Шпаргалка по "Системный анализ"

  Модели структуры отображают связи между компонентами объекта и внешней средой и подразделяются на:

- канонические модели, характеризующие взаимодействие объ­екта с окружением через входы и выходы:

- модели внутренней структуры, характеризующие состав компо­нентов объекта и связи между ними;

- модели иерархической структуры (дерево системы), в которых объект расчленяется на элементы более низкого уровня, действия ко­торых подчинены интересам целого.

Модели структуры обычно представлены в виде блок-схем, реже графов и матриц связей.

  Модели функционирования включают широкий спектр симво­лических моделей:

- модели жизненного цикла системы, описывающие процессы существования систем от зарождения замысла их создания до пре­кращения функционирования;

- модели операций, выполняемых объектами и представляющих описание взаимосвязанной совокупности процессов функционирова­ния отдельных элементов объекта при реализации тех или иных функ­ций объектов;

- информационные модели, отображающие во взаимосвязи ис­точники и потребителей информации, виды информации, характер ее преобразования, а также временные и количественные характеристики данных;

- процедурные модели, описывающие порядок взаимодействия элементов исследуемого объекта при выполнении различных опера­ций, в частности, реализации процедур принятия управленческих ре­шений;

- временные модели, описывающие процедуру функционирова­ния объектов во времени и распределение ресурса "время" по отдель­ным компонентам объекта.

   Стоимостные модели, как правило, сопровождают модели функционирования объекта и по отношению к ним вторичны. Их со­вместное использование позволяет проводить комплексную технико-экономическую оценку объекта или его оптимизацию по экономиче­ским критериям.

В зависимости от степени формализации связей между фак­торами различают аналитические и алгоритмические модели.

   Аналитические модели предполагают запись математической модели в виде алгебраических уравнений и неравенств, не имеющих разветвлений вычислительного процесса, при определении значений любых переменных, состояния модели, целевой функции и уравнений связи.

  Алгоритмические модели описывают критерии и ограничения математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса. Они приме­няются, когда модель сложной системы гораздо легче построить в ви­де алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логиче­ских условий - разветвлений хода течения процесса. Тематическое описание для элементов может быть очень простым, однако взаимо­действие большого количества простых, по математическому описа­нию, элементов позволяет описать сложность системы.

  В зависимости от наличия случайных факторов различают стохастические и детерминированные модели.

   В детерминированных моделях ни целевая функция, ни уравне­ния связи не содержат случайных факторов и для данного множества выходных значений модели, может быть получен один-единственный результат.

  Для стохастических моделей характерно наличие факторов, ко­торые имеют вероятностную природу и характеризуются какими-либо законами распределения, а среди функций могут быть и случайные. Значения выходных характеристик в таких моделях могут быть пред­сказаны только в вероятностном смысле. Реализация таких моделей в большинстве случаев осуществляется методами имитационного мо­делирования.

   В зависимости от фактора времени различают динамические и статические модели.

   Модели, в которых входные факторы, а, следовательно, и ре­зультаты моделирования явно зависят от времени, называются дина­мическими, а модели, в которых зависимость от времени либо отсут­ствует совсем, либо проявляется слабо или неясно, называются ста­тическими.

36. структура и процесс моделирования содержание этапов.

