Рассмотрим одну из возможных реализаций математического обеспечения АСОИУ. 4 страница



Раздел «Теория искусственного интеллекта» включает различ­ные аспекты теории принятия решений в больших системах, а также вопросы создания информационных и программных ком­плексов, моделирующих искусственный разум.

Мощным аппаратом теории автоматизированного управле­ния является моделирование. 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.

 

Лекция 4

 

Классификация видов моделирования приведена на рис. 1.10.

Рис. 1.10. Виды моделирования систем

 

По степени полноты модели они делятся на полные, непол­ные и приближенные. Полные модели идентичны объекту во времени и пространстве. Для неполного моделирования эта идентичность не сохраняется. В основе приближенного модели­рования лежит подобие, при котором некоторые стороны функ­ционирования реального объекта не моделируются совсем.

В зависимости от характера изучаемых процессов в системе виды моделирования подразделяются на детерминированные и стохастические,

статические, динамические, дискретные, непре­рывные и дискретно-непрерывные.

Детерминированное модели­рование отображает процессы, в которых предполагается отсутс­твие случайных воздействий. Стохастическое моделирование учитывает вероятностные процессы и события. Статическое мо­делирование служит для описания поведения объекта в фиксиро­ванный момент времени, а динамическое — для исследования объекта во времени.

Дискретное, непрерывное и дискретно-не­прерывное моделирования используются для описаний процес­сов, имеющих изменение во времени. При этом оперируют ана­логовыми, цифровыми и аналого-цифровыми моделями.

В зависимости от формы представления объекта моделирова­ние классифицируется на мысленное и реальное. Мысленное мо­делирование применяется тогда, когда модели не реализуемы в заданном интервале времени либо отсутствуют условия для их физического создания.

Мысленное моделирование реализуется в виде наглядного, сим­волического и математического. При наглядном моделировании на базе представлений человека о реальных объектах создаются на­глядные модели, отображающие явления и процессы, протекаю­щие в объекте. В основу гипотетического моделирования заклады­вается 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.

Этот вид моделирования используется, когда знаний об объекте недостаточно для постро­ения формальных моделей.

Аналоговое моделирование основывается на применении анало­гий различных уровней. Для достаточно простых объектов на­ивысшим уровнем является полная аналогия. С усложнением сис­темы используются аналогии

последующих уровней, когда анало­говая модель отображает несколько либо только одну сторону функционирования объекта.

Макетирование применяется, когда протекающие в реальном объекте процессы не поддаются физи­ческому моделированию либо могут предшествовать проведению других видов моделирования. В основе построения мысленных ма­кетов также лежат аналогии, обычно базирующиеся на причинно - следственных связях между явлениями и процессами в объекте.

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. В основе языко­вого моделирования лежит некоторый тезаурус,

который образу­ется из набора входящих понятий, причем этот набор должен быть фиксированным.

Если ввести условное обозначение отде­льных понятий, т. е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое 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.

Математическое моделирование — это процесс установления соответствия данному реальному объекту некоторого математи­ческого объекта, называемого математической моделью. В при­нципе, для исследования характеристик процесса функциониро­вания любой системы математическими методами, включая и машинные, должна быть обязательно проведена формализация этого процесса, т. е. построена математическая модель.

Исследо­вание математической модели позволяет получать характеристи­ки рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, требуемой достоверности к точности ре­шения задачи.

Любая математическая модель, как и всякая дру­гая, описывает реальный объект с некоторой степенью прибли­жения. Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраичес­ких, интегральных и дифференциальных, конечно-разностных и т. д.) или логических условий.

Аналитическая модель исследуется следую­щими методами:

- аналитическим, когда стремятся получить в об­щем виде явные зависимости, связывающие искомые характе­ристики с начальными условиями, параметрами и переменными системы;

- численным, когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных;    

- качественным, когда, не имея решения в яв­ном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения).

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 системы 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 системы.

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 этапе ее проектирования.

В имитационном моделировании различают метод статисти­ческого моделирования и метод статистических испытаний (Монте-Карло). Если результаты, полученные при воспроизведе­нии на имитационной модели, являются реализациями случай­ных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведение с последу­ющей обработкой информации. Поэтому целесообразно в качес­тве метода машинной реализации имитационной модели исполь­зовать метод статистического моделирования.

Первоначально был разработан метод статистических испытаний, представляю­щий собой численный метод, который применялся дня 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.

