы рукописного. Главное — попробовать.
Если серьезно — сначала такой алгоритм кажется действительно громоздким. Для того чтобы подготовить формулировки, продумать личную мотивацию, убедиться в однозначности понимания стандартов, требуется время. Но как только вы начинаете его использовать, время, потраченное на подготовку, возвращается вам с бонусом — через сокращение количества подходов подчиненных с бесконечными вопросами, через уменьшение случаев аврального переделывания или доделывания за подчиненных неправильно понятых ими задач, через снижение количества конфликтов и обид из-за недоступных ресурсов. И это не говоря уже о поддержке вашей профессиональной репутации и авторитета в отделе, лояльности подчиненных в целом, повышении внутреннего интереса к новым (а иногда и старым) задачам.
Особое внимание обращайте на постановку цели, так как этот пункт, к несчастью, страдает у большинства руководителей, а его наличие дает очень много. И еще на проверку понимания, так как возможность выслушать сформулированную тобой задачу из чужих уст — отличный толчок к развитию. Однако помните, что первое время вы будете слышать совсем не то, что ожидалось.

Обозначив алгоритм контроля, не забывайте его воплощать в жизнь, то есть напоминать, спрашивать, требовать, проверять, изучать. И конечно, стимулировать (в плюс или минус) по результатам.
И тогда ваш и без того высокий управленческий профессионализм будет расти непрерывно.

16 ноября 2009

Автор: А.Гулимова Консультант по управлению компании «А-КОНСАЛТИНГ» / «Кадровая служба и управление персоналом предприятия», 2009, N 9


Поместить ссылку в:

Читать также

  • Инструменты ликвидаций утечек времени

    Любой деловой человек скажет вам, что времени ему не хватает. Причина этого, как правило, не в обилии работы, а в том, что много времени утекает нерационально и совершенно незаметно. Основной способ все успевать — умело использовать имеющееся время, а для этого необходимо прекратить его расхищение.

  • Мужчины в подчинении

    «Большая часть моих сотрудников — мужчины. Со мной они ведут себя по-разному. Одни заигрывают, другие общаются чисто по-деловому. Некоторые мне симпатичны, некоторые — не очень. В общем, как и везде. Сложность моей ситуации в том, что я — директор, и мне приходится ими руководить. Я порой теряюсь, не зная, что делать и как себя вести, а ведь мне ни в коем случае нельзя показывать свою неуверенность. Елена, Псков»

Статьи этого раздела

  • Как начальство ускоряет профессиональное выгорание сотрудников

    Пять причин потери интереса к работе из-за поведения босса.

  • Как быть, если в кризис счастье привалило

    Деловая литература полна советами, как выжить в кризисных условиях. Особенно часто поминают восточную мудрость про то, что кризис — это новые возможности. И правда, сотни российских компаний именно из-за сокращения импорта, падения курса рубля и прочих прелестей вдруг получили толчок к развитию. Но новые возможности создают и новые проблемы. Эта статья – про то, как с ними быть.
    Публикация основана на личных наблюдениях автора.

  • Когда подчинённые пудрят вам мозги: практическое руководство

    Если вы — руководитель хотя бы с 3-летним стажем, будьте уверенны, подчинённые пудрили вам мозги уже десятки раз. А если — директор Крупного Холдинга, — так вообще каждый день. Хотя вы, возможно, этого и не замечали. Предлагаю инструкцию: как это учуять и что с этим делать.

  • Как максимально эффективно вести табель учета рабочего времени?

    Табель учета рабочего времени — незаменимый инструмент в работе любой организации. Его ведение прописано в законодательстве, а недооценка может негативно повлиять на работу компании. Табель учета позволяет руководителю увидеть общую картину явки сотрудников на работе.

  • Как выбрать подходящую для вас модель контроля персонала

    Многие руководители, решая для себя вопрос, как «держать в узде» подчиненных, вряд ли задумываются над тем, какой стратегии контроля они станут придерживаться. В результате нередко смешиваются элементы совершенно различных стратегий, что и приводит к бесплодности всех усилий. Для большинства руководителей наиболее полезны две стратегии: внешнего контроля и внутреннего стимулирования.

  • Жестокий руководитель. Кого винить?

    В России будущий не довольный своей командой руководитель формируется еще в учебном заведении. Здесь студентов учат, как выстроить работу команды, как повысить эффективность коллектива, но никто не учит личной эффективности. Работа с личной эффективностью, личностный…

  • ТОП-6 ошибок руководства, которые могут помешать развитию компании

    В одной из своих последних статей для Forbes Glenn Llopis, американский предприниматель и бизнес-консультант, рассказал об ошибках топ-менеджмента, которые, в конечном счете, негативно отражаются на успешности их бизнесов.

  • Как небольшим компаниям решать проектные задачи

    Как малому и среднему бизнесу стоит выстраивать процессы управления проектами – «по науке» или «как заведено»? Лучше, как подсказывает здравый смысл, считает Александр Крымов. Читайте о специфике project-менеджмента в небольших компаниях.

  • Проблема российского бизнеса в его поверхностном отношении к персоналу

    Кризис в очередной раз заставляет управленцев оптимизировать свой бизнес и выявить резервы, которые могут быть использованы в новой ситуации. Эксперты кадрового агентства Юнити сравнили российские принципы работы в рекрутменте с немецкими и пришли к выводу, что главной точкой роста является персонал компаний.

  • «Сержанты бизнеса»: проблема линейных менеджеров

    Управленцы низшего звена – это «сержанты» или «прапорщики» компании. Они могут стать самой влиятельной ячейкой в бизнес-иерархии, если позаботиться об их карьерном развитии. Александр Крымов о поиске и обучении линейных менеджеров.

  • Часто используемые стратегии в отношении персонала в периоды финансовой нестабильности

    За последние годы российские компании, преодолевшие кризис 2008 года, последовательно расширяли свой бизнес и, соответственно, подстраивали численность персонала таким образом, чтобы располагать чуть большим количеством работников, чем было абсолютно и минимально необходимо. Однако в последние…

  • Рекомендации работодателям в кризис

    За последние годы российские компании, пережившие и преодолевшие кризис 2008 года, неизменно расширяли свой бизнес и, соответственно, корректировали численность персонала, чтобы обеспечить определенный кадровый резерв, перекрывавший их фактические кадровые потребности. Однако в последние несколько месяцев…

  • Эмпатия в бизнесе – плюс или минус?

    Человеческий ресурс не обезличенное понятие, и HR-специалисту, как ни крути, приходится работать с конкретными людьми, взаимодействовать с ними, пытаться понять их мотивы, причины тех или иных действий, находить общий язык. При этом, «проникая во внутренний мир» коллег, важно самому не стать жертвой манипуляций.

  • Как увеличить производительность труда работников

    Увеличение производительности труда работников может быть про​блемой даже для самого компетентного руководителя. К счастью, многие менеджеры располагают значительным набором средств для повышения мотивации. Так, один из наиболее распространенных способов повысить мотивацию состоит в том, чтобы…

  • Производительность труда в компании: вызовы кризиса

    Производительность труда в России всегда хромала по сравнению с заграницей, хромает сейчас и хромать, по всей видимости, будет. В условиях кризиса стоит вернуться к этому вопросу.

  • Оценка эффективности HR-Департамента

    Как меняется роль HR в современной компании? Каковы ожидания топ-менеджеров от работы HR-департамента? Каким образом в Вашей компании оценивается эффективность HR-департамента.

  • Геймифицируй это: как вдохновить команду на подвиги при помощи игровых механик

    Все чаще на HR-конференциях и страницах отраслевых изданий можно встретить термин «геймификация» — в контексте работы с мотивацией персонала, повышения продаж, укрепления корпоративной культуры и других задач повышения эффективности. Что же такое геймификация и почему именно сейчас HR-сообщество столь активно заговорило об этом инструменте — ведь на самом деле, используется давным-давно.

  • Выходное интервью: понять причины ухода и предпринять меры

    Выходное интервью можно с уверенностью назвать «золотым стандартом» во взаимоотношениях компании и увольняющегося сотрудника. Работодателю очень важно «хорошо» попрощаться с ценным работником и при этом получить от него полезную информацию, как удержать других сотрудников.

  • «Свои» люди в компании. Нюансы отношений

    На практике нередко встречается ситуация, когда высшее руководство устраивает в штат компании своих родственников или знакомых. Такие действия могут нести в себе риски как для работы отдельных подразделений, так и для бизнеса в целом.

  • Что такое управление?

    Любой, даже недавний выпускник программы MBA знает, что можно целый день спорить о самом правдивом, лучшем определении слова управленец. Но это меня утомляет. Поэтому давайте вместе подумаем о главном, о сущности того, что мы ожидаем от профессионального руководителя (мы пока не рассматриваем остальную вашу работу: приумножение прибыли или выпуск более совершенных виджетов). К чему сводится управление?

  • Корпоративные тренинги: менеджерами рождаются или становятся?

    Каждый год на попытки научить лидеров и менеджеров руководить своими служащими и налаживать с ними эффективную обратную связь тратятся миллионы долларов и тысячи часов рабочего времени. Тем не менее значительная часть этих тренингов не дает желаемых результатов. Многие менеджеры так и остаются плохими наставниками. Может быть, причина в том, что этому нельзя научить?

  • Как найти общий язык с подчинёнными? Два примера, которые точно не стоит повторять

    Татьяна была потрясающим, высоко мотивированным менеджером в международной организации, штаб-квартира которой находится в Вашингтоне. Получив продвижение и заняв руководящую должность, она получила в наследство небольшую команду сотрудников. Ее непосредственные подчиненные были весьма категоричны, циничны, прямолинейны…

  • Cоставление управленческой отчетности своими силами и на аутсорсинге

    Помимо финансовой отчетности для акционеров и контрагентов, состоящей из баланса, отчетов о прибылях и убытках и кэшфлоу, все больше компаний регулярно готовят управленческую отчетность, которая необходима высшему руководству для принятия решений.

  • 6 правил успешного аутсорсинга бухгалтерского учета

    Залогом эффективности аутсорсинга бухгалтерии является грамотная подготовка к передаче процесса, которая начинается сразу после принятия решения о переходе на аутсорсинг и оканчивается подписанием договора с поставщиком услуги. Подготовиться к передаче можно самостоятельно, при помощи внешних консультантов или специалистов выбранного провайдера. В любом случае, есть несколько универсальных рекомендаций, которые позволят сделать переход на аутсорсинг максимально четким и быстрым, а его дальнейшее использование — эффективным для компании.

  • Создание команды мечты!

    Если вы действительно хотите сделать скачок вперед в своем личном или профессиональном развитии, то вам придется расширить круг своих тесных связей. Когда вы найдете трех человек, которые помогут изменить вашу жизнь, вашей целью станет привлечение их в свой узкий круг и создание надежных взаимоотношений на основе доверия и уважения. Это здорово, но где искать таких людей?

  • Как правильно составить договор на аутсорсинг

    Заключая с провайдером договор на оказание услуг аутсорсинга, мы рекомендуем обращать внимание на пять важных моментов

  • Как удержать ценного сотрудника? Прививка от жесткого менеджмента

    На работе часто можно услышать: «Со мной здесь никто не советуется!» Вы знаете, что скрывается за этой фразой: компанию не волнуют мнения сотрудников. Их никогда не спрашивают: «А ты что думаешь?» Даже если речь идет о меню в корпоративной столовой.

  • Решение проблем в команде с помощью ситуационного анализа

    Ситуационный анализ (или анализ актуальных ситуаций) любой человек осуществляет повседневно, сознательно или неосознанно. Без него нельзя сделать ни шагу. Анализ текущих событий необходим нам, чтобы определиться, как себя вести в будущем. Ситуационный анализ представляет собой процесс оценивания внешних и внутренних обстоятельств с целью определения рациональной линии поведения. Технологически он состоит из трех последовательных автономных этапов (процедур). Наиболее эффективно ситуационный анализ также применяется для определения командой прикладных проблем и нахождения эффективных решений.

  • Оценка экономической эффективности деятельности службы управления персоналом

    Статья публикуется в рамках сотрудничества HRMaximum и кандидата экономических наук, директора Зеленодольского филиала Института экономики, управления и права, доцента кафедры маркетинга и экономики Института экономики, управления и права (г. Казань) — Руслана Евгеньевича Мансурова. Последние…

  • Надо определить необходимую численность специалистов в компании

    Вопросы определения оптимальной численности персонала компании всегда являлись актуальными и в известной степени спорными. При этом если рассматривать вопросы определения необходимой численности рабочих, то данные вопросы проработаны достаточно хорошо. Еще с советских времен (особенно по промышленным предприятиям) разработаны всевозможные нормативы численности персонала, нормы обслуживания оборудования, нормы времени на различные работы и пр., которые в большинстве своем не потеряли актуальности и в настоящее время в виду низких темпов внедрения нового оборудования и перехода на новые технологии.
    Вопросы определения численности персонала специалистов отделов управления, таких как бухгалтерия, планово-экономический отдел, финансовый отдел и пр. остаются мало проработанными. Если обратится к нормативной базе советского времени, то эти методики и нормы безнадежно устарели в виду резко увеличивающихся требований, предъявляемых в условиях рыночной экономики.

  • Принципы адаптивности в структуре организации

    В динамичном и все более изменчивом мире перестают работать традиционные методы управления, основанные на жестких планах и программируемых решениях. Перемены заставляют сместить акцент с предвидения изменений к методам построения организаций, способных воспринимать изменения и обращать нестабильность в свою пользу. Как и в природе, чтобы выжить в быстро изменяющейся среде, необходимо к ней адаптироваться. Для создания адаптивной организации необходимо понимать законы и особенности ее функционирования.

  • Как бороться с неплатежами потребителей?

    Эта проблема в меньшей степени характерна для розничной торговли и более характерна для сферы услуг.
    На начальном этапе следует постараться связаться с такими контрагентами и сначала в устной, а потом и в письменной форме заявить о своих претензиях. Практика показывает, что в 10-15% случаев это срабатывает. И в нашей книге мы приводим несколько вариантов таких писем.

  • Необходимо оценить экономический ущерб от высокой текучести кадров

    Статья публикуется в рамках сотрудничества HRMaximum и кандидата экономических наук, директора Зеленодольского филиала Института экономики, управления и права, доцента кафедры маркетинга и экономики Института экономики, управления и права (г. Казань) — Мансурова Руслана Евгеньевича. Последние…

  • Работа с фрилансерами: кто прав, кто виноват

    Фрилансеры — работники, которых нанимают на разовые работы, когда нет необходимости в сотруднике в штате или свои сотрудники заняты на других проектах. Мнения о работе с фрилансерами обычно делится 50 на 50: у некоторых был ужасный опыт, у некоторых весьма положительный. Как правило, клиенты продолжают обращаться к тем фрилансерам, с которыми не было проблем в сроках и качестве выполненной работы. В статье мы рассмотрим плюсы и минусы фрилансера, а также особенности процесса работы с ним.

  • Медведь и секретарши (сказ о секретарях и руководителях)

    Жил-был Медведь по имени Михал Потапыч. Был он владельцем среднего купи-продажного бизнеса, а заодно и директорствовал, ибо справедливо полагал, что без надзора Хозяина офисная челядь весь бизнес по норам и дуплам растащит. …

  • Три дракона для начинающего менеджера

    Внимание, коллеги! Прочтите эту статью внимательно. Возможно, она убережёт вас от страшной опасности и поможет не только пережить первые менеджерские проблемы, но и в дальнейшем состояться в качестве успешного руководителя.

  • Особенности управления персоналом малого предприятия

    Особенностью малого предприятия является тесное взаимодействие руководства с персоналом. На малых предприятиях часто отсутствуют документы по регламентации кадровой работы, а существует система неофициальных установок. Это располагает к индивидуальному подходу к каждой ситуации и работнику, однако приводит к возникновению конфликтов, выражению личных симпатий и антипатий руководителя к работникам. Рассмотрим, какие методы эффективного управления персоналом малого предприятия позволят повысить производительность труда и обеспечить успех дела.

  • Как попросить о повышении заработной платы

    Нередко руководители структурных подразделений обращаются в службу персонала с просьбой посодействовать в повышении заработной платы подчиненным. HR-специалисты, как правило, охотно соглашаются помочь и походатайствовать перед генеральным директором, выступая своего рода «парламентерами». Но часто ли увеличивают вознаграждения самим сотрудникам отдела персонала? И как быть, если зарплата HR-а в компании уже давно нуждается в добавке, а руководство об этом совсем не задумывается? Эта статья не претендует на обязательное руководство к действию, но описанные в ней приемы были опробованы на практике и могут пригодиться.

  • Синдром Макиавелли. О сопротивлении переменам в организации

    Перемены всегда вызывали сопротивление. Впервые эту тему обозначил основоположник европейской политологии Николо Макиавелли в трактате «Государь» (1513 г.): «Нет ничего более трудного, чем браться за новое, ничего более рискованного … или более неопределённого, чем возглавлять…

  • Экспресс оценка состояния HR-бренда

    HR-брендинг компании это очень актуальное в настоящее время направление. Однако методы его проведения — создания бренда лучшего работодателя в настоящее время не проработаны. Отечественная практика только начинают проявлять себя в этой важной области, появились первые отечественные книги посвященные HR-брендингу. Зарубежная литература, конечно, есть, но их опыт не всегда может быть применен в наших условиях. Слишком разные ступени социально-экономического развития. Автор длительное время занимался изучением проблемы формирования HR-бренда компании и наработал определенный практический опыт, которым и хочет поделиться с читателями.

  • С точностью до наоборот: «вредные советы» по управлению

    Конечно, приведенные далее «рекомендации» по управлению скорее походят на известные «вредные советы» Григория Остера, нежели на руководство к действию. Используя иронию, с помощью этих советов «от обратного» мы стремились наглядно иллюстрировать «запрещенные приемы» руководства, которые не следует использовать в трудовом коллективе, если вы хотите добиться эффективного управления и результативности действий ваших сотрудников. Знание этих приемов также может быть полезно для диагностики недоброжелательного руководства.

  • Как создать внутрифирменную бюрократию

    «Без бумажки ты букашка», — гласит русская пословица. Между прочим, букашки, т.е. насекомые, — самый процветающий класс. Маленькие фирмы вполне комфортно себя чувствуют и без лишних бумажек. Но если ваша «букашка» интенсивно растёт, придётся задуматься и о них!

  • Если подчиненные «звезды»

    Часто в коллективе, которым вы руководите, есть сотрудники более умные, сильные, образованные, чем вы. Это естественный процесс, считают психологи, обычный интеллект, тот, что позволяет нам складывать огромные цифры в уме или разрабатывать конструкцию самого высокотехнологичного лайнера, с возрастом угасает. Пик интеллекта — 25 лет, потом он неуклонно снижается в силу физиологических причин. А вот интеллект этический, дающий нам возможность успешно взаимодействовать с людьми, с возрастом растет. Поэтому вполне закономерно, что юными амбициозными талантами управляют люди зрелые и опытные. Считается, что в современном бизнесе именно этический интеллект более востребован и приносит больше дивидендов, чем обычный, как это ни странно. Но странно ли?

  • Манипулирование руководителем

    Не бывает неманипулируемых руководителей. Если руководитель считает, что по отношению к нему этого не происходит, то это означает только одно: им манипулируют особенно искусно. Односторонняя зависимость одного человека от другого побуждает зависящего вырабатывать разные способы воздействия на своего начальника как защитного, так и наступательного свойств. Ознакомьтесь с предлагаемой коллекцией способов манипулирования и оцените вероятность их проявления в вашем окружении.

  • Система управления по целям (результатам)

    Система управления по целям получила широкое признание среди практиков, так как она обеспечивает хорошие результаты по достижению запланированных показателей. В результате согласования целей на всех уровнях и во всех звеньях усиливается мотивация к работе и заинтересованность в достижении целей и задач. Четкие временные рамки решения задач организации позволяют продвигаться к получению конечного результата малыми шагами.

  • Унификация организационных структур предприятий холдинга. Необходимость изменений при переходе к унифицированной системе оплаты труда

    Процесс формирования холдинга или операционной компании связан с решением целого ряда задач правового, управленческого и политического характера, и, как показывает практика, задаче создания унифицированной организационной структуры не уделяется должного внимания на данном этапе. Вспоминают об…

  • Планирование работы HR-менеджера

    Эффективность работы кадровой службы зависит не только от уровня расходов на управление персоналом, но и от того, как HR-менеджер распоряжается своим самым ценным ресурсом — временем. Нередко важные и срочные дела откладываются из-за низкой самодисциплины, неумения расставить приоритеты в делах, «замусоренного» рабочего пространства, телефонных звонков и посетителей, на которых приходится отвлекаться. HR-специалисты часто задаются вопросом: как правильно организовать работу в течение восьмичасового рабочего дня?

