Характеристики моделей систем
При моделировании рассматривают следующие характеристики моделей:
1. Цель функционирования определяется степенью целенаправленности поведения модели. Модели могут быть разделены на одноцелевые, предназначенные для решения одной задачи, и многоцелевые, позволяющие разрешить или рассмотреть ряд сторон функционирования реального объекта.
2. Сложность оценивается по общему числу элементов в системе и связей между ними. В качестве элементов можно выделить уровни иерархии, отдельные функциональные подсистемы в модели, входы и выходы и т.д.
3. Целостность указывает на то, что создаваемая модель является одной целостной системой, включает в себя большое количество составных частей (элементов), находящихся в сложной взаимосвязи друг с другом.
4. Неопределенность проявляется в системе: по состоянию системы, возможности достижения поставленной цели, методам решения задач, достоверности исходной информации и т.д. Основной характеристикой неопределенности служит мера информации – энтропия, позволяющая в ряде случаев оценить количество управляющей информации, необходимой для достижения заданного состояния системы. При моделировании основная цель – получение требуемого соответствия модели реальному объекту, и в этом смысле количество управляющей информации в модели можно также оценить с помощью энтропии и найти то предельное минимальное количество, которое необходимо для получения требуемого результата с заданной достоверностью.
5. Поведение системы позволяет оценить эффективность достижения системой поставленной цели. В зависимости от наличия случайных воздействий можно различать детерминированные и стохастические системы, по своему поведению – непрерывные, дискретные и т.д. Поведение системы позволяет применительно к модели оценить эффективность построенной модели, а также точность и достоверность полученных при этом результатов. Очевидно, что поведение модели не обязательно совпадает с поведением реального объекта, причем часто моделирование может быть реализовано на базе иного материального носителя.
6. Адаптивность – способность приспособиться к различным внешним возмущающим факторам в широком диапазоне изменения воздействий внешней среды, а также изучение поведения модели в изменяющихся условиях, близких к реальным. Существенным может оказаться вопрос устойчивости модели к различным возмущающим воздействиям.
7. Организационная структура системы моделирования как комплекс технических средств, информационного, математического и программного обеспечения системы моделирования позволяет оптимизировать время моделирования и точность получаемых результатов.
8. Управляемость модели со стороны экспериментаторов для получения возможности рассмотрения протекания процесса в различных условиях, имитирующих реальные. Наличие многих управляемых параметров и переменных модели в реализованной системе моделирования дает возможность поставить широкий эксперимент и получить обширный спектр результатов.
9. Возможность развития модели позволяет создавать мощные системы моделирования для исследования многих сторон функционирования реального объекта.
Цели и проблемы моделирования систем
Любую модель строят в зависимости от цели, которую ставит перед ней исследователь, поэтому одна из основных проблем при моделировании – это проблема целевого назначения. Подобие процесса, протекающего в модели, реальному процессу является не целью, а условием правильного функционирования модели, и поэтому в качестве цели должна быть поставлена задача изучения какой-либо стороны функционирования объекта (контроль параметров, оценка характеристик, управление объектом, прогнозирование поведения объекта).
Для упрощения модели цели делят на подцели и создают более эффективные виды моделей в зависимости от полученных подцелей моделирования. Например, для отраслевых АСУ наиболее существенными целями являются задачи прогноза, потребления, сбыта продукции, размещение предприятий по отрасли с учетом всевозможных факторов (наличие сырья, людских ресурсов, энергии и т.д.). Для АСУ предприятием весьма существенно изучение процессов оперативного управления производством, оперативно-календарного планирования, перспективного планирования.
Далее определяются с целью функционирования системы, которая обеспечивала бы эффективную работу системы, например минимизация вероятности отказа в обслуживании приборов, максимизация загрузки устройств, устойчивость системы, чувствительность к изменению параметров.
Если цель моделирования и функционирования системы ясна, то возникает следующая проблема: построение модели. Построение модели оказывается возможным, если имеется информация или выдвинуты гипотезы относительно структуры, алгоритмов и параметров исследуемого объекта. На основании их изучения осуществляется идентификация объекта.