Метод имитационного моделирования применяется для оценки вариантов структуры системы, эффективности различных алгорит­мов управления системой, влияния изменения различных парамет­ров системы. Имитационное моделирование может быть положено в основу структурного, алгоритмического и параметрического син­теза АСОИУ, когда требуется создать систему с заданными характеристи­ками при определенных ограничениях. Система должна быть опти­мальной по некоторым критериям эффективности.

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

Информационное моделирование (часто называемое кибернети­ческим) связано с исследованием моделей, в которых 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 моделируются некоторые связи между выходами и входами.

Та­ким образом, в основе информационных (кибернетических) мо­делей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения 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 данную функцию на имитацион­ной модели, причем на совершенно другом математическом языке и, естественно, иной физической реализации процесса.

Структурно-системное моделирование базируется на некото­рых специфических особенностях структур определенного вида, используя их как средство исследования систем или разрабаты­вая на их основе с применением других методов формализован­ного представления систем (теоретико-множественных, лингвис­тических и т. п.) специфические подходы к моделированию.

Структурно-системное моделирование включает:

— методы сетевого моделирования;

— сочетание методов структуризации с лингвистическими (языковыми);

— структурный подход в направлении формализации постро­ения и исследования структур разного типа (иерархичес­ких, произвольных графов) на основе теоретико-множест­венных представлений, понятия номинальной шкалы и те­ории измерений.

Ситуационное моделирование основано на теории мышления, в рамках которой можно описать механизмы регулирования про­цессов принятия решений. В модельной теории мышления лежит представление о формировании в структурах мозга информаци­онной модели объекта и внешнего мира. Эта информация вос­принимается человеком на базе уже имеющихся у него знаний. Целесообразное поведение человека строится путем формирова­ния целевой ситуации и мысленного преобразования исходной ситуации в целевую. Основой построения модели является опи­сание объекта в виде совокупности элементов, связанных между собой определенными отношениями, отображающими семанти­ку предметной области.

Модель объекта имеет многоуровневую структуру и представляет собой гот информационный контекст, на фоне которого протекают процессы управления. Чем богаче информационная модель объекта и выше возможности ее мани­пулирования, тем лучше и многообразнее качество принимаемых решений при управлении.

При реальном моделировании используется возможность иссле­дования характеристик либо на реальном объекте целиком, либо на его части. Такие исследования на объектах, работающих как в нормальных режимах, так и при организации специальных режи­мов для оценки интересующих исследователя характеристик (при других значениях переменных параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адекватным, но его возможности ограничены. Например, прове­дение реального моделирования АСУП требует проведения экс­периментов с управляемым объектом, т. е. предприятием, что в большинстве случаев невозможно.

Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов экспе­римента на основе теории подобия. Натурный эксперимент подраз­деляется на научный эксперимент, комплексные испытания и про­изводственный эксперимент.

Научный эксперимент характеризует­ся широким использованием средств автоматизации проведения, применением весьма разнообразных средств обработки информа­ции, возможностью вмешательства человека в процесс проведения эксперимента. В соответствии с этим появилось новое научное на­правление — автоматизация научного эксперимента и новая специ­ализация в рамках специальности АСОИУ — АСНИ (автоматизирован­ные системы научных исследований и комплексных испытаний).

Одна из разновидностей эксперимента — комплексные испытания, когда вследствие повторения испытаний объектов в целом (или больших частей системы) выявляются общие закономерности ха­рактеристик качества, надежности этих объектов. В этом случае мо­делирование осуществляется путем обработки и обобщения сведе­ний о группе однородных явлений.

Наряду со специально организо­ванными испытаниями возможна реализация натурного моделирования путем обобщения опыта, накопленного в ходе про­изводственного процесса, т. е. можно говорить о производственном эксперименте. Здесь на базе теории подобия обрабатывают статис­тический материал по производственному процессу и получают его обобщенные характеристики. Необходимо помнить про отличия эксперимента от реального протекания процесса. Оно заключается в том, что в эксперименте могут появиться отдельные критические ситуации и определиться границы устойчивости процесса. В ходе эксперимента новые факторы и возмущающие воздействия вводят­ся в процесс функционирования объекта.