  • Что мешает руководителям эффективно управлять подчиненными

    Используя только три ресурса — опыт, интуицию и здравый смысл, — руководитель незаметно для себя обрастает проблемами. В результате ему приходится постоянно бороться с действительностью, вместо того чтобы получать удовольствие от профессиональной работы. Мы постарались сформулировать те проблемы руководителя, которые представляются наиболее типичными. Не все они присущи всем действующим руководителям. Однако у любого из тех, кто не склонен обременять себя регулярным саморазвитием, отыщутся некоторые из перечисленных помех.

  • Золотые правила управления проектами

    Проекты, по определению, уникальны. Каждый проект организуется для достижения своей специфической цели. Проектом также может быть отдельное предприятие с определенными целями, часто включающими требования по времени, стоимости и качеству достигаемых результатов. Тем не менее, существуют некоторые общие принципы, на основании которых строится управление успешными проектами. Их называют «золотыми правилами» управления проектами.

  • Работа в команде: ключевые факторы успеха

    Командная работа относится к разряду особых случаев делегирования полномочий и ответственности. В условиях традиционной структуры задача и относящиеся к ней полномочия возлагаются на обладателя рабочего места. Объединенная компетенция членов группы должна обеспечивать решение задач и…

  • Оценка эффективности в практике работы российских специалистов PR

    Существует мнение, что оценка эффективности PR необходима прежде всего заказчику. Однако оценка эффективности не только позволяет клиенту оценить, насколько PR-кампания повлияла на объемы продаж и положение бренда на рынке, но и дает возможность убедить клиентов в необходимости проведения PR-мероприятий, указать плюсы и минусы осуществленных мероприятий и сделать рекомендации на будущее. Представляем исследование, проведенное среди российских PR-агентств.

  • Переговорные приемы и хитрости

    Содержательная сторона проведения переговоров строится по простой формуле: передача информации, аргументирование и принятие совместного решения. Однако в осуществлении этих этапов разворачивается основное действие и проявляется искусство переговорщиков. Переговорщику необходимо уметь распознавать, когда по отношению к нему применяется тот или иной прием. Рассмотрим ряд переговорных приемов, которые применяются на протяжении всех трех этапов представленной выше формулы.

  • Как организовать и успешно провести собрание

    Одним из наиболее сложных вариантов делового взаимодействия являются собрания — особенно если они проводятся в ситуации конфликта в организации. Кроме того, для ряда организаций собрания являются высшим органом управления. Эти рекомендации помогут вам придать собраниям более управляемый характер, повысить вероятность их успешного проведения, снизить риски возникновения конфликтов или непредвиденных ситуаций, а также, в конечном итоге, положительно повлиять на стратегические планы организации и психологический климат в коллективе.

  • Отдел продаж может работать как часы

    Отдел продаж любой компании можно сравнить с часовым механизмом, состоящим из втулки, вала, пружины, маятника, рычагов и других элементов, которые движутся по законам механики. Отдел продаж – тоже механизм, только вместо «пружин» и «маятников» — инструменты продаж, вместо часовщика – руководитель отдела продаж.

  • Ключевые обязанности руководителя по организации эффективного управления

    Хорошая работа начинается с тщательной организации. Если вы хотите, чтобы работа была выполнена с должным качеством и в необходимые сроки, необходимо уделить самое пристальное внимание именно организации данного процесса. Если искомые обязанности представить в виде перечня, то в него войдут следующие функции: постановка задачи и организация выполнения, распределение обязанностей и обеспечение взаимодействия, выстраивание взаимоотношений, анализ результатов, аудит эффективности процессов и пр. Как их реализовать на практике?

  • Коэффициенты расчета текучести кадров

    Обычно текучесть кадров отслеживается путем регистрации увольняющихся и предположения, что на место уволившегося будет принят новый работник. Коэффициент половины срока продолжительности работы всегда показывает, что тенденция работников к увольнению из компании наиболее высока в течение первых недель работы; их следует учитывать, чтобы показать, действительно ли компания теряет особенно большое число работников в начале их работы по сравнению с предыдущим периодом. Коэффициент увольнений наиболее легко рассчитывается и широко используется. Однако он может дезориентировать по двум причинам.

  • Последний ресурс: Хаос от лояльности

    «Познакомьтесь. Это Владимир Леонидович, очень порядочный и честный человек», — представляет клиент сотрудника. Консультант прикидывается «чайником» и спрашивает: «А вы, Владимир Леонидович, в организации кто?» И вновь получает ответ от клиента: «Я же сказал! Это…

  • Претворение планов в жизнь: восемь стратегических компонентов

    Большая часть планов по реализации изменений терпит неудачу. Более 70% проектов, которые разрабатываются для внедрения изменений в компаниях, либо никогда не доходят до практической реализации, либо на практике приносят гораздо меньше пользы, чем планировалось. Чтобы ваш стратегический план заработал, нужно убедиться в том, что выполняется каждый компонент этого плана, необходимый для поддержания изменений и достижения успеха. Всего этих компонентов восемь.

  • Как сработаться со сложившейся командой — 19 советов

    19 советов, которые помогут топ-менеджеру проявить себя на новом месте и не оттолкнуть коллектив

  • Условия бизнеса в России таковы, что эффективнее всего оказываются люди с очень быстрым мышлением

    Условия бизнеса в России таковы, что эффективнее всего оказываются люди с очень быстрым мышлением. Слишком часто происходят сбои, изменения среды — нужно быстро принимать эффективные решения. Посидеть, оценить, подумать просто нет времени. Успешные бизнесмены с…

  • Особенности российской этики менеджмента

    Каждый народ имеет свои обычаи, традиции, свою культуру, политическое и государственное устройство. Все это оказывает влияние на деловые отношения. К примеру, одним из параметров национального стиля менеджмента является механизм принятия решения (единоличное, коллективное, коллегиальное). К…

  • Человеческими слабостями нужно пользоваться

    Что есть переговоры — процесс, противостояние, битва, просто работа? Переговорщики слишком взаимозависимы. Как сказали Ильф и Петров, согласие — это полное непротивление сторон. Тем более в каждом случае имеешь дело с разными людьми, разными компаниями.

  • Определение SWOT — анализа

    «SWOT – анализ» — классический метод анализа риска и выработки вариантов стратеги проекта. SWOT — это аббревиатура английских слов Strength (сила), Weakness (слабость), Opportunity (возможность), Threat (угроза). Как видно уже из названия, смысл анализа состоит из противопоставления («взвешивания») противоположных качеств проекта:

  • Взгляд извне: Курочка по зернышку/ Труднее всего придется российским бизнесменам

    Уходит кризисный год. Сейчас уже не важно, кончился кризис или нет. За прошедший год возникла новая реальность. Все потихоньку приспособились к новому состоянию рынка: сократили персонал, научились обходиться без кредитов, забыты ипотека, корпоративные праздники и…

  • Кадровые миграции

    Повышение в должности или изменение круга функциональных обязанностей — не только серьезная «проверка на прочность» сотрудника, но и хороший способ предотвращения ряда сложных проблем в управлении персоналом. Как проходят внутриорганизационные перемещения в компаниях и какие проблемы решает ротация кадров?

  • Оптимизация расходов или сокращение: как найти верный путь?

    В условиях современной финансово-экономической ситуации в стране и в мире многим компаниям приходится искать пути выживания. Кто-то судорожно бросается диверсифицировать бизнес, кто-то в массовом порядке сокращает штаты, а кто-то пытается спастись, секвестрируя бюджет. Как решить, что делать? Ответ на этот вопрос лежит в плоскости системы принятия решений. Но правильнее все-таки принимать пусть даже неверные решения, чем бездействовать и не принимать никаких.

  • Стресс-менеджмент

    Давно замечено, что современный человек слышал о множестве важных вещей, влияющих на качество его жизни, однако продолжает строить и организовывать свою жизнь по привычке, так и не научившись использовать свой богатейший запас знаний. Это замечание как нельзя лучше подходит к нашим знаниям о стресс-менеджменте. Практическим рекомендациям по разработке технологии управления стрессами в организациях посвящена данная статья.

  • Внутриличностные конфликты работников бюджетной сферы

    Каждый человек, как существо не только биологическое, но и социальное, многообразен в своих проявлениях. Будучи включенными в несколько социальных групп, такие как семья, работа, учеба, мы постоянно сталкиваемся со множеством противоречий. Психологи выделяют четыре основных…

  • Устранение деструктивного лидерства

    Большой ущерб деятельности организации в целом способны нанести, неформальные лидеры различных групп. Для устранения такого рода лидерства возможны различные способы действий.

  • Как самому зарегистрировать фирму

    Материал предназначен для экономных авантюристов, которые не любят платить деньги посредникам и хотят познать все прелести самостоятельной регистрации юридического лица

  • Четыре шага к убеждению

    Для бизнесменов как никогда важным становиться освоение искусства убеждения. Времена директоров, использовавших лишь административно-командные методы, прошли.

  • Как воздействовать на малые группы людей

    Большинству менеджеров требуется воздействовать на группы или более широкие системы внутри организации. Например, менеджер, отвечающий за кадры, хотел бы влиять на использование власти руководителями; финансовый менеджер может хотеть изменить процедуры, относящиеся к составлению бюджета; менеджер по маркетингу может желать углубить осознание всеми необходимости постоянного поддержания качества продукции.

  • Мест нет

    Форумы в интернете полны отчаянных воплей тех, кто уже потерял работу из-за развернувшегося кризиса. Зато работодатели получили наконец-то возможность нанять настоящих профессионалов, а не тех, кто попадется под руку.

  • Тренды дня: скорость, инициатива и смелость первопроходца.

    Если бы у Вас появилась возможность исправить в работе компании 3 вещи, что бы это было?

  • Как избавиться от опозданий сотрудников?

    Постоянно опаздывающие на работу сотрудники — притча во языцех у HR коммерческих компаний. При личных встречах, на конференциях и форумах HR искренне делятся с коллегами как мерами, предупреждающими опоздания, так и способами наказания провинившихся.

  • Конкурентная битва

    Когда я веду семинары, то в начале я всегда провожу опрос группы – зачем они пришли, какую проблему хотят решить? Так вот, на семинарах по продажам меня часто спрашивают о том, как продавать на высоко конкурентном рынке в условиях убийственного снижения цен. И этот вопрос, заметьте, задают продавцы.

Семинары / курсы / тренинги:


Как ставить задачи, чтобы их выполняли? | Мне 30 лет и я никто?

Сегодня дам вам алгоритм постановки задач подчиненным, а также рассмотрим 3 типа контроля выполнения этих задач. Две критические ошибки руководителя — неправильная постановка задачи и несвоевременный контроль выполнения.

Итак, алгоритм постановки задачи включает в себя ответы на 5 простых вопросов:

Итак, алгоритм постановки задачи включает в себя ответы на 5 простых вопросов:

1. Что конкретно нужно сделать? Какой результат должен получиться на выходе?

2. Кто ответственный за выполнение поставленной задачи? Зачастую сотрудник до конца не понимает этот момент и смотрит на ситуацию через призму Вашей задачи и Вашей ответственности.

3. Зачем выполнять эту задачу? Сотруднику нужно понимать зачем это нужно компании и зачем это нужно лично ему. Здесь скрыт большой пласт мотивации, не забывайте об этом вопросе.

4. Когда должна быть выполнена задача? Четко поставленные реальные сроки очень важны как для исполнителей, так и руководителей.

5. Как должна быть выполнена задача? Какой инструментарий рекомендован для исполнителя, какие инструкции?

После того, как вы поставили подчиненным задачи, вы должны проконтролировать их выполнение, это обязательный пункт! Есть три типа контроля:

После того, как вы поставили подчиненным задачи, вы должны проконтролировать их выполнение, это обязательный пункт! Есть три типа контроля:

1. По результату. Подходит для сотрудников типа R4, когда они и компетентны, и замотивированы.

2. Промежуточный. Подходит для типов R2 и R3. Замотивированных сотрудников нужно контролировать, чтобы они сильно не отклонялись в виду отсутствия компетенций, а компетентных нужно подпинывать в виду отсутствия мотивации.

3. По процессу. Для сотрудников типа R1. Контроль Соблюдения четких инструкций.

На сегодня все, до встречи на канале.

Росия напала на Украину!

Росия напала на Украину!

Мы, украинцы, надеемся, что вы уже знаете об этом. Ради ваших детей и какой-либо надежды на свет в конце этого ада –  пожалуйста, дочитайте наше письмо .

Всем нам, украинцам, россиянам и всему миру правительство России врало последние два месяца. Нам говорили, что войска на границе “проходят учения”, что “Россия никого не собирается захватывать”, “их уже отводят”, а мирное население Украины “просто смотрит пропаганду”. Мы очень хотели верить вам.

Но в ночь на 24-ое февраля Россия напала на Украину, и все самые худшие предсказания  стали нашей реальностью .

Киев, ул. Кошица 7а. 25.02.2022

 Это не 1941, это сегодня. Это сейчас. 
Больше 5 000 русских солдат убито в не своей и никому не нужной войне
Более 300 мирных украинских жителей погибли
Более 2 000 мирных людей ранено

Под Киевом горит нефтебаза – утро 27 февраля, 2022.

Нам искренне больно от ваших постов в соцсетях о том, что это “все сняли заранее” и “нарисовали”, но мы, к сожалению, вас понимаем.

Неделю назад никто из нас не поверил бы, что такое может произойти в 2022.

Метро Киева, Украина — с 25 февраля по сей день

Мы вряд ли найдем хоть одного человека на Земле, которому станет от нее лучше. Три тысячи ваших солдат, чьих-то детей, уже погибли за эти три дня. Мы не хотим этих смертей, но не можем не оборонять свою страну.

И мы все еще хотим верить, что вам так же жутко от этого безумия, которое остановило всю нашу жизнь.

Нам очень нужен ваш голос и смелость, потому что сейчас эту войну можете остановить только вы. Это страшно, но единственное, что будет иметь значение после – кто остался человеком.

ул. Лобановского 6а, Киев, Украина. 26.02.2022

Это дом в центре Киева, а не фото 11-го сентября. Еще неделю назад здесь была кофейня, отделение почты и курсы английского, и люди в этом доме жили свою обычную жизнь, как живете ее вы.

P.S. К сожалению, это не “фотошоп от Пентагона”, как вам говорят. И да, в этих квартирах находились люди.

«Это не война, а только спец. операция.»

Это война.

Война – это вооруженный конфликт, цель которого – навязать свою волю: свергнуть правительство, заставить никогда не вступить в НАТО, отобрать часть территории, и другие. Обо всем этом открыто заявляет Владимир Путин в каждом своем обращении.

«Россия хочет только защитить ЛНР и ДНР.»

Это не так.

Все это время идет обстрел городов во всех областях Украины, вторые сутки украинские военные борются за Киев.

На карте Украины вы легко увидите, что Львов, Ивано-Франковск или Луцк – это больше 1,000 км от ЛНР и ДНР. Это другой конец страны. 25 февраля, 2022 – места попадания ракет

25 февраля, 2022 – места попадания ракет «Мирных жителей это не коснется.»

Уже коснулось.

Касается каждого из нас, каждую секунду. С ночи четверга никто из украинцев не может спать, потому что вокруг сирены и взрывы. Тысячи семей должны были бросить свои родные города.
Снаряды попадают в наши жилые дома.

Больше 1,200 мирных людей ранены или погибли. Среди них много детей.
Под обстрелы уже попадали в детские садики и больницы.
Мы вынуждены ночевать на станциях метро, боясь обвалов наших домов.
Наши жены рожают здесь детей. Наши питомцы пугаются взрывов.

«У российских войск нет потерь.»

Ваши соотечественники гибнут тысячами.

Нет более мотивированной армии чем та, что сражается за свою землю.
Мы на своей земле, и мы даем жесткий отпор каждому, кто приходит к нам с оружием.

«В Украине – геноцид русскоязычного народа, а Россия его спасает.»

Большинство из тех, кто сейчас пишет вам это письмо, всю жизнь говорят на русском, живя в Украине.

Говорят в семье, с друзьями и на работе. Нас никогда и никак не притесняли.

Единственное, из-за чего мы хотим перестать говорить на русском сейчас – это то, что на русском лжецы в вашем правительстве приказали разрушить и захватить нашу любимую страну.

«Украина во власти нацистов и их нужно уничтожить.»

Сейчас у власти президент, за которого проголосовало три четверти населения Украины на свободных выборах в 2019 году. Как у любой власти, у нас есть оппозиция. Но мы не избавляемся от неугодных, убивая их или пришивая им уголовные дела.

У нас нет места диктатуре, и мы показали это всему миру в 2013 году. Мы не боимся говорить вслух, и нам точно не нужна ваша помощь в этом вопросе.

Украинские семьи потеряли больше 1,377,000 родных, борясь с нацизмом во время Второй мировой. Мы никогда не выберем нацизм, фашизм или национализм, как наш путь. И нам не верится, что вы сами можете всерьез так думать.

«Украинцы это заслужили.»

Мы у себя дома, на своей земле.

Украина никогда за всю историю не нападала на Россию и не хотела вам зла. Ваши войска напали на наши мирные города. Если вы действительно считаете, что для этого есть оправдание – нам жаль.

Мы не хотим ни минуты этой войны и ни одной бессмысленной смерти. Но мы не отдадим вам наш дом и не простим молчания, с которым вы смотрите на этот ночной кошмар.

Искренне ваш, Народ Украины

Постановка задачи на реализацию

При определении объема документирования важно:
  1. Включать только необходимый набор артефактов.
  2. Разделять постановку и документирование ИТ-решения.

Постановка отвечает на вопрос «что нужно сделать?», а техническая документация — «как это сделано / как это работает?». Стоит заметить, что грамотно сформированная классификация постановок в терминах UML может стать частью документирования. Это может помочь, когда на проекте отсутствует отдельный процесс документирования.

Конкретика

Документацию необходимо писать просто, кратко и точно, применяя лексику, понятную пользователям, во избежание расхождений в интерпретации артефактов и фраз в постановке.

Команда

  1. Учитывайте формат, особенности и традиции работы команды.
  2. Учитывайте необходимость брать на себя описание артефактов и документирование, а также наличие компетенций для этого.

Переиспользование артефактов

Чтобы была возможность переиспользовать артефакты, необходимо подумать об их:

  1. Кодировании
  2. Классификации
  3. Хранении и обеспечении быстрого доступа
  4. Доступности для модификации и совместной работы
  5. Версионировании (т.к. видоизмененный в новой постановке артефакт, при отсутствии версионирования, не позволит доработать предыдущую версию артефакта по замечаниям от разработчика, например)

Счастливая команда – залог успеха

Счастливый менеджер понимает, что:

  • в постановке описаны только те артефакты, которые реально необходимы для конкретной задачи
  • артефакты, которые можно переиспользовать, перед используются
  • время (деньги) потрачено с умом

Счастливые разработчики понимают, что написано в постановке, у них нет необходимости просматривать справочники по нотациям моделирования для понимания артефактов.