  Моделирование систем - это метод, с помощью которого, варь­ируя в эксперименте потоки материалов или предметов через опера­ции или процессы, можно определить влияние изменений различных переменных в системе. Моделирование представляет собой средство опытной проверки идей и представлений в условиях, которые невоз­можно было бы создать для реального эксперимента, учитывая свя­занные с этим затраты, время и риск. Это метод накопления опыта и обучения, результатом которого может быть разработка новой и луч­шей системы, оценка нескольких альтернативных систем или нахож­дение лучшего способа функционирования заданной системы. Моде­лирование по существу своему является заменой практического опы­та, который иначе был бы слишком дорог, продолжителен и рискован.  Может оказаться, что специалисты моделирования, накопившие успешный опыт его применения, ориентируются в методике, но не ориентируются в постановке проблемы или в возможностях, имею­щихся в той или иной области. Они склонны применять эту методику независимо от того, существует ли сама проблема или возможность практического ее решения. Необходимо помнить, что моделирование систем представляет собой орудие исследования, и никто не может заранее предсказать, какими методами выразить лучшее понимание системы. Суждение от­носительно целесообразности усилий, направленных на создание мо­дели системы, должно основываться на рассматриваемой системе и ясном представлении, что в некоторых случаях эти усилия могут дать лишь незначительный результат. Процесс моделирования обязательно включает и построение аб­стракций и умозаключения по аналогии и конструирование новых сис­тем. Основная особенность моделирования в том, что это метод опо­средованного познания с помощью объектов заменителей. Модель выступает как своеобразный инструмент познания, который исследо­ватель ставит между собой и объектом и с помощью которого изучает интересующий его объект.  Процесс моделирования включает три элемента: субъект (ис­следователь); объект исследования; модель, опосредующая отноше­ние познающего субъекта и познаваемого объекта. Первый этап моделирования - построение модели. Он пред­полагает наличие некоторых знаний об объекте - оригинале. На этом этапе важен вопрос о необходимой и достаточной мере сходства ори­гинала и модели. Любая модель замещает оригинал лишь в строго ог­раниченном смысле, и изучение одних сторон моделируемого объекта осуществляется ценой отказа от отражения других сторон. Из этого следует, что для одного объекта может быть построено несколько специализированных моделей, концентрирующих внимание на опре­деленных сторонах исследуемого объекта ила же характеризующих объект с разной степенью детализации.

При разработке модели должны соблюдаться следующие прин­ципы:

1. Принцип компромисса между ожидаемой точностью резуль­татов моделирования и сложностью модели. В соответствии с этим принципом в процессе создания модели устанавливается разумный компромисс с использованием критерия "точность модели - затраты на создание модели". 2. Принцип баланса, точности требует соразмерности систе­матической погрешности моделирования и случайной погрешности в задании параметров описания. Этот принцип устанавливает требова­ние соответствия между точностью исходных данных и точностью мо­дели, между точностью отдельных элементов модели, между система­тической погрешностью модели и случайной погрешностью при интер­претации и усреднении результатов. 3. Принцип разнообразия элементов модели, в соответствии с которым количество элементов должно быть достаточным для прове­дения конкретных исследований 4. Принцип наглядности модели трактует, что при прочих рав­ных условиях модель, которая привычна, удобна, построена на обще­принятых терминах, обеспечивает, как правило, более значительные результаты, чем менее удобная и наглядная 5. Принцип блочного представления модели. Для его реали­зации следует соблюдать следующие правила:

- обмен информацией между блоками должен быть минималь­ным;

- блок модели, мало влияющей на интерпретацию результатов моделирования, является несущественным и подлежащим удалению;

- блок модели, осуществляющий взаимодействие с исследуемой частью системы, можно заменить множеством упрощенных эквивален­тов, не зависящих от исследуемой части, при этом моделирование проводится в нескольких вариантах по каждому упрощенному эквива­ленту;

- при упрощении блока, воздействующего на исследуемую часть системы, следует рассмотреть возможность прямого упрощения замк­нутого контура без разрыва обратной связи. Для этого блок заменяют вероятным эквивалентом с оценкой его статистических характеристик, полученных путем автономного исследования упрощенного блока;

- замена блока воздействиями, наихудшими по отношению к ис­следуемой части системы Прежде чем использовать модель необходимо в процессе ис­следования проверить, отвечает ли она предъявляемым требованиям:

- полноты, адаптивности, возможности включения достаточно широких изменений;

- быть достаточно абстрактной, чтобы допускать варьирование большим числом переменных. Вместе с тем при стремлении к абст­рактности необходимо контролировать, чтобы не были утеряны физи­ческий смысл и возможность оценки полученных результатов;

- быть ориентированной на реализацию с помощью существую­щих технических средств, то есть должна быть осуществлена на имеющемся уровне развития техники с учетом ограничений конкретно­го исследователя;

- удовлетворять требованиям и условиям, ограничивающим время решения задачи. При исследовании в реальном масштабе вре­мени допустимое время решения определяется ритмом функциониро­вания объекта при нештатных ситуациях;

- обеспечивать получение полезной информации об объекте для решения поставленных задач исследования. В качестве непременных требований к исследовательским моделям выступают обеспечение заданной достоверности, точности результата при минимальных за­тратах на их разработку.  В социально-экономических системах ин­формация, полученная с помощью модели, должна обеспечить расчет значений и позволить определить шаги поиска оптимального решения;

- по возможности строиться с использованием общепринятой терминологии;

- предусматривать возможность проверки соответствия ее ориги­налу, проверки адекватности;

- обладать устойчивостью по отношению к ошибкам в исходных данных. Это требование особенно важно в условиях низкой точности исходных данных.

