Внимание!!!
В выложенном на сайте тексте могут быть ошибки,
оригинальную версию методички одним файлом в формате .doc (MS Word)
2.5. Имитационное и семиотическое моделирование, современные методы исследования сложных систем
Имитационное моделирование реализуется на ЦЭВМ с помощью разработанных моделирующих систем и соответствующих языков имитационного моделирования. В имитационном моделировании существуют некоторые формальные описания или некоторые модели форм систем, которые представляют выбранное базовое описание сложных систем. К имитационным моделям относят:
1. формальную дискретную систему
2. формальную непрерывную систему
3. формальную непрерывно-дискретную систему.
Выбор зависит от целей, действительной сложности самой модели поставленных задач.
Формальной дискретной системой называется система, состояние которой изменяется лишь в некоторые дискретные моменты времени наступления событий, причем каждое событие может привести не только к изменению состояния, но и к изменению параметров системы, алгоритмов функционирования или даже структуры системы. В периоды между событиями состояние не изменяется. Переходы из состояния в состояние происходят мгновенно и нет таких моментов времени, когда состояние ни определено. Типичный пример - комбинационная схема ЭВМ.
Непрерывная формальная система - это система, функционирование которой с некоторого начального момента t0 описывается системами дифференциальных уравнений, а непрерывное взаимодействие компонентов такой системы представляется в виде реализаций определенных функциональных зависимостей, характеристик состояния, в т.ч. непрерывного времени. Мгновенное состояние непрерывной системы в некоторый момент времени определяется множеством мгновенных значений характеристик состояний, или переменных, которые определены в левых частях системы дифференциальных уравнений.
Состояние непрерывной системы задается вектором состояния в примерной области характеристик состояния. Для непрерывных систем выделяется область допустимых состояний, когда ни одна из характеристик не выходит за пределы допустимых диапазонов.
Чисто непрерывных или чисто дискретных систем не существует, т.к. даже непрерывная система связана с событиями "пуск" и "останов" как минимум.
Более общим представлением является непрерывно-дискретная
система, в которой отдельные события могут повлиять на параметры решаемых систем дифференциальных уравнений, могут порождать новые непрерывные процессы или завершить развитие их.
Непрерывно-дискретные системы - это непрерывные системы со вложенной дискретной моделью управления.
Для описания моделей сложных систем используются языки имитационного моделирования, которые ориентированы на некоторые программные готовые средства систем моделирования. Эти языки и системы имитационного моделирования могут быть ориентированы на исследование только дискретных, только непрерывных или непрерывно- дискретных систем.
Для моделирования дискретных систем - GPSS /многоцелевая система моделирования, работающая в ОС ЕС. Язык СИМУЛА , АЛСИМ используется для описания дискретных систем АСУ производства.
Для исследования непрерывных систем языки:
которые исследуют динамические процессы в сложных динамических установках.
Для моделирования процессов в непрерывно-дискретных системах используют НЕДИС, ИМФОР.
Общая структура систем имитационного моделирования
Для исследования особо сложных систем в целях управления этими системами в настоящее время развивается новый метод семиотичного или знакового моделирования, которое позволяет воспроизвести или симитировать процесс принятия решения человеком. Особо сложные системы - это системы, которые не могут быть описаны аппаратом современной математики, даже в статистическом смысла. В этом случае модели представляются в текстовой форме, например, они описывают ситуацию в производстве, на рынке и т.д.. Они могут описывать в текстовой форме и принятые решения. В принципе эти модели должны описывать сущность некоторых процессов, чтобы промоделировать событие их и принять решение. Семиотические модели используются в системах ситуационного управления, когда некоторый оператор принимает решение в зависимости от ситуации /ЦУП для космических полетов/.
Типы семиотических моделей:
1. лингвистические /языковые/
2. информационно-знаковые /банки данных для принятия решений/
3. семантичные сети /логико-лингвистические модели для принятия решений/.
Они соответствуют трем уровням представления знаний об объекте:
1. декларативный,
2. процедуральный,
3. семантический.
На 1-м уровне знания об объекте представляются в форме лингвистической модели, т.е. некоторые описания ситуаций, которые позволяют с помощью простых логических правил принять решение об управлении объектом. Основа таких моделей конструкция IF...ТНЕN /продукция/.
На 2-м уровне используется информационно-знаковые модели в виде специальных организационных баз данных для принятия решении, в которых записывается множество ранее имевших место ситуаций, принятых решений и их последствия, причем база данных имеет средства для выбора "ближайших" ситуаций по отношению к любой текущей ситуации.
На З-м уровне с помощью специальных сетей в виде мультиграфов описывается содержание (семантика) процессов в системе, которые позволяют на основе формальных представлений /правил/ принять правильное решение. Узлами таких графов являются понятия, а ребрами- отношения между понятиями, т.е. осуществляется переход от текстовых представлений к некоторым графическим описаниям, связывающих понятие. Варианты таких сетей - фреймы. Фрейм - минимум описания необходимого для выделения конкретного объекта.
Семиотические модели используются на разных этапах ситуационного управления. Общая структура такой системы управления представляется в виде: /см.рис./
На 1-м этапе ситуационного управления лингвистические модели используются для описания и анализа ситуаций. Логическая обработка этих описаний имеет целью выявление нештатных ситуаций.
На 2-м этапе для текущей ситуации с помощью банка данных для принятия решений формируется подмножество информационно-знаковых моделей поведения, которые ранее имели место в сходных ситуациях.
На основе формальных правил, отраженных в семантичных сетях, принимаются возможные решения, которые сравниваются с рядом решений, полученных из банка данных и вырабатывается ограниченное число лучших решений.
На 4-м этапе производится прогнозирование развития процесса в соответствии с каждым из подходящих решений. Оцениваются последствия решений и вырабатываются их интегральные характеристики. Решение, получившее наивысшую оценку реализуется для управления объектом.
