Введение……………………………………………………………………….Стр.

1. Основы этапы и цели моделирования……………………… Стр.

1.1. Постановка цели моделирования……………………………………….Стр.

1.2. Идентификация реальных объектов...................................... Стр.

1.3. Выбор вида моделей……………………………………………………Стр.

1.4. Выбор математической схемы………………………………………….Стр.

2. Построение непрерывно-стахостической модели…… Стр.

2.1. Основные понятия теории массового обслуживания………………. Стр.

2.2. Определение потока событий……………………………………………Стр.

2.3. Постановка алгоритмов ……………………………..………………….Стр.

3. Программная реализация модели………………………….… Стр.

3.1. Оптимизация алгоритма………………………………..……………….Стр.

3.2. Листинг программы………..……………………………………………Стр.

Вывод…………………………………………………………………………Стр.

Список используемой литературы……………………………….. Стр.

Приложение…………………………………………………………………..Стр.

Введение

Современное состояние общества характеризуется внедрением достижений научно-технического прогресса во все сферы деятельности. Переживаемый в настоящее время этап развития является этапом информатизации. Информатизация - это процесс создания, развития и все­общего применения информационных средств и технологий, обеспечивающих кардинальное улучшение качества труда и условий жизни в обществе. Информатизация тесно связана с внедрением информационно-вычислительных систем, с повышением уровня автоматизации орга­низационно-экономической, технологической, административно-хозяй­ственной, проектно-конструкторской, научно-исследовательской и других видов деятельности. Создание сложных технических систем, проектирование и управление сложными комплексами, анализ экологической ситуации, особенно в условиях агрессивного техногенного воздействия, исследование социальных проблем коллективов, планирование развития регионов и многие другие направления деятельности требуют организации исследований, которые имеют нетрадиционный характер. По ряду специфических признаков все перечисленные объекты прикладной деятельности обладают свойствами больших систем. Таким образом, в различных сферах деятельности приходится сталкиваться с понятиями больших или сложных систем.

В разных сферах практической деятельности развивались соответствующие методы анализа и синтеза сложных систем. Системность стала не только теоретической категорией, но и аспектом практической деятельности. Ввиду того, что сложные системы стали предметом изучения, проектирования и управления, потребовалось обобщение методов исследования систем. Появилась объективная необходимость в возникновении прикладной науки, устанавливающей связь между абстрактными теориями системности и системной практикой. В последнее время это движение оформилось в науку, которая получила название «системный анализ».

Особенности современного системного анализа вытекают из самой природы сложных систем. Имея в качестве цели ликвидацию проблемы или, как минимум, выяснение ее причин, системный анализ привлекает для этого широкий спектр средств, использует возможности различных наук и практических сфер деятельности. Являясь по существу прикладной диалектикой, системный анализ придает большое значение методологическим аспектам любого системного исследования. С другой стороны, прикладная направленность системного анализа приводит к необходимости использования всех современных средств научных исследований - математики, вычислительной техники, моделирования, натурных наблюдений и экспериментов.

Системный анализ является меж- и наддисциплннарным курсом, обобщающим методологию исследования сложных технических, природных и социальных систем. Для проведения анализа и синтеза сложных систем используется широкий спектр математических методов. Основу математического аппарата данной дисциплины составляют линейное и нелинейное программирование, теория принятия решений, теория игр, имитационное моделирование, теория массового обслуживания, теория статистических выводов и т.п.

Основы цели, проблемы и этапы моделирования

Основная общая цель моделирования заключается в наблюдении за системой, подверженной воздействию внешних или внутренних факторов при достижении системой определенного состоянии, которое может быть как задано, так и неизвестно, из-за отсутствия информации или по каким либо иным причинам. Моделирование позволяет определить сможет ли система функционировать при таких условиях или нет, во время этого перехода. В зависимости от реальной модели и цели расширяются и конкретизируются.

Определение качества функционирования большой системы, выбор оптимальной структуры и алгоритма поведения, построение системы в соответствие с поставленной перед ней целью - главная проблема при проектировании современных больших систем (в том числе и АСУ, САПР, АСНI).

Поэтому, моделирование - один из методов, которые используются при проектировании и исследовании больших систем. Моделирование осуществляется через эксперимент - процедуру организации и наблюдения каких-нибудь явлений, которые осуществляются в условиях, близким к действительным, или имитируют их.

Различают два типа экспериментов:

1. пассивный, когда исследователь наблюдает процесс, не вмешиваясь в него;

2. активный, когда наблюдатель вмешивается и организовывает прохождение процесса.

В основе моделирования лежат информационные процессы:

Создание модели Mбазируется на информации о реальном объекте;

При реализации модели получается информация о данном объекте;

В процессе эксперимента с моделью вводится управляющая информация;

Полученные данные обрабатываются.

Как объект моделирования мы рассматриваем сложные организационно-технические системы, которые относятся к классу больших систем.

Модель М такой системы так же становится частью системы S(M) и может относиться к классу больших систем.

Следует также заметить, что модель большой системы описывается следующими критериями:

1. ЦЕЛЬ ФУНКЦИОНИРОВАНИЯ. Определяет степень целенаправленности поведения модели М. Модели делятся на одноцелевые (для решения одной задачи) и многоцелевые (рассматривают ряд сторон объекта).

2. СЛОЖНОСТЬ. Оценивается числом элементов и связей между ними, иерархию связей, множеством входов и выходов и т.д.

3. ЦЕЛОСТНОСТЬ. Модель М, которая создается, является одной целостной системой S(M), включает в себя большое количество составных частей (экспериментов), которые находятся в сложной взаимосвязи. Характеризуется появлением новых свойств, отсутствующих у элементов (эмерджентность).

4. НЕОПРЕДЕЛЕННОСТЬ. Проявляется в системе: по состоянию системы, возможности достижения поставленной цели, методом решения задач, достоверности исходной информации и т.д. Главная характеристика неопределенности это такая мера информации как энтропия.

5. ПОВЕДЕНЧЕСКАЯ КАЗНЬ. Позволяет оценить эффективность достижения системой S поставленной цели. Применяя к М, позволяет оценить эффективность М и точность, и достоверность результатов.

