Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Проектирование процедур организации управления объектами машиностроения на основе аппарата фрагментации больших нейронных сетей

Диссертация: Проектирование процедур организации управления объектами машиностроения на основе аппарата фрагментации больших нейронных сетей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В работе дано понятие коммутаторной нейронной сети. Рассмотрены отличия коммутаторной нейронной сети от традиционных способов передачи информации в нейронных сетях. Рассмотрена задача оптимизации трафика информации. Разработан алгоритм оптимизации трафика информации. Проводится сравнение с другими алгоритмами, определяется его трудоемкость. Проводится теоретический и экспериментальный анализ… Читать ещё >

Содержание

  • Глава 1. Анализ существующих решений построения аппаратных нейронных сетей
    • 1. 1. Классификация основных способов исполнения аппаратных нейронных сетей
    • 1. 2. Коммутаторные нейронные сети
    • 1. 3. Примеры современных аппаратных модульных архитектур
    • 1. 4. Задача исследования
  • Глава 2. Разработка алгоритма фрагментации нейронной сети
    • 2. 1. Разработка метода фрагментации нейронной сети и создание модели группирования нейронов
    • 2. 2. Разработка алгоритма фрагментации нейронной сети и оценка его вычислительной трудоемкости
    • 2. 3. Использование алгоритма фрагментации нейронной сети для оптимизации большой нейронной сети на примере коммутаторной сети в подсистеме диагностики ЧПУ
  • Глава 3. Исследования алгоритма фрагментации коммутаторной нейронной сети на сходимость, масштабируемость, влияние коэффициентов на результаты работы
    • 3. 1. Теоретическая сходимость алгоритма
    • 3. 2. Экспериментальная сходимость алгоритма
    • 3. 3. Анализ влияния коэффициентов на результат фрагментации нейронной сети
    • 3. 4. Исследование масштабируемости алгоритма
  • Глава 4. Практическое применение полученных теоретических результатов. .92 4.1 Результаты фрагментации полносвязных нейронных сетей большого размера
    • 4. 2. Проектирование нейронной сети для составления программы сменных заданий гибкой производственной системы
  • Выводы

Проектирование процедур организации управления объектами машиностроения на основе аппарата фрагментации больших нейронных сетей (реферат, курсовая, диплом, контрольная)

В настоящее время используются интеллектуальные системы на основе искусственных нейронных сетей, позволяющие решать задачи управления нелинейными динамическими системами, задачи временного прогнозирования, распознавания образов, оптимизации и ассоциативной памяти. Для решения подобных задач существуют традиционные подходы. Но эти подходы не обладают такой же гибкостью в решении этих задач, как при использовании искусственных нейронных сетей, так как обладают достаточно жесткими ограничениями в использовании. Таким образом, одним из основных направлений в развитии теории интеллектуальных систем является теория, связанная с построением и применением искусственных нейронных сетей. Сформированные в рамках этого направления многослойные сетевые модели, в качестве прототипа которых используются структуры и механизмы функционирования биологических нервных систем, все более серьезно рассматриваются в качестве методологического базиса для создания сверхскоростных технических устройств обработки информации.

Возникающие задачи управления все больше усложняются и требуют принципиально иных подходов, требующих применять элементы искусственного интеллекта. Требования к применяемым нейронным сетям все больше возрастают. Самой существенной проблемой реализации нейронных сетей является их масштабирование. Программные нейронные сети не позволяют добиваться высокой скорости работы, так как все еще расчеты производятся на последовательных устройствах. Аппаратные технологии, наиболее часто применяемые в настоящее время, рассматриваются в работе. Эти технологии сложно применять для реализации больших нейронных сетей и не позволяют гибко перенастраивать готовую систему для иных задач. В работе показан пример такой проблемы — создание комплексной подсистемы диагностики ЧПУ, работающей в реальном времени и анализирующей одновременно множество факторов. Требования к большому размеру, гибкости настройки и высокому быстродействию удовлетворяют аппаратно-программные технологии построения нейронных сетей, совмещающие в себе высокую скорость работы и хорошую масштабируемость. Примером такой технологии является коммутаторная технология создания нейронных сетей, рассматриваемая в работе.

