摘要
针对分布式信息处理系统在费用与效率综合评估中的复杂性，提出一种基于单调指标空间的探索性评估方法。该方法通过系统建模与精确测量，量化主机、网络及分布处理机的费用（C ）与延迟（ T）属性，构建涵盖27种可能配置的技术方案空间；创新性地融合多维二分探索算法与支持向量机，实现目标集边界的高精度拟合，并建立多层关系映射模型以揭示属性与评估准则的内在联系。基于蒙特卡洛模拟，对各方案的费用与延迟分布进行全面评估，最终筛选出3个符合目标要求的候选方案，其中方案111与121在目标集内的样本占比均超过70%，表现出显著的性能-成本优势。研究结果表明，该方法能够有效支撑复杂分布式系统的技术选型、体系优化与决策制定，为相关领域提供可验证的理论框架与评估工具。
关键词： 单调指标空间；分布式信息处理体系；多维二分探索算法；支持向量机；蒙特卡洛
Abstract
An exploratory evaluation method based on the monotonic indicator space is proposed to assess the cost (C ) and delay (T ) of distributed information processing systems. The C and T characteristics of the mainframe, communication network, and distributed processors are quantified to construct a solution space of 27 configurations. A multi-dimensional binary search algorithm combined with support vector machines enables high-precision fitting of the target set boundary, supported by a multi-layer relational mapping model. Monte Carlo simulation is used to evaluate each configuration, identifying three candidate schemes, among which schemes 111 and 121 achieve over 70% coverage within the target set and exhibit clear performance–cost advantages. The method provides an effective framework for technology selection, system optimization, and decision-making in complex distributed systems.
Key words： Monotonic indicator space; Distributed information processing system; Multi-dimensional binary search algorithm; Support vector machine; Monte Carlo
参考文献 References
[1] TANENBAUM A S, VAN STEEN M. Distributed Systems: Principles and Paradigms[M]. 2nd ed. Upper Saddle River:Prentice Hall, 2007.
[2] 秦昳, 卢强, 黄士坦. 基于云理论和信息融合理论的系统性能评估方法研究[J]. 计算机工程与科学, 2012, 34(2): 33-38.
[3] 吴岳. 一种优化的Hadoop数据放置策略[J]. 软件工程, 2023, 26(7): 44-47.
[4] SHAKHOVSKA N, BOYKO N, ZASOBA Y, et al. Big Data Processing Technologies in Distributed Information Systems[J]. Procedia Computer Science, 2019, 160: 561-566.
[5] 刘陶, 胡剑文. 基于单调指标空间方法的分布式信息处理系统指标分析与设计[J]. 计算机应用与软件, 2008, 25(2):184-185.
[6] 王娜, 张健, 王晋东, 等. 单调指标空间在信息系统风险评估中的应用研究[J]. 计算机工程与科学, 2015, 37(3): 486-491.
[7] HU J, HU X, ZHANG W, et al. Monotonic Indices Space Method and Its Application in the Capability Indices Effectiveness Analysis of a Notional Antistealth Information System[J]. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2009, 39(2): 404-413.
[8] 胡剑文. 探索性评估论证方法[M]. 北京: 国防工业出版社, 2020: 58-65.
[9] 李凯, 王志刚. 支持向量机及其核函数理论的应用研究[J]. 计算机应用与软件, 2019, 36(7): 98-104.
[10] 刘方园, 王水花, 张煜东. 支持向量机模型与应用综述[J]. 计算机系统应用, 2018, 27(4): 1-9.
[11] CORTES C, VAPNIK V. Support-vector networks[J]. Machine Learning, 1995, 20(3): 273-297.
[12] SCHÖLKOPF B, SMOLA A J. Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond[M]. Cambridge: MIT Press, 2002.
[13] 杨峰, 李群, 王维平, 等. 基于仿真的探索性评估方法论[J]. 系统仿真学报, 2003, 15(11): 1561-1564.
[14] 胡剑文. 作战仿真实验理论、平台与应用[M]. 北京: 国防工业出版社, 2016.
[15] 曾畅, 方强, 吴军, 等. 蒙特卡洛模拟法在复杂系统可靠性仿真中的应用研究[J]. 四川兵工学报, 2015, 36(9): 65-68.