6. АДАПТИВНОСТЬ. Это свойство высокоорганизованной системы. Благодаря ей S адаптируется к внешним раздражителям в широком диапазоне изменения действий Е. Применяя к модели М важна ее адаптация к внешним условиям, близким к реальным, а также вопрос существования М, и ее живучести и надежности.

7. ОРГАНИЗАЦИОННАЯ СТРУКТУРА СИСТЕМЫ МОДЕЛИРОВАНИЯ. Зависит от сложности модели и степени совершенствования средств моделирования. Одним из главных достижений в области моделирования - это возможность использования имитационных моделей для проведения машинных экспериментов.

Здесь нужны:

Оптимальная организационная структура комплекса технических средств

Информационного

Математического и программного обеспечения системы моделирования S`(М)

Оптимальная организация процесса моделирования (время моделирования и точность результата).

8. УПРАВЛЯЕМОСТЬ МОДЕЛИ. Необходимо обеспечить управление со стороны экспериментаторов при имитации разных условий прохождения процесса. Управляемость S связана со степенью автоматизации моделирования (программные средства и средства диалога).

9. ВОЗМОЖНОСТЬ РАЗВИТИЯ МОДЕЛИ. Современный уровень науки и техники позволяет создавать мощные системы моделирования S(M) для исследования многих сторон функционирования реального объекта. Необходимо предвидеть возможность развития S(M) как по горизонтали, расширяя спектр изучаемых функций, так и по вертикали, расширяя число подсистем.

В целом проблема моделирования сложной системы - это комплекс сложных научно-технических задач.

При создании рассматривают следующие основные этапы:

Определение цели моделирования;

Идентификация реальных объектов;

Выбор вида моделей;

Построение моделей и их машинная реализация

Взаимодействие исследователя с моделью в ходе машинного эксперимента

Проверка правильности полученных в ходе моделирования результатов

Определение главных закономерностей, исследуемых при моделировании

Теперь же перейдем непосредственно к созданию модели по конкретно поставленному заданию.

Постановка цели моделирования

Постановка задачи, построение содержательной модели - творческий процесс, основанный на возможностях и знаниях исследователя, базируется на эвристике.

Изучив задание, можно выделить следующие цели создания модели:

1. Определение производительности второго цикла обработки деталей;

2. При каком условии возможно повышение загрузки второго станка и снижение уровня задела на втором цикле обработки;

Идентификация реальных объектов

На этом этапе осуществляется определение основных элементов реальной системы, и привязка их к образным понятиям модели с дальнейшим конкретизированием и конвертированием в математическое представление на стадии расширения алгоритма программной реализации.

Общая цель моделирования подчинена цели любых естественно-научных исследований – прогнозировать результаты предстоящих экспериментов (в том числе результаты эксплуатации любых устройств и систем).

1. Обеспечить поддержку принятия решений при решении тактических и стратегических задач управления. Существует иерархия задач управления технологическими комплексами. На верхнем уровне решаются задачи планирования производства, материально-технического снабжения и реализации продукции. На нижележащих уровнях иерархии решаются задачи распределения программы выпуска продукции на весь плановый период, задачи календарного планирования и текущего управления. Этой иерархии задач соответствует иерархия математических моделей.

Успех управления в значительной мере зависит от возможности и своевременности использования информации на всех организационных уровнях.

Стратегические задачи связаны с созданием новых или реконструкцией существующих объектов. Тактические задачи связаны с изменением технологических режимов и решаются при условии, что структура объекта сохраняется.

Например, математические модели, поддерживающие решения стратегических задач, позволяют прогнозировать развитие проектируемого предприятия и разрабатывать меры, направленные на предотвращение, ликвидацию или ограничение опасных последствий горных работ.

Основной чертой современных информационных систем является обилие информации, вследствие чего возрастает значение ее адекватного отбора.

Совместно обрабатывая разнородную информацию (результаты экспресс-контроля, показания датчиков, результаты экспертных оценок), необходимо осуществить селекцию (отбор) той информации, которая совместима с известными закономерностями процесса, имеющими, например, вид аналитических моделей.

Качественная и количественная селекция информации позволяет повысить эффективность управления.

Таким образом, математическая модель выполняет роль связующего элемента всей информации о ходе исследуемого процесса и позволяет ответить на следующие вопросы.

Какова существующая технологическая ситуация? Ответ на этот вопрос требует интерпретации потока сообщений, поступающих от объекта, и отнесения существующей ситуации к определенному классу.

Какие ресурсы необходимы для ведения процесса на прогнозируемом интервале времени?

Как нужно изменить технологический режим для предотвращения аварийных ситуаций и оптимизации технологического режима? Ответ на последний вопрос подразумевает наличие прогнозирования развития технологической ситуации и знание соответствующих регулировочных характеристик.

2. Заменить недопустимые на реальном объекте опыты экспериментами на его модели. Модели реальных объектов издавна используются в науке и технике для проверки идей, отработки гипотез, получения экспериментального материала. Так, при проектировании карьера возникает задача определения его глубины и конечных границ. Для решения этой задачи необходима математическая модель месторождения, позволяющая из различных вариантов выбрать оптимальный, исходя из минимизации затрат на разработку всех запасов руды. При этом мы заменяем недопустимые на реальном объекте опыты вычислительными экспериментами на его модели. Необходимым условием успешности такого подхода является соответствие модели реальному объекту.

3. Свести исследование реального, “нематематического” объекта к решению математической задачи. Такое сведение открывает возможность использования для изучения реального объекта хорошо разработанного математического аппарата и мощной вычислительной техники. Необходимо отметить, что математические модели – это не только уравнения математической задачи, но и условия их применимости.

Уместно напомнить девиз британского Королевского научного общества: “Ничего словами!” Все научные положения должны основываться на математических доказательствах и подтверждаться результатами экспериментов.

Математическая модель – это всегда приближенное, упрощенное представление объекта. Отсюда следует, что моделей, характеризующих один и тот же объект с одних и тех же позиций, может быть много и можно говорить о “хороших” и “плохих” моделях с точки зрения определенных критериев.

Всякая математическая модель является схемой исследуемого явления, из которой с помощью формальной логики можно извлекать следствия, касающиеся свойств этого явления.

4. Получить эффективный инструмент исследования сложных систем. Математическое моделирование является эффективным инструментом исследования сложных систем. Один из основоположников применения математических методов в биологии А. А. Ляпунов считал, что “это единственная возможность отчетливого совместного рассмотрения ряда одновременно протекающих процессов и выбора разумного способа вмешательства в их течение, т. е. управления ими”.