Несмотря на лучшую масштабируемость коммутаторных нейронных сетей, при значительном возрастании сети нагрузка на ее компоненты также возрастет. Может возникнуть такая ситуация, что объем трафика превысит пропускную способность линий передач данных и сеть станет неработоспособна или ее работа значительно замедлиться. Становится актуальна задача сокращения трафика, особенно при большом размере моделируемой нейронной сети.

В работе рассмотрена классификация аппаратных нейронных сетей. Показаны основные способы реализации.

В работе дано понятие коммутаторной нейронной сети. Рассмотрены отличия коммутаторной нейронной сети от традиционных способов передачи информации в нейронных сетях. Рассмотрена задача оптимизации трафика информации. Разработан алгоритм оптимизации трафика информации. Проводится сравнение с другими алгоритмами, определяется его трудоемкость. Проводится теоретический и экспериментальный анализ сходимости разработанного алгоритма, а также. В работе представляются результаты применения разработанного алгоритма фрагментации нейронной сети.

1. Анализ существующих решений построения аппаратных нейронных сетей.

Выводы.

1.Решена задача, связанная с проектированием системы управления объектами машиностроения на основе аппарата фрагментации больших нейронных сетей, что позволило достигнуть повышения эффективности системы управления и расширить круг решаемых задач.

2. Установлены логические связи между фрагментами сети и решаемым подзадачами, особенность этих связей в том, что нейроны, выполняющие отдельные подзадачи, наиболее связаны друг с другом.

3. Разработан метод рациональной фрагментации больших нейронных сетей, особенностью которого является выделение групп нейронов, максимально связанных друг с другом.

4. Проведен анализ математической модели коммутаторной нейронной сети, особенностью которой является разделение функций транспортировки и обработки информации. Выявлена необходимость решения задачи сокращения трафика за счет рационального группирования нейронов.

5. Разработан алгоритм, реализующий метод фрагментации. Проведен анализ влияния настраиваемых коэффициентов на результат работы алгоритма, показан способ масштабирования данного алгоритма. Теоретически и экспериментально доказана сходимость разработанного алгоритма при любых коэффициентах. Исследованы основные проблемы применения алгоритма, связанные с дискретностью вычислений и возможным наличием избыточных нейронов во фрагментируемой нейронной сети.

6. Разработано программное обеспечение, особенностью которого является возможность фрагментации больших нейронных сетей. Проведено исследование эффективности применения алгоритма для сокращения трафика в коммутаторной нейронной сети.

7. Полученное сравнение результатов работы спроектированной системы с ранее использованной системой составления сменных заданий АЛП-3−2 показало 30−34% сокращение времени составления сменного задания и уменьшение среднего суммарного времени простоя станков на 17−22%.

