Значение фактора портовости для конфигурирования цикла акторной системы управления реального времени

В статье исследуется проблема оптимизации систем управления реального времени, описываемых в рамках акторной модели. Проблема оптимизации формулируется в виде задачи оптимального конфигурирования цикла управления, т. е. распределения функциональных элементов-акторов по группам, потокам и последовательности исполнения. Предлагается алгоритм конфигурирования, который, хотя и не уменьшает количества анализируемых вариантов конфигурации, однако сокращает объем расчетов по каждому из вариантов. В дополнение к рассмотренным в предыдущих работах авторов вариантам оптимизации с ограничением по суммарной длительности цикла и с ограничением по ресурсам системы управления, в статье рассматривается задача уменьшения числа портов входа и выхода, через которые элементы-акторы обмениваются данными. Исследования показывают, что число портов может быть сокращено без ущерба функциональности системы управления. Это обусловлено последовательным характером выполнения элементов-акторов в рамках одной группы одного потока. В результате одни и те же порты ввода или вывода могут использоваться для связи элемента-актора с несколькими другими. Наряду с сопоставлением различных конфигураций цикла управления, задача снижения количества портов также может решаться за счет использования для связи элементов-акторов общей памяти. При построении системы управления согласно память-ориентированной архитектуре через высокоскоростную общую память передаются малые объемы данных, что снижает остроту проблемы образования очередей.

1. Красильникъянц Е.В., Бурков А.П., Иванков В.А., Булдукян Г.А., Ельниковский В.В., Варков А.А. Системы управления движением технологических объектов. Вестник Ивановского государственного энергетического университета. 2007;(4):42–46.

2. Меркурьев И.В., Комерзан Е.В., Свириденко О.В., Лабахуа Л.Р. Методы повышения быстродействия и точности систем навигации и управления движением автоматических робототехнических средств. Системные технологии. 2018;(3):99–104.

3. Зеленский А.А., Грибков А.А. Акторное моделирование когнитивных систем реального времени: онтологическое обоснование и программно-математическая реализация. Философская мысль. 2024;(1):1–12. https://doi.org/10.25136/2409-8728.2024.1.69254

4. Burgin M. Systems, Actors and Agents: Operation in a multicomponent environment. arXiv. URL: https://arxiv.org/abs/1711.08319 [Accessed 3rd March 2025].

5. Зеленский А.А., Грибков А.А. Конфигурирование память-ориентированной системы управления движением. Программные системы и вычислительные методы. 2024;(3):12–25. https://doi.org/10.7256/2454-0714.2024.3.71073

6. Knuth D.E. The Art of Computer Programming. Volume 3. Sorting and Searching. Second Edition. Addison Wesley Longman; 1998. 780 p.

7. Каляев И., Заборовский В. Искусственный интеллект: от метафоры к техническим решениям. Control Engineering Россия. 2019;(5):26–31.

8. Mutlu O. Memory-Centric Computing. arXiv. URL: https://doi.org/10.48550/arXiv.2305.20000 [Accessed 3rd March 2025].

9. Ke L., Zhang X., So J., et al. Near-Memory Processing in Action: Accelerating Personalized Recommendation with AxDIMM. IEEE Micro. 2022;42(1):116–127. https://doi.org/10.1109/MM.2021.3097700

10. Suh S.-H., Kang S.K., Chung D.-H., Stroud I. Theory and Design of CNC Systems. London: Springer; 2008. 456 p. https://doi.org/10.1007/978-1-84800-336-1