5. Обобщить знания, накопленные об объекте. Модели служат как бы аккумуляторами знаний об объектах.

С помощью моделей можно имитировать функционирование и прогнозировать будущие свойства объектов или их свойства в новых, ранее не описанных ситуациях. Моделирование позволяет сократить число необходимых опытов и наблюдений и более четко интерпретировать их результаты.

Модели выполняют особую смыслообразующую роль в системе научного знания. Если модель адекватна реальному объекту, то это свидетельствует с большой вероятностью о том, что мы правильно понимаем процессы, происходящие в реальном объекте.

Создавая модель, исследователь “познает” систему , т. е. выделяет ее из окружающей среды и строит ее формальное описание в соответствии с поставленными целями, задачами и имеющимися возможностями.

Важнейшей характеристикой математической модели является ее проблемная ориентированность , т. е. математическая модель всегда ориентирована на решение определенных проблем, например, повышение стабильности качественных характеристик товарной продукции, снижение потерь, повышение надежности и т. д. Назвав проблему, мы определяем систему выходных переменных (показателей процесса).

Разнообразие целей моделирования хорошо иллюстрируется перечнем задач, связанных с бизнес-процессами, когда требуется получить описание финансовых, производственных, логистических и маркетинговых характеристик затрат, доходов, прибыли, инвестиций, производственных мощностей, каналов снабжения и сбыта, процессов, функций, информационных потоков, организационных структур и т. д.

Средства построения моделей определяются видами моделей и пристрастиями разработчика. Так, язык IDEF0 используется для описания связи функций друг с другом по входам, выходам, контролю и исполнению. Модели “сущность – связь” используют для описания параметров объекта и взаимозависимости между ними для проектирования БД. Потоковые модели (Data Flow Diagrams) предназначены для описания связей функциональной и информационной моделей – какие функции, какими потоками данных управляют.

При использовании метода моделирования свойства и поведение объекта изучают путем применения вспомогательной системы – модели, находящейся в определенном объективном соответствии с исследуемым объектом.

Под объектом исследования понимается либо некоторая система, элементы которой в процессе достижения конечной цели реализуют один или несколько процессов, либо некоторый процесс, реализуемый элементами одной или нескольких систем. В связи с этим в дельнейшем тексте термины «модель объекта», «модель системы», «модель процесса» следует воспринимать как эквивалентные.

Представления о тех или иных свойствах объектов, их взаимосвязях формируются исследователем в виде описания этих объектов на обычном языке, в виде рисунков, графиков, формул или реализуются в виде макетов и других устройств. Подобные способы описания обобщаются в едином понятии – модель , а построение и изучение моделей называетсямоделированием .

Заслуживает предпочтения следующее определение: модель – объект любой природы, который создается исследователем с целью получения новых знаний об объекте-оригинале и отражает только существенные (с точки зрения разработчика) свойства оригинала.

Модель считается адекватной объекту-оригиналу, если она с достаточной степенью приближения на уровне понимания моделируемого процесса исследователем отражает закономерности процесса функционирования реальной системы во внешней среде.

Модели позволяют вынести упрощенное представление о системе и получить некоторые результаты намного проще, чем при изучении реального объекта. Более того, гипотетически модели объекта могут быть исследованы и изучены перед тем, как объект будет создан.

В практике исследования производственно-экономических объектов модели могут применяться для самых разных целей, что вызывает использование моделей различных классов. Построение одной-единственной математической модели для сложной производственной системы практически не представляется возможным без разработки вспомогательных моделей. Поэтому, как правило, при создании конечной математической модели исследуемого объекта строят частные вспомогательные модели, отражающие ту или иную информацию об объекте, имеющуюся у разработчика на данном этапе построения модели.

В основе моделирования лежит теория подобия , которая утверждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании абсолютное подобие не имеет места и стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функционирования объекта.

Классификационные признаки. В качестве одного из первых признаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели в соответствии с этим признаком на полные, неполные и приближенные. В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве. Для неполного моделирования характерно неполное подобие модели изучаемому объекту. В основе приближенного моделирования лежит приближенное подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем. Классификация видов моделирования системS приведена на рис.1.1.

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерминированные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные.Детерминированное моделирование отображает детерминированные процессы, т.е. процессы, в которых предполагается отсутствие всяких случайных воздействий;стохастическое моделирование отображает вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т.е. набор однородных реализаций.Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, адинамическое моделирование отражает поведение объекта во времени.Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерывное моделирование позволяет отразить непрерывные процессы в системах, адискретно-непрерывное моделирование используется для тех случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.

В зависимости от формы представления объекта (системы S ) можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным способом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне условий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому эксперименту. Мысленное моделирование может быть реализовано в виде наглядного, символического и математического.

Рис. 1.1. Классификация видов моделирования систем

При наглядном моделировании на базе представлений человека о реальных объектах создаются различные наглядные модели, отображающие явления и процессы, протекающие в объекте. В основугипотетического моделирования исследователем закладывается некоторая гипотеза о закономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Гипотетическое моделирование используется, когда знаний об объекте недостаточно для построения формальных моделей.

Аналоговое моделирование основывается на применении аналогий различных уровней. Наивысшим уровнем является полная аналогия, имеющая место только для достаточно простых объектов. С усложнением объекта используют аналогии последующих уровней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта.

Существенное место при мысленном наглядном моделировании занимает макетирование . Мысленный макет может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте. Если ввести условное обозначение отдельных понятий, т.е. знаки, а также определенные операции между этими знаками, то можно реализоватьзнаковое моделирование и с помощью знаков отображать набор понятий – составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

В основе языкового моделирования лежит некоторый тезаурус. Последний образует из наборов входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные различия. Тезаурус – словарь, который очищен от неоднозначности, т.е. в нем каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному слову могут соответствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью определенной системы знаков и символов.

Математическое моделирование. Для исследования характеристик процесса функционирования любой системыS математическими методами, включая и машинные, должна быть проведена формализация этого процесса, т.е. построена математическая модель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и задач исследования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближения к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на аналитическое, имитационное и комбинированное.