  Второй этап моделирования - изучение модели. Здесь мо­дель выступает как состоятельный объект исследования. Одной из форм такого исследования является проведение экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные о ее поведении. Конечным результатом этого этапа является совокупность знаний о модели. Третий этап моделирования - перенос знаний с модели на оригинал. Этот процесс проводится по определенным правилам. Зна­ния о модели должны быть скорректированы с учетом тех свойств объекта - оригинала, которые не нашли отражения или были измене­ны при построении модели. Четвертый этап моделирования - практическая проверка по­лученных с помощью модели знаний и их использование при построении обобщенной теории объекта, его преобразования или управления им. В итоге происходит возвращение к проблематике реального объекта. Моделирование представляет собой циклический процесс. Это оз­начает, что за первым четырехэтапным циклом может последовать вто­рой, третий и т.д. При этом знания об исследуемом объекте расширяют­ся, а исходная модель постепенно совершенствуются. Недостатки, об­наруженные после первого цикла моделирования, обусловленные ма­лым знанием объекта и ошибками в построении модели, можно испра­вить в последующих циклах. Таким образом, в методологии моделиро­вания заложены большие возможности саморазвития.

37  Имитационное моделирование в исследовании и управлении

   Идея метода имитационного моделирования состоит в том, что вместо аналитического описания взаимосвязей между входами, со­стояниями и выходами строят алгоритм, отображающий последова­тельность развития процессов внутри исследуемого объекта, а затем "проигрывают" поведение объекта на ЭВМ. Следует отметить, что по­скольку для имитационного моделирования зачастую требуются большие выборки статистических данных, поэтому издержки, связан­ные с имитацией, почти всегда высоки по сравнению с расходами, не­обходимыми для решения задач на небольшой аналитической модели. Нужно сопоставлять затраты с ценностью информации, которую ожи­дают получить.

Имитационная модель - вычислительная процедура, формали­зовано описывающая изучаемый объект и имитирующая его поведе­ние. При ее составлении нет необходимости упрощать описание явле­ния, отбрасывая даже существенные детали, чтобы втиснуть его в рамки модели, удобной для применения тех или иных известных ма­тематических методов анализа. По своей форме имитационная мо­дель является логико-математической (алгоритмической), выраженной на языках математики и логики.

Имитационные модели, являющиеся особым классом математи­ческих моделей, принципиально отличаются от аналитических тем, что использование ЭВМ в процессе их реализации играет определяющую роль. Имитационные модели не накладывают жестких ограничений на используемые исходные данные, позволяют в процессе исследования использовать всю собранную информацию вне зависимости от ее формы представления и степени формализации.

   Имитационная модель строится по аналогии с объектом иссле­дования. Элементы могут описываться произвольно выбранными ис­следователем методами. Различают два вида имитационных моде­лей:

- детерминированные - модели с фиксированными входными параметрами и параметрами модели;

- статистические, в которых входные параметры и параметры модели имеют случайные значения.

  Имитационные модели как подкласс математических моде­лей можно классифицировать на статические, динамические и стохастические; дискретные и непрерывные.

  Порядок построения имитационной модели и ее исследование включают следующие этапы.

1. Определение системы - установление границ, ограничений и измерителей эффективности системы, подлежащей изучению.

2. Формирование модели - переход от реальной системы к неко­торой логической схеме (абстрагирование).

3. Подготовка данных - отбор данных, необходимых для построе­ния модели, и представление их в соответствующей форме.

4. Трансляция модели - описание модели на языке, приемлемом для используемой ЭВМ.

5. Оценка адекватности - повышение до приемлемого уровня степени уверенности, с которой можно судить о корректности выводов, полученных на основании модели о реальной системе.

6. Стратегическое планирование и планирование эксперимента, который должен дать необходимую информацию.

7. Тактическое планирование - определение способа проведения каждой серии испытаний, предусмотренных планом эксперимента.

8. Экспериментирование - процесс осуществления имитации с целью получения желаемых данных и анализа чувствительности.