Счастливые тестировщики понимают, какие есть пользовательские сценарии использования продукта, внутренних алгоритмов

Счастливые тимлиды понимают, как можно разбить задачу между исполнителями

Математические модели, постановки задач, алгоритмы обучения, оценки решающих правил

1. Математические модели, постановки задач, алгоритмы обучения, оценки решающих правил

Лекция №2

2. План лекции

Классификация моделей, прямая и
обратная задачи, виды моделирования.
Процесс моделирования, критерий выбора.
Стандартные постановки основных задач
индуктивного формирования баз знаний.
Алгоритмы обучения классификации,
их характеристики и способы сравнения.
2 / 16

3. Математическая модель

Математическая модель –
математическое представление
реальности, один из вариантов модели,
как системы, исследование которой
позволяет получать информацию
о некоторой другой системе.
Замена объекта исследования его моделью
Связь с реальностью – гипотезы, идеализация, упрощение
Методы, как правило, описывают идеальный объект
Универсальные модели разного уровня адекватности
3 / 16

4. Классификация моделей

Формальная
классификация
Линейные или нелинейные модели
Сосредоточенные или распределенные системы
Детерминированные или стохастические (вероятностные)
Статические или динамические
Дискретные или непрерывные
Однородные или неоднородные
По способу
представления
объекта
Структурные и функциональные
По степени
формализации
Содержательные и формальные
Содержательная
классификация
моделей
Гипотеза, феноменологическая модель, приближение,
упрощение, эвристическая модель, аналогия, мысленный
эксперимент, демонстрация возможности
По наличию
параметров
Модели без параметров или модели с параметрами
4 / 16

5. Прямая и обратная задачи математического моделирования

Типы
задач
Прямая задача.
Обратная задача.
Структура модели и все
ее параметры считаются
известными, главная
задача – провести
исследование модели
для извлечения полезного
знания об объекте.
Известно множество
возможных моделей и нужно
выбрать конкретную модель
на основании некоторых
данных об объекте. Чаще
всего структура модели
известна, и необходимо
определить некоторые
неизвестные параметры.
5 / 16

6. Виды моделирования

Информационное
Физическое
Компьютерное
Молекулярное
Математическое
Основные
виды
Имитационное
Цифровое
Эволюционное
Логическое
Педагогическое
Статистическое
Психологическое
6 / 16

7. Процесс моделирования

Этап 1
Сбор знаний
об объекте.
Построение
модели
конкретной
сложности.
Решение
вопроса о
сходстве
оригинала и
модели.
Этап 2
Модель как
объект
исследования.
Модельный
эксперимент.
Результат
этапа –
получение
совокупности
знаний о
модели.
Этап 3
Формирование
множества
знаний.
Корректировка знаний
с учетом не
учтенных
в модели
свойств
оригинала.
Этап 4
Практическая
проверка
полученных с
помощью
модели
знаний.
Построение
обобщающей
теории
объектаоригинала.
7 / 16

8. Критерии выбора моделей и методы отбора признаков

1. Внешние критерии:
адекватность, непротиворечивость,
полнота, точность, универсальность
2. Внутренние критерии:
сложность (количественная),
интерпретируемость (качественная)
Отбор признаков осуществляется по принципу их значимости с точки
зрения удовлетворения критериям к выбору (построению) модели.
Бывают случаи, когда объекты описываются временными рядами,
сигналами, изображениями, видеорядами, текстами, попарными
отношениями сходства или интенсивности взаимодействия.
8 / 16

9. Индуктивное формирование баз знаний (ИФБЗ)

Модель
предметной
области
Обучающая и
контрольная
выборка
Модельные
и реальные
данные
Алгоритм
обучения
ИФБЗ
База
знаний
Задачи
классификации
и кластеризации
9 / 16

10. Стандартные постановки основных задач ИФБЗ

Задача
классификации
(обучение с
учителем)
Для некоторого множества моделей
зависимости, к которому относится
неизвестная зависимость между классами
и объектами, разработать алгоритм
классификации, который на основе
описания объектов обучающей выборки
строит решающее правило, вероятность
правильной классификации которого
любых новых объектов как можно выше.
Задача
кластеризации
(обучение без
учителя)
Используя некоторую метрику, разработать
алгоритм кластеризации, который на основе
описания объектов обучающей выборки разбивает
обучающую выборку на непересекающиеся
подмножества, называемые кластерами, так, чтобы
каждый кластер состоял из схожих объектов, а
объекты разных кластеров существенно отличались,
и строит описания кластеров, позволяющие
относить к ним новые объекты.
10 / 16

11. Правильная и точная классификации

Учитель –
либо сама
обучающая
выборка,
либо тот,
кто указал
на объектах
обучающей
выборки их
правильные
классы.
Правильная
классификация
– если одним из классов
объекта, выдаваемых
решающим правилом,
является правильный класс.
Точная
классификация
– если решающее правило
выдает для объекта
единственный класс.
11 / 16

12. Отличия задач классификации и кластеризации

Задача кластеризации отличается от задачи классификации
тем, что в первом случае разбиение множества объектов на
классы неизвестно, и поэтому для объектов обучающей
выборки правильные классы не могут быть заданы.
Задача кластеризации сводится к разбиению обучающей
выборки на непересекающиеся подмножества, называемые
кластерами, так, чтобы каждый кластер состоял из схожих
объектов, а объекты разных кластеров существенно
отличались, а также к построению описания кластеров,
позволяющим относить к этим кластерам новые объекты.
12 / 16

13. Компоненты формирования

Индуктивная база знаний
формирование
Модель
Постановка
задачи
Алгоритм
обучения
Обучающая
выборка
13 / 16

14. Алгоритм обучения классификации

Алгоритм классификации (алгоритм обучения
классификации) – это отображение, которое по
обучающей выборке строит решающее правило.
Нужно построить такой алгоритм, вероятность
правильной классификации которого новых объектов
имеет возможно большее значение.
Поскольку задача поиска наибольшего значения для
всех возможных алгоритмов классификации и
обучающих выборок не имеет шансов быть решенной,
как правило, рассматривается более конкретная
постановка задачи классификации, например, задача
чемпионата мира среди алгоритмов классификации.
14 / 16

15. Задача чемпионата мира среди алгоритмов классификации (слабая)

Пусть имеются алгоритмы классификации
моделей
, для
соответственно, и обучающая выборка t.
Для модели m требуется построить такой алгоритм
классификации
имеет место
, что для заданной обучающей выборки t
,…,
.
В соответствии с этой постановкой задачи проводятся
чемпионаты мира среди алгоритмов классификации
(
считается победителем среди участников
).
Во многих работах предлагаемый алгоритм сравнивается таким
способом с другими известными алгоритмами классификации.
15 / 16

16. Задача чемпионата мира среди алгоритмов классификации (сильная)

Если в постановке задачи рассматривается множество
обучающих выборок
, то такую постановку можно
назвать «сильной». В последнем случае алгоритм
классификации
считается победителем среди участников
, если его вероятность правильной классификации
превосходит вероятности других алгоритмов на всех
обучающих выборках
.
Сильная постановка задачи классификации
поддерживается распределенной системой тестирования
алгоритмов классификации «Полигон алгоритмов».
16 / 16

Реализация Python задачи постановки задач на основе алгоритма Венгрии

1. Описание проблемы

Описание проблемы: N лицам назначается N задач, одному человеку может быть назначена только одна задача, а одна задача может быть назначена только одному человеку. Назначение задачи одному человеку требует оплаты. Как назначать задачи и гарантировать оплату Итого самое маленькое.

Математическое описание проблемы:

  

2. Анализ случая — метод полной перестановки

Прежде чем говорить о венгерском алгоритме решения задачи распределения задач, сначала проанализируйте несколько конкретных примеров.

На примере трех сотрудников и трех задач на рисунке ниже показана диаграмма заработной платы и матрица затрат, полученная из диаграммы заработной платы.

  

Используйте самый простой способ(Метод полного массива)Решите, подсчитайте общую стоимость зарплаты для всех раздач, а затем найдите минимум.

total_cost1 = 250 + 600 + 250 = 1100;  x00 = 1,x11 = 1,x22 = 1;

total_cost2 = 250 + 350 + 400 = 1000;  x00 = 1,x12 = 1,x21 = 1;

total_cost3 = 400 + 400 + 250 = 1050;  x01 = 1,x10 = 1,x22 = 1;

total_cost4 = 400 + 350 + 200 = 950; x01 = 1, x12 = 1, x20 = 1; // Оптимальное распределение

total_cost5 = 350 + 400 + 400 = 1150; x02 = 1,x10 = 1,x21 = 1;

total_cost6 = 350 + 600 + 250 = 1150; x02 = 1,x11 = 1,x22 = 1;

Когда количество задач и персонала невелико, для расчета результата можно использовать метод полной расстановки.

Если N задач назначены на N сотрудников, то количество всех заданий, включенных в нее, равно N !,Когда N увеличивается, метод полного массива будет трудно выполнить задачу.

3. Венгерский алгоритм

Ниже приводится краткое описание венгерского алгоритма.

Основная теоретическая основа заключается в добавлении или вычитании числа из одной строки или столбца матрицы затрат в матрицу затрат, а оптимальное распределение задач для решения проблемы остается неизменным.

  

Основные шаги алгоритма следующие:

  

4. Анализ случая — Венгерский алгоритм

Ниже приведены конкретные примеры для анализа того, как венгерский алгоритм решает проблему назначения задач.

Если взять N = 4 в качестве примера, на следующем рисунке показан список затрат и матрица затрат.

  

Step1.Вычтите 75 из строки 1, 35 из строки 2, 90 из строки 3 и 45 из строки 4.

  

Step2.Вычтите 0 из первого столбца, вычтите 0 из второго столбца, вычтите 0 из третьего столбца и вычтите 5 из четвертого столбца.

  

Step3.Используйте наименьшее количество горизонтальных или вертикальных линий, чтобы покрыть все нули.

  

Step4.Поскольку общее количество горизонтальных и вертикальных линий равно 3, что меньше 4, введите Шаг 5.

Step5.Минимальное значение, которое не покрывается, равно 5, минимальное значение 5 вычитается из каждой строки, которая не покрывается, и минимальное значение 5 добавляется к каждому покрытому столбцу, а затем переходите к шагу 3.

  

Step3.Используйте наименьшее количество горизонтальных или вертикальных линий, чтобы покрыть все нули.

  

Step4.Поскольку общее количество горизонтальных и вертикальных линий равно 3, что меньше 4, введите Шаг 5.

Step5.Минимальное значение, которое не покрывается, равно 20, минимальное значение 20 вычитается из каждой строки, которая не покрывается, и минимальное значение 20 добавляется к каждому покрытому столбцу, а затем переходите к шагу 3.

  

Step3.Используйте наименьшее количество горизонтальных или вертикальных линий, чтобы покрыть все нули.

  

Step4.Поскольку общее количество горизонтальных и вертикальных линий равно 4, алгоритм завершается, и результат распределения показан на рисунке ниже.

  

Среди них желтый прямоугольник представляет результат распределения, а оптимальное распределение левой матрицы эквивалентно оптимальному распределению левой матрицы.

Приведенное выше содержимое перепечатывается, следующий код является оригинальным.

Пять, код Python

import itertools
import numpy as np
from numpy import random
from scipy.optimize import linear_sum_assignment


# Назначение задачи
class TaskAssignment:

         # Инициализация класса, обязательными входными параметрами являются матрица задач и метод распределения, среди которых есть два метода распределения, метод all_permutation или метод Венгрии.
    def __init__(self, task_matrix, mode):
        self.task_matrix = task_matrix
        self.mode = mode
        if mode == 'all_permutation':
            self.min_cost, self.best_solution = self.all_permutation(task_matrix)
        if mode == 'Hungary':
            self.min_cost, self.best_solution = self.Hungary(task_matrix)

         # Полный метод аранжировки
    def all_permutation(self, task_matrix):
        number_of_choice = len(task_matrix)
        solutions = []
        values = []
        for each_solution in itertools.permutations(range(number_of_choice)):
            each_solution = list(each_solution)
            solution = []
            value = 0
            for i in range(len(task_matrix)):
                value += task_matrix[i][each_solution[i]]
                solution.append(task_matrix[i][each_solution[i]])
            values.append(value)
            solutions.append(solution)
        min_cost = np.min(values)
        best_solution = solutions[values.index(min_cost)]
        return min_cost, best_solution

         # Венгерский метод
    def Hungary(self, task_matrix):
        b = task_matrix.copy()
                 # Строка и столбец минус 0
        for i in range(len(b)):
            row_min = np.min(b[i])
            for j in range(len(b[i])):
                b[i][j] -= row_min
        for i in range(len(b[0])):
            col_min = np.min(b[:, i])
            for j in range(len(b)):
                b[j][i] -= col_min
        line_count = 0
                 # Когда количество строк меньше длины матрицы, цикл
        while (line_count < len(b)):
            line_count = 0
            row_zero_count = []
            col_zero_count = []
            for i in range(len(b)):
                row_zero_count.append(np.sum(b[i] == 0))
            for i in range(len(b[0])):
                col_zero_count.append((np.sum(b[:, i] == 0)))
                         # Нажать порядок (ветка или столбец)
            line_order = []
            row_or_col = []
            for i in range(len(b[0]), 0, -1):
                while (i in row_zero_count):
                    line_order.append(row_zero_count.index(i))
                    row_or_col.append(0)
                    row_zero_count[row_zero_count.index(i)] = 0
                while (i in col_zero_count):
                    line_order.append(col_zero_count.index(i))
                    row_or_col.append(1)
                    col_zero_count[col_zero_count.index(i)] = 0
                         # Нарисуйте линию, покрывающую 0, и получите матрицу после строки минус минимальное значение и столбец плюс минимальное значение
            delete_count_of_row = []
            delete_count_of_rol = []
            row_and_col = [i for i in range(len(b))]
            for i in range(len(line_order)):
                if row_or_col[i] == 0:
                    delete_count_of_row.append(line_order[i])
                else:
                    delete_count_of_rol.append(line_order[i])
                c = np.delete(b, delete_count_of_row, axis=0)
                c = np.delete(c, delete_count_of_rol, axis=1)
                line_count = len(delete_count_of_row) + len(delete_count_of_rol)
                                 # Когда количество строк равно длине матрицы, выскакиваем
                if line_count == len(b):
                    break
                                 # Определяем, нужно ли рисовать линию, чтобы покрыть все нули, если она покрывает, операции сложения и вычитания
                if 0 not in c:
                    row_sub = list(set(row_and_col) - set(delete_count_of_row))
                    min_value = np.min(c)
                    for i in row_sub:
                        b[i] = b[i] - min_value
                    for i in delete_count_of_rol:
                        b[:, i] = b[:, i] + min_value
                    break
        row_ind, col_ind = linear_sum_assignment(b)
        min_cost = task_matrix[row_ind, col_ind].sum()
        best_solution = list(task_matrix[row_ind, col_ind])
        return min_cost, best_solution


 # Сгенерировать матрицу затрат
rd = random.RandomState(10000)
task_matrix = rd.randint(0, 100, size=(5, 5))
 # Используйте метод полного размещения, чтобы добиться распределения задач
ass_by_per = TaskAssignment(task_matrix, 'all_permutation')
 # Используйте метод Венгрии для распределения задач
ass_by_Hun = TaskAssignment(task_matrix, 'Hungary')
print('cost matrix = ', '\n', task_matrix)
 print ('Назначение задачи для всех способов размещения:')
print('min cost = ', ass_by_per.min_cost)
print('best solution = ', ass_by_per.best_solution)
 print ('Назначение задачи по венгерскому методу:')
print('min cost = ', ass_by_Hun.min_cost)
print('best solution = ', ass_by_Hun.best_solution)

Пример выполнения кода:


Синтезированный эвристический алгоритм планирования задач

Для решения задач планирования статических задач в гетерогенной среде предлагается эвристический алгоритм планирования задач под названием HCPPEFT. На этапе приоритизации задач в алгоритме выбора задачи есть три уровня приоритета. Во-первых, критические задачи имеют наивысший приоритет, во-вторых, будут выбраны задачи с более длинным путем к выходной задаче, а затем алгоритм выберет задачи с меньшим количеством предшественников для планирования. На этапе выбора ресурсов алгоритм выбирает дублирование задач, чтобы снизить стоимость связи между ресурсами, кроме того, прогнозирование влияния назначения на всех дочерних элементов текущей задачи позволяет принимать более эффективные решения при выборе ресурсов.Предложенный алгоритм сравнивается с алгоритмами STDH, PEFT и HEFT посредством случайно сгенерированных графов и наборов графов задач. Экспериментальные результаты показывают, что новый алгоритм может обеспечить лучшую производительность планирования.

1. Введение

Гетерогенная вычислительная система (HCS) представляет собой вычислительную платформу с разнообразными наборами взаимосвязанных ресурсов через высокоскоростную сеть для выполнения параллельных и распределенных приложений. Из-за разнообразия вычислительных ресурсов эффективность приложения на доступных ресурсах является одним из ключевых факторов для достижения высокой производительности вычислений.Общая форма задачи планирования задач в HCS может быть представлена ​​в виде ориентированного ациклического графа (DAG). Общая цель планирования состоит в том, чтобы назначать задачи на подходящие ресурсы и упорядочивать их выполнение таким образом, чтобы требования приоритета задач удовлетворялись при минимальной продолжительности расписания [1]. Показано, что задача планирования является NP-полной [2–4], поэтому ожидается, что она будет решаться с помощью эвристического алгоритма.

Типичная модель планирования задач основана на ориентированном ациклическом графе, включая статическое и динамическое планирование.Эвристический алгоритм — это алгоритм статического планирования, который состоит из алгоритмов, основанных на дублировании, алгоритмов кластеризации и алгоритмов планирования списка [3]. Алгоритмы планирования списка широко используются из-за их высокой эффективности планирования и простой идеи дизайна. Основная идея планирования списка состоит в том, чтобы построить список расписания, назначив приоритет для каждой задачи, и задачи выбираются для процессора, который минимизирует время выполнения. Классические примеры алгоритмов планирования списка были предложены в [5–10].Гетерогенное самое раннее время окончания (HEFT) [5] использует рекурсивную процедуру для вычисления ранга задачи путем обхода графа вверх от задачи выхода и наоборот для критического пути на процессоре (CPOP) [5]. Улучшение гетерогенного раннего времени окончания (IHEFT) [6] позволяет получить лучший список задач, изменив метод вычисления веса задачи в сторону увеличения. Алгоритм планирования задач на основе отклонений (SDBATS) [7] использует стандартное отклонение ожидаемого времени выполнения данной задачи на доступных ресурсах в качестве ключевого атрибута для назначения приоритета задачи.В [8] предложенный алгоритм определяет критический путь графа задач и выбирает следующую задачу для планирования динамически. Алгоритм прогнозирования самого раннего времени окончания (PEFT) [9] основан только на вычислении таблицы оптимистичных затрат (OCT), которая используется для ранжирования задач и выбора ресурсов. Новый алгоритм, названный самым длинным динамическим критическим путем (LDCP) [10], назначает приоритеты с учетом атрибута критического пути данного DAG.

Идея дублирования задач заключается в попытке дублировать родителей текущей выбранной задачи на выбранный ресурс или на другие ресурсы с целью сокращения или оптимизации времени завершения задачи.В последние годы предложено множество алгоритмов, основанных на дублировании; например, в [11] изучался эвристический алгоритм планирования задач на основе приоритета пути. Алгоритм планирования гетерогенной критической задачи (HCT) [12] определяет критическую задачу и временной интервал простоя. Выбранное дублирование задач для гетерогенных (STDH) [13] дублирует родительские задачи для продвижения самого раннего времени начала текущей задачи-кандидата, чтобы снизить затраты на межпроцессорное взаимодействие. Гетерогенное самое раннее время окончания с дублированием (HEFD) [14] использует дисперсию задач в качестве фактора неоднородности вычислительной мощности для установки весов для задач и ребер.Алгоритм в [15] представляет собой трехэтапный алгоритм с динамической фазой для назначения приоритета каждой задаче. Для динамического поиска и удаления избыточных дубликатов задач в процессе планирования в [16] был предложен новый алгоритм планирования с учетом ресурсов с дублированием (RADS). Есть некоторые исследования, такие как [17, 18], сочетающие технику DVS со стратегией дублирования для снижения энергопотребления. Алгоритмы, предложенные в [19, 20], предназначены для решения проблемы растраты ресурсов. Другие алгоритмы, основанные на дублировании, такие как селективное дублирование (SD) [21] и гетерогенные критические родители с быстрым дубликатором (HCPFD) [22], также заслуживают изучения.

Алгоритмы кластеризации объединяют задачи в группе обеспечения доступности баз данных в неограниченное количество кластеров, а задачи в кластере размещаются на одном ресурсе. Некоторыми классическими примерами являются алгоритм кластерного отображения (CMA) [23], система кластеризации и планирования (CASS) [24], объективный гибкий алгоритм кластеризации (OFCA) [25] и т.д. В [26, 27] были предложены два новых алгоритма, но они имеют ограничения в системах с более высокой гетерогенностью. Чтобы снизить энергопотребление без увеличения продолжительности расписания, [28] восстанавливает как статический, так и динамический резерв времени и использует различные методы регулировки частоты в разное время простоя, а [29] изучает время простоя для некритических заданий, увеличивает время их выполнения и сокращает энергозатраты без увеличения времени выполнения задачи в целом.Кроме того, эти методы основаны на планировании DAG: сначала синтезируется гетерогенный критический путь (HCPFS) [30], гетерогенное значение выбора (HSV) [31], глобальное сравнительно оптимальное планирование задач на гетерогенном многопроцессорном процессоре (HGCOTS) [32] и т. д. .

Алгоритм HEFT [5] состоит из двух фаз: фазы определения приоритета задачи и фазы выбора процессора. На первом этапе создается список задач путем сортировки задач в порядке убывания возрастающего ранга. На этапе выбора процессора задачи планируются для лучшего процессора, который сводит к минимуму время завершения задачи.Однако алгоритм не учитывает влияние критической задачи и стоимости межпроцессорного взаимодействия на время планирования всего графа задач. Эффективность планирования задач не высока, что требует дальнейшей оптимизации.