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегродифференциальных, конечно-разностных и т.п.) или логических условий.Аналитическая модель может быть исследована следующими методами: а) аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик; б) численным, когда, не умея решать уравнения в общем виде, стремятся получить числовые результаты при конкретных начальных данных; в) качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения).

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы S . Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимыми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели, чтобы иметь возможность изучить хотя бы общие свойства системы. Такое исследование на упрощенной модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим методом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.

В отдельных случаях исследования системы могут удовлетворить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие качественные методы широко используются, например, в теории автоматического управления для оценки эффективности различных вариантов систем управления.

В настоящее время распространены методы машинной реализации исследования характеристик процесса функционирования больших систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирующий алгоритм.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системыS во времени, причем имитируются элементарные явления, составляющие процесс с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системыS .

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование – наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапах ее проектирования.

Когда результаты, полученные при воспроизведении на имитационной модели процесса функционирования системы S , Являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведение с последующей статистической обработкой информации и целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования. Первоначально был разработан метод статистических испытаний, представляющий собой численный метод, который применялся для моделирования случайных величин и функций, вероятностные характеристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т.е. появился метод статистического моделирования. Таким образом,методом статистического моделирования будем в дальнейшем называть метод машинной реализации имитационной модели, аметодом статистических испытаний (Монте-Карло) – численный метод решения аналитической задачи.

Метод имитационного моделирования позволяет решать задачи анализа больших систем S , включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.

При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алгоритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска варианта системы. Бале в методологии машинного моделирования будем различать два основных раздела: статику и динамику, – основным содержанием которых являются соответственно вопросы анализа и синтеза систем, заданных моделирующими алгоритмами.

Комбинированное (аналитико-имитационное) моделирование при анализе и синтезе систем позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели. Такой комбинированный подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного моделирования в отдельности.

Другие виды моделирования . Приреальном моделировании используется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т.п.). Реальное моделирование является наиболее адекватным, но при этом его возможности с учетом особенностей реальных объектов ограничены. Например, проведение реального моделирования АСУ предприятием потребует, во-первых, создания такой АСУ, а во-вторых, проведения экспериментов с управляемым объектом, т.е. предприятием, что в большинстве случаев невозможно.

К основным разновидностям реального моделирования относятся:

Натурное моделирование , под которым понимают проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. При функционировании объекта в соответствии с поставленной целью удается выявить закономерности протекания реального процесса. Необходимо отметить, что такие разновидности натурного эксперимента, как производственный эксперимент и комплексные испытания, обладают высокой степенью достоверности.

Физическое моделирование отличается от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием.

С точки зрения математического описания объекта и в зависимости от его характера модели можно разделить на модели аналоговые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные). Под аналоговой моделью понимается модель, которая описывается уравнениями, связывающими непрерывные величины. Подцифровой понимается модель, которая описывается уравнениями, связывающими дискретные величины, представленные в цифровом виде. Поданалого-цифровой понимается модель, которая может быть описана уравнениями, связывающими непрерывные и дискретные величины.

Особое место в моделировании занимает кибернетическое моделирование , в котором отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Чаще всего при использовании кибернетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения имитационной модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести на имитационной модели данную функцию, причем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса.

Целевое назначение модели. По целевому назначению модели подразделяются на модели структуры, функционирования и стоимостные (модели расхода ресурсов).

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

каноническую модель , характеризующую взаимодействие объекта с окружением через входы и выходы;

модель внутренней структуры , характеризующую состав компонентов объекта и связи между ними;

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

Модель структуры обычно представляется в виде блок-схемы, реже графов и матриц связей.

Модели функционирования включают широкий спектр символических моделей, например:

модель жизненного цикла системы, описывающая процессы существования системы от зарождения замысла ее создания до прекращения функционирования;

модели операций, выполняемых объектом и представляющих описание взаимосвязанной совокупности процессов функционирования отдельных элементов объекта при реализации тех или иных функций объекта. Так, в состав моделей операций могут входить модели надежности, характеризующие выход элементов системы из строя под влиянием эксплуатационных факторов, и модели живучести факторов, характеризующие выход элементов системы из строя под влиянием целенаправленного воздействия внешней среды;

информационные модели, отображающие во взаимосвязи источники и потребители 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, например обработки материалов, деятельности персонала, использования информации, в том числе и реализации процедур принятия управленческих решений;

временные модели, описывающие процедуру функционирования объекта во времени и распределение ресурса «время» по отдельным компонентам объекта.

Стоимостные модели, как правило, сопровождают модели функционирования объекта и по отношению к ним вторичны, «питаются» от них информацией и совместно с ними позволяют проводить комплексную технико-экономическую оценку объекта или его оптимизацию по экономическим критериям.

При анализе и оптимизации производственно-экономических объектов проводится объединение построенных математических функциональных моделей с математическими стоимостными моделями в единую экономико-математическую модель.

Насколько можно судить по литературным источникам общепринятой классификации моделей экономических систем пока не существует. Однако представляется достаточно полезной классификация математических моделей экономических систем, приведенная в книге Т. Нейлора «Машинные имитационные эксперименты с моделями экономических систем» (1971 г.) (рис. 1.2).

Рис.1.2. Классификация экономических моделей

Экономико-математической моделью (ЭММ) называется выражение, состоящее из совокупности связанных между собой математическими зависимостями (формулами, уравнениями, неравенствами, логическими условиями величин – факторов, все или часть которых имеют экономический смысл. По своей роли в ЭММ эти факторы целесообразно подразделить на параметры и характеристики (рис. 1.3).

Рис. 1.3. Классификация факторов по их роли в ЭВМ

При этом параметрами объекта называются факторы, характеризующие свойства объекта или составляющих его элементов. В процессе исследования объекта ряд параметров может изменяться, поэтому они называютсяпеременными, которые в свою очередь подразделяются на переменные состояния и переменные управления. Как правило, переменные состояния объекта являются функцией переменных управления и воздействий внешней среды.Характеристиками (выходными характеристиками) называются интересующие исследователя непосредст-венные конечные результаты функционирования объекта (естественно, что выходные характеристики являются переменными состояния). Соответственно характеристики внешней среды описывают свойства внешней среды, которые сказываются на процессе и результате функционирования объекта. Значения ряда факторов, определяющие начальное состояние объекта или внешней среды, называютсяначальными условиями.

