Введение в анализ, синтез и моделирование систем

Автор: Пользователь скрыл имя, 19 Марта 2012 в 14:50, курс лекций

Описание работы

В курсе изложены основы системного анализа, синтеза и моделирования систем, которые необходимы при исследовании междисциплинарных проблем, их системно-синергетических основ и связей. Курс предназначен для студентов, интересующихся не только тем, как получить конкретное решение конкретной проблемы (что достаточно важно), но и тем, как ставить, описывать, исследовать и использовать такие задачи, находить и изучать общее в развивающихся системах различной природы, особенно, в информационных системах

Содержание

1. Лекция: История, предмет, цели системного анализа
2. Лекция: Описания, базовые структуры и этапы анализа систем
3. Лекция: Функционирование и развитие системы
4. Лекция: Классификация систем
5. Лекция: Система, информация, знания
6. Лекция: Меры информации в системе
7. Лекция: Система и управление
8. Лекция: Информационные системы
9. Лекция: Информация и самоорганизация систем
10. Лекция: Основы моделирования систем
11. Лекция: Математическое и компьютерное моделирование
12. Лекция: Эволюционное моделирование и генетические алгоритмы
13. Лекция: Основы принятия решений и ситуационного моделирования
14. Лекция: Модели знаний
15. Лекция: Новые технологии проектирования и анализа систем

Работа содержит 1 файл

АСИС.doc

— 1.75 Мб (Скачать)

Изоморфизм позволяет исследовать инвариантное, общее (системное) в структурах, переносить знания (информацию) от одних структур к другим, прокладывать и усиливать междисциплинарные связи.

Свойство может существовать как структура независимо от системы, ее носителя, а система предоставляет (через свою структуру) возможность (потенцию) свойству взаимодействовать с другими системами (с другими свойствами систем), обладающими таким же свойством.

Вопросы для самоконтроля

  1. Каковы основные сходства и отличия функционирования и развития, развития и саморазвития системы?
  2. В чем состоит гибкость, открытость, закрытость системы?
  3. Какие системы называются эквивалентными? Что такое инвариант систем? Что такое изоморфизм систем?

Задачи и упражнения

  1. Составить спецификации систем (описать системы), находящихся в режиме развития и в режиме функционирования. Указать все атрибуты системы.
  2. Привести примеры систем, находящихся в отношении: а) рефлексивном, симметричном, транзитивном; б) несимметричном, рефлексивном, транзитивном; в) нетранзитивном, рефлексивном, симметричном; г) нерефлексивном, симметричном, транзитивном; д) эквивалентности.
  3. Найти и описать две системы, у которых есть инвариант. Изоморфны ли эти системы?

Темы для научных исследований и рефератов, интернет-листов

  1. Функционирование систем, развитие и саморазвитие систем: сравнительный анализ.
  2. Гибкость, связность, эквивалентность и инвариантность систем: сравнительный анализ.
  3. Алгебра отношений как универсальный аппарат теории систем.


4. Лекция: Классификация систем

Рассматриваются основные типы и классы систем, понятия большой и сложной системы, типы сложности систем, примеры способов определения (оценки) сложности.

Цель лекции: введение в способы классификации систем, большие и сложные системы.

Классификацию систем можно осуществить по разным критериям. Проводить ее жестко - невозможно, она зависит от цели и ресурсов. Приведем основные способы классификации (возможны и другие критерии классификации систем).

  1. По отношению системы к окружающей среде:

o         открытые (есть обмен ресурсами с окружающей средой);

o         закрытые (нет обмена ресурсами с окружающей средой).

  1. По происхождению системы (элементов, связей, подсистем):

o         искусственные (орудия, механизмы, машины, автоматы, роботы и т.д.);

o         естественные (живые, неживые, экологические, социальные и т.д.);

o         виртуальные (воображаемые и, хотя реально не существующие, но функционирующие так же, как и в случае, если бы они существовали);

o         смешанные (экономические, биотехнические, организационные и т.д.).

  1. По описанию переменных системы:

o         с качественными переменными (имеющие лишь содержательное описание);

o         с количественными переменными (имеющие дискретно или непрерывно описываемые количественным образом переменные);

o         смешанного (количественно-качественное) описания.

  1. По типу описания закона (законов) функционирования системы:

o         типа "Черный ящик" (неизвестен полностью закон функционирования системы; известны только входные и выходные сообщения);

o         не параметризованные (закон не описан; описываем с помощью хотя бы неизвестных параметров; известны лишь некоторые априорные свойства закона);

o         параметризованные (закон известен с точностью до параметров и его возможно отнести к некоторому классу зависимостей);

o         типа "Белый (прозрачный) ящик" (полностью известен закон).