Алгоритм PEFT [9] основан на вычислении таблицы оптимистичной стоимости (OCT), на которой основываются приоритет задачи и выбор процессора. OCT представляет собой матрицу, в которой строки указывают количество ресурсов, где каждый элемент указывает максимум кратчайших путей дочерних задач к выходному узлу с учетом того, что для задачи выбран ресурс.Алгоритм имеет ту же временную сложность, что и алгоритмы HEFT и SDBATS, то есть для задач и ресурсов. Но алгоритм не учитывает критические задачи, которые решают все время планирования DAG. Таким образом, этот алгоритм в некоторой степени задерживает длину планирования.

Алгоритм STDH [13] дублирует родительские задачи для продвижения самого раннего времени запуска текущей задачи-кандидата, чтобы снизить затраты на межпроцессорное взаимодействие. Таким образом, общее время выполнения приложения сокращается, но алгоритм планируется только по одному атрибуту.В случае, если разные задачи должны иметь одинаковый приоритет, это не может хорошо работать. Поэтому, чтобы разумно оценивать приоритетность задач, для сортировки задач больше подходят множественные признаки.

В этой статье мы предлагаем синтезированный эвристический алгоритм планирования задач, основанный как на методах дублирования, так и на основе списков для гетерогенных вычислительных систем. Алгоритм HCPPEFT состоит из двух фаз: фазы определения приоритетов задач и фазы выбора ресурсов (см. Алгоритм 1).На первом этапе мы предлагаем новый подход к критической задаче, задачам с более длинным путем к задаче выхода и количеству предшественников для построения очереди планирования. На втором этапе дублирование задач оптимизируется для всех непосредственных родительских задач, а политики прогнозирования гарантируют, что предстоящие задачи будут завершены раньше. Оставшаяся часть теста организована следующим образом. В разделе 2 мы определяем проблему планирования задач и обсуждаем некоторые основные атрибуты планирования DAG. В разделе 3 представлен алгоритм HCPPEFT, а в разделе 4 обсуждаются результаты эксперимента.Раздел 5 завершает статью.

(15) End
(1) Вычисление ранга вверх, ранга вниз, предшественников и таблицы OCT для всех задач
(2) Вычисление для каждой задачи на графике.
   Если , где входная задача, множество задач на критическом пути.
(3) Сортировка задач в очереди планирования по критическим задачам в порядке убывания значения ранга и возрастания порядка предшественников.
(4) (4) Пока Есть незапланированные задачи в очереди DO
(5) Выбрать первую задачу из очереди для планирования
(6) Для каждый ресурс в наборе ресурсов () DO
(7) Сортировать непосредственные родители задачи по снижению порядка времени прибытия данных
(8) Пока состояние дублирования Удовлетворенные do
(9) (9) Если Дублирование может уменьшить свое начальное время выполнения , затем
(10) Дубликат и обновление самого раннего времени начала и свободных временных слотов.
(11) (11) End
(12) End
(13) Вычислить самое раннее время окончания по (5).
(14)
(16) Назначьте задание ресурсу с минимизацией задачи.
(17) конец
2.Определение проблемы
2.1. Модель задачи

Модель системы планирования состоит из приложения в гетерогенной вычислительной среде. Приложение представлено , где – множество задач, а – множество e ребер между задачами. Каждое ребро представляет собой ограничение приоритета, так что задача должна завершить свое выполнение до запуска задачи. Коммуникационные затраты, необходимые для передачи от задачи к задаче, представлены матрицей, в которой каждая дает количество данных на границе.Гетерогенная система состоит из набора ресурсов независимых ресурсов, полностью связанных высокоскоростной сетью. Матрица стоимости вычислений представлена ​​в виде , в которой каждый    дает расчетное время выполнения    на ресурсе . Кроме того, мы предполагаем, что любые две соединительные задачи, запланированные на одном и том же ресурсе, имеют нулевую стоимость связи.

2.2. Атрибуты планирования DAG

Прежде чем перейти к следующему разделу, необходимо обсудить некоторые атрибуты планирования, такие как повышение ранга, понижение ранга, самое раннее время начала, самое раннее время окончания и таблица оптимистичных затрат, которые будут использоваться в предлагаемом алгоритме планирования. .

Определение 1. Задача без предшественников называется входной задачей и обозначает набор непосредственных предшественников задачи в данном графе задач. Точно так же задача без преемников называется задачей выхода и обозначает набор непосредственных преемников задачи в данном графе задач. Если граф задач имеет несколько входных или выходных узлов, к графу можно добавить фиктивный входной или выходной узел с нулевыми коммуникационными ребрами и нулевым весом.

Определение 2. Повышение ранга задачи рассчитывается по следующему уравнению: где — средняя стоимость вычислений задачи, а — средняя стоимость связи на границе от задачи к задаче.Для задачи выхода значение восходящего ранга равно Точно так же нисходящий ранг задачи определяется следующим уравнением: Для входной задачи значение нисходящего ранга равно нулю.

Определение 3. и являются самым ранним временем начала и самым ранним временем окончания задачи на ресурсе и определяются где — самое раннее время, когда ресурс готов к выполнению задачи, — фактическое время завершения задачи, а — стоимость связи на границе от задачи к задаче.Прежде чем вычислять самое раннее время завершения задачи, все непосредственные предшествующие задачи должны быть запланированы. Для входной задачи .

Определение 4. Если время начала выполнения задачи зависит от времени прихода родительской задачи, то может быть определен свободный временной интервал, т.е. задача ждать времени прихода родительской задачи так как

Определение 5. OCT — это матрица, в которой строки указывают количество задач, а столбцы — количество ресурсов, где каждый элемент представляет максимальное оптимистическое время обработки дочерних элементов задачи.Значение OCT задачи на ресурсе рекурсивно определяется

Определение 6. Длина графика (максимум) графа задач обозначает время окончания последней задачи и определяется следующим образом:
Целевая функция задачи планирования задач состоит в том, чтобы определить назначение задач данного графа задач ресурсам таким образом, чтобы длина его расписания была минимальна, что удовлетворяет всем ограничениям приоритета.

3. Предлагаемый алгоритм HCPPEFT
3.1. Фаза приоритезации задач

Критический путь — это путь с наибольшим временем выполнения в ориентированном ациклическом графе, который из задач играет решающую роль для времени завершения. В процессе планирования задач критической задаче назначается наивысший приоритет, чтобы сделать ее первой запланированной. Однако у критической задачи обычно есть одна или несколько родительских задач. Если родительские задачи не могут получить разумное расписание, время начала выполнения будет отложено. Поэтому он не только назначает, помимо критических задач, наивысший приоритет, но также требует, чтобы родительские задачи критических задач выделяли более высокий приоритет.Непосредственные родительские задачи сортируются в порядке убывания значений ранга вверх. Если значения ранга вверх равны, выбирают задачи по отношению к возрастанию предшественников. Чтобы создать очередь планирования задач, сначала создаются две пустые очереди задач: CTQ и RTQ. CTQ используется для хранения критической задачи, а RTQ — для хранения очереди готовности к планированию задач. Процесс построения очередей планирования задач показан на рисунке 1. Подробное объяснение представлено ниже.(1) Вычисляются восходящий ранг (), нисходящий ранг () и сумма значений восходящего и нисходящего рангов для всех задач. (2) Длина критического пути равна приоритету входной задачи. Задача входа помечена как задача критического пути. Если для каждой задачи в DAG, то , где входная задача, это множество задач на критическом пути. Задача всех критических путей будет добавлена ​​к CTQ в порядке убывания . (3) CTQ в начале содержит все критические задачи. На самом деле критическая задача будет исключена из CTQ и добавлена ​​в RTQ после того, как все родительские задачи будут добавлены в RTQ.Приоритет родительских задач определяется на основе их . Родительская задача с наивысшим приоритетом получает высокий приоритет. (4) Если есть две или более родительских задачи равны. Приоритет родительских задач формируется в порядке возрастания количества предшествующих задач.(5)Вышеуказанные шаги выполняются до тех пор, пока очередь CTQ не станет нулевой. Очередь RTQ — это очередь планирования задач.


Чтобы проиллюстрировать построение очереди приоритизации задач, на рис. 2 показан случайный граф задач с 10 задачами и 16 ребрами.Соответствующая стоимость вычислений для каждого ресурса представлена ​​в таблице 1. На основе значений в таблице 2 критический путь на рисунке 2 равен . Все критические задачи будут добавлены в CTQ в порядке убывания значений ранга вверх; то есть, . Поскольку задача ввода не имеет родительской задачи, она будет исключена из CTQ и немедленно добавлена ​​в RTQ. После этого задача добавляется в RTQ и удаляется из CTQ. Пока не выбраны родительские задачи и , можно выбрать критическую задачу.До сих пор мы можем получить и . Прежде чем будет выбрана критическая задача, должны быть запланированы родительские задачи и . Но ранговые значения родительских задач и равны, выбор задач по отношению к предшественникам увеличивается. Выбирается задача, а затем задача. В настоящее время порядок выполнения оставшихся задач следующий. Наконец, создается очередь задач, т. е. .

0 60

9 3

13

9 4

9 4

Задача

1 11 19 6
2 18 5 12
7 7
1 12
1 16

9 5

9 5
1 19
1 5
1 16

9 7

24

19

9 8

7

9
6 8 23 14
1 20

9 9
9
1 12 9021 16
10 17 7 13

90 100310
3.2. Этап выбора ресурсов

На этом этапе задачи назначаются ресурсам, и используется дублирование для минимизации времени окончания. Чтобы начать выполнение на ресурсе, задача должна дождаться поступления данных от всех своих непосредственных родителей, чтобы соответствовать ограничениям приоритета. Родительская задача задачи, расписание которой на разных ресурсах и время поступления данных в задачу которой является последней родительской задачей. Условие дублирования [13] определяется как

Если выполняется, то родительская задача будет продублирована на назначенном ресурсе.Одновременно вычислите самое раннее время окончания с помощью (5) и обновите свободные временные интервалы с помощью (6). Следует отметить, что наиболее подходящий ресурс не может быть достигнут, если мы будем следовать (5). Потому что лучшее планирование учитывает не только выигрыш текущей задачи в полном времени, но и выигрыш в последовательности задач. Вычисление OCT по (7) не только не может увеличить временную сложность, но и гарантировать, что предстоящие задачи будут завершены раньше. Таким образом, мы вычисляем оптимистичный ТЭС (), который суммирует с ТЭС время вычисления самого длинного пути к выходной задаче для выбора наиболее подходящего ресурса.определяется как

Для данной DAG временная сложность алгоритма планирования обычно выражается количеством задач и количеством ресурсов. Временная сложность STDH заключается в построении очереди расписания. Отбор ресурсов для всех задач может производиться по временной сложности. Общее время равно. PEFT требует вычисления таблицы OCT , а для назначения задач ресурсам временная сложность порядка . Общее время равно. Алгоритм HEFT имеет сложность для задач и ресурсов.Алгоритм HCPPEFT требует, чтобы построение очереди планирования задач было равно , а временная сложность фазы выбора ресурсов была равна . То есть алгоритм HCPPEFT имеет ту же временную сложность, что и алгоритмы STDH, PEFT и HEFT.

3.3. Реализация алгоритма HCPPEFT

Чтобы оценить производительность алгоритма HCPPEFT, мы реализуем этот алгоритм на платформе ПК с использованием программного обеспечения MATLAB.

Сначала на рис. 2 показан случайно сгенерированный граф задач. Тогда соответствующие вычислительные затраты представлены в таблице 1.При вычислении (7) значения OCT показаны в таблицах 3 и 4, которые в конце дают пример, демонстрирующий HCPPEFT для DAG на рисунке 2.

7

5

9
1

1

1 Количество предшественников 7 7

5

9
1 105.667
0.000 105,667 0
73,000 23000 96,000 1
69,667 36,000 105,667 1
57,000 25.000 82.000
1 82.000
1 1

9
1 76.667
21.000 97.667 97.667
1 1

9
21 58.333
+26,000 84,333 1
50,333 55,333 105,667 3
36,333 45,667 82,000 2
36,333 66.333
1 102.667
3
1 3

9
1 12.333
1 93333
1 105.667
1 3 7

7

Задача

47 51 45
31 31 32
31 31 32
29 29 29
31 31 32
28 21 28
17 7 13
17 7 13
17 7 13
0 0 0

9003 0
9 0221 36

Шаг Готовые очереди Задача выбрана EFT Ресурс выбран
90 215
1 11 19 6 58 70 51
2 18 39 19 49 70 51
3 ,, 37 20 22 68 51 54
4 , 25 18 67 56 50
5 47 49 52 64 56 65
6 ,,,, 31 65 22 60 94 51
7 ,,,,,,
1 37 54 54 1 65

56
58
1

9 8
1,
1
1 45

72 55
36 73 93 64
9 , 63 52 72 70 65
10 79 69 81 79 69 81

В качестве иллюстрации на рис.Длина расписания, равная 69, меньше, чем у родственных алгоритмов; в частности, длина расписания алгоритмов STDH, PEFT и HEFT составляет 73, 78 и 77 соответственно.


4. Экспериментальные результаты и обсуждение

В этом разделе представлено сравнение производительности предложенного алгоритма HCPPEFT с четырьмя известными алгоритмами планирования задач, такими как STDH, PEFT и HEFT, с помощью случайно сгенерированного графа задач и наборов графов задач. Для оценки производительности используются три показателя.

4.1. Сравнения Метрики
4.1.1. Соотношение длины расписания

Поскольку используется большой набор графов задач с различными свойствами, необходимо нормализовать длину расписания по нижней границе, которая называется отношением длины расписания (SLR). SLR определяется следующим образом: где минимальная стоимость вычислений задач критического пути в SLR. Существует не меньше, чем знаменатель уравнения SLR, так как знаменатель является нижней границей.Следовательно, алгоритм с наименьшим SLR является лучшим алгоритмом с точки зрения производительности.

4.1.2. Ускорение

Значение ускорения для данного графа задач определяется как отношение времени последовательного выполнения к времени параллельного выполнения. Время последовательного выполнения вычисляется путем назначения всех задач одному ресурсу, что минимизирует затраты на вычисления. Ускорение определяется следующим образом:

4.1.3. Эффективность

Эффективность в общем случае определяется как отношение значения ускорения к количеству используемых ресурсов в графе задач расписания.Эффективность определяется следующим образом:

4.2. Случайно сгенерированный график задач и сравнение производительности

Чтобы оценить производительность алгоритма HCPPEFT, мы сначала рассмотрели случайно сгенерированные графики задач. Для этой цели был реализован генератор случайных графов, доступный в [13], для генерации множества взвешенных графов с различными характеристиками. Входными параметрами генератора являются соотношение связи и вычислений (CCR), количество задач, степень выхода узла (out_степень), вес ребра, вес узла и количество ресурсов.Наша среда моделирования сначала генерирует большой набор случайных графов задач с различными характеристиками, за которыми следует выполнение алгоритмов планирования задач, и, наконец, она вычисляет показатели производительности.

Производительность алгоритмов HCPPEFT, STDH, PEFT и HEFT сравнивается с различными характеристиками графа в соответствии с SLR, ускорением и эффективностью.

Во-первых, мы оценили производительность алгоритма по отношению к различному количеству задач, а количество ресурсов считалось фиксированным значением 10.Каждое значение экспериментальных результатов представляет собой среднее значение результатов, полученных из 200 различных графов случайных задач. В этих экспериментах CCR и out_степень считались фиксированными значениями 2 и 5 и ограничивались следующими значениями: 20, 40, 60, 80, 100, 120, 150, 200}. Вес ребра генерируется случайным образом от 1 до 300, так как вес узла составляет от 1 до 30. На рисунках 4 и 5 результаты моделирования показывают, что новый алгоритм превосходит другие алгоритмы по SLR и ускорению.Среднее значение SLR алгоритма HCPPEFT лучше алгоритма HEFT на 19,99%, алгоритма PEFT на 14,43% и алгоритма STDH на 5,72%; а среднее значение ускорения алгоритма HCPPEFT лучше алгоритма HEFT на 16,33%, алгоритма PEFT на 10,79% и алгоритма STDH на 8,69%.



Следующий эксперимент связан с приращением CCR. Каждое значение экспериментальных результатов представляет собой среднее значение результатов, полученных из 200 различных графов случайных задач.В каждом графе CCR выбирается случайным образом из 0,1, 0,25, 0,5, 1, 2 и 5, а вес узла генерируется случайным образом от 1 до 30, так как вес ребра составляет от 1 до 300. Также , и out_степень зафиксировано на 10, 100 и 5 соответственно. Результаты показаны на рисунках 6 и 7. По сравнению с алгоритмами HEFT, PEFT и STDH на всех сгенерированных графиках среднее значение SLR, полученное алгоритмом HCPPEFT, лучше на 43,35%, 32,83% и 7,08. %, соответственно; а среднее значение ускорения лучше на целых 31.62%, 24,56% и 7,72% соответственно. Это улучшение связано с фазой дублирования и прогнозированием самого раннего времени окончания. Стоимость связи может достигать самого низкого уровня за счет дублирования по отношению к приращению CCR; поэтому новый алгоритм будет значительно улучшен. С другой стороны, мы можем выбрать наиболее подходящий ресурс, который обеспечивает более короткое время завершения задач на следующих шагах, прогнозируя влияние назначения на всех дочерних элементов текущей задачи.



Последняя серия экспериментов сравнивает производительность алгоритма по мере увеличения значения числа ресурсов.Каждое значение экспериментальных результатов представляет собой среднее значение результатов, полученных из 200 различных графов случайных задач. В этих экспериментах CCR, и out_степень были зафиксированы на 0,5, 150 и 5 соответственно, а вес ребра генерируется случайным образом от 1 до 300, а вес узла — от 1 до 30. Количество ресурсов было ограничено следующими значениями. : 5, 8, 10, 12, 15}. На рисунке 8 результаты моделирования показывают, что алгоритм HCPPEFT превосходит алгоритмы HEFT, PEFT и STDH на 30,98%, 22.95% и 7,45% соответственно. Как и ожидалось, средняя длина планирования алгоритмов HCPPEFT, HEFT, PEFT и STDH уменьшается по мере увеличения количества ресурсов. Это уменьшение связано с характеристиками параллелизма.


4.3. Наборы графов задач и результатов производительности

В дополнение к случайно сгенерированному графу задач мы также используем наборы графов задач для оценки производительности нового алгоритма. Эталонные и сопутствующие параметры наборов графов задач приведены в таблицах 3 и 5.Длины расписания алгоритмов HCPPEFT, STDH, PEFT и HEFT представлены на рисунке 9. Результаты показывают, что производительность алгоритма HCPPEFT превосходит другие алгоритмы.


Серийный номер Количество заданий Количество ресурса CCR Справочник

1 10 3 0,6025 [5, 6, 32]
2 5 3 0.4508 [13]
1 [13]

9 3

0.3003
12 4
1 [12]

9 4

10
1 3
1 0.3946
1 [30]
5 10 3 0.4170 [9]
1 [9]

[9] 7 5



5. Вывод

5. Вывод

В этой статье мы предложили синтезированное алгоритм планирования задач для гетерогенных вычислительных систем, называемых HCPPEFT .Этот новый алгоритм представляет собой двухэтапный алгоритм, который сочетает в себе механизмы алгоритмов, основанных на составлении списка, дублировании и упреждающем просмотре. Таким образом, алгоритм HCPPEFT обеспечивает более эффективный способ планирования общих графов задач. На этапе приоритезации задач предлагается три уровня приоритета для выбора задачи. Метод построения очереди планирования задач учитывает не только критические задачи, но и важность родительских задач. На этапе выбора ресурсов дублирование родительских задач необходимо для снижения затрат на связь.Прогнозирование влияния задания на всех дочерних элементов текущей задачи заключается в выборе наилучшего ресурса. Эффективная производительность нового алгоритма сравнивается с тремя лучшими существующими алгоритмами планирования: алгоритмами HEFT, PEFT и STDH. Сравнительное исследование основано на случайно сгенерированном графе задач и наборах графов задач. Алгоритм HCPPEFT превосходит другие алгоритмы с точки зрения среднего SLR, ускорения и эффективности.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов в отношении публикации данной статьи.

Благодарности

Эта работа была поддержана фондом (NFS Китая: № 61363031, GuangXiSci. and Tech. Development Foundation: № GKG1211-80172C, GuilinSci. and Tech. Development Foundation: № 20120104-13) за поддержку нашей работы.