При рассмотрении ЭММ оперируют следующими понятиями: критерий оптимальности, целевая функция, система ограничений, уравнения связи, решение модели.

Критерием оптимальности называется некоторый показатель, имеющий экономическое содержание, служащий формализацией конкретной цели управления и выражаемый при помощи целевой функции через факторы модели. Критерий оптимальности определяет смысловое содержание целевой функции. В ряде случаев в качестве критерия оптимальности может выступать одна из выходных характеристик объекта.

Целевая функция математически связывает между собой факторы модели, ее значение определяется значениями этих величин. Содержательный смысл целевой функции придает только критерий оптимальности.

Не следует смешивать критерий оптимальности и целевую функцию. Так, например, критерий прибыли и стоимости произведенной продукции могут описываться одной и той же целевой функцией:

, (1.1)

где
– номенклатура производимой продукции;– объем выпускаi -ой номенклатуры;– прибыль от выпуска единицыi -ой номенклатуры или стоимость единицыi -ой номенклатуры в зависимости от смысла критерия оптимальности.

Критерий прибыли может рассчитываться и по нелинейной целевой функции:

, (1.2)

Если прибыль от выпуска единицы i -ой номенклатуры является функцией от объема выпуска.

При наличии нескольких критериев оптимальности каждый из них будет формализован своей частной целевой функцией , где
– число критериев оптимальности. Для однозначного выбора оптимального решения исследователь может сформулировать новую целевую функцию

Однако целевая функция может уже не нести экономического смысла, в этом случае критерий оптимальности для нее отсутствует.

Система ограничений определяет пределы, сужающие область осуществимых, приемлемых или допустимых решений и фиксирующие основные внешние и внутренние свойства объекта. Ограничения определяют область протекания процесса, пределы изменения параметров и характеристик объекта.

Уравнения связи являются математической формализацией системы ограничений. Между понятиями «система ограничений» и «Уравнения связи» существует точно такая же аналогия, как между понятиями «критерий оптимальности» и «целевая функция»: различные по смыслу ограничения могут описываться одинаковыми уравнениями связи, а одно и то же ограничение в разных моделях записываться различными уравнениями связи.

Таким образом, именно критерий оптимальности и система ограничений в первую очередь определяют концепцию построения будущей математической модели, т.е. концептуальную модель, а их формализация, т.е. целевая функция и уравнения связи, представляют собой математическую модель.

Решением математической модели называется такой набор (совокупность) значений переменных, который удовлетворяет ее уравнениям связи. Решения, имеющие экономический смысл, называют структурно допустимыми. Модели, имеющие много решений, называются вариантными в отличие от безвариантных, имеющих одно решение. Среди структурно допустимых решений вариантной модели, как правило, находится одно решение, при котором целевая функция в зависимости от смысла модели имеет наибольшее или наименьшее значение. Такое решение, как и соответствующее значение целевой функции, называетсяоптимальным (в частности, наименьшим или наибольшим).

Использование ЭММ, особенно оптимальных, предполагает не только построение модели, соответствующей поставленной задаче, но и ее решение при помощи подходящего метода. В связи с этим иногда под моделированием (в узком смысле) понимается этап нахождения решения модели, т.е. вычисления значений исследуемых характеристик и определение оптимальности различных вариантов изучаемого объекта с целью выбора наилучшего варианта его построения и функционирования. Данный этап представляет собой реализацию и исследование ЭММ на определенном наборе вычислительных средств. Выбор метода решения оптимизационных ЭММ зависит от математической формы, связывающей факторы модели, наличия тех или иных признаков (учет динамики, учет стохастичности и т.д.). С точки зрения корректного выбора метода решения модели наиболее существенными признаками являются характер цели исследования, формализованность связей между параметрами и характеристиками, учет вероятностной природы объекта, а также фактора времени.

По характеру цели исследования ЭММ делятся на оптимизационные (нормативные) иописательные (дескриптивные или ЭММ прямого счета).

Характерной чертой оптимизационных моделей является наличие одной или нескольких целевых функций. При этом в первом случае оптимизационные ЭММ называются монокритериальными , а во втором –многокритериальными . В общем виде монокритериальная ЭММ может быть представлена следующей системой отношений:

где Е – критерий оптимальности объекта;– управляемые переменные,
;– неуправляемые факторы модели;
;– уравнения связи, представляющие собой формализацию системы ограничений,
;– целевая функция – формализованное выражение критерия оптимальности.

Выражение
означает, что в ограничениях может стоять любое из приведенных в фигурных скобках логических условий.

Решение модели, заданной соотношениями (1.4) и (1.5), заключается в нахождении совокупности значений переменных

,

Обращающий в max (илиmin ) целевую функциюЕ при заданных уравнениях связи.

Специфика конкретных задач управления производством определила разнообразие типов оптимизационных ЭММ. Это вызвало для ряда наиболее часто повторяющихся типов ситуаций разработку «стандартных» экономико-математических методов их описания, например, распределительные задачи различных классов, задачи управления запасами, ремонта и замены оборудования, проектирования сетей и выбора маршрутов и т.д.

Существенным признаком описательных моделей является отсутствие в них критерия оптимальности. Решение, даваемое ЭММ прямого счета, обеспечивает либо вычисление набора выходных характеристик объекта для одного или нескольких вариантов начальных условий и входных характеристик объекта, либо нахождение какой-либо совокупности значений в структурно допустимой области решений. Примеры типовых задач управления машиностроительным производством, решаемых с помощью описательных моделей, приведены в табл. 1.1.

Таблица 1.1. Примеры описательных моделей

Тип задачи	Вид модели	Математический метод решения
Задачи планирования без оптимизации (расчет объемов производства по видам продукции, увязка планов производства с ресурсами и т.п.)	Балансовые модели	Аппарат линейной алгебры, матричное исчисление
Задачи сетевого планирования и управление (СПУ) без оптимизации	Расчет по формулам модели СПУ	Аппарат теории графов
Задача учета и статистики (оперативный учет, получение различных форм отчетности и т.п.)	Расчет по формулам
Задачи контроля и анализа (анализ влияния и факторов, выявление тенденций, отслеживание отклонений и установление их причин)		Факторный анализ, дисперсионный анализ, регрессионный анализ
Задача создания нормативной базы	Статистические модели обработки реализаций случайных величин
Расчет параметров функционирования сложных систем с неформализованными связями.	Расчет по формулам имитационных моделей
Задачи прогнозирования	Модели регрессионного анализа, оценка параметров и проверка статистических гипотез	Факторный анализ, дисперсионный анализ, регрессионный анализ, аппарат математической статистики

В зависимости от степени формализованности связей f иg i между факторами моделей в выражениях (1.4) и (1.5) различаютаналитические иалгоритмические модели.

