Кибернетика - наука о сложных системах
Наука — это неустанная многовековая работа мысли свести посредством системы все познаваемые явления нашего мира. А. Эйнштейн
Самым значительным шагом в формировании идеи системного метода было появление кибернетики как общей теории управления в технических системах, живых организмах и обществе. В рамках кибернетики впервые было ясно показано, что процесс управления с самой общей точки зрения можно рассматривать как процесс накопления, передачи и преобразования информации. Само же управление можно отобразить с помощью определенной последовательности точных предписаний — ал-
479
горитмов, посредством которых осуществляется достижение поставленной цели.
Наука, которая занимается исследованиями процессов управления сложными системами с обратной связью, получила название кибернетики (от греч. kybernetik — искусство управления). Она возникла на стыке математики, техники и нейрофизиологии, и ее интересует целый класс как живых, так и неживых систем, в которых существуют механизмы обратной связи. Основателем кибернетики считается американский математик Н. Винер, выпустивший в 1948 г. книгу "Кибернетика".
Кибернетика изучает способы связи и модели управления, и в этом исследовании ей понадобилось ввести понятие информации (от лат. informatio — ознакомление, разъяснение) как меры организованности системы в противоположность понятию энтропии как меры неорганизованности. Понятие информации имеет такое большое значение, что оно вошло в заглавие нового научного направления, возникшего на базе кибернетики — информатики (соединение слов информация и математика).
|
|
|
С повышением энтропии уменьшается информация (поскольку все усредняется) и, наоборот, понижение энтропии увеличивает информацию. Связь информации с энтропией свидетельствует и о связи информации с энергией. Энергия (от греч. energia — деятельность) характеризует общую меру различных видов движения и взаимодействия.
Информация характеризует меру разнообразия систем. Хотя информация и энергия относительно обособлены друг от друга, тем не менее они связаны между собой. Информация растет с повышением разнообразия системы. Одним из основных законов кибернетики является закон необходимого разнообразия: эффективное управление какой-либо системой возможно только в том случае, когда разнообразие управляющей системы больше разнообразия управляемой системы. Значит, чем больше мы имеем информации о системе, которой собираемся управлять, тем эффективнее будет проходить этот процесс.
Общее значение кибернетики обозначается в следующих направлениях:
480
1. Философское значение — дает новое представление о мире, основанное на роли связи, управления, информации, организованности, обратной связи, целесообразности, вероятности.
|
|
|
2. Социальное значение — дает новое представление об обществе как организованной целой системе.
3. Общенаучное значение — дает новые понятия управления, методы исследования, формирует гипотезы о внутреннем составе и строении систем.
4. Методологическое значение — изучая простые технические системы, выдвигает гипотезы о работе сложных систем (живых организмов, мышления людей).
5. Техническое значение — создание ЭВМ, роботов, персональных компьютеров. ЭВМ и персональные компьютеры облегчают умственный труд, заменяя человеческий мозг в его наиболее простых и рутинных функциях. ЭВМ работают по принципу "да-нет", и этого оказалось достаточно для того, чтобы создать вычислительные машины, хотя и уступающие мозгу в гибкости, но превосходящие его по быстроте выполнения вычислительных операций. Если же будут построены не просто человекоподобные роботы, но и превосходящие его по уму, то это повод не только для радости, но и для беспокойства, связанного как с роботизацией самого человека, так и с проблемой возможного выхода машин из-под контроля людей и даже возможного порабощения ими человека.
|
|
|
Методы математического моделирования
Тот, кто хочет решать вопросы естественных наук без помощи математики, ставит неразрешимую задачу. Следует измерять то, что измеримо, и делать измеримым то, что таковым, не является.
Г. Галилей
Выявление общего, существенного, присущего всем системам определенного рода производится наиболее общим приемом —
481
математическим моделированием. При математическом моделировании систем наиболее ярко проявляется эффективность единства качественных и количественных методов исследования, характеризующая магистральный путь развития современного научного познания.
Всякая сложная система, модель которой мы создаем, при своем функционировании подчиняется определенным законам — физическим, химическим, биологическим и др. Рассматриваются такие системы, для которых знание законов предполагает известные количественные соотношения, связывающие те или иные характеристики моделируемой системы. Модель создается для ответа на множество вопросов о моделируемом объекте. Интересуясь некоторыми аспектами функционирующей системы, изучают ее с определенных точек зрения. Направления изучения системы в значительной степени и определяет выбор модели. Опишем процесс построения математической модели сложной системы. Его можно представить состоящим из следующих этапов:
|
|
|
1. Формулируются основные вопросы о поведении системы, ответы на которые мы хотим получить с помощью модели.
2. Из множества законов, управляющих поведением системы, учитываются те, влияние которых существенно при поиске ответов на поставленные вопросы.
3. В дополнение к этим законам, если необходимо, для системы в целом или отдельных ее частей формулируются определенные гипотезы о функционировании. Как правило, эти гипотезы правдоподобны в том смысле, что могут быть приведены некоторые теоретические доводы в пользу их принятия.
4. Гипотезы, так же как и законы, выражаются в форме определенных математических соотношений, которые объединяются в некоторое формальное описание модели.
На этом заканчивается процесс построения математической модели. Дальше следует процесс исследования этих соотношений с помощью аналитических и вычислительных методов, приводящий в конечном итоге к отысканию ответов на предъявляемые модели вопросы. Разрабатывается или используется созданный
482
ранее алгоритм для анализа этой модели. Если модель и алгоритм не слишком сложны, то может оказаться возможным аналитическое исследование модели. В противном случае составляется программа, реализующая этот алгоритм на ЭВМ. После выполнения расчетов по модели на ЭВМ их результаты обязательно сравниваются с фактической информацией из соответствующей предметной области. Это сравнение необходимо для того, чтобы убедиться в адекватности модели, в том, что модельным расчетам можно верить, их можно использовать.
Если модель хороша, то ответы, найденные с ее помощью, как правило, бывают весьма близки к ответам на те же вопросы о моделируемой системе. Более того, в этом случае зачастую с помощью модели удается ответить и На некоторые ранее не ставившиеся вопросы, расширить круг представлений о реальной системе. Если же модель плоха, т. е. недостаточно адекватно описывает систему с точки зрения задаваемых ей вопросов, то она подлежит дальнейшему улучшению или замене. Возможны также ошибки в алгоритме, в программе для ЭВМ. Такие повторные просмотры продолжаются до тех пор, пока результаты расчетов не удовлетворят исследователя. Теперь модель готова к использованию. Критерием адекватности модели служит практика, которая и определяет, когда может закончиться процесс улучшения модели. Итак, ни ЭВМ, ни математическая модель, ни алгоритм для ее исследования порознь не могут решить достаточно сложную исходную задачу. Но вместе они представляют ту силу, которая позволяет познавать окружающий мир, управлять им в интересах человечества.
Достоинствами метода математического моделирования является то, что модель представляет собой формализованную запись тех или иных законов природы, управляющих функционированием системы. Однако определенные трудности возникают при попытке построения математической модели очень сложной системы.
Существуют различные модели, используемые для описания сложных систем, такие как:
483
- дескриптивные (описательные), описывающие происходящие в системе процессы;
- оптимизационные, управляющие процессом, т. е. принимающие те или иные решения;
- многокритериальные, рассматривающие систему по многим критериям;
- игровые, пригодные для исследования и рассматривающие конфликтные ситуации;
- имитационные, максимально использующие имеющуюся информацию о поведении системы.
В качестве примера рассмотрим применение математического моделирования в экологии.
Дата добавления: 2019-01-14; просмотров: 886; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!