Алгоритм планирования задач на основе алгоритма фейерверков | Журнал EURASIP по беспроводным коммуникациям и сетям

Алгоритм фейерверков

Алгоритм фейерверков представляет собой параллельный алгоритм взрывной оптимизации, предложенный Тан Ином, вдохновленный естественным поведением фейерверков [20].В алгоритме фейерверков искры, генерируемые фейерверками, их взрывы и мутации напоминают допустимые решения, а процесс взрыва моделирует процесс оптимизации в текущей области допустимых решений [25, 26]. В природе взрывы высококачественных фейерверков производят все больше и больше искр, в то время как взрывы фейерверков низкого качества производят гораздо меньше искр. Алгоритм фейерверка следует естественным правилам: значение пригодности хорошее, качество фейерверка отличное, дальность взрыва небольшая, а искры генерируются в большом количестве.С другой стороны, когда значение пригодности не очень хорошее, качество фейерверка хуже, дальность взрыва большая, а генерируемые искры ограничены [1, 20, 21, 27]. Алгоритм фейерверка включает взрывные искры, искры мутаций, правила отображения, стратегии отбора и другие элементы [20].

Оператор взрыва создает искры взрыва, которые играют ключевую роль в алгоритме фейерверка, метрики которого включают интенсивность взрыва, амплитуду взрыва и операцию смещения [28, 29].{N}\left(F_{\text{max}}-f\left(X_{i}\right)\right)+\epsilon} \end{array} $$

(2)

S i указывает количество искр подпоколения в i -м фейерверке. S представляет собой максимальное количество искр в подпоколении фейерверков. F max указывает худшее значение пригодности для этого поколения. f ( X i ) представляет значение пригодности i -го фейерверка. ε — минимальная константа, позволяющая избежать ошибки деления на ноль.

Чтобы контролировать количество искр подгенерации высококачественных фейерверков и низкокачественных фейерверков, фейерверки и ограничены, как показано в уравнении. (3).

$$ S_{i}=\left\{ \begin{array}{ll} \text{round}(a\cdot S) \quad \, & {S_{i} \prec a\cdot S}\ \ \text{round}(b\cdot S) \quad \, & {S_{i} \succ b\cdot S}\\ \text{round}(S) \quad \, & \text{else}\ \\конец{массив}\право. $$

(3)

a и b заданы константы.{N}\left(f\left(X_{i}\right)-F_{\text{min}}\right)+\epsilon} $$

(4)

R и указывает диапазон амплитуды взрыва и -го фейерверка. R показывает максимальную дальность взрыва фейерверка. F min представляет собой лучшее значение пригодности фейерверков текущего поколения.

Операция смещения выполняется для каждого измерения фейерверка и в соответствии с интенсивностью взрыва и амплитудой взрыва [36, 37], как показано в уравнении.{k}\) представляет собой значение вектора местоположения искр, генерируемых взрывом фейерверка i в k -м измерении. rand(0, R i ) указывает случайное число от 0 до R i .

В алгоритме фейерверков разнообразие популяции дополнительно улучшается искрой мутаций. Распределение Гаусса используется для предварительного формирования мутаций Гаусса на любых размерах фейерверков в популяции [38–40].{k}\) указывает значение вектора местоположения искр, произведенных фейерверками i Гауссова мутация в k -м измерении. n подчиняется распределению Гаусса среднего значения 1 и дисперсии 1, как показано в уравнении. (7).

Если фейерверк i находится рядом с границей допустимой области, он может вызвать искры через границу. Поэтому мы используем правило модульной операции, чтобы сопоставить его обратно с допустимой областью, как показано в уравнении. (8).{k}\) обозначают верхнюю и нижнюю границы вектора расположения фейерверков i в k -м измерении соответственно.

Согласно оператору взрыва и оператору мутации Гаусса, текущая популяция содержит это поколение фейерверков, искры взрыва и искры мутации Гаусса. Особи с лучшими значениями приспособленности сохраняются в следующем поколении с вероятностью 1. Затем остальные N −1 особей выбираются по правилу рулетки с вероятностью в уравнении(9).

$$ P_{i}= \frac{\sum_{j\in K} D_{ij}}{\sum_{i\in K} \sum_{j\in K} D_{ij}} $$

(9)

P i указывает вероятность того, что будет выбран фейерверк i . K представляет собой набор фейерверков, искр взрыва и искр мутации Гаусса. D ij представляет евклидово расстояние между фейерверками i и фейерверками j , как показано в уравнении.{K} ||X_{i}-X_{j}|| $$

(10)

Процесс адаптивной гауссовой мутации

Базовый алгоритм фейерверка увеличивает разнообразие популяции посредством гауссовской мутации и использует распределение Гаусса для мутации любого из множества измерений фейерверка в популяции [20]. На фактический эффект мутации Гаусса можно легко повлиять выбранным фейерверком мутации Гаусса и размерами мутации. Следовательно, для обеспечения хорошего разнообразия популяции фейерверков и короткого времени конвергенции процесс мутации Гаусса переработан.

При плохом значении пригодности мутации Гаусса вклад плохого фейерверка в мутант становится слишком большим, тем самым снижая скорость сходимости алгоритма. По правилу Парето самая важная часть чего-либо составляет всего 20 %, а остальные 80 % второстепенны, хотя и составляют большинство [41]. Поэтому, чтобы гарантировать, что алгоритм имеет быструю скорость сходимости, улучшенный алгоритм фейерверков случайным образом выбирает один из фейерверков для мутации Гаусса среди первых 20% значения пригодности.

Когда для мутации Гаусса выбираются фейерверки с лучшим значением пригодности, если размерность мутации постоянно остается большой, несмотря на улучшенное разнообразие популяции фейерверков, вклад фейерверков с лучшим значением пригодности в популяцию уменьшается, тем самым замедляя скорость сходимости алгоритма. Напротив, если размерность мутаций постоянно остается небольшой, хотя информация о фейерверках с лучшим значением пригодности сохраняется, разнообразие популяции фейерверков также уменьшается и, следовательно, приводит к попаданию алгоритма в локальный оптимум.Поэтому, чтобы гарантировать быструю скорость сходимости, не попадая в локальный оптимум, представлена ​​размерность адаптивной мутации Гаусса. Значение размерности показано в уравнении. (11).

$$ z(t+1)=\left\lceil w(t) \times z(t)\right\rceil $$

(11)

w является нелинейной функцией, которая уменьшается на число итераций t , как показано в уравнении. (12). Учитывая, что значение размерности мутации Гаусса должно быть положительным целым числом, значение z ( t +1) округляется до w ( t z ( t ).

В начале итерации w относительно велико, и соответствующая размерность мутации z также велика, что помогает улучшить разнообразие популяции фейерверков и улучшает алгоритм с глобальным поиском. На более позднем этапе итерации значение w постепенно уменьшается вместе с итерациями. Соответствующая размерность мутации z уменьшается, размерность мутации Гаусса постепенно уменьшается, а информация о фейерверках с лучшим значением пригодности сохраняется, так что алгоритм достигает оптимизации на более позднем этапе итераций.Усовершенствованный алгоритм фейерверка полностью играет роль мутации Гаусса, избегая траты ресурсов, вызванной неправильным выбором фейерверка мутации и неправильным определением размерности мутации. Между тем, алгоритм улучшает возможности глобального поиска и скорость сходимости.

Синтезированный эвристический алгоритм планирования задач

В этом разделе представлено сравнение производительности предложенного алгоритма HCPPEFT с четырьмя известными алгоритмами планирования задач, такими как STDH, PEFT и HEFT, с помощью случайно сгенерированного графа задач и наборов графов задач.Для оценки производительности используются три показателя.

4.1. Сравнения Метрики

4.1.1. Соотношение длины расписания

Поскольку используется большой набор графов задач с различными свойствами, необходимо нормализовать длину расписания по нижней границе, которая называется отношением длины расписания (SLR). SLR определяется следующим образом:

SLR=makespan∑ti∈CPmin⁡min⁡rj∈R⁡{w{i,j}},

(11)

где CP мин⁡ — минимальная стоимость вычислений задач критического пути в SLR.Существует не меньше, чем знаменатель уравнения SLR, так как знаменатель является нижней границей. Следовательно, алгоритм с наименьшим SLR является лучшим алгоритмом с точки зрения производительности.

4.1.2. Ускорение

Значение ускорения для данного графа задач определяется как отношение времени последовательного выполнения к времени параллельного выполнения. Время последовательного выполнения вычисляется путем назначения всех задач одному ресурсу, что минимизирует затраты на вычисления. Ускорение определяется следующим образом:

ускорение=min⁡rj∈R⁡{∑ti∈Twi,j} делает диапазон.

(12)

4.1.3. Эффективность

Эффективность в общем случае определяется как отношение значения ускорения к количеству используемых ресурсов в графе задач расписания. Эффективность определяется следующим образом:

Эффективность = число ускорений    ресурсов.

(13)

4.2. Случайно сгенерированный график задач и сравнение производительности

Чтобы оценить производительность алгоритма HCPPEFT, мы сначала рассмотрели случайно сгенерированные графики задач. Для этой цели был реализован генератор случайных графов, доступный в [13], для генерации множества взвешенных графов с различными характеристиками.Входными параметрами генератора являются соотношение связи и вычислений (CCR), количество задач, степень выхода узла (out_степень), вес ребра, вес узла и количество ресурсов. Наша среда моделирования сначала генерирует большой набор случайных графов задач с различными характеристиками, за которыми следует выполнение алгоритмов планирования задач, и, наконец, она вычисляет показатели производительности.

Производительность алгоритмов HCPPEFT, STDH, PEFT и HEFT сравнивается с различными характеристиками графа в соответствии с SLR, ускорением и эффективностью.

Во-первых, мы оценили производительность алгоритма по отношению к различному количеству задач, а количество ресурсов рассматривалось как фиксированное значение, равное 10. Каждое значение экспериментальных результатов представляет собой среднее значение результатов, полученных из 200 различных случайных графики задач. В этих экспериментах CCR и out_степень считались фиксированными значениями 2 и 5, а n ограничивались следующими значениями: n ∈ {20, 40, 60, 80, 100, 120, 150, 200}. Вес ребра генерируется случайным образом от 1 до 300, так как вес узла составляет от 1 до 30.На рисунках и , результаты моделирования показывают, что новый алгоритм превосходит другие алгоритмы по SLR и ускорению. Среднее значение SLR алгоритма HCPPEFT лучше алгоритма HEFT на 19,99%, алгоритма PEFT на 14,43% и алгоритма STDH на 5,72%; а среднее значение ускорения алгоритма HCPPEFT лучше алгоритма HEFT на 16,33%, алгоритма PEFT на 10,79% и алгоритма STDH на 8,69%.

Среднее значение SLR с CCR = 2 для графов случайных задач.

Среднее ускорение при CCR = 2 для случайных графов задач.

Следующий эксперимент относится к приращению CCR. Каждое значение экспериментальных результатов представляет собой среднее значение результатов, полученных из 200 различных графов случайных задач. В каждом графе CCR выбирается случайным образом из 0,1, 0,25, 0,5, 1, 2 и 5, а вес узла генерируется случайным образом от 1 до 30, так как вес ребра составляет от 1 до 300. Также m , n и out_степень установлены на 10, 100 и 5 соответственно.Результаты показаны на рисунках и . По сравнению с алгоритмами HEFT, PEFT и STDH на всех сгенерированных графиках среднее значение SLR, полученное алгоритмом HCPPEFT, лучше на 43,35%, 32,83% и 7,08% соответственно; а среднее значение ускорения лучше на целых 31,62%, 24,56% и 7,72% соответственно. Это улучшение связано с фазой дублирования и прогнозированием самого раннего времени окончания. Стоимость связи может достигать самого низкого уровня за счет дублирования по отношению к приращению CCR; поэтому новый алгоритм будет значительно улучшен.С другой стороны, мы можем выбрать наиболее подходящий ресурс, который обеспечивает более короткое время завершения задач на следующих шагах, прогнозируя влияние назначения на всех дочерних элементов текущей задачи.

Среднее значение SLR со 100 узлами для случайных графов задач.

Среднее ускорение при 100 узлах для случайных графов задач.

Последняя серия экспериментов сравнивает производительность алгоритма по мере увеличения значения числа ресурсов. Каждое значение экспериментальных результатов представляет собой среднее значение результатов, полученных из 200 различных графов случайных задач.В этих экспериментах CCR, n и out_степень были зафиксированы на 0,5, 150 и 5 соответственно, а вес ребра генерируется случайным образом от 1 до 300, а вес узла — от 1 до 30. Количество ресурсов было ограничено до следующие значения: м ∈ {5, 8, 10, 12, 15}. Результаты моделирования показывают, что алгоритм HCPPEFT превосходит алгоритмы HEFT, PEFT и STDH на 30,98%, 22,95% и 7,45% соответственно. Как и ожидалось, средняя длина планирования алгоритмов HCPPEFT, HEFT, PEFT и STDH уменьшается по мере увеличения количества ресурсов.Это уменьшение связано с характеристиками параллелизма.

Эффективность для разного количества ресурсов.

Планирование задач на основе гибридного эвристического алгоритма для интеллектуальной производственной линии с туманными вычислениями

В этом разделе создается архитектура интеллектуальной производственной системы на основе туманных вычислений, мы описываем модель системы. Сформулированы математическая модель задержки и математическая модель энергопотребления обработки задачи при различных узлах тумана.

3.1. Архитектура системы и модель системы

Все больше и больше чувствительных к задержкам и ресурсоемких задач необходимо обрабатывать в сценариях интеллектуального производства. Туманные вычисления могут предоставлять вычислительные услуги в реальном времени для терминальных устройств за счет тесного развертывания туманных узлов. Однако по сравнению с облачным сервером вычислительные возможности туманных узлов ограничены и отличаются, поэтому целью данного исследования является эффективное использование вычислительных ресурсов туманных узлов. Прежде всего, мы создаем интеллектуальную архитектуру производственной линии на основе туманных вычислений.Как показано на рисунке, архитектура системы состоит из четырех уровней: уровень терминального устройства, уровень туманных вычислений, уровень облачных вычислений и уровень приложений.

Архитектура системы интеллектуальной производственной линии на основе туманных вычислений.

Уровень терминальных устройств : Уровень терминальных устройств в основном включает в себя устройства обработки производственных линий (манипуляторы, двигатели, ЧПУ), передающее оборудование (ленточные конвейеры, AGV), сенсорные устройства и различные портативные терминальные устройства. Устройства обработки в основном используются для завершения разработки рецептуры продукта, сенсорные устройства отвечают за обработку в процессе сбора данных, а портативные терминалы помогают визуализировать результаты.

Уровень туманных вычислений : Уровень туманных вычислений расположен в среднем положении между уровнем терминальных устройств и уровнем облачных вычислений. Туманные узлы, развернутые на границе сети, в основном предоставляют услуги для задач, чувствительных к задержке. В интеллектуальных производственных линиях туманные узлы относятся к коммутаторам и маршрутизаторам, а также к некоторым специальным серверам. Для некоторого распространенного вычислительного оборудования, такого как интеллектуальные датчики, интеллектуальное обрабатывающее оборудование, интеллектуальные мультимедийные устройства, также можно использовать в качестве туманных узлов.Туманные узлы обладают определенной вычислительной мощностью, возможностью связи и объемом памяти, и они работают между облаком и терминальным устройством. Туманные вычисления устранили высокую задержку облачных вычислений, поэтому можно гарантировать качество обслуживания приложений в реальном времени. Тем не менее, возможности туманных узлов в конце концов ограничены, туманные узлы также обладают сильной неоднородностью и динамизмом перед лицом огромных объемов обработки данных в реальном времени, поэтому быстрый и эффективный анализ данных является основной целью тумана. вычисления.

Уровень облачных вычислений : Уровень облачных вычислений содержит облачный центр обработки данных, облачное хранилище, оборудование облачных вычислений, обеспечивающее удаленное обслуживание интеллектуальных производственных линий. Высокопроизводительное вычислительное оборудование и устройства хранения большой емкости, которые могут передавать, вычислять и хранить все виды огромных данных от терминального оборудования через центр управления координацией, чтобы обеспечить комплексное высококачественное обслуживание для конечных пользователей. Из-за своего удаленного развертывания облачные вычисления не могут выполнять обработку и анализ данных в реальном времени, поэтому облачные вычисления не могут удовлетворить требования QoS для задач в реальном времени.

Прикладной уровень : Приложения интеллектуальной производственной линии включают обнаружение продуктов, диагностику неисправностей, техническое обслуживание устройств, мониторинг в реальном времени, управление запасами и т. д.

Поток обработки гетерогенных задач в туманной среде производственной линии Показано в . На Smart Factory, G — это набор терминалов, = { G 1 , G 2 , G 3 , …, G I , … , g n }, где i обозначает серийный номер терминального устройства.Атрибуты терминального устройства G I 4 описаны 3 P G = { P , 4, P , IE , A I , W IT , W , т.е. , , , , }, где p Обозначает мощность передачи г I , p , т.е. обозначает холостого питания г I и a i — двоичная переменная, которая является мобильным символом для g i . w it обозначает вес задержки г i , а w т.е. обозначает вес потребления энергии г i . Если a i = 1 означает, что g i является мобильным устройством, мощность оборудования мобильного терминала ограничена. В процессе планирования задач необходимо учитывать проблему энергопотребления, поэтому устанавливаем w it = 0,7, w , т.е. = 0.3; если a i = 0 обозначает g i является статическим устройством, то энергию статического оконечного оборудования можно считать бесконечной, поэтому мы устанавливаем = 0. E il обозначает остаточную энергию g i .

Неоднородный поток обработки задач в условиях тумана.

для набора заданий Φ F , Φ F = { I 1 , I 2 , I 3 , …, I I , …, I N }, I I обозначает задачу Запрос терминального оборудования G I , атрибут I I описан P I = { Д я , θ я , Т я , макс , Т я , ехр }, Д я обозначает Размер данных задания I I , , θ I Обозначает вычислительную интенсивность задачи I I , T I , MAX Обозначает максимально допущенное время задачи я я , T i , exp обозначает ожидаемое время выполнения задачи I i .

для узлов тумана набор, F = { F 1 , F 2 , F 3 , …, F J , …, F м }, J обозначает количество узлов тумана, атрибут F J описан P F = { C J , K J , B J }, 3 C J J Обозначает вычислительный ресурс узел тумана F J , K J Обозначает емкость хранения тумана Узел F J и B J обозначает пропускную способность сети туманного узла F j .

Мы предполагаем, что время разбито на временные интервалы, и обозначим длину временного интервала и индекс временного интервала, установленные как Δ τ и φ t = {0, 1, 2, …}, соответственно.

3.2. Модель задержки и модель энергопотребления

Задача планирования задач в туманных вычислениях может быть описана как n независимых задач, назначенных m узлам тумана, в которых целью планирования задач является минимизация затрат времени и затрат энергии. путем разумного распределения.

на слоте T , T , T , T Φ , S IJ ( T ) обозначает распределение отношения между заданием I I и туман узел F J , S IJ ( T ) ∈ {0,1}, если задача I I выполняется в узле тумана F J , S IJ ( T ) = 1; в противном случае s ij ( t ) = 0.

Время завершения включает в себя время выполнения задачи te ij и время передачи, в слоте t время выполнения задачи I i в узле тумана F j 2 9 может быть выражено так как:

TE TE IJ ( T ) = D I ( T ) θ I / C J ( T ),

(1)

D

D I ( T ) обозначает размер данных задания I I 4, θ I — вычислительная интенсивность задачи, C J ( T ) обозначает вычислительный ресурс туманного узла F j .

В слоте t время передачи отправляет задачу I i на туманный узел F j :

где r ij ( t ) — скорость передачи между оконечным устройством g i и туманным узлом F j :

rij(t) +h(t)∗p(t)σ),

(3)

где ω ( t ) — пропускная способность сети, σ — мощность шума, h ( t ) — усиление мощности канала, p ( t ) — мощность передачи.

Таким образом, общая задержка может быть выражена как:

Tij(t)=TRij(t)+TEij(t),

(4)

С точки зрения оконечных устройств потребление энергии оконечным устройством g и разделен на две части, одна часть потребляет энергию передачи; другая часть – ожидание энергопотребления:

Eij(t)=TRij(t)∗pir(t)+TEij(t)∗pie(t),

(5)

3.3. Формулировка задачи

Планирование задач в режиме туманных вычислений предназначено для распределения нескольких задач по нескольким узлам тумана в соответствии с определенной стратегией планирования и, насколько это возможно, для удовлетворения запросов задач терминального оборудования с одновременным сокращением времени выполнения задач и энергопотребление терминального оборудования.

Для упрощения сложности задачи и уменьшения сложности решения задачи выдвигаются следующие допущения: каждая задача независима и между задачами нет связи ограничений; каждая задача может быть назначена только узлу тумана, и ни одна из задач не может быть назначена повторно. Задача в процессе расчета не учитывает влияние мобильности терминального оборудования. Все узлы тумана статичны и задача в процессе выполнения не может быть прервана.