Аналитической формой записи называется запись математической модели в виде алгебраических уравнений или неравенств, не имеющих разветвлений вычислительного процесса при определении значений любых переменных состояния модели, целевой функции и уравнений связи. Если в математических моделях единственная целевая функцияf и ограниченияg j заданы аналитически, то подобные модели относятся к классу моделей математического программирования. Характер функциональных зависимостей, выраженных в функцияхf иg j , может быть линейным и нелинейным. Соответственно этому ЭММ делятся налинейные инелинейные , а среди последних в специальные классы выделяютсядробно -линейные ,кусочно-линейные ,квадратичные ивыпуклые модели.

Если мы имеем дело со сложной системой, то зачастую гораздо легче построить ее модель в виде алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логических условий – разветвлений хода течения процесса. Математическое описание для элементов может быть очень простым, однако взаимодействие большого количества простых по математическому описанию элементов и делает эту систему сложной. Алгоритмически же можно описывать даже такие объекты, которые в силу их сложности или громоздкости в принципе не допускают аналитического описания. В связи с этим к алгоритмическим моделям относятся такие, в которых критерии и (или) ограничения описываются математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса. К алгоритмическим моделям относятся и так называемые имитационные модели – моделирующие алгоритмы, имитирующие поведение элементов изучаемого объекта и взаимодействие между ними в процессе функционирования.

В зависимости от того, содержит ли ЭММ случайные факторы, она может быть отнесена к классу стохастических илидетерминированных .

В детерминированных моделях ни целевая функцияf , ни уравнения связиg j не содержат случайных факторов. Следовательно, для данного множества входных значений модели на выходе может быть получен только один-единственный результат. Длястохастических ЭММ характерно наличие среди факторовмодели, описываемой соотношениями (1.4) и (1.5), таких, которые имеют вероятностную природу и характеризуются какими-либо законами распределения, причем среди функцийf иg j могут быть и случайные функции. Значения выходных характеристик в таких моделях могут быть предсказаны только в вероятностном смысле. Реализация стохастических ЭММ в большинстве случаев осуществляется на ЭВМ методами имитационного статистического моделирования.

Следующим признаком, по которому можно различать ЭММ, является связь с фактором времени. Модели, в которых входные факторы, а следовательно, и результаты моделирования явно зависят от времени, называются динамическими , а модели, в которых зависимость от времениt либо отсутствует совсем, либо проявляется слабо или неявно, называютстатическими . Интересны в этом отношении имитационные модели: по механизму функционирования они являются динамическими (в модели идет имитация работы объекта в течении некоторого периода времени), а по результатам моделирования – статическими (например, ищется средняя производительность объекта за моделируемый период времени).

Статические модели представляют собой известную степень приближения к реальным объектам и системам, функционирующим во времени. Во многих случаях степень такого приближения, проявляющаяся в допущениях о неизменности или различного рода усреднениях факторов во времени (косвенно или приблизительно учитывающих фактор времени в определенных границах его изменения), является достаточной для практического применения статических моделей.

| Информационная модель объекта

Урок 7
Тема 7. Информационная модель объекта

Изучив эту тему, вы узнаете:

Что такое модель объекта и зачем она создается;
- какие бывают модели;
- какую роль играет информация при создании модели;
- что такое информационная модель;
- какие формы представления информационных моделей существуют.

7.1. Понятие модели

Объекты окружающего нас мира , даже те, которые кажутся самыми простыми, на самом деле необычайно сложны . Чтобы понять, как действует тот или иной объект, иногда приходится вместо реальных объектов рассматривать их упрощенные представления - модели . При построении модели сам объект часто называют оригиналом или прототипом .

Дети с младенчества окружены игрушками: куклами, зверушками, машинками. Каждая игрушка представляет реальный объект окружающего мира. Кукла не умеет дышать, двигаться. Эта игрушка отражает только одно свойство человека - внешний облик. Но это свойство настолько существенно, что никто не ошибается, называя куклу игрушечным человечком.

Вы, наверное, знаете, что такое робот. Он может быть совсем непохож на человека, но умеет выполнять некоторые свойственные человеку действия. Роботы не устают и могут заменять людей при выполнении утомительной физической работы. Роботы способны работать в опасных для жизни человека средах: в космосе, под водой на большой глубине. Робот-луноход собирал на Луне образцы грунта, исследовал рельеф, фотографировал и выполнял многое другое. Робот-художник, робот-футболист, робот-прислуга - это примеры моделей человека, которые отражают разные его функции и предназначены для разных целей. Любой робот - не человек, а лишь его аналог.

Для любого объекта может существовать множество моделей, различных по сложности и степени сходства с оригиналом. Таблица 7.1 показывает, что модели могут отражать некоторые характеристики объекта - свойства, действия, а иногда и среду.

Таблица 7.1. Объекты и их модели

Подводя итоги вышесказанному, определим, что такое модель.

Модель - аналог (заместитель) оригинала, отражающий некоторые его характеристики.

Этот аналог служит для хранения и расширения знания об оригинале.

Разнообразие моделей определяется разнообразием целей, поставленных при их создании.

Цель создания детских игрушек - познание окружающего мира.

Вы никогда не задумывались, почему поигравший с плюшевым мишкой ребенок, впервые увидев в зоопарке настоящего медведя, узнает в нем прототип (оригинал) своей игрушки? 

Происходит удивительное: в образе живого медведя он видит знакомые «игрушечные» черты. Психологи считают, что умение распознавать образы, сопоставлять информацию и делать выводы формируется у детей до 3 лет. Так, играя с моделями реальных объектов и исследуя их, дети познают окружающий мир. При этом модели, как правило, усложняются и несут в себе новые черты исходного объекта.