Показать весь текст

Список литературы

  1. A.B., Баркова H.A. Вибрационная диагностика машин и оборудования. Анализ вибрации: Учебное пособие. / A.B. Барков, H.A. Баркова СПб.: Изд. центр СПбГМТУ, 2004. — 152с.
  2. А.Б. Логические нейронные сети / А. Б. Барский -М.:Интернет-университет информационных технологий, 2007. 352 с.
  3. А.Б. Нейронные сети: распознавание, управление, принятие решений / А. Б. Барский М.: Финансы и статистика, 2004. — 176 с.
  4. П.Н. Гибкие производственные комплексы / под ред. П. Н. Белянина и В. А. Лещенко. М.: Машиностроение, 1984. — 384 с.
  5. Будик A. CUDA от NVIDIA новые возможности GPU-вычислений / А. Будик // Daily Digital Digest Электронный ресурс. — Электрон, журн. — 2006. -Режим доступа: http://www.3dnews.ru/
  6. А.И. Аппаратная реализация нейровычислительных управляющих систем / А. И. Власов //Приборы и системы управления 1999, № 2, С.61−65.
  7. А. И. Нейрокомпьютеры. От программной к аппаратной реализации / М. А. Аляутдинов, А. И. Галушкин, П. А. Казанцев, Г. П. Остапенко М.: Горячая линия- Телеком, 2008. — 152 с.
  8. А.И. Теория нейронных сетей. Кн. 1: Учеб пособия для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР, 2000.-416 с.
  9. В.А. Нейронные сети: обучение, организация и применение / В. А. Головко М.: ИПРЖ, 2002 — 256 с.
  10. .С. Автоматическая коммутация / Б. С. Гольдштейн, В. А. Соколов М.: Академия, 2007. — 272 с.
  11. .С. Системы коммутации. Учебник для вузов / Б. С. Гольдштейн С.Пб.: BHV, 2004. — 314 с.
  12. А.Н. Нейронные сети на персональном компьютере. / А. Н. Горбань, Д. А. Россиев Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. — 276 с.
  13. В.Н. Основы гибкого производства деталей машин и приборов / В. Н. Горюшкин, А. Ф. Прохоров. Мн.: Наука и техника, 1984. — 222 с.
  14. Ф. М., Колесников К. С. Вибрации в технике. Справочник. / Ф. М. Диментберг, К. С. Колесников М.: Машиностроение, 1980, т. 3, 544 с.
  15. Дунин-Барковский В. Л., Нейрокибернетика, Нейроинформатика, Нейрокомпьютеры, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с.
  16. А. Ю. Визуализация многомерных данных. / А. Ю. Зиновьев — Красноярск: Изд. Красноярского государственного технического университета, 2000. — 180 с.
  17. И.С. Доменная организация коммутаторных нейронных сетей. / И. С. Кабак // Труды международной научно-технической конференции Информационные средства и технологии, Т. 3 М.: Издательский дом МЭИ, 2007.-С. 128−131.
  18. И.С. Коммутаторная архитектура больших нейронных сетей. / И. С. Кабак // Труды международной научно-технической конференции Информационные средства и технологии М.: Издательский дом МЭИ, Т. 3., 2007 — С. 124−127
  19. И.С., Суханова Н.В Нейронная сеть. Патент на ПМ № 75 247
  20. И.С., Суханова Н. В. Большие нейронные сети в системах управления. / И. С. Кабак, Н. В. Суханова // Труды XVI международной научно-технической конференции Информационные средства и технологии. М.: Издательский дом МЭИ, Т. 3., 2008 — С. 204−210
  21. И.С., Суханова Н. В. Модульная вычислительная система Патент РФ.
  22. Д. В. Использование технологии CUDA фирмы NVIDIA для САПР нейронных сетей / Д. В. Калитин // Устойчивое инновационное развитие: проектирование и управление Электронное научное издание — Т. 4 (2009), ст. 2 — Режим доступа: www.rypravlenie.ru
  23. Р. Основные концепции нейронных сетей / Р. Каллан -М.:Издательский дом Вильяме, 2001. 287 с.