Если модель построена, то следующей проблемой можно считать проблему работы с ней, т.е. реализацию модели, основные задачи которой – минимизация времени получения конечных результатов и обеспечение их достоверности.
Для правильно построенной модели характерным является то, что она выявляет лишь те закономерности, которые нужны исследователю, и не рассматривает не существенные для данного исследования свойства системы.
Таким образом, характеризуя проблему моделирования в целом, необходимо учитывать, что от постановки задачи моделирования до интерпретации полученных результатов существует большая группа сложных научно-технических проблем:
· 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;
· выявление основных закономерностей, исследованных в процессе моделирования.
Методы моделирования систем
Постановка любой задачи заключается в том, чтобы перевести ее словесное, вербальное описание в формальное.
В случае относительно простых задач такой переход осуществляется в сознании человека, который не всегда даже может объяснить, как он это сделал. Если полученная формальная модель (математическая зависимость между величинами в виде формулы, уравнения, системы уравнений) опирается на фундаментальный закон или подтверждается экспериментом, то этим доказывается ее адекватность отображаемой ситуации, и модель рекомендуется для решения задач соответствующего класса.
По мере усложнения задач получение модели и доказательство ее адекватности усложняется. Вначале эксперимент становится дорогим и опасным (например, при создании сложных технических комплексов, при реализации космических программ и т. д.), а применительно к экономическим объектам эксперимент становится практическим нереализуемым, задача переходит в класс проблем принятия решений, и постановка задачи, формирование модели, т. е. перевод вербального описания в формальное, становится важной составной частью процесса принятия решения. Причем эту составную часть не всегда можно выделить как отдельный этап, завершив который, можно обращаться с полученной формальной моделью так же, как с обычным математическим описанием, строгим и абсолютно справедливым. Большинство реальных ситуаций проектирования сложных технических комплексов и управления экономикой, необходимо отображать классом самоорганизующихся систем, модели которых должны постоянно корректироваться и развиваться.
При этом возможно изменение не только модели, но и метода моделирования, что часто является средством развития представления ЛПР о моделируемой ситуации.
Иными словами, перевод вербального описания в формальное, осмысление, интерпретация модели и получаемых результатов становятся неотъемлемой частью практически каждого этапа моделирования сложной развивающейся системы. Часто для того, чтобы точнее охарактеризовать такой подход к моделированию процессов принятия решений, говорят о создании "механизма" моделирования, "механизма" принятия решений (например, "хозяйственный механизм", "механизм проектирования и развития предприятия" и т. п.).
Возникающие вопросы ‑ как формировать такие развивающиеся модели или "механизмы"? как доказывать адекватность моделей? ‑ и являются основным предметом системного анализа.
Для решения проблемы перевода вербального описания в формальное в различных областях деятельности стали развиваться специальные приемы и неформализованные методы моделирования. Так, возникли слабо формализованные методы типа "мозговой атаки", "сценариев", экспертных оценок, "дерева целей" и т.п.
В свою очередь, развитие математики шло по пути расширения средств постановки и решения трудноформализуемых задач. Наряду с детерминированными, аналитическими методами классической математики возникла теория вероятностей н математическая статистика (как средство доказательства адекватности модели на основе представительной выборки и понятия вероятности правомерности использования модели и результатов моделирования). Для задач с большей степенью неопределенности инженеры стали привлекать теорию множеств, математическую логику, математическую лингвистику, теорию графов, что во многом стимулировало развитие этих направлений. Иными словами, математика стала постепенно накапливать средства работы с неопределенностью, со смыслом, который классическая математика исключала из объектов своего рассмотрения.
Таким образом, между неформальным, образным мышлением человека и формальными моделями классической математики сложился как бы "спектр" методов, которые помогают получать и уточнять (формализовать) вербальное описание проблемной ситуации, с одной стороны, и интерпретировать формальные модели, связывать их с реальной действительностью, с другой. Этот спектр условно представлен на рисунке.
Методы моделирования возникали и развивались параллельно. Существуют различные модификации сходных методов. Их по-разному объединяли в группы, т. е. исследователи предлагали разные классификации, в основном - для формальных методов. Постоянно возникают новые методы моделирования как бы на "пересечении" уже сложившихся групп. Однако основную идею ‑ существование "спектра" методов между вербальным и формальным представлением проблемной ситуации ‑ этот рисунок иллюстрирует.