  1. По способу управления системой (в системе):

o         управляемые извне системы (без обратной связи, регулируемые, управляемые структурно, информационно или функционально);

o         управляемые изнутри (самоуправляемые или саморегулируемые - программно управляемые, регулируемые автоматически, адаптируемые - приспосабливаемые с помощью управляемых изменений состояний, и самоорганизующиеся - изменяющие во времени и в пространстве свою структуру наиболее оптимально, упорядочивающие свою структуру под воздействием внутренних и внешних факторов);

o         с комбинированным управлением (автоматические, полуавтоматические, автоматизированные, организационные).

Пример. Рассмотрим экологическую систему "Озеро". Это открытая, естественного происхождения система, переменные которой можно описывать смешанным образом (количественно и качественно, в частности, температура водоема - количественно описываемая характеристика), структуру обитателей озера можно описать и качественно, и количественно, а красоту озера можно описать качественно. По типу описания закона функционирования системы, эту систему можно отнести к не параметризованным в целом, хотя возможно выделение подсистем различного типа, в частности, различного описания подсистемы "Водоросли", "Рыбы", "Впадающий ручей", "Вытекающий ручей", "Дно", "Берег" и др. Система "Компьютер" - открытая, искусственного происхождения, смешанного описания, параметризованная, управляемая извне (программно). Система "Логический диск" - открытая, виртуальная, количественного описания, типа "Белый ящик" (при этом содержимое диска мы в эту систему не включаем!), смешанного управления. Система "Фирма" - открытая, смешанного происхождения (организационная) и описания, управляемая изнутри (адаптируемая, в частности, система).

Система называется большой, если ее исследование или моделирование затруднено из-за большой размерности, т.е. множество состояний системы S имеет большую размерность. Какую же размерность нужно считать большой? Об этом мы можем судить только для конкретной проблемы (системы), конкретной цели исследуемой проблемы и конкретных ресурсов.

Большая система сводится к системе меньшей размерности использованием более мощных вычислительных средств (или ресурсов) либо разбиением задачи на ряд задач меньшей размерности (если это возможно).

Пример. Это особенно актуально при разработке больших вычислительных систем, например, при разработке компьютеров с параллельной архитектурой или алгоритмов с параллельной структурой данных и с их параллельной обработкой.

Почти во всех учебниках можно встретить словосочетания "сложная задача", "сложная проблема", "сложная система" и т.п. Интуитивно, как правило, под этими понятиями понимается какое-то особое поведение системы или процесса, делающее невозможным (непреодолимая сложность) или особо трудным (преодолимая сложность) описание, исследование, предсказание или оценку поведения, развития системы.

Определения сложности - различны.

Система называется сложной, если в ней не хватает ресурсов (главным образом, информационных) для эффективного описания (состояний, законов функционирования) и управления системой - определения, описания управляющих параметров или для принятия решений в таких системах (в таких системах всегда должна быть подсистема принятия решения).

Сложной считают иногда такую систему, для которой по ее трем видам описания нельзя выявить ее траекторию, сущность, и поэтому необходимо еще дополнительное интегральное описание (интегральная модель поведения, или конфигуратор) - морфолого-функционально-инфологическое.

Пример. Сложными системами являются, например, химические реакции, если их исследовать на молекулярном уровне; клетка биологического образования, взятая на метаболическом уровне; мозг человека, если его исследовать с точки зрения выполняемых человеком интеллектуальных действий; экономика, рассматриваемая на макроуровне (т.е макроэкономика); человеческое общество - на политико-религиозно-культурном уровне; ЭВМ (особенно пятого поколения) как средство получения знаний; язык - во многих аспектах его рассмотрения.

В сложных системах результат функционирования не может быть задан заранее, даже с некоторой вероятностной оценкой адекватности. Причины такой неопределенности - как внешние, так и внутренние, как в структуре, так и в описании функционирования, эволюции. Сложность этих систем обусловлена их сложным поведением. Сложность системы зависит от принятого уровня описания или изучения системы - макроскопического или микроскопического. Сложность системы может определяться не только большим количеством подсистем и сложной структурой, но и сложностью поведения.

Сложность системы может быть внешней и внутренней.

Внутренняя сложность определяется сложностью множества внутренних состояний, потенциально оцениваемых по проявлениям системы и сложности управления в системе.

Внешняя сложность определяется сложностью взаимоотношений с окружающей средой, сложностью управления системой, потенциально оцениваемых по обратным связям системы и среды.

Сложные системы бывают разных типов сложности:

        структурной или организационной (не хватает ресурсов для построения, описания, управления структурой);

        динамической или временной (не хватает ресурсов для описания динамики поведения системы и управления ее траекторией);

        информационной или информационно-логической, инфологической (не хватает ресурсов для информационного, информационно-логического описания системы);

        вычислительной или реализации, исследования (не хватает ресурсов для эффективного прогноза, расчетов параметров системы, или их проведение затруднено из-за нехватки ресурсов);

        алгоритмической или конструктивной (не хватает ресурсов для описания алгоритма функционирования или управления системой, для функционального описания системы);

        развития или эволюции, самоорганизации (не хватает ресурсов для устойчивого развития, самоорганизации).