  24. В.В. Технические средства диагностирования: Справочник/В.
  25. B. Клюев, П. П. Пархоменко, В. Е. Абрамчук и др.- под общ. Ред. В. В. Клюева.
  26. М.: Машиностроение, 1989. — 672 с.
  27. Д. Искусство программирования, том 1. Основные алгоритмы / Дональд Кнут--3-е изд. — М.: «Вильяме», 2006. — 720 с.
  28. С. Аппаратная реализация нейронных сетей. / Колесников
  29. C. // Компьютер-Информ СПб: Компыотер-Информ, Вып. 17, 2005.
  30. А. Н. Теория информации и теория алгоритмов. / А. Н. Колмогоров — М.: Наука, 1987. — 304 с.
  31. , Т., Лейзерсон, Ч., Ривест, Р., Штайн, К. Алгоритмы: построение и анализ /Introduction to Algorithms / Под ред. И. В. Красикова. — 2-е изд. — М.: Вильяме, 2005. — 1296 с.
  32. М.В. Коммутация и маршрутизация IP/IPX трафика / М. В. Кульгин — М.: КомпьютерПресс, 1998, 320 с.
  33. Летенко В .А Организация машиностроительного производства: теория и практика. / В .А. Летенко, О. Г. Гуровец, -- М, Машиностроение., 1982.- 208 с.
  34. Д. Искусственный интеллект / Д. Люгер М.: Мир, 2003. — 690с.
  35. Д. Искусственный интеллект. / Джордж Ф. Люгер М.: Вильяме, 2005. — 864 с.
  36. В.А. Технологические основы гибких производственных систем: Учеб. для машиностроит. спец. вузов / В. А. Медведев, В. П. Вороненко, В. Н. Брюханов. М.: Высш. шк., 2000. — 255 с.
  37. A.B. Нейросетевые алгоритмы прогнозирования и оптимизации систем / А. В. Назаров, А. И. Лоскутов Наука и техника, 2003. -384 с.
  38. Ю. Р. Диагностика станков с ЧЕТУ. Интеллектуальные системы в производстве. / Ю. Р. Никитин Ижевск: Ижевский государственный технический университет, 2008. — стр.89−90
  39. Ope О. Графы и их применение / О. Ope Новокузнецк: ИО НФМИ, 2000, 174 с.
  40. С. Нейронные сети для обработки информации. / Станислав Оссовский М.: Финансы и статистика, 2004. — 334 с.
  41. С.А. Сети и телекоммуникации / С. А. Пескова, А. В. Кузин, А. Н. Волков М.: Академия, 2009. — 352 с.
  42. Проектирование автоматизированных участков и цехов / под общ. ред. Ю. М. Соломенцева. М.: Машиностроение, 1992. — 272 с.
  43. Г. И. Методы оптимизации. Задачи и решения. / Г. И. Просветов М.: Альфа-Пресс, 2009. — 168 с.
  44. Сигеру Омату Нейроуправление и его приложения. Кн. 2 / Сигеру Омату, Марзуки Халид, Рубия Юсоф- Пер. с англ. Н.В. Батина- Под. ред. А. И. Галушкина, В. А. Птичкина. М.:ИПРЖ, 2000. — 272 с.
  45. Ю.М., Сосонкин В. Л. Управление гибкими производственными системами. М.: Машиностроение, 1988.- 352 с.
  46. В.Л., Мартинов Г. М. Системы числового программного управления: Учеб.пособие. / В. Л. Сосонкин., Г. М. Мартинов М.: Логос, 2005. — 296 с.
  47. С. Ю. Снижение трафика информации в коммутаторной нейронной сети. / С. Ю. Степанов // Вычислительные сети. Теория и практика. -Электронное научное издание. 2008, Т. 2(13) — Режим доступа: ЬИр://пе1уогк-joumal.mpei.ac.ru/
  48. С.Ю. Группирование нейронов в двухуровневой коммутаторной нейронной сети. / С. Ю. Степанов // Труды международной научно-технической конференции Информационные средства и технологии. -М.:МЭИ. 2007. — Т. 3. — С.178−181.
  49. С.Ю. Иисследование сходимости алгоритма сокращения трафика в коммутаторной нейронной сети. / С. Ю. Степанов // Информационные технологии и вычислительные системы / НИИСИ РАН. 2010. — Т. 1. — С. 73−78