Поступив в школу, вы изучаете на уроках разнообразные объекты с помощью их моделей. На уроках изобразительного искусства всевозможные муляжи позволяют исследовать форму, игру света и тени, фактуру прототипа, прежде чем его рисовать. Чучела птиц и зверей помогают вам представить и изучить облик животных, которых вы, возможно, не увидите в реальной жизни.

Рассмотрим несколько примеров моделей, созданных с разной целью:

◊ уменьшенная и упрощенная модель корабля, помещенная в бассейн, позволяет изучить его поведение при качке;
◊ велотренажер используется для тренировки;
◊ искусственное сердце спасает жизнь больного и помогает ему почувствовать себя полноценным членом общества.

Для рассмотренных здесь моделей характерно, что все они являются материальными объектами. Поэтому подобные модели называются материальными (предметными) моделями. Это одна из форм представления модели.

Моделью может быть не только материальный объект , передающий свойства и действия реального объекта, но и математическая формула, чертеж, таблица, текст и т. д. Это нематериальные (абстрактные) модели. В них используется другая форма представления.

Рассмотрим несколько примеров нематериальных моделей .

Представьте себе железнодорожного диспетчера. Сидя у пульта управления, он следит за перемещением на экране цветных прямоугольников, условно обозначающих поезда и вагоны. Это модель реальной железнодорожной сортировочной станции.

При решении задач по физике, химии, геометрии, биологии используются формулы. И это тоже модели. Они называются математическими. Например, уравнение S vt описывает способ нахождения расстояния при равномерном прямолинейном движении реального объекта.

Еще в древности было известно, что математическая модель незаменима при строительных работах. Например, в VI веке до н. э. античный архитектор Эвпалин построил водопровод на острове Самос, сохранившийся до наших дней. Ему необходимо было проложить тоннель длиной 1 км, шириной и высотой 2 м сквозь гору Кастро. Для решения этой задачи Эвпалин использовал чертеж и математические знания о подобии треугольников, на основе которых построил математическую модель.

Другой пример нематериальной модели из истории человечества связан с представлением о нашей планете и Солнечной системе. В древности люди считали, что Земля является плоской и окружена океаном. Древние поэты и философы сочинили об этом мифы. Именно такое описание объекта «Земля» является одной из первых дошедших до нас моделей. Во II веке н. э. древнегреческий ученый Птолемей разработал геоцентрическую модель Солнечной системы, согласно которой все планеты и Солнце вращаются вокруг неподвижной Земли. В 1543 году Коперник совершил открытие, изменившее наше представление о Солнечной системе. Он построил и доказал гелиоцентрическую модель мира, в ко торой планеты движутся вокруг Солнца по определенным орбитам. Эта модель позволила более точно вычислять движения планет по небесной сфере и объяснила многие астрономические явления. На основании этой модели было предсказано существование планеты Плутон, которая ранее не наблюдалась при помощи оптических приборов. Используя эту модель Солнечной системы, ученые сегодня вычисляют массы планет, изучают законы их движения и получают еще очень много важной информации.

Человеческое общество в зависимости от цели исследования тоже можно представить разными моделями.

Другая модель описывает ситуацию, когда племенем управляет совет старейшин, подчиняющийся вождю:

Например , изучая на уроках истории общинно-родовые отношения, вы представляли их в виде схем. Одна из возможных моделей отражает единоличное управление вождя племенем:

Как видно из примеров, человек постоянно создает модели объектов. Они помогают решать и житейские проблемы, и задачи любой сложности, изобретать новые объекты. Собираетесь ли вы строить дом, перейти дорогу или сделать покупки в магазине, вы непременно сначала представляете себе все это в уме и только потом действуете. То есть любой деятельности предшествует процесс создания мысленной модели.

Прежде чем построить и изучить модель, надо сначала собрать информацию об объекте. Поэтому особое место среди нематериальных моделей занимают информационные, содержащие существенные для исследователя сведения об объекте.

Иногда модели пишут на языках программирования, но это долгий и дорогой процесс. Для моделирования можно использовать математические пакеты, но, как показывает опыт, в них обычно не хватает многих инженерных инструментов. Оптимальным является использование среды моделирования.

В нашем курсе в качестве такой среды выбрана . Лабораторные работы и демонстрации, которые вы встретите в курсе, следует запускать как проекты среды Stratum-2000.

Модель, выполненная с учётом возможности её модернизации, конечно, имеет недостатки, например, низкую скорость исполнения кода. Но есть и неоспоримые достоинства. Видна и сохранена структура модели, связи, элементы, подсистемы. Всегда можно вернуться назад и что-то переделать. Сохранен след в истории проектирования модели (но когда модель отлажена, имеет смысл убрать из проекта служебную информацию). В конце концов, модель, которая сдаётся заказчику, может быть оформлена в виде специализированного автоматизированного рабочего места (АРМа), написанного уже на языке программирования, внимание в котором уже, в основном, уделено интерфейсу, скоростным параметрам и другим потребительским свойствам, которые важны для заказчика. АРМ, безусловно, вещь дорогая, поэтому выпускается он только тогда, когда заказчик полностью оттестировал проект в среде моделирования, сделал все замечания и обязуется больше не менять своих требований.

Моделирование является инженерной наукой, технологией решения задач. Это замечание — очень важное. Так как технология есть способ достижения результата с известным заранее качеством и гарантированными затратами и сроками, то моделирование, как дисциплина:

• изучает способы решения задач, то есть является инженерной наукой;
• является универсальным инструментом, гарантирующим решение любых задач, независимо от предметной области.

Смежными моделированию предметами являются: программирование, математика, исследование операций.

Программирование — потому что часто модель реализуют на искусственном носителе (пластилин, вода, кирпичи, математические выражения…), а компьютер является одним из самых универсальных носителей информации и притом активным (имитирует пластилин, воду, кирпичи, считает математические выражения и т. д.). Программирование есть способ изложения алгоритма в языковой форме. Алгоритм — один из способов представления (отражения) мысли, процесса, явления в искусственной вычислительной среде, которой является компьютер (фон-Неймановской архитектуры). Специфика алгоритма состоит в отражении последовательности действий. Моделирование может использовать программирование, если моделируемый объект легко описать с точки зрения его поведения. Если легче описать свойства объекта, то использовать программирование затруднительно. Если моделирующая среда построена не на основе фон-Неймановской архитектуры, программирование практически бесполезно.

Какова разница между алгоритмом и моделью?