Целевая функция в основном учитывает накладные расходы терминального оборудования на выполнение всех задач, включая время выполнения всех задач и энергопотребление всего мобильного терминального оборудования; поэтому здесь не будут рассматриваться накладные расходы узлов тумана. Целевая функция планирования задач в туманных вычислениях с ограничениями по задержке и энергопотреблению формулируется следующим образом:

f=min∑i=1n{wit∑j=1m[sij(t)∗Tij(t)]+wie∑ j=1m[sij(t)∗Eij(t)]}

(6)

  • с.т. (C1): s ij ( t ) ∈ {0,1}, i = 1, 2, …, n ; J = 1, 2, …, M ,

  • (С2): S I 1 ( T 4) + S I 2 ( T ) + … + S IM (T) = 1, I = 1, 2, …, N ,

  • (C3): S IJ ( T ) * T ij ( t ) ≤ T i , max , i = 3 4 n 9193; J = 1, 2, …, M ,

  • (C4): S IJ ( T ) * E IJ ( T ) ≤ E IL , i = 1, 2, …, n ; j = 1, 2, …, m ,

  • (C5): {wit=0.7wie=0,3, a i = 1, i = 1, 2, …, n ,

  • (C6): {wit=1wie=4, i 9112 , i = 1, 2, …, n ,

где (C1) и (C2) — ограничения на решение о планировании задач, а именно, что каждая задача может быть назначена только туманному узлу; (C3) — ограничения задержки для каждой задачи; (C4) – ограничения по энергопотреблению на каждую задачу; (C5) — весовые ограничения задержки для каждого оконечного оборудования; и (C6) весовые ограничения энергопотребления для каждого оконечного оборудования.

%PDF-1.4 % 1 0 объект > поток Приложение / PostScriptAdobe Illustrator CS22009-11-28T01: 21: 38 + 01: 002010-03-04T14: 41: 15 + 04: 002010-03-04T14: 41: 15 + 01: 00