  50. С.Ю. Использование координатного метода фрагментации коммутаторной нейронной сети для сокращения трафика. / С. Ю. Степанов. // Информатика и ее применения // Институт проблем информатики РАН 2010. -Т. 4, Вып. 2. — С. 59−64
  51. В.А. Нейросетевые системы управления / В. А. Терехов, Д. В. Ефимов, И. Ю. Тюкин М.:ИПРЖ, 2003. — 480 с.
  52. С. А., Нейросетевые информационные- модели сложных инженерных систем, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с.
  53. С.А. Лекции по теории и приложениям искусственных нейронных сетей / С. А. Терехов // Лаборатотория Искусственных Нейронных Сетей НТО-2 / Снежинск: ВНИИТФ. 1998.
  54. Ф. Нейрокомпьютерная техника. / Ф. Уссермен, пер. на русский язык Ю. А. Зуев, В. А. Точенов М.: Мир, 1992.
  55. Фаронов В.В. Delphi. Программирование на языке высокого уровня / В. В. Фаронов С.Пб.:Питер, 2003. — 640 с.
  56. В. Введение в технологию CUDA / В. Фролов // Компьютерная графика и мультимедиа Электронный ресурс. Электрон, журн. — 2008. — Режим доступа: http://cgm.computergraphics.ru/
  57. .Н. Гибкие производственные системы. Расчет и проектирование: учеб. пособие / Б. Н. Хватов. Тамбов: Изд-во Тамб.гос. техн. университета, 2007. — 112 с.
  58. . Полный справочник по Cisco / Брайан Хилл М.: Вильяме, 2006. — 1088 с.
  59. Hylton Т. Systems of Neuromorphic Adaptive Plastic Scalable Electronics / Dr. Todd Hylton // DARPA Электронный ресурс. 2010. — Режим доступа: http://www.darpa.mil/
  60. Information on DARPA’s SyNAPSE project / National Science Foundation // NEURDON Электронный ресурс. 2009. — Режим доступа: http://www.neurdon.com/
  61. Snider G. Cortical computing with memristive nanodevices / Greg Snider // Hewlett-Packard Laboratorie. Oak Ridge: IOP Publishing — 2008. — Sci-DAC Review 10: 58−65
  62. Часть 1. Техническое задание
  63. Общие сведения о программе11.1 Наименование программы и ее условное обозначение
  64. Программа «Оптимизация трафика в КНС (коммутаторной нейронной сети)», именуемая в дальнейшем программа.11.2 Требования комплектности и готовности программы для внедрения
  65. Программы распространяется свободно, со всей имеющейся документацией и исходным кодом11.4 Наименование исполнителя и заказчика программы Исполнитель: Степанов С.Ю.
  66. Назначение и цели создания программы
  67. Программа предназначена для группирования нейронов в группы по критерию минимизации связей между группами. Целью создания программы является получение экспериментального подтверждения работы разработанного метода и отладка работы алгоритма.
  68. Требования к разрабатываемой программе13.1 Требования к структуре программы
  69. Программа должна реализовывать координатный метод группирования нейронной сети, описанный в тексте работы.13.2 Требования к режимам функционирования программы
  70. Интерфейс программы должен быть выполнен на интуитивно понятном уровне и доступен в освоении непрофессионально подготовленному пользователю.13.3 Требование квалификации персонала для эксплуатации программы
  71. В состав обслуживающего персонала программы должны входить:1. Оператор ЭВМ2. Программист
  72. Для разработки программы был выбран продукт компании BORLAND SOFTWARE CORPORATION «DELPHI 7 ENTERPRISE», который является высокопродуктивным инструментом для создания программ.13.4.2 Microsoft Windows
  73. Для эксплуатации программы может быть использована ПЭВМ, работающая под управлением операционных систем Windows 95, Windows98/98SE, Windows ME, Windows'2000, Windows XP.13.5 Требования к техническим и программным средствам