Другим видом реального моделирования является физическое моделирование. Оно отличается от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают фи­зическим подобием. В процессе физического моделирования зада­ются некоторые характеристики внешней среды, и исследуется по­ведение либо реального объекта, либо его модели при заданных или создаваемых искусственно воздействиях внешней среды.

Фи­зическое моделирование может протекать в реальном и нереаль­ном (псевдореальном) масштабах времени или рассматриваться без учета времени. В последнем случае изучению подлежат так на­зываемые «замороженные» процессы, фиксируемые в некоторый момент времени. Наибольшую сложность и интерес с точки зре­ния корректности получаемых результатов представляет физичес­кое моделирование в реальном масштабе времени.

1.5. Основные понятия теории организационных АСОИУ

В настоящее время в теории и практике разработки и использования систем автоматизированной обработки информации и управления обозначено много направлений: 

· отраслевые автоматизированные системы управления (АСОИУ в торговле, АСОИУ статистики, АСОИУ образовательных учреждений, АСОИУ финансовых учреждений и пр.),

· автоматизированные системы управления территориями или регионами (например, АСОИУ-город),

· автоматизированные системы управления предприятиями (АСУП),

· автоматизированные системы управления производственными процессами (АСУПП),

· автоматизированные системы управления технологическими процессами (АСУТП),

· автоматизированные информационные системы (АИС). Под АИС в настоящее время понимаются системы, связанные с процессами обработки больших объемов информации специальных видов:

–  фактографической информации (справочные, библиографические и прочие системы), 

– информации, представленной в тестовых документах (документальные системы),

– картографической информации,

– баз знаний (экспертные системы) и прочих специальных видов данных.

Границы между перечисленными видами автоматизированных систем размыты, так как эти системы обладают общими составляющими и свойствами как с точки зрения их разработки, так и с точки зрения их эксплуатации.

Первые три вида автоматизированных систем являются системами организационного управления, в то время как остальные системы решают вопросы управления процессами производства изделий (АСУПП, АСУТП) и процессами обработки больших объемов информации (АИС). Как правило, АСУПП, АСУТП и АИС входят в системы организационного управления в качестве их составных частей.

В настоящее время средства автоматизации настолько органично вплетаются в процессы управления на объектах, в которых они используются, что составляют вместе с объектом управления единое и неразрывное целое. 

Иными словами, АСОИУ – это автоматизированное подразделение предприятия (если автоматизируется некоторое подразделение предприятия), автоматизированное предприятие в целом (если автоматизируется большинство функций на предприятии), автоматизированный регион или отрасль (если автоматизируются функции управления регионом или отраслью). Такие автоматизированные системы обработки информации и управления мы будем называть организационными АСОИУ или просто организационными системами.

Организационная система на современном этапе рассматривается как некоторая человеческая система, то есть такая система, в которую в качестве ее элементов, кроме всего прочего, входят люди, выполняющие определенные ее функции, решающие в связи с этим определенные задачи и составляющие собою совокупный или, как еще говорят, соборный интеллект системы. К организационным системам применяются те же положения теории управления, которые используются в технических системах, однако в данном случае есть и свои особенности.

Рассмотрим вначале следующие фундаментальные понятия теории управления в организационных АСОИУ.

1. Объект управленияэто часть системы, которой управляют, а управляющий орган (субъект управления) – это та часть системы, которая осуществляет управление.

2. Внешняя среда – это окружающая обстановка, в которой система существует. Модель объекта управления и модель внешней среды это совокупность представлений о поведении объекта управления и внешней среды, которыми пользуется управляющий орган системы.

В организационных системах эти модели частично представляются:

- в виде формальных описаний (например, в виде совокупности математических формул или в виде алгоритмических описаний), 

– в виде обычного текста,

- в виде интуитивных представлений персонала на сознательном и бессознательном уровне. Эти представления, тем не менее, используются в процессе управления.

3. Вектор целей управления– иерархически упорядоченная совокупность целей, которых система стремится достичь в процессе своей деятельности. Отдельные составляющие этого вектора называются частными целями. Упорядоченность частных целей в векторе целей отражает их приоритет. Порядок, обратный приоритетному уровню, – это порядок вынужденного отказа от достижения частных целей в случае невозможности достижения их полной совокупности. Каждая из частных целей оценивается параметром, определяющим степень достижения этой цели.


Дата добавления: 2019-01-14; просмотров: 413; Мы поможем в написании вашей работы!

Поделиться с друзьями:






Мы поможем в написании ваших работ!