Удобно "переломить" этот "спектр методов" примерно в середине, где графические методы смыкаются с методами структуризации, т. е. разделить методы моделирования систем на два больших класса: методы формализованного представления систем (МФПС) и слабо формализованные методы, направленные на активизацию использования интуиции и опыта специалистов (МАИС). Классификации МАИС и особенно МФПС могут быть разными.
Необходимо отметить, что предлагаемые названия групп методов более предпочтительны, чем используемые иногда термины качественные и количественные методы, поскольку, с одной стороны, методы, отнесенные к группе МАИС, могут использовать и формализованные представления (при разработке сценариев могут применяться статистические данные, проводиться некоторые расчеты; с формализацией связаны получение и обработка экспертных оценок, методы морфологического моделирования); а, с другой стороны, в рамках любой формальной системы, сколь бы полной и непротиворечивой она не казалась, имеются положения (соотношения, высказывания), истинность или ложность которых нельзя доказать формальными средствами этой системы, а для преодоления неразрешимой проблемы нужно расширять формальную систему, опираясь на содержательный, качественный анализ.
Иными словами, строгого разделения на формальные и неформальные методы не существует. Можно говорить только о большей или меньшей степени формализованности или, напротив, большей или меньшей опоре на интуицию, "здравый смысл".
Специалист по системному анализу должен понимать, что любая классификация условна. Она лишь средство, помогающее ориентироваться в огромном числе разнообразных методов и моделей. Поэтому разрабатывать классификацию нужно обязательно с учетом конкретных условий, особенностей моделируемых систем (процессов принятия решений) и предпочтений ЛПР, которым можно предложить выбрать классификацию.
Следует также оговорить, что новые методы моделирования часто создаются на основе сочетания ранее существовавших классов методов.
Заключение
Средства вычислительной техники, которые в настоящее время широко используются либо для вычислений при аналитическом моделировании, либо для реализации имитационной модели системы, могут лишь помочь с точки зрения эффективности реализации сложной модели, но не позволяют подтвердить правильность той или иной модели. Только на основе отработанных данных, опыта исследователя можно с достоверностью оценить адекватность модели по отношению к реальному процессу.
Список использованной литературы
1. Классификация видов моделирования систем. [Электронный ресурс]:https://studopedia.ru/8_131676_lektsiya--klassifikatsiya-vidov-modelirovaniya-sistem.html
2. Классификация видов моделирования систем. Определение модели. Общая классификация основных видов моделирования. [Электронный ресурс]: https://lektsii.org/13-65091.html (Дата обращения: 28.08.2020)
3. Мухин О.И. Моделирование систем. Понятие моделирования. Способы представления моделей. [Электронный ресурс]: http://stratum.ac.ru/education/textbooks/modelir/lection01.html
4. Советов Б.Я. Моделирование систем. Классификация видов моделирования систем. [Электронный ресурс]: https://studme.org/86675/informatika/klassifikatsiya_vidov_modelirovaniya_sistem
5. Теория моделирования. Система и элементы системы. Понятие модели. Цели моделирования. [Электронный ресурс]: https://clck.ru/QZ8YL
https://studizba.com/lectures/49-menedzhment-i-marketing/758-modelirovanie-biznes-processov-v-srede-bpwin/14473-osnovnye-ponyatiya-teorii-modelirovaniya-sistem.html
6. Бакулев, В.А. Основы научного исследования : учебное пособие / В.А. Бакулев, Н.П. Бельская, В.С. Берсенева ; науч. ред. О.С. Ельцов ; Уральский федеральный университет им. первого Президента России Б. Н. Ельцина. – Екатеринбург : Издательство Уральского университета, 2014. URL: https://biblioclub.ru/index.php?page=book&id=275723
7. Галеев, С.Х. Основы научных исследований : учебное пособие / С.Х. Галеев ; Поволжский государственный технологический университет. – Йошкар-Ола : Поволжский государственный технологический университет, 2018.: https://biblioclub.ru/index.php?page=book&id=486994
Дата добавления: 2020-12-22; просмотров: 429; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!