  74. Рекомендуемые параметры системы:
  75. Операционная система: Windows ХР1. Архитектура: х86−64
  76. Частота процессора: не менее 2400 МГц
  77. Объем оперативной памяти: не менее 1536 Мб1. SVGA видеокарта1. Клавиатура1. Манипулятор мышь1. Монитор: 17″, цветной13.6 Функции персонала, обеспечивающего работоспособность программы
  78. Обеспечение функционирования программы должно осуществляться следующим персоналом:1. Оператор ЭВМ2. Программист
  79. Функцией оператора ЭВМ является проведение экспериментов по группированию нейронных сетей. Функцией программиста является внесение изменений в исходный код программы, при необходимости.
  80. Мероприятия по подготовке к внедрению программы
  81. Для запуска программы необходимо, чтобы ПЭВМ работала под управлением операционной системы семейства Windows и удовлетворяла минимальным аппаратным требованиям.
  82. Часть 2. Руководство разработчика21 Этап анализа
  83. Рис. 1. Алгоритм группирования Для группирования объектов на плоскости используется алгоритм, представленный на (рис 1).
  84. Для пошагового перемещения объектов на плоскости согласно заданию используется алгоритм, показанный на (Рис 2).
  85. Рис. 2 Алгоритм шага группирования22.2 Проектирование интерфейса пользователя
  86. Все элементы управления находятся в одном окне для обеспечения более удобного интерфейса. Каждой кнопке присвоено название, которое непосредственно указывает на ее назначение.
  87. Макет интерфейса пользователя представлен на (рис 3).1. Г" Показать связи1. Загрузить структуругруппироватьзагрузить группытекущая группа51. Размер коммутатора О1. Связи /2. до1. Связи (/2) после
  88. Рис. 3 Макет интерфейса пользователя23 Этап реализации23.1 Описание особенностей выбранного языка программирования
  89. Delphi комбинация нескольких важнейших технологий:
  90. Компилятор в машинный код, встроенный в среду программирования, обеспечивающий высокую производительность, необходимую для построения разнообразных программных приложений.
  91. Для создания интерфейса из палитры компонентов используются следующие компоненты, указанные на (рис
  92. Рис. 4. Интерфейс пользователя23.3 Листинг программыunit UnitMainO-interfaceuses
  93. Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms, Dialogs, ExtCtrls, StdCtrls. Math-type
  94. TCelll = class (TPanel) privatepublic numberX: integer- numberY: integer- end-type
  95. FB: integer- //рассчет размера квадратаamarked: array 1.PLO. of BOOL- //массив использованых позиций beginrandomize- //1. FB:=Ceil (sqrt (total))-if FB*FB < total then FB:=FB+1-zoom:=l-ic:=l-
  96. Задание положения! процедура рандомайзингаfor iy:=l to FB dobeginfor ix:=l to FB do beginversXic.:=ix*50- versY[ic]: =iy*50- ic:=ic+l- //* end-end- //конец задания положения
  97. SetLength (deltaX, total+l) — SetLength (deltaY, total+1) — a:=strtofloat (Forml .Edita.Text) — b:=strtofloat (Forml .Editb.Text) — c:=strtoint (Forml .Editc.Text) — for ic:= 1 to total do //очистка begindeltaXic.:=0- deltaY[ic]: =0- end-for ic:=l to total do begin
  98. MMM1 for ix:=l to total do begin Fp:=0- Fo:=0- Fres:=0-if Vwireic. ix]>0 then begin
  99. Fp:=a* Vwireic. [ix]- // Fp:=a- end-r:=sqrt ((versXic.-versx[ix])*(versX[ic]-versx[ix]) + (versY[ic]-versY[ix])*(versY[ic]-versY[ix])) — if (r≥c) and (K250) then begin1. Fo:=b/® — //r* 2