  • 256160jpeg / 920 / 4aaqskzjrgabageasabiaad / 7qasughvdg9zag9widmumaa4qklna + 0АААААААААААААААА AQBIAAAAAQAB/+4ADkFkb2JlAGTAAAAAAAf/bAIQABgQEBAUEBgUFBgkGBQYJCwgGBggLDAoKCwoK DBAMDAwMDAwQDA4PEA8ODBMTFBQTExwbGxscHx8fHx8fHx8fHwEHBwcNDA0YEBAYGHURFRofHx8f Hx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8fHx8f/8AAEQgAoAEAAWER AAIRAQMRAf/EAaIAAAAHAQEBAQEAAAAAAAAAAAQFAwIGAQAHCAkKCwEAAgIDAQEBAQEAAAAAAAAA AQACAwQFBgcICQoLEAACAQMDagQCBgcDBAIGAnMBAgMRBAAFIRIxQVEGE2EicYEUMpGhBxWxQiPB UtHhMxZi8CRygvElQzRTkqKyY3PCNUQnk6OzNhdUZHTD0uIIJoMJChgZhJRFRqS0VtNVKBry4/PE 1OT0ZXWFlaW1xdXl9WZ2hpamtsbW5vY3R1dnd4eXp7fh2+f3OEhYaHiImKi4yNjo+Ck5SVlpeYmZ qbnJ2en5KjpKWmp6ipqqusra6voRAAICAQIDBQUEBQYECAMDbQEAAhEDBCESMUEFURNhIgZxgZEy obHwFMHR4SNCFVJicvEzJDRDghaSUyWiY7LCB3PSNeJEgxdUkwgJChgZJjZFGidkdFU38qOzwygp 0+PzhJSktMTU5PRldYWVpbXF1eX1RlZmdoaWprbG1ub2R1dnd4eXp7fh2+f3OEhYaHiImKi4yNjo +DlJWWl5iZmpucnZ6fkqOkpaanqKmqq6ytrq+v/aAAwDAQACEQMRAD8A9U4q7FXYq7FXYq7FXYq7 FXYq7FXYq7FXYq7FXYqwH88GuYfIE17aT3sF3bXunCH9HXc1nM4nv4LeSPnFLAG5xSstHbiCa7EA hVgnmHT9Wt9Q8r/U7XzWjazd6rHceW38wXKXSrawMkJW4kvBHSsIuP75x8R4lhsVVTyNF511zU9W 0DzrqmpPqnk/TLIR6VpN81ncXU13A05mkuIpLYTyL8EILuIuYJbrXFUFrn5ga1dfl75dfQLvWzew RT62Ll7eWa8u4rCXjDDdDT/r0aRXLOWYysqn0zyoNsVe8aVqVrqml2ep2jc7S+gjubdj1McyB0O1 f2WxVFYq7FXYq7FXYq7FXYq7FXYq7FXYq7FXYq7FXYq7FXYqxTz55e1HVxpklvbQ6pZ2c0j3uh4U сейчас3QkiaONmfjIKwu3MKy07/AGlXFXnkvkv8/LX6tZ6XrMVrplqqW6W8NwjKIo7iML6bT2zyhRZf uxzdm5qXYktuq5vLP/OSM7ux12KB5YuA/ewemkn1Tgh5rbV2uGL+9O+2KqN55U/5yMubuZl1S09K S+lns47qS3uYbaL145rUlTaqzPAFYEjfbbFVPWfJP/OQ2oGaI6tCdNKM0Nm91E7/ABRNGkMz/VI0 mC+s3qBk4vx35bUUpvZ6B+fses2NxPqcLabE8TXdlHPAqMy3sLScaWqkQtYh51jBqr/FyNcUPYcV dirsVdiqUeaPKeh+aNPTT9Zjmls0lScRQXVzaVkiYPGWa2khZuDgMoY0DAHqBiqlqHkzQNQ1TStV u0uXv9E/45sq3t4gQkUYuiSqkpdfhcyBuQ2aoxVR1/8AL3ylr2pw6rqFpIuqQRtBHf2lzdWNx6TV rG0tpLA7JufhYkYqt0X8uvKOiPcNpNrNaC5tE0+SOO7u/TW2iBCJHGZSkRXkx5xgNyZmrViSqmHl ryzo3lrSItI0aKSDToK+hDLPPc8Af2Ve4eVwvgtaDFU0xV2KvP8Azb+ad55d8wNpEmgvOkkTy2d2 LqJUf0YHuZBMArmHlFBN6PLd2QiijfFVa7/NGONZr+201ptBspLODUL55hHMkl9DFcR+lbBXaYCO 5iBowJduKg0YhVK7X/nITyK0mqi9aa2i065ECSJDPN6iNbxz8mURK0bo8hieOhow60OKpvpH5yeQ 9Wv7DT7W6nF5qU72ttFLbTRkzRwrMytyUAfC4oe+/YVxVm+KuxV2KuxV2KuxV2KuxV2KuxV2KuxV j/nnRdR1jREtrHhKYrmC4uLCVjHFeQQuGktZHAbisg8VIP2W+EnFXkQ/Lv8AOvRb++byW9poWm39 9Nfvpq3azwIXgtViVfVgZhSWGXnQ8KEALxHEqohPLP8AzkwAwXW4+fpx+m8k9sV9RoQkvILbVoHq V8OuKU5/K/yZ+behearm61/ULeTQrsSTXlvHIrvNePHEvrkCCOjH096EV60H7ShkHmXVdX8uecrb VLi5ll8vX4WCWIk+lAQAGooqOQ4+qDTkw5KOmZGOAlEgfUHCzZZY8gJ/uzt7ij/MHlzzFqfnLyvr lhqsa6LpM0kt1ppR/wB4JrS4hMwkWQLIf3saopT4fibkfsnHc1hDfl5+YlrFZtpMdlZ6pFEbXWNV Ny0r6mzEO11cRywOhV3U80PxHlxDBFFVKT6X5G/5yJ0zSdI0q01mGK00+2hgYJcRE/uYqKo9S2bZ W+HruAK7YoZ/+XWlfmpZ6leS+cdRhu7B7S1jtIY3V2W4iTjPIeMUX94Ry6n+Cqs9xV2KuxV2KuxV 2KuxVj97+X/км/1O51S90S0udQvAq3NzLEru4TjxB5V/32v3Yqral5L8papdPdajpFrdXEkXoSSS xKxaOnGhqOymgPUDpiqXT/lR+W06ssvluwdWPJh6K9eCpXb/ACY1H0YqirD8u/Iun3sV9Z6FZQXk DmWC4WFeaOwoWViKjYDp4DwGKshxV2KuxV2KuxV2KuxV2KuxV2KpB51kZNHP79rdCLgySLcmxoEs 55ATcj+5AZAS/RAVIxVudtCguJLd5dQaWIhZBHJqMoBKhgOUZZfssD1w0tqf1jQP59T/AO5pjwlF u+saB/Pqf/c0x4Stu+saB/Pqf/c0x4StuksdNm1DSnhvJvTuY5ZY421O7ieROCkMluWPqgchWpXh X3wJSLzlJ5eudFvrO2F5eahExSCJmv2RZ434Fgzh5zwNfn0rvXBDPGEudU054CcDE9Ur8gXQtrO5 XX7nU4wrJFY2h+u8Y4o1rVPq/wAIU8uIB3HHJZtRiMriWrSCcYVkO7NtN/QOPNKlpPes0AUyLJNf xEB+XE/vWSteB6ZCMxLk5doSxTT4tFsJy9xdtc/u4vqep3N2jnizVW4kkgDjihNSB4ZIBVXlB/yw ap/0mn/sryXCUcQdyg/5YNU/6TT/ANlePCV4g7lB/wAsGqf9Jp/7K8eErxBE6dbWF8sxAvoHgk9K SOW7nqG4K/7EzrTi475EhNoSAaJaaHp93c3dy8VxFEI5be+vr1ZGaPmDHKjcpVKgkScRyG+2CUgB ZVT/AEt5V/5aNR+/VMr8aHejiDT6z5SRS73OoqqglmJ1QAAdScRmh4rajBf+Wb7VFW11CYJaTXVn drcaf2rieD0+YjhkKi44lwCwai12rXLUTa35g8s6Ml1LdNfvBZuIp5YbuV6OTGCAn1gSHiZkDUX au+GltZb+YvL1xcX1vHHqIn06b6vexyXrRmOT0VuKfvLpaj0XD8hUU77HHhKLRR1DSh2h2Dfp/uQ HZgn/LX/ADMF+Zx4Stqk1xZwQvNLZaokUSl5H+uMaKoqTQXRPTHhK2FXS1WDzHd28NxJJH+99SJ7 yS74skVmVBSQn0GpKTw7gh/2qAJZDirsVdirsVdirsVdirsVdiqUeZPX9K1+r+t6/qTej9W9h2+f 1Ofj6X1j9zzr9n1Pgr9rbFWLeb/M2p6HeTmw043z3d6I2Y+t6aFbOJlU+hFO/KVhwT4aV6nxnE7M SGB6j/zkBrMSwtD5N1C3T6zEl3LdxyAJbkM0zgBVFVVBQswG++HiXhXp/wA5EXE2nJqFt5L1a5tp FV0aFWfkp5BypWMg8WQile29OmPEjhV1/PTW4LCW5vfJWqNIpJWKCKQgIqxEjk6KWIMjV+EfsjuS HiXheqaTNKLfy9GskqxSWXJ0UwCNisUfh2FkHrmlTT0un7XbK2bHv+Pi8/5i7r/qIkzV5/rLXLmu ypimvlH/AI6Wo/8AGG2/4lPmfpPpLZFZq95dp5b0y8YyfWkDy8rgwPIWWynYM5tv3DV6/BtmWGRY /rvmePQoIp9T1i5himkEUZS3SYl26DjFbud+nTNdHV5ZcqdjLS4o87auPNNtb6WuqS67KLFlRlkE cLNSQqF+BYC/+7Fr8O1d8Rq8t0g6XFVplHcahIgePVJXRvssq2xB+kRZH89kZ/ksabeT7i4n0i5u ZC0lxKYpHKBAzO1jbk8QeKAk+O2bK7ALrSKJCjrUksug6HJKZGld4mkaUxNIWNrITza3/clq9TH8 P8u2Uaj6CxlySzNa1MW89+bxoFmIv0LqurG7ilHLS7U3KxcVpWZuSBK8tvpy3FCzzCQwjVtYh2O5 uYLvy5+YX1K8vLvU104aFacPVugIZCySGT1QkUhVCfsMQ32qU2jbaD8rfl75e8y+ZmtItO83aC1q 7zwXWq6bBbQgCFEEU0ig8peDndwWYUNa1rIBBL0/zX+SXl/zHrV/q9xe3EF3fEtWJIDwMlrFZy7v GzMGht14qxorFmHXJmLEFJD/AM4y+UCqr+k9QPEEEkwE/wB4XHE+l8P2twNjttQUwcC8T1PW/wDj i6h/zDTf8mzkigIiCSR/MrBzLREuVRZTAVVeNmaRelVghJLfvfj5E/sccpbE6xV2KuxV2KuxV2Ku xV2KuxVIfOUYl0xYigkDi5UxmD62GrY3A4m2qPWr/vv9rp3xVdH/AMdLVP8AmIT/AKhocshyYSYV +Z+j/mVqUmnDyZqCWMaR3K6h6jqgcuEEWxSQ1AD0PY/eCbUUkVzpH5/BIYbe80yG2t7kNETsRE5t 0ZfgflEybpypt1+1Xag3XZ6zkmKE0uIsvlyT0yypYt+99FHCkxRAAzE84+W+yj4u/QZS2pB/x8Xn /MXdf9REmavP9Za5c0l802Sagmn6dLLPFb3txJDcG3mkgcobO4anONlb7Sg+G2RgasoCQaB/zjx5 Ivb28ilv9YVYY4GUpfyA1kaUGu3+QMz8GQyG7OJQ19/zjv5QsvLNlcvea0t08TmWOW7aPiVtZZaG JWlCHkgqvM+FcvZMy13y3HquhLo63UttEjW7CYUlkP1aRJFDNLyLVMYqTvmkhOjbu5QsUwe//ILQ LzUbm+fVL1Jbiee4ovpAK1yTzC0QEbNQUO2XjVECqaDpQTdsj0HyvrOkeYLX0rktoVnpxszGZCqy y+илиJILWMJBEyBWBZVq1furnMEedtsYEHypBaHff85BiyuYtF0jy9Np5KLE9xNceoU+qxCOoqq1M XAnanKvbNvHkPc6iXM+9DXl7/wA5GR6LpEN1onl2CGIxLageeNwy27gK8aEIlEr8KgAHYbZXmrh4 5MDyTzRrrz82nRHV9O0xb88vVFvdzrH9o8aBreQ9P8o5rpCN7EtapdalqnKaxvrSCETWVzPHLBcP N/c+mpUq0MPX1ute2GIFgjvSHpN3Az65p8vp8liiuCZfSjYKW9MAesx5xlvBR8Xfpm1bEHF/x0tV /wCYlP8AqFhyyHJhJEZJi7FUFrf/ABxdQ/5hpv8Ak2cSkO01SPM10TB6PN7og+gsHqUSyHPkGYzd Keo1DtxpRRlLYyLFXYq7FXYq7FWFw/mppEsSSrpt/wAZFDLVbatCK/7/AMyBppOCe0MYNbrv+Voa V/1bb/7rb/qvj+Wmj+UcXm7/AJWhpX/Vtv8A7rb/AKr4/lpr/KOLzd/ytDSv+rbf/dbf9V8fy01/ lHF5t6nrVp5g0Ayw20ix+pdW8lvcxNMWP6PnJBitWkkkUh/sxnkeg3ymcDE0XLxZROPEOSLvv+Op e/Vv0hy9RPX+r/UvT9T0Y/s+v8f2ONcY2yNKX+l/9rb/ALLmS3Rs7/S/+1t/3LMd12d/pf8A2tv+ 5ZjuuyPso7My6DJAlY0s3Fs8ts8sqxskVP8ASUPpQEgDkGHx/s/ZOVs2Of8AHxef8xd1/wBREmav P9Za5c0t1f8A46Gif8xr/wDUFc5CPI/jqhlPlH/jpaj/AMYbb/iU+Zuk+ks4rZbGGLy1odpbIIqF FtkhiNjGK20hIaC4S5eIcOVUcFgevfMsJKXf4Xb/AJZYP+Ctf+yDJcHuXj97v8Lt/wAssH/BWv8A 2QY8HuXj97v8Lt/yywf8Fa/9kGPB7l4/enXl+2EOm6pbuu6SlHRgs8dBaxBVWOKK35JwoOAWvvkS oQurxJD5f0KKMBUjeJUVYpLcALaSAAQylpI/9RyWXod8x9R9BWXJLc1rUkWt/wDHUi/7Zmo/8Tts sx/pDIPSLuOE69p0joGlSG5ETm2lkK8jFypcKfShrT7Lir/s/Zau1bEpu/8Ajq6h9X/SNfVT1/Q+ о+lz9CL7HrfvPsca171ycbYmln+l/wDa2/7lmHdGzv8AS/8Atbf9yzHddkPqHP6hc/Wf0t9X9J/W p+jK8OJ5Up7Ym0iky06NU8y3DBFUyNdsxWCW35ELZrVjKSJTRaepH8J6dQcrZMhxV2KuxV2KuxV8 1aj5y0ry/FpcGorKqXdv6guECGNEi9JXZwWEnw+srHipotT0BzaHIIgW81HBLIZV0Kl/ys3ygZhG t1IysPhkEEwUtxL8KlBvwBYk7AdSMHjxZfk8ncstfzU8lT2cFw148LTQrO0DQTtJGrKWPMIjD4QD U1p3rTfEZ496nRZAeX3IyHzxplzpcmqWkFxd2aXCWytCilmDokiyhWZfhIkG32q7ca7YfFFWxOmk JcJIBq08X82vy90C0uNF1XWI7bVIbuaR7VjdwkLLp5jStxbRSPFyZwOcdWXqBtmDqPrLutB/cj8d U0j/AOchPycF7fyHzJFwmmV4z6F1uogiSv8AdfzKRkIlyZBW/wChiPya/wCpli/5EXX/AFSyXEGN O/6GI/Jr/qZYv+RF1/1Sx4gtO/6GI/Jr/qZYv+RF1/1Sx4gtKGnf85CflBCmjB/McIW2szDdVF+p R+EQAEKQmGXdD8Tmq/s/abKmxJv+V6/lR61y3+IIqSXNxIh9G43V5nZT/d91OYGXDIyJAYEboHUv zs/K6W80qSPXo2S3umkmPpXHwobWeMHeP+Z1GRGCdHZFMg8ufn/+UFpfXslx5jijSWKBYz6NyalG lldIj05jMnTwMRuyiqt/zkF+UBsNFibzJF61qyG5AW+nC0tZIz++nhEsvxsBzf4m6nvmTHmkon/o Yj8mv+pli/5EXX/VLLOIMKd/0MR+TX/Uyxf8iLr/AKpY8QWnf9DEfk1/1MSX/Ii6/wCqWPEFpTsP +chfyciTVA/mSIG4m5wj0rxOQ+rxJ9tISyfEpFRuOuQkd2YQeqfn9+UU2k6Vbp5jiee2eMzqEvZa cbd0P72aISSfEwHJviPU5RmiZRoKeSdeXfM2heZNO/SWiXa3llzaL1lV1HNKchRwp2r4ZrZQMTRa 6S/zNfWVnqMD3dxHbo+nagiNK6oCxa2IUFiKnbpk8Yv5hIZ1cedPKJ1mzI13TvTENxyP6RCb8oqf uVb0ZO+7nkv7PVs2jYkd1q2m6pr90mnaktxCHd5PqVyaVEFqqFjC4/ygK++Y2qySjEUa3cnS4xKR sdGPDztoceq3mn38moaYtlJ6T3t7dPFbu7h5AjfWGb94oLryUfAC3bMXjy1YlblcGK6IpW0Xzl5Y 1rVJdO0/U55pkAaF1vJWSdeNXMRWVifTPwvUChxlkzRFklMceImgAmupI8MQ4z3DCRLlXR55pFI+ qTNQq7sOqg5Zpc05Tolr1WGEYWAynTpI38xzBHRyhvFfhcyXNG/0Q0YSACA7/wB0nwjr1Y5nuvZB irsVdirsVdir5+g0vTrq1tZrm2jmlFr9X5OoY+lKq+om/wCy3EVGbYRBAeWlMgkA9Uvm8geUpJ7a YadDE1tJ6qrGihWbgY6OKHkOLDMicMe5sGqyURasPI/k8AAaPaAABR+6X7IUqB06cTTD4Ue5j+Zy fzirDyp5bWyNiNNtxZmUTm34Dh6iqFD8fHiKYfDjVUjx53d7sy06x06Tyxc3M8CGVbq6/wBI/cRy qF0x2BWa4BjQqdwz/CDuds1+o+su80H9yPj97Ko9E0X9I6mP0fbUW4QAejHsPq0J8MjDk5Mlb9B6 L/1b7b/kTH/TJUi3foPRf+rfbf8AImP+mNLbv0Hov/Vvtv8AkTH/AExpbQel6DozyeXj9Utx/uNk eSKsS8/htxyaAoWl4lvt8gErvXkMpbEkGkaT692PqUFBd3QH7pOguHA7ZrM5PGWuXNd+iNJ/5YoP +RSf0yriKE08qaLoz6jqAewt2AhtqAxIaVaevUe2Z2lNgs4r00bRW0jy44srd/U9ITIRDcF62Upq ZkULLXrzGzdczI80y5I79B6L/wBW+2/5Ex/0yymFu/Qei/8AVvtv+RMf9MaW3foPRf8Aq323/ImP +mNLajY6Loog1tzYWtY5jxLJGgFLSE/bKkJv37dcrlzZxQGq6No36B0N1s7di7RcpKRTFq2shqZU ULJXryGx65jaj6CsuSHihihjEcKLHGv2UQBVFTXYDNa1MJvPI/lHXdEvLjVtJt7u4iudSdJ3QCTk LmYCrrRjso6nL45JCQAPcyBZNN+QX5ODWrSAeWbQI9tcu0frMKlJIAG9It6jceZ+JWAWtGBLLTZN iDtPJfkXyb5kum0awttJWb1IXcMV5KsVrIFrIx/akY5ia0XEe9y9Gakfcgdd8n+QddkvX1K6Ev16 WGaZReFFD28TwoVCsKfBI3079RmHHJOPJzZY4S5oKz8j+S9Ctr+by3d/VNQms5reGl+yoWdW4cjz P2XbkrfsncYTklKuIbe5iMcY3wnf3p7DdodG062mu4rjUI7WRbnhKJWMi2EwkPKtW+LvlulH7zy3 а9Sf3fnsznTJS/mKYGYyhGvVHKZJuAraHgAgHpAV+w3xDr3zYutVoPOvli4e2jgvfVmu7mayt4Fj lMrTWz8Jx6YTmFib7bkcV6k0xVB6t+ZfkvStQTT72/ZbqS5WxjWK3uZ1a6fjxt1khjdDL8a1QNyF RUb4qiofO/lqbWbjRUuZBqdq8kUlu9vcJykiiWd443aMJK4hkWTjGSShDDbfFURZ+aNBvtKs9Vs7 sXNjfpFLZvEru8iTlAhESqZB/eryqvw1+KmKrJPOHliK8uLObUoIZrWKCeYyt6aeldyPFC6yPxjc NJEy/CxoRQ4qrDyx5aAoNJsqf8w8X/NOGyjhDv8ADHlv/q02f/SPF/zTjZXhDv8ADHlv/q02f/SP F/zTjZXhDv8ADHlv/q02f/SPF/zTjZXhCX+Y9Pt4NLitbC1Eas1yI7e1ihJZ2srgUSKXjCzE9A/w n9rbAkBRvkv5NVvvqNYlSRFmPronOT0Yzy4tbT0+EqPtdumTjbE0p/V9f/36f+kiL/shw0UWHfV9 f/36f+kiL/shxorYd9X1/wD36f8ApIi/7IcaK2E20oK6aTNDFLHbfUCFUGFokD+gUR3YeuXop48P hIDc9+GVs2Lf8fF5/wAxd1/1ESZq8/1lrlzQ+qapp+lafPqOo3CWtlbLznnkNFVem+VgEmghJPLf 55flNa317JceZbWNJYoFjJEhqUaUt0TtzGbDTwMQbZxXXn56flJc6PpcH+JYTcJ6Zke49RJoiIGD NILL0Yy9TwYRtwqdtqZkhkUJ/wArg/Kv/qcbT79T/wCynJfFj8Hf8rg/Kv8A6nG0+/U/+ynh5r8H f8rg/Kv/AKnG0+/U/wDspx+K/BHaR+en5SWVjqMbeZ7cTPIzxyRGdpJD6Eahk+tGdQwK8QGbjtuO urKQo6t+en5T3OlaVHH5lhaWF0aZZRSRQLeRT6nooIuXJgD6fw16bZTniTGgp5J9p2o2OpWMF/YT pc2dygkgnjNVZG3BGawgg0WtKrD/AJR3UP8AjPqf/UVPk/4h8E9XqMiynUoGAl9IQzBiPR9HkWi4 8+X77nQHhw+GnLnvwzatjHrtNRk1bUfqdY0WZBIfXReT/V4jy4tazkfCQPtdsnG2Jpb9X1//AH6f +kiL/shw0UWHfV9f/wB+n/pIi/7IcaK2ENqUWspp109wWlgWGQyxi5iBZAp5LUWQ6jEgqCEZd6g2 kajJfXVvdyWyi8chY7dmSEtahUWA8miBBb4qydaigyAFsiaDEtN/LPyF5kvxrNprc17Mt5cXzm3 diZ4xc3QuxGroqXNtSVac0ZHZSQTSlGUSOaIZIyFg2nF5+U6m2Njp2vX1jpy38GqxWrendEXkE8d yJHnuFknl5SxBiJHNSTXagZLdE/KSHT/ND+ZrrWZ7/V3le4N3JBapMZXs1sqNKkYdoljQMsNeHK jUqMVYfL/wA4r+XRAzW+s3QvEit0ti0duIlktIYoYmZFj/aENZCtCzHkTUYqoaF/zjBbrp1sus6s VvbeWGVBaxQSqPq5uGSs0kMbScnvHZvgA2VaHgDir3fFXYq7FXYqknmxExokdEkRzcKyS273kbA 2VwCHtoyHnU941NX+yOuKtR/8dLVP+YhP+oaHLIcmElfJMXYq7FVDRUQxaG5jUuNMYCYwMzqCLcl RcV4xhqAmMir0Bh3DWltY5/x8Xn/ADF3X/URJmrz/WWuXNqaGGaJ4ZkWWKQFZI3AZWU7EEHYjKmK /wAreUvKkuo36y6LYOqw2xUNbQkAlpq0qvegzYaUkg22ReZ+YvOnl/Q/M1rpt55W0qTS7RIWlSz0 +OG7EkljFJSW2Z3kgAe7H7p0+EcaSMeQTKDIqI/OL8tBqD20vkuJI0dYSwhsS/q83DgLspVY05Bu W52HUHJcQY0Uz0bz95C8xaNrdxo/lW0tr7TdJl1W2F5a2kkb8IRKqssLc+ksdRUdSO25sIpL3/N/ 8sLaBPrnlCEXHLhIsUFi4JFAzx0Y8kry39t6dhxBNFOfy+86/lt5t1jWNGsvK0MVx9Xmv7aS5sba ZfTjSGIRmGM8y5Lc/T27rUHIksgzbXfKXlVdJ0l10SwikklT1OFjFB1tpCR6ZDMgqPskmmUag1Ao lyWxRRxRpFEgjijAVEUAKqgUAAHQDNY1JJYf8o7qH/GfU/8AqKnyz+IfBl1emzBf01an0lLC2uQJ zAWZQZIKoLitIw3Ux0+OlajhvtWxL4v+Olqv/MSn/ULDlkOTCSIyTF2KoLW/+OLqH/MNN/ybOJSH ATW/T8rLCsLM9/zK2r2hkIe1Xm3Mt65IAHrDZqbDbKWxgH5mfl9+infzRoLG1iiYPdQxMY2hZmH7 2FlIIBalVHQ9NumbgzA+mW7qdbpDG8mM0erCL3zr5ovYLSK5vmklsZPUtbynC6jHEqyLNGUYq9Ry 5VJ4jMkaWANuuPaeUxo8+9m/lb867mHjbeZI/Xi6fpCFQsi7neSJaKw/1APkcx8ujreLnabtUS2m N+965aXcF5aQ3du3O3uI1lhehWqOAymjAEVB75gu5VcVdirsVdirsVY953eJNILzcfSVboyc2lRe IsLgnk8AMyineMch+zviqrH/AMdLVP8AmIT/AKhocshyYSV8kxdirsVQujceWgV48v0VJSol50/0 WtGH7oDpUN8R247B8pbWJ6lqQsZ5ALeW5ludQu4YYYfTDFhJNKd5XjUALGe+a3MLmWs81H9L6h/1 ZL3/AIOy/wCynKuEd/3oSSz/ADD/ADE03XNTi0/8ur3U4gsCrKt7bJVFMpVyFEo+LkduW1Mz9MAI 7G2cUom87+er/S/Lv1r8qLtxZvbTW0v15E9V4Ld/S/vOUTB9sLK7dN6nfMkMimh/MX8xSQT+U10S NxW9tdtw3++/EVyd+TCmoPzE/MS3blb/AJS3MLUpWO9tVNNttox/KMb8lpw/MP8AMMcKflLcj0wF T/TLX4VXcAfu9gMb8lpRj/Mb8xo7TWuH5U3bfWDJ67i9h+DnbpyVvTVXav2zxYE18d8hJkHXv5lf mZPp2k2835Z3lvHHJGEmN/CVc+g67eoCw+ElviY9Nz3ynMAY7mllyZL+l9Q/6sl7/wAHZf8AZTmt 4R3/AHtajaQXEPly8FxEYJZGvpvSYqzKs00sqhihZa8XFaE5Ih2D4L1ejThP8RWJPHn9Uu+NRLyp 6ttWjD9yB0qH+Lpx255tW1Bxf8dLVf8AmJT/AKhYcshyYSRGSYuxVBa3/wAcXUP+Yab/AJNnEpCE s7+00/ULy9vpo4LWB9ReWU+uFVRLbUr6/wC1/WAY/gr9nKQLbCaDBdfk86/mJeImmWMlt5ejats9 x+5ifenrOx3c9dkDcfnmbjMMW53k6jUQzag1EcOPz6qV7+SWtxW9oltcrc3s0n+kvVYrWCIK1Qxb lNIzMV4lVHQ17ZIa03y2YHsgCNA+rv7vgzjyp+VXl7Q2S5uB+k9RQ1W4mUCNCDsY4qsFPuxY+BGY +XUSn7nO0+ix4uQs97NMocx2KuxV2KuxV2KpD5xf09NR/UWLh9Zb1WnNoq0sbg8jcgMYQP8AflDx 69sVQ19az3eqXpidIBFIkbU+sgufRjfk3pXEK1o/H7PQZOIYkqX6Hvv+Wpfvvv8Assw8Pmjid+h7 7/lqX777/ssx4fNeJ36Hvv8AlqX777/ssx4fNeJNNMuIpW0c/uonm095Et1ndCF/0evC1+xIi8gD IxrHUKP7w5WzYLq//HY0/wD7bF7/AMmrzNdl+qX47ms801zHYpr5R/46Wo/8Ybb/AIlPmfpPpLZF fdpBd6DocVYZYbn0qSrINQSgtXcNHcXKOZq8dpWXkwNepzLiElQ/wzY+K/8ASLY/9k+T4WPE7/DN j4r/ANItj/2T48K8Tv8ADNj4r/0i2P8A2T48K8SI02KC00jXIgYo4oXkrIWSxWhtYmLSTWyJ6dK/ 3gXko+WQkGQK3zCytpOjsrKymZCrLI06kG2l3ErfFIP8o7nrmPqPoKy5JRmtakNqf/HNu/8AjDJ/ xE5Kh2BIZ1K6DWbVC6CRre4ZYzcOrkB4AStsBwkUVFZDvHUAf3hzbtrH7zSfrusalJ9curbhMicL eT01P+jxHkRQ/F8VK5OIYkrf8Nf9rXUf+kj/AJtyXCi3f4a/7Wuo/wDSR/zbjwraG1PQPQ027m/S N9L6UMj+nJNyRuKk8WHHdT3GAhQUytLexvNXRZhBeRxSagy1nN6EkS4g6+oo9F4229Ndk6A5WzZL irsVdirsVdirsVdirsVdiqTeaHkjtrd43ljkR52SSAwiZSLK4IMZuf3HMfs+r8FftbVxVIda5vr9 xCJZY42kkdhFI8VWWC0AqYypNORzh2WSUYAg1u5OlgJSNjoo/VR/y0XX/SVcf9VMwPzOTvc/8tj7 nfVR/wAtF1/0lXH/AFUx/M5O9fy2PuS/WNXby/HBqawanqixSEPp9k015cTBopPhSBno1DRvalcy NLmnKdE242qwwjCwEm0r89Hhg0uIeRPOrxxWXBo49IQpKVEQEq1fmwWhoQ4Hxbg1HHPcBj6/mVJq uu2MaeUPMtqqanczyTXWmmONFlW4QB2DtxKtMA3hvmDlhuTYYFnen6vDezTQCGaCaBUd4p04NxkL BWHWoJjb7sxjGmLI/KP/AB0tR/4w23/Ep8zdJ9JZxRESskuneX5ZHeSSR0Z5JWhaRibOUku1uBCW Pcx/D/LtmZHmmXJF5Y1uxV2Koa0keOz1+SNmSRJWZHjMauCLOEgq0wMQPgX+Hx2yuXNsio+Z2Lad pTEsxa4Uln4FjW2l+16fwV/1dvDMbUfQVlySbNa1IbU/+Obd/wDGGT/iJyUPqCQzqWWUaxaxBnEL 29wzoGiCFleEKWUj1iQGahQ8RU8tylNu2pdF/wAdLVf+YlP+OWHLIcmEkRkmLsVQWt/8cXUP+Yab /k2cSkKmnSyy60plklcr+kEX1Wt24qs8AVU+rgDhToH+Mftb5S2J9irsVdirsVdirsVdirsVdiqQ edF5aUF9Iz8hcj0BALovWxuPg+rsVE3Lp6ZI5dMVSfVv+Uln/wBaX/kxZ5ia36B73L0X1n3OzWOz diq1P+Oppn/Gd/8AqGmzL0X944mt/u070aJj+gZuDFU0t0MgjjKgv9WIBlP7xCeGyr8LUJbdVzZu SY9/x8Xn/MXdf9REmavP9Za5c0tt/wDlJ7//AJgrL/k7dZA/SPx3IZT5R/46Wo/8Ybb/AIlPmbpP pLOK6eWO00Xy610fqqxtEsgnWO3KH6nKOLRoTHGa7cVNB0GZkeaZL/05ov8A1cLb/kdH/XLLYU79 OaL/ANXC2/5HR/1xtad+nNF/6uFt/wAjo/642tLbKaG70rzE1q4uVaSRVMCx3BLfUofhVGPpu3+S 2x6HK5c2cW/Mysum6UrqVYTqGUhQQfq0tRRCVH0GmY2o+grLkk2a1qQ2p/8AHNu/+MMn/ETkofUE hnE0bHXLSUixRbW5UyCOMqC0luQDKT6ik8TRV+FqEtuq5t21J21PTbbVtVjuLuGGT6wh5SSKrUNr DvQkZZHkwkv/AE5ov/Vwtv8AkdH/AFyVop36c0X/AKuFt/yOj/rja0g9Z1rR20e+Vb+3Zmt5QqiV CSSh3G+AlQEdpMTR6wOUZjLtqT/FCkBYG4go1EJDgjo53bqd8qbGQ4q7FXYq7FXYq7FXYq7FXYqk PnKMS6asZRZA/wBZX05IpZ0atjcDi0MP72QHuifE3Qb4qkusgv5rklalY0lhUBEB4hLWTdwvM7ue rUzE1v0D3uZovrPueXan5F852es6nqPlJLXTZ7m+ikjnMoJktTCPXRw0b/auED716n3zGjliQBLd yJYpAkx2UNA0X8zvLtxqWt63dwXBa2Z554+UweWIERvJbwxJJNwj+FVRkO25NagylCVAIjGcbJZ/ oc1xremeXrjUEWG5u+MtxGsXwq5tZWYCK5R6Cv8AMD8++S0sQMtI1MicVs50tvX/AEPcyJGZm09y XFsxYc/q7MEuFpHEpIFYiKvQEbRnNi61jH/Hxef8xd1/1ESZq8/1lrlzS23/AOUnv/8AmCsv+Tt1 kD9I/HchlPlH/jpaj/xhtv8AiU+Zuk+ks4olpJ4dG0SC0k+qLL6URMFt9VCotq7hUtrgSNAKoP3b FEO+HMSBJK70tS/6utz/AMBa/wDVHJ8AY8TvS1L/AKutz/wFr/1Rx4AvE70tS/6utz/wFr/1Rx4A vEthe4m0rW4LyX64sRkiX17cXIMbWsblGt4FjMy1c/APib7OQkKZApf57vDp/li1vI4lkNpymWAB rdW9O0mbjxIdoxtShBplGcXGlPJ5ppv5xeXpooI9QguLPUBnh6NnHDPcc/VYLD6bLGpPqEmnJR9k 9qE4ZwHowpBal+c/lo2FsqpJIL6O4W4dI7ikSw2TXcrx84UMqxLwEmy8Q4O++GOAgqAzd/z7/K59 RguhfMYoo3hN0dPuSQLh0ZGS54hVjdYC5ShL/CRutDsWxJ5fzzhhf69rRudI0mS2lumltQl2kHoy RQcHrbFqSSTDi5I3IWnfCKQUbL+dvkuK9ubKXzFfx3Vncm0uIjZKWWRZJInNBbE8UaFuTZKgjdln lzW18xaLbazpes3UthdhmhdordCeDFGqrQV2ZSMIiEGRROptq1tpt3cR6rcepDDJIlUtSOSqSK/u fbHhC8StpUcCauoijWOp1Jn420tpyc3MJLFZamQn/fo+F/tLtlbNh0H5j+a5II5CLAF1DU9CbuK/ 8tGZsdKCObp59pSBioL/APlYfmvwsP8ApHm/7KMP5Qd7H+VJdwd/ysPzX4WH/SPN/wBlGP5Qd6/y pLuDv+Vh+a/Cw/6R5v8Asox/KDvX+VJdwZd5K13UdZ0+5nvxCJYbkwr6CMilRFG+4d5DWrnvmLlh wyp2WmzHJDiLIMrch3KuxV2KpF5vkiisI5ZXWOKM3DSSPPJaKqiyuCS1zEDJCAOsiDkvUbjFUl1b /lJZ/wDWl/5MWeYmt+ge9y9F9Z9zs1js3YqtT/jqaZ/xnf8A6hpsy9F/eOJrf7tPNFlQDQoiwDvp bsE9WUEhfqwJ9ID0npyHxN8S1ouzPmzdYx3/AI+Lz/mLuv8AqIkzV5/rLXLmlt1puq/pSW+sbuCH 1oIoHjnt3m3heVgwZZoevrdKdsgCKooYzo/lT89JLvUPqnnyxt+MURldtNiAKEy8BX4uPGjb175s NOYkbCmcV8flP8+W0zRHH5hWNxDL6ZtJBp6TdbV2DmWUepLVKjk+5rU75kR5pKM/wh/zkB/1P9j/ ANwqH+mWUWOzv8If85Af9T/Y/wDcKh/pjRXZa3lX/nIaleLzvplwTsVm01IwPccFJwUV2Qh0H/nI RdP1p284aNb28Zc3sptpYiKW0ZZ1kjX1I6R0+JdwRUb5CTIKfmfyp+f1xpdvbap5o0S8srlzEIxZ swbnBIDyJUcgU5D6cqykCNlSxqX8svzQlltJZNS0B5bBY47ORtPq0aQNyiVTxrRCKjMTxodxY2Ep f8l/PdpZ3jNfaFJE/OVkaxLcR6JiZY6j4R6e1BkxniSOa2yK4/In8xm1KG3kvvKnrywTukQ01lDI sieoxjWP02INxx5N8ShuK/CTmYzVY/yu/NwNJYk+UJ4rCR4oxNZTFQJoo3fivAqA4Kkj+bfJAIJa j/J/80owQlr5JHJxKx+oTEmRa0ckpu3xnfvkuEotPNN8s/8AOQmmWUdjp2oeVbSzhr6VvDbXKIvJ izUULTdmJPvjRRYdqmm/85GjTLs3Gr+W2gEMnqqkF1yKcDyAqvWmO67LtP0//nIt9QQ22veWp5Ab 4cyt9KqstxGJ4yZAWWklAqj4VAoNqZWzYjrbed1OlnQeLLHZSS3cbiMQSzR+iYoqsrSD1F9RRRlp sSdqHZHioV3PPRGO5cf879aRXHmn80Ir2xjl0ukI3jvbiMR/CD6QkDcjO1CWUqCdl8GO2VnJkvk3 DBgo0eX47lSy1783o7CKOBRoZbiK3jDzuoLSTcfi5KtxGor3I2r27AieTuYyxae/q/HyTbSL3z1L pSzahbPDqD6pCskKLFxFmRGJeNS3wD46GvLJxM637/sa8kcQlQO3D9r3H8sv+OTf/wDMa3/UPDmJ qfrdn2f/AHQZhlDnOxV2KuxVIfOUzw6asyO0bx/WXWRJY4GUrY3BBWaWscZH87/Cop2xVI9fmWDX riVihIdx6ZlijekkFtxYCV46rWJht3ynUYjOIA72/T5RCVnuQn6Xi/kX/pIs/wDqvmF+Sn5OZ+ch 5u/S8X8i/wDSRZ/9V8fyU/JfzkPNdbajbvqVlI7RwxQSs8kj3FsQAYZEGySuftOO2ZGm00oTs00a nURnCgybR2ZDoULPxJ0uQmEzBSSv1YV+rkcn48qc6/BWn7e2W4bF5b2yhu7yOa4jjkF3dEo7qpFZ 3I2J8DmtzRJmdmuQ3a/Sem/8tcP/ACMX+uVcEu5FJv5Wnglm1eWOZPSFvADMrgKpBnJ+MVC0BrXt mdpQQDbOKJkuYU0Py7cyzr6NYma4ecXCkNZyAMbnYS8if7z9rr3zLjzSVT9N6N/y323/ACOT+uWW wp36b0b/AJb7b/kcn9cbWnfpvRv+W+2/5HJ/XG1pRjuoJNC8y3EFwvpgzEXKXC26rxsovi+s0ZYu P89Ph69srlzZxRHnR0js7KSRgkaXQLuxooBhlAqT03NMx9QLgVPJjP6T03/lrh/5GL/XNdwS7muk PqGoWElhcxx3MTu8TqiK6kklSAAAclCBsbJAZ7LKP8RWsPqgH6pcP6PrhS372AcjbUq/HoJK/DWn 7ebVsSyTULC11XU0ubmKB2nRlWR1Qlfq0IqAxG1RlkTswkF36b0b/lvtv+Ryf1yVop36b0b/AJb7 b/kcn9cbWkHrOsaQ+j3yJfW7O1vKFUSoSSUNABXASoCO0gudTiLSmYctVCMZluKAXsY4c1VOPAjj 6e5SnAnbKmx5na6VrCW0KNpl6GVFDD6rcdQP9TNlHNChu87k0mUyJ4eqp+jdW/6tt7/0iXH/ADRk vHh4sPyeX+a79G6t/wBW29/6RLj/AJox8eHev5PL/Nd+jdW/6tt7/wBIlx/zRj48O9fyeX+az38u LW6t9JvRc28tuz3jMiTRvExX0IlqFcKaVUjMHPIGVh4WixmOOiKLK8pct2KuxV2KpB56hmPlbUru 3uGtrqwtbm6t5FWKQeottKoDpMkiMvx7gjFV2vHUNK0PUdUju769extprlbOFbX1JTEhcRPp+4PxN xomVYNpX5oSOLa61m8FppFzZ3N5HqNhdQakpa2nsrf0liisI5SzyaiqBeIfmpXhuDirIPK3nXQ/N Oo3Fjoms6lcfV7aK7a5azSKAPLJJFxDy2yUkV4WVkahqCBUq/FVF6VqOqXvmnXdCluriFdISzlhu Ve2kMyXiyh5ozap6ZRoSKBmqN6jpiqIuINTTzPYWg1a59CayvJXX07SvOKW1VSG9DkNpWqK4qmn6 NvP+rrdf8Da/9UMVd+jbz/q63X/A2v8A1QxVbNp18InK6peMwU8Qi2fImm3HlDxr89sVS3ypFql9 5W0e9uNUuluLqxtpphws1o8kKs2yQ8Rue22KsMX8x9bfVb20WNhDYatb6TcBr20W8jW51GHT455L Q2PILJ9Y9WOjFGQfbDbYqmGm/mn5O1XWrHR9L1/Ur68v5DHF6VjRFHptKsrs9on7qRUPCRaqdzWg JCqZ+Z9Y8waHqelRqLm60m/ureyub8TWiSRS3chii9O3+quZVVqGQl0oCCOXxUVTHzTBqdn5Y1e7 g1a5E9vZXEsRaO0YB0iZlqrQEHcdDiqZ/o28/wCrrdf8Da/9UMVd+jbz/q63X/A2v/VDFXfo28/6 ut1/wNr/ANUMVSu4g1NPM9haDVrn0JrK8ldfTtK84pbVVIb0OQ2laoriq3zbd6joHlvUNZiub3UJ LGIyi0jW2DPQitSLdyFX7TEKaAE0OKsQ0/8ANEFWYxrN6bWwns0urK/064g1VbmR7k2qxW8dvYiS Tkw+Gi8+vJFpirIfJ3nDRvOLX50HWdQuINPaFZLp7aKKGT6xEJkMTyW68qK3xDqO4oVJVW+W9f1H В/М/mDQpb0xPohg/e21zaXLMLgy8Vnj+qxGGULEGK1cUYfFWuKpn5TtriSJ766vJbmaK61K1jV0g RAgv3WtIY4qtSFak9dz1OKsixV2KuxV2KuxV2KuxV2KuxVSvLS3vLSezuU9S2uY2hnjJI5JIpVlq КХчФВуоWgvLC5szNLbi5ieE3Fu5jmj9RSvONx9l1rVT2OKvPb38jNDvrma6u9d1eS7uJJZ5Zw1j GxuJXtZPXAjtEVXRtNtyvEAfBuDyaqqM0nyBe+TJTc+UIxqc11CINSi1a++qpIyzzXIuS8FjdO0z S3cvIDglDsuwoqnmgeW7q21vUPMd9O8ep6xDbw3ulxSx3FlD9VDCP0JTbWs7fbYkv3Y7bCiqeNaW 7XcV4yVuYY5IY5KnZJWRnWnTcxL92KquKuxV2KqVnaW9naQWdsnp21tGsMEYJPFI1CqtTU7AYqwr W/yl0/WNUOo3mu6qZVkD2yBrRlhQX0eoeihktndo/rFvGQsjNxVQq0WoKqW6Z+S2m+Wri21jy9dX l7rom+mmnRahdRRQfVY0eFLNpEtJ2WFI53KkRmStPi8FU5m8qa/5i1Gw1LzHcPpB0qVZLbS9KvI7 y0mIILSTPc6fbzo7CsdY2BCEhWHJqqsuvLS3vLSezuU9S2uY2hnjJI5JIpVlqKHcHFVXFXYq7FVJ rs3a7ivGStzDHJDHJU7JKyM606bmJfuxVR1XTzqFhJaC6nsjIVIubRxHMvBw/wALEMN+NDtuMVYA /wCRGgvqH6SbXNX/AEj6v1sXYayVxefWfrP1oKtqE58vhK8fTK/sV3xVGaF5G1LyKs1t5Ls4dQsr 0QvdRatqL23pzQRLB6kfo2F0ztMqBpOT05D4VAJxVPtA8qmy1S417ULqa91u+gjt5WlMDJbwozS/ VoGgt7PnGskho8icztU9sVTu1tLe0iaK3T042kkmZQSfjmkaWRt6/adycVVcVdirsVdirsVf/9k=
  • Uuid:A74D5D0189DBDE11B78F8C575A9D8084uuid:CE467E418827DF11B082BBCAA1F0CD52uuid:A64D5D0189DBDE11B78F8C575A9D8084uuid:A44D5D0189DBDE11B78A9D0784 конечный поток эндообъект 2 0 объект > эндообъект 3 0 объект > поток HVn6WH IZA}s|մZlhηEʲ{AZ^U5C~~rxy9١p%38횢*qţRi.dxλkOK-M9XwǥwQHYÍ?t)BպU!uՒeͧ3