Чем сложнее рассматриваемая система, тем более разнообразные и более сложные внутренние информационные процессы приходится актуализировать для того, чтобы была достигнута цель системы, т.е. система функционировала или развивалась.

Пример. Поведение ряда различных реальных систем (например, соединенных между собой проводников с сопротивлениями x1, x2, ... , xn или химических соединений с концентрациями x1, x2, ... , xn, участвующих в реакции химических реагентов) описывается системой линейных алгебраических уравнений, записываемых в матричном виде:

X=AX+B

Заполнение матрицы А (ее структура) будет отражать сложность описываемой системы. Если, например, матрица А - верхнетреугольная матрица (элемент, расположенный на пересечении i-ой строки и j-го столбца всегда равен 0 при i>j), то независимо от n (размерности системы) она легко исследуется на разрешимость. Для этого достаточно выполнить обратный ход метода Гаусса. Если же матрица А - общего вида (не является ни симметричной, ни ленточной, ни разреженной и т.д.), то систему сложнее исследовать (так как при этом необходимо выполнить более сложную вычислительно и динамически процедуру прямого хода метода Гаусса). Следовательно, система будет обладать структурной сложностью (которая уже может повлечь за собой и вычислительную сложность, например, при нахождении решения). Если число n достаточно велико, то неразрешимость задачи хранения матрицы А верхнетреугольного вида в оперативной памяти компьютера может стать причиной вычислительной и динамической сложности исходной задачи. Попытка использовать эти данные путем считывания с диска приведет к многократному увеличению времени счета (увеличит динамическую сложность - добавятся факторы работы с диском).

Пример. Пусть имеется динамическая система, поведение которой описывается задачей Коши вида

y′(t)=ky(t), y(0)=a

Эта задача имеет решение:

y(t)=аe-kt

Отсюда видно, что y(t) при k=10 изменяется на порядок быстрее, чем y(t) при k=1, и динамику системы сложнее будет отслеживать: более точное предсказание для t 0 и малых k связано с дополнительными затратами на вычисления. Следовательно, алгоритмически, информационно, динамически и структурно "не очень сложная система" (при a, k 0) может стать вычислительно и, возможно, эволюционно сложной (при t 0), а при больших t (t∞) - и непредсказуемой. Например, для больших t значения накапливаемых погрешностей вычислений решения могут перекрыть значения самого решения. Если при этом задавать нулевые начальные данные а 0, то система может перестать быть, например, информационно несложной, особенно, если а трудно априорно определить.

Пример. Упрощение технических средств работы в сетях, например, научные достижения, позволяющие подключать компьютер непосредственно к сети, "к розетке электрической сети", наблюдается наряду с усложнением самих сетей, например, с увеличением количества абонентов и информационных потоков в интернет. Наряду с усложнением самой сети интернет, упрощаются (для пользователя!) средства доступа к ней, увеличиваются ее вычислительные возможности.

Структурная сложность системы оказывает влияние на динамическую, вычислительную сложность. Изменение динамической сложности может привести к изменениям структурной сложности, хотя это не является обязательным условием. Сложной системой может быть и система, не являющаяся большой системой; существенным при этом может стать связность (сила связности) элементов и подсистем системы (см. вышеприведенный пример с матрицей системы линейных алгебраических уравнений).

Сложность системы определяется целями и ресурсами (набором задач, которые она призвана решать).

Пример. Сложность телекоммуникационной сети определяется:

  1. необходимой скоростью передачи данных;
  2. протоколами, связями и типами связей (например, для селекторного совещания необходима голосовая телеконференция);
  3. необходимостью видеосопровождения.

Само понятие сложности системы не является чем-то универсальным, неизменным и может меняться динамически, от состояния к состоянию. При этом и слабые связи, взаимоотношения подсистем могут повышать сложность системы.

Пример. Рассмотрим процедуру деления единичного отрезка [0; 1] с последующим выкидыванием среднего из трех отрезков и достраиванием на выкинутом отрезке равностороннего треугольника (рис. 4.1); эту процедуру будем повторять каждый раз вновь к каждому из остающихся после выкидывания отрезков. Этот процесс является структурно простым, но динамически сложным, более того, образуется динамически интересная и трудно прослеживаемая картина системы, становящейся "все больше и больше, все сложнее и сложнее". Такого рода структуры называются фракталами, или фрактальными структурами (фрактал - от fraction - "дробь" и fracture - "излом", т.е. изломанный объект с дробной размерностью). Его отличительная черта - самоподобие, т.е. сколь угодно малая часть фрактала по своей структуре подобна целому, как ветка - дереву.

Информация о работе Введение в анализ, синтез и моделирование систем