  100. SetLength (marked, total+1) —
  101. FileStream :=TFileStream.Create (SaveDialogmark.FileName, fmCreate or fmOpenWrite or fmShareDenyNone) — Writer := TWriter. Create (FileStream,$FF) — Writer. WriteListBegin-
  102. Writer.writeinteger (ig) — //будет переменная totalfor ic:= 1 to ig dobeginfor ix:=l to ig do begin
  103. Writer. WriteSingle (remadearrayic. ix]) — end- end-foric:=l toigdo //количества элементов begin
  104. Writer. WriteSingle (remadearray0. ic]) — end- II*
  105. Writer.writeinteger (total) — //общее количество for ic:=l to total do begin
  106. Writer. writeinteger (markedic.) — end-запись основного массива связейfor ic:=l to total dobeginfor ix:=l to total do begin
  107. Writer. writesingle (V wireic. ix]) — end- end-
  108. Forml .Edit3 .Text:=inttostr (links) — end-end-procedure TForml. ButtonLoadClick (Sender: TObject) — var ij? integer-
  109. FileStream: TFileStream- Reader: TReader- beginif OpenDialogl. Execute thenbegin
  110. FileStream:=TFileStream.Create (OpenDialogl .FileName, fmOpenRead) — Reader := TReader. Create (FileStream, $FF) — Reader. ReadListBegin-total:=Reader.readinteger- for i:=l to total do beginfor j:=l to total do begin
  111. Vwirefi. j] :=Reader.ReadSingle- end- end-
  112. Reader.ReadListEnd- Reader. Destroy- FileStream. Destroy- end-for i:=l to total do begin
  113. Vwire1.i.:=l- //количество нейронов, приписаных элементу end-if total>0 then begin
  114. Vwire1.|j.:=AGPi][j]- end- end- end-if cur>0 then begin ic:=0- ix:=0-total:=ceil (AGPcur. cur]) — for i:=l to elements do beginif metka1.=cur then begin ic:=ic+l-for j:=l to elements do beginif metkaj.=cur then begin ix:=ix+l-
  115. Vwireic. [ix] :=VRE1. [j]- end- end- ix:=0- end- end- end- end-procedure TForml. ButtonLzspClick (Sender: TObject) — var i, j-.integer-
  116. FileStream: TFileStream- Reader: TReader- beginif OpenDialog2. Execute then begin
  117. FileStream:=TFileStream.Create (OpenDialog2.FileName, fmOpenRead) — Reader := TReader. Create (FileStream, $FF) — Reader. ReadListBegin-grp:=Reader.ReadInteger- SetLength (AGP, grp+l, grp+l) — for i:=l to grp do beginfor j:-l to grp do begin
  118. AGP1.j.:=Reader.ReadSingle- end- end-for i:= 1 to grp do begin
  119. VRE1.j.:=Reader.ReadSingle- end- end-
  120. Reader.ReadListEnd- Reader. Destroy- FileStream. Destroy- end-if (grp>0) and (elements>0) then begin
  121. Forml.ButtonGenerate.Enabled:=True- Forml.EditGROUP.Text:='0'-
  122. Forml .Use- //задать основной массив связей для рассчетов Forml. PlaceField-
  123. Forml .ButtonNgp.Enabled:=True- end- end-procedure TForml. ButtonPgpClick (Sender: TObject) — begin
  124. Forml .EditGROUP.Text:=inttostr (strtoint (Forml .EditGROUP.Text)-1) — Forml.ButtonNgp.Enabled:=True- if Forml.EditGROUP.Text='0' then begin
  125. Forml .ButtonPgp.EnabIed:=False- end-
  126. Forml.Use- Forml. PlaceField-end- //*#***procedure TForml. ButtonNgpClick (Sender: TObject) — begin
  127. Forml.EditGROUP.Text:=inttostr (strtoint (Forml.EditGROUP.Text)+l) — Forml.ButtonPgp.Enabled:=True- if strtoint (Forml .EditGROUP.Text)≥grp then begin
  128. Forml.EditGROUP.Text:=inttostr (grp) — Forml.ButtonNgp.Enabled:=False- end-
  129. Forml.Use- Form 1. PlaceField- end-end. //конец программы
Заполнить форму текущей работой

Заказал и сдал!