    9,x Gk-3(X H5\DflJR%ڗJ% &ş#G+f;wKof(Y41’MKa` mGR.g;?Bۈ8ͰJaic7%2Qk>?M

    Мультиэвристическое динамическое распределение задач с использованием генетических алгоритмов в гетерогенной распределенной системе

    Andrew J Пейдж получил степень бакалавра компьютерных наук и программной инженерии в Национальном университете Ирландии в Мейнуте в 2003 г. Он получил докторскую степень в области компьютерных наук в 2009 г. в том же университете. Wellcome Trust Sanger Institute в Кембридже в секвенировании информатики в области геномики.Его исследовательские интересы включают планирование, распределенные вычисления и биоинформатику.

    Томас М. Кин получил степень бакалавра наук. в области компьютерных наук и разработки программного обеспечения в 2002 году и степень магистра наук. получил степень доктора компьютерных наук в 2004 году в Национальном университете Ирландии в Мейнуте. Для его доктора философии. Томас перешел на работу в лабораторию биоинформатики в Национальном университете Ирландии в Мейнуте, работая в области филогенетических методов и высокопроизводительной филогеномики с использованием распределенных вычислений, и завершил ее в 2006 году.В настоящее время он является руководителем группы в Wellcome Trust Sanger Institute в Кембридже. Его исследовательские интересы включают распределенные вычисления и биоинформатику.

    Томас Дж. Нотон получил степень бакалавра наук. степень (двойная награда) в области компьютерных наук и экспериментальной физики Национального университета Ирландии, Мейнут, Ирландия. Он работал в Space Technology (Ireland) Ltd. и был приглашенным исследователем на кафедре радиоэлектроники Чешского технического университета в Праге и на кафедре электротехники и вычислительной техники Коннектикутского университета в Сторрсе.Он является старшим преподавателем кафедры компьютерных наук Ирландского национального университета в Мейнуте с постоянной должностью с 2001 года. С 2007 года он является научным сотрудником Европейской комиссии Марии Кюри в Южном институте Оулу, Университет Оулу, Финляндия. Он возглавляет трехлетний совместный проект EC FP7 с восемью партнерами Real 3D. Его исследовательские интересы включают оптическую обработку информации, теорию компьютеров и распределенные вычисления. Он был членом комитета на 12 международных конференциях IEEE, ICO и SPIE.Он является соавтором более 150 публикаций, в том числе 35 журнальных статей и 20 докладов на конференциях. Он является со-лауреатом премии IEEE Дональда Г. Финка 2008 года.

    Copyright © 2010 Elsevier Inc.

    Настройки прогнозирования — документация Dataiku DSS 10.0

    Вкладка «Настройки» позволяет полностью настроить все аспекты вашего прогноза.

    Тип прогноза

    Dataiku DSS поддерживает три различных типа прогнозирования для трех различных типов целей.

    • Регрессия используется, когда цель является числовой (например, цена квартиры).

    • Двухклассовая классификация используется, когда цель может относиться к одной из двух категорий (например, присутствие или отсутствие швейцара).

    • Многоклассовая классификация используется, когда цели могут относиться к одной из многих категорий (например, окрестности квартиры).

    DSS может создавать прогностические модели для каждого из этих типов задач обучения.Доступные параметры, алгоритмы и экраны результатов зависят от типа учебной задачи.

    Многоклассовая классификация

    DSS не может обрабатывать большое количество классов. Мы рекомендуем вам не пытаться использовать машинное обучение более чем с 50 классами.

    При создании задачи машинного обучения необходимо убедиться, что обнаружены все классы. Обнаружение возможных классов выполняется на образце скрипта анализа. Убедитесь, что этот пример включает хотя бы одну строку для каждого возможного класса.Если какие-то классы не обнаружены на этой выборке, но найдены при подборе алгоритма, обучение не удастся.

    Кроме того, вам необходимо убедиться, что все классы присутствуют как в поезде, так и в тестовом наборе. Возможно, вам придется настроить параметры разделения, чтобы это утверждение оставалось верным.

    Обратите внимание, что эти ограничения более сложны для обработки с большим количеством классов и очень редкими классами.

    Модели с секциями

    Включение этого параметра позволяет обучать секционированные модели прогнозирования на секционированных наборах данных.При обучении с этим параметром DSS создает одну подмодель (или раздел модели) для каждого раздела вашего набора данных.

    Дополнительные сведения см. в разделе Модели с разделами

    .

    При обучении модели важно проверить производительность модели на «тестовом наборе». На этапе обучения DSS «держится» на тестовом наборе, и модель обучается только на обучающем наборе.

    После обучения модели DSS оценивает ее производительность на тестовом наборе. Это гарантирует, что оценка выполняется на данных, которые модель «никогда раньше не видела».

    DSS предлагает две основные стратегии разделения обучающей и тестовой выборки.

    Разделение набора данных

    По умолчанию DSS случайным образом разбивает входной набор данных на обучающий и тестовый наборы. Доля данных, используемых для обучения, может быть указана в DSS. 80% — это стандартная часть данных, используемая для обучения. Включив опцию «Порядок на основе времени», вы убедитесь, что это разделение выполняется в соответствии с порядком, заданным переменной для указания, а не случайным образом.

    Подвыборка

    Кроме того, в зависимости от механизма DSS может выполнять это разделение, случайное или сортированное, из подвыборки набора данных. Это особенно важно для движков в памяти, таких как scikit-learn. По умолчанию DSS использует первые 100 000 строк набора данных, но доступны и другие параметры, а именно «Случайная выборка (фиксированное количество записей)», «Случайная выборка (приблизительное соотношение)», «Подмножество значений столбцов», «Перебалансировка классов». (приблизительное количество записей)» и «Перебалансировка классов (примерное соотношение)», подробнее см. документацию по выборке.

    Примечание

    Для задач классификации параметры подвыборки «Повторная балансировка классов» могут быть эффективными стратегиями для обработки дисбалансов в целевом классе. Однако имейте в виду, что проблемы дисбаланса также могут быть решены с помощью стратегии взвешивания «Веса классов», которая рекомендуется для небольших наборов данных и выбрана по умолчанию. «Перебалансировка классов» рекомендуется для больших наборов данных, т. е. когда предварительно обработанные данные не помещаются в памяти.

    K-Fold перекрестный тест

    Вариант этого метода называется «перекрестный тест K-Fold», который также может использоваться в DSS.При перекрестном тесте K-Fold набор данных разбивается на K частей одинакового размера, известных как складки. Каждая складка используется независимо как отдельный тестовый набор, а остальные K-1 складки используются в качестве обучающего набора. Этот метод сильно увеличивает время обучения (грубо говоря, умножает его на K ). Однако он допускает две интересные функции:

    • Обеспечивает более точную оценку производительности модели за счет усреднения K оценок (по одной на разбивку) и предоставления «погрешностей» для показателей производительности, рассчитанных как удвоенное стандартное отклонение по K оценкам.Когда включен перекрестный тест K-Fold, все показатели производительности будут иметь информацию о допуске.

    • После того, как оценки будут рассчитаны для каждой складки, DSS может переобучить модель на 100% данных набора данных. Это полезно, если у вас мало обучающих данных.

    Как правило, используйте простое разделение (случайное или отсортированное, если вы делаете прогноз) набора данных, если ваши данные однородны .

    Оптимизация модели

    Вы можете выбрать показатель, который DSS будет использовать для оценки моделей.Модель оптимизируется в соответствии с выбранной метрикой. Эта метрика используется как для оценки модели на Train/Test, так и для поиска гиперпараметров.

    Этот показатель будет использоваться для определения лучшей модели при оптимизации гиперпараметров.

    Для отображения на тестовых наборах эта метрика также выступает в качестве основной, которая будет отображаться по умолчанию, но DSS всегда вычисляет все метрики, поэтому вы можете выбрать другую метрику для отображения на окончательной модели (однако, если вы измените метрику , вам не гарантируется, что гиперпараметры являются лучшими для этой новой метрики)

    Оптимизация порога

    При выполнении бинарной классификации большинство моделей выводят не один двоичный ответ, а вместо этого непрерывную «оценку положительности».Затем вам нужно выбрать пороговое значение для этого балла, выше которого DSS будет считать образец положительным. Этот порог для оценки целевого класса оптимизируется в соответствии с выбранной метрикой.

    Оптимизация порога — это всегда вопрос компромисса между риском ложноположительных и ложноотрицательных результатов. DSS будет вычислять истинно-положительные, истинно-отрицательные, ложно-положительные, ложно-отрицательные (также известные как матрица путаницы) для многих значений пороговое значение и автоматически выберет пороговое значение на основе выбранной метрики.

    Вы также можете вручную установить порог в любое время на экранах результатов.

    DSS может вычислять взаимодействия между переменными, такие как линейные и полиномиальные комбинации. Эти сгенерированные функции позволяют линейным методам, таким как линейная регрессия, обнаруживать нелинейные отношения между переменными и целью. Эти сгенерированные функции могут улучшить производительность модели в этих случаях.

    Сокращение элементов действует на предварительно обработанных элементах. Это позволяет вам уменьшить размер пространства признаков, чтобы упорядочить вашу модель или сделать ее более интерпретируемой.

    • Корреляция с целью: Будут выбраны только функции, наиболее коррелирующие (Пирсон) с целью. Можно установить порог минимальной абсолютной корреляции.

    • На основе дерева: Это создаст модель случайного леса для прогнозирования цели. Будут выбраны только лучшие функции в соответствии с важностью функций, вычисленной алгоритмом.

    • Анализ основных компонентов: Размер пространства признаков будет уменьшен с помощью анализа основных компонентов.Будут выбраны только верхние главные компоненты. Примечание: Этот метод будет генерировать неинтерпретируемые имена объектов в качестве выходных данных. Модель может быть эффективной, но не интерпретируемой.

    • Регрессия Лассо: Это создаст модель LASSO для прогнозирования цели с использованием 3-кратной перекрестной проверки для выбора наилучшего значения члена регуляризации. Будут выбраны только признаки с ненулевыми коэффициентами.

    DSS поддерживает несколько алгоритмов, которые можно использовать для обучения моделей прогнозирования.Мы рекомендуем попробовать несколько разных алгоритмов, прежде чем остановить свой выбор на одном конкретном методе моделирования.

    Алгоритмы зависят от каждого двигателя. Подробнее см. в справочнике по алгоритмам

    .

    При обучении и оценке модели вы можете применить к своей задаче переменную «вес выборки». Целью переменной «вес выборки» является указание относительной важности каждой строки набора данных как для алгоритма обучения, так и для различных показателей оценки.

    Для задач классификации стратегии взвешивания включают «веса классов», которые предназначены для исправления возможных дисбалансов между классами во время обучения модели.Обратите внимание, что в отличие от стратегии «веса выборки», «веса классов» не влияют на метрики оценки, т. е. Dataiku будет рассматривать каждую строку как имеющую одинаковый вес при вычислении метрик. Веса классов включены по умолчанию.

    Примечание

    Веса классов могут быть заменены стратегией выборки «Повторная балансировка классов», устанавливаемой в настройках: Обучающий/Тестовый набор, которая рекомендуется для больших наборов данных. Для небольших наборов данных, т. е. когда предварительно обработанные данные умещаются в памяти, рекомендуется выбрать стратегию взвешивания «веса классов».

    При обучении модели классификации вы можете применить калибровку предсказанных вероятностей. Цель калибровки вероятностей состоит в том, чтобы максимально приблизить наблюдаемые частоты классов к вероятностям классов, предсказанным моделью.

    «Сигмоид» соответствует смещенной и масштабированной сигмовидной функции в вероятностном пространстве.

    «Изотонический» соответствует кусочно-постоянной неубывающей функции. Результирующая функция может быть «многие к одному», что может повлиять на упорядочение тестовых примеров по вероятностям и, следовательно, на многие метрики оценки.Он также подвергается большему риску переобучения (оптимистичная калибровочная кривая).

    Начиная с версии 0.7, XGBoost поддерживает обучение и оценку GPU. Начиная с версии 4.3, DSS поддерживает эту функцию.

    На практике для обучения деревьев с градиентным усилением с помощью XGBoost на графическом процессоре необходимо:

    1. Установите CUDA на свой компьютер

    2. Наличие пользовательской среды кода Python

    3. Компиляция XGBoost против CUDA

    4. Установите пакет python XGBoost в пользовательской среде кода: из командной строки активируйте среду своего кода ( исходный путь кyourenv/bin/activate , затем pip install -e pathtoxgboost/python-package )

    5. В визуальном машинном обучении DSS для задачи прогнозирования на панели «Алгоритмы» включите параметр, установив флажок «Включить ускорение графического процессора» для XGBoost.

    .

    Отставить комментарий

    Обязательные для заполнения поля отмечены*