Алгоритм — это процесс решения задачи путём реализации последовательности шагов, тогда как модель — совокупность потенциальных свойств объекта. Если к модели поставить вопрос и добавить дополнительные условия в виде исходных данных (связь с другими объектами, начальные условия, ограничения), то она может быть разрешена исследователем относительно неизвестных. Процесс решения задачи может быть представлен алгоритмом (но известны и другие способы решения). Вообще примеры алгоритмов в природе неизвестны, они суть порождение человеческого мозга, разума, способного к установлению плана. Собственно алгоритм — это и есть план, развёрнутый в последовательность действий. Следует различать поведение объектов, связанное с естественными причинами, и промысел разума, управляющий ходом движения, предсказывающий результат на основе знания и выбирающий целесообразный вариант поведения.

модель + вопрос + дополнительные условия = задача .

Математика — наука, предоставляющая возможность исчисления моделей, приводимых к стандартному (каноническому) виду. Наука о нахождении решений аналитических моделей (анализ) средствами формальных преобразований.

Исследование операций — дисциплина, реализующая способы исследования моделей с точки зрения нахождения наилучших управляющих воздействий на модели (синтез). По большей части имеет дело с аналитическими моделями. Помогает принимать решения, используя построенные модели.

Проектирование — процесс создания объекта и его модели; моделирование — способ оценки результата проектирования; моделирования без проектирования не существует.

Смежными дисциплинами для моделирования можно признать электротехнику, экономику, биологию, географию и другие в том смысле, что они используют методы моделирования для исследования собственного прикладного объекта (например, модель ландшафта, модель электрической цепи, модель денежных потоков и т. д.).

В качестве примера посмотрим, как можно обнаружить, а потом описать закономерность.

Допустим, что нам нужно решить «Задачу о разрезаниях», то есть надо предсказать, сколько потребуется разрезов в виде прямых линий, чтобы разделить фигуру (рис. 1.16 ) на заданное число кусков (для примера достаточно, чтобы фигура была выпуклой).

Попробуем решить эту задачу вручную.

Из рис. 1.16 видно, что при 0 разрезах образуется 1 кусок, при 1 разрезе образуется 2 куска, при двух — 4, при трёх — 7, при четырёх — 11. Можете ли вы сейчас сказать наперёд, сколько потребуется разрезов для образования, например, 821 куска? По-моему, нет! Почему вы затрудняетесь? — Вам неизвестна закономерность K = f (P ) , где K — количество кусков, P — количество разрезов. Как обнаружить закономерность?

Составим таблицу, связывающую известные нам числа кусков и разрезов.

Пока закономерность не ясна. Поэтому рассмотрим разности между отдельными экспериментами, посмотрим, чем отличается результат одного эксперимента от другого. Поняв разницу, мы найдём способ перехода от одного результата к другому, то есть закон, связывающий K и P .

Уже кое-какая закономерность проявилась, не правда ли?

Вычислим вторые разности.

Теперь все просто. Функция f называется производящей функцией . Если она линейна, то первые разности равны между собой. Если она квадратичная, то вторые разности равны между собой. И так далее.

Функция f есть частный случай формулы Ньютона:

Коэффициенты a , b , c , d , e для нашей квадратичной функции f находятся в первых ячейках строк экспериментальной таблицы 1.5.

Итак, закономерность есть, и она такова:

K = a + b · p + c · p · (p – 1)/2 = 1 + p + p · (p – 1)/2 = 0.5 · p 2 + 0.5 · p + 1 .

Теперь, когда закономерность определена, можно решить обратную задачу и ответить на поставленный вопрос: сколько надо выполнить разрезов, чтобы получить 821 кусок? K = 821 , K = 0.5 · p 2 + 0.5 · p + 1 , p = ?

Решаем квадратное уравнение 821 = 0.5 · p 2 + 0.5 · p + 1 , находим корни: p = 40 .

Подведём итоги (обратите на это внимание!).

Сразу угадать решение мы не смогли. Поставить эксперимент оказалось затруднительно. Пришлось построить модель, то есть найти закономерность между переменными. Модель получилась в виде уравнения. Добавив к уравнению вопрос и уравнение, отражающее известное условие, образовали задачу. Поскольку задача оказалась типового вида (канонического), то её удалось решить одним из известных методов. Поэтому задача оказалась решена.

И ещё очень важно отметить, что модель отражает причинно-следственные связи. Между переменными построенной модели действительно есть крепкая связь. Изменение одной переменной влечёт за собой изменение другой. Мы ранее сказали, что «модель играет системообразующую и смыслообразующую роль в научном познании, позволяет понять явление, структуру изучаемого объекта, установить связь причины и следствия между собой». Это означает, что модель позволяет определить причины явлений, характер взаимодействия её составляющих. Модель связывает причины и следствия через законы, то есть переменные связываются между собой через уравнения или выражения.

Но!!! Сама математика не даёт возможности выводить из результатов экспериментов какие-либо законы или модели , как это может показаться после рассмотренного только что примера. Математика это только способ изучения объекта, явления, и, причём, один из нескольких возможных способов мышления. Есть ещё, например, религиозный способ или способ, которым пользуются художники, эмоционально-интуитивный, с помощью этих способов тоже познают мир, природу, людей, себя.

Итак, гипотезу о связи переменных А и В надо вносить самому исследователю, извне, сверх того. А как это делает человек? Посоветовать внести гипотезу легко, но как научить этому, объяснить это действо, а значит, опять-таки как его формализовать? Подробно мы покажем это в будущем курсе «Моделирование систем искусственного интеллекта».

А вот почему это надо делать извне, отдельно, дополнительно и сверх того, поясним сейчас. Носит это рассуждение имя Геделя, который доказал теорему о неполноте — нельзя доказать правильность некоторой теории (модели) в рамках этой же теории (модели). Посмотрите ещё раз на рис. 1.12 . Модель более высокого уровня преобразует эквивалентно модель более низкого уровня из одного вида в другой. Или генерирует модель более низкого уровня по эквивалентному опять же её описанию. А вот саму себя она преобразовать не может. Модель строит модель. И эта пирамида моделей (теорий) бесконечна.

А пока, чтобы «не подорваться на ерунде», вам надо быть настороже и проверять все здравым смыслом. Приведём пример, старую известную шутку из фольклора физиков.