Модели «черного ящика». Модель состава системы. Модель структуры системы

Самым простым и абстрактным уровнем описания системы является модель «черного ящика». В этом случае предполагается, что выделенная система связана со средой через совокупность входов и выходов. Выходы модели описывают результаты деятельности системы, а входы – ресурсы и ограничения. При этом предполагается, что мы ничего не знаем и не хотим знать о внутреннем содержании системы. Модель в этом случае отражает два важных и существенных ее свойства: целостность и обособленность от среды.

Рис.2. Модель «черного ящика»

Декомпозиция внутренней структуры черного ящика на боле мелкие составляющие (подсистемы, отдельные элементы), позволяет строить модели состава систем.

Простота и доступность моделей «черного ящика» и состава позволяет решать с их использованием множество практических задач. Вместе с тем для более детального (глубокого) изучения систем необходимо устанавливать в модели состава отношения (связи) между элементами. Описание системы через совокупность необходимых и достаточных для достижения целей отношений между элементами назовем моделью структуры системы. [Шумский, с.21-23]

Классификация моделей

В зависимости от типа носителя и характеристических призна­ков (сигнатуры) модели различаются следующие виды моделиро­вания: детерминированное и стохастическое, статическое и дина­мическое, дискретное, непрерывное и дискретно-непрерывное.

Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий.

Стохастическое моделирование учитывает вероятностные процессы и события. Статическое моделирование служит для описания состояния объекта в фиксированный момент времени, а динамическое — для исследования объекта во времени. При этом оперируют аналоговыми (непрерывными), дискретными и смешанными моделями.

В зависимости от формы реализации носителя и сигнатуры 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 (например, ситуация микромира). Мысленное моделирование реальных систем реализуется в виде наглядного, символического и математическо­го. Для представления функциональных, информационных и событийных моделей этого вида моделирования разработано значительное количество средств и методов.

При наглядном моделировании на базе представлений чело­века о реальных объектах создаются наглядные модели, отобра­жающие явления и процессы, протекающие в объекте. Приме­ром таких моделей являются учебные плакаты, рисунки, схемы, диаграммы.

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 (или только одну) сторон функционирования объек­та. Макетирование применяется, когда протекающие в реаль­ном объекте процессы не поддаются физическому моделирова­нию или 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 его основные свойства с помощью опреде­ленной системы знаков и символов. В основе языкового модели­рования лежит некоторый тезаурус, который образуется из набора понятий исследуемой предметной области, причем этот набор должен быть фиксированным. Под тезаурусом понимается сло­варь, отражающий связи между словами или иными элементами данного языка, предназначенный для поиска слов по их смыслу. 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 любой системы математическими методами, включая и компьютерные, должна быть обязательно проведена формализация этого процесса, то есть построена математическая модель. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, от требуемой достоверности и точности решения задачи. Любая математическая модель, как и всякая Другая, описывает реальный объект с некоторой степенью при­ближения.

Для представления математических моделей могут использоваться различные формы записи. Основными являются инвариантная, аналитическая, алгоритмическая и схемная (графическая).

Инвариантная форма — запись соотношений модели с помощью традиционного математического языка безотноситель но к методу решения уравнений модели. В этом случае модель может быть представлена как совокупность входов, выходов, переменных состояния и глобальных уравнений системы.

Аналитическая форма — запись модели в виде результата решения исходных уравнений модели. Обычно модели в анали­тической форме представляют собой явные выражения выход­ных параметров как функций входов и переменных состояния.

Для аналитического моделирования характерно то, что в ос­новном моделируется только функциональный аспект систе­мы. При этом глобальные уравнения системы, описывающие закон (алгоритм) ее функционирования, записываются в виде некоторых аналитических соотношений (алгебраических, интегродифференциальных, конечноразностных и т. д.) или логи­ческих условий. Аналитическая модель исследуется несколь­кими методами:

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

- численным, когда, не умея решать уравнения в общем виде, стремятся получить числовые результаты при конкретных начальных данных (напомним, что такие модели называ­ются цифровыми);

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

В настоящее время распространены компьютерные методы исследования характеристик процесса функционирования сложных систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирую­щий алгоритм.

Алгоритмическая форма — запись соотношений модели и выбранного численного метода решения в форме алгоритма. Среди алгоритмических моделей важный класс составляют имитационные модели, предназначенные для имитации физических или информационных процессов при различных внешних воздействиях. Собственно имитацию названных процессов называют имитационным моделированием.

При имитационном моделировании воспроизводится алго­ритм функционирования системы во времени — поведение системы, причем имитируются элементарные явления, состав­ляющие процесс, с сохранением их логической структуры и последовательности протекания, 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 другие, которые часто создают трудности при аналитических исследованиях. В настоящее время имита­ционное моделирование — наиболее эффективный метод ис­следования систем, а часто и единственный практически доступ­ный метод получения информации о поведении системы, особенно на этапе ее проектирования.

В имитационном моделировании различают метод статис­тических испытаний (Монте-Карло) и метод статистического моделирования.

Метод Монте-Карло — численный метод, который приме­няется для моделирования случайных величин и функций, вероятностные характеристики которых совпадают с решения­ми аналитических задач. Состоит в многократном воспроизве­дении процессов, являющихся реализациями случайных вели­чин и функций, с последующей обработкой информации Методами математической статистики.

Если этот прием применяется для машинной имитации в целях исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, то такой метод называется методом 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 систем, когда требуется создать систему с заданными характеристиками при определенных ограничениях.

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 дает возможность охва­тить качественно новые классы систем, которые не могут быть исследованы с использованием аналитического или имитацион­ного моделирования в отдельности.

Информационное (кибернетическое) моделирование связа­но с исследованием моделей, в которых отсутствует непосред­ственное подобие физических процессов, происходящих в мо­делях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию, рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и модели­руют 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. Так, например, экспертные системы являются моде­лями ЛПР.

Структурное моделирование системного анализа базирует­ся на некоторых специфических особенностях структур определенного вида, которые используются как средство исследо­вания систем или служат для разработки на их основе специфических подходов к моделированию с применением других методов формализованного представления систем (теоре­тико-множественных, лингвистических, кибернетических и т. п.). Развитием структурного моделирования является объектно-ори­ентированное моделирование.

Структурное моделирование системного анализа включает;

- методы сетевого моделирования;

- сочетание методов структуризации с лингвистическими;

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

При этом термин «структура модели» может применяться как к функциям, так и к элементам системы. Соответствующие структуры называются функциональными и морфологически­ми. Объектно-ориентированное моделирование объединяет структуры обоих типов в иерархию классов, включающих как элементы, так и функции.

В структурном моделировании за последнее десятилетие сформировалась новая технология CASE. Аббревиатура CASE имеет двоякое толкование, соответствующее двум направлениям использования CASE-систем. Первое из них — Computer-Aided Software Engineering - переводится как автоматизированное проектирование программного обеспечения. Соответствующие CASE-системы часто называют инструментальными средами быстрой разработки программного обеспечения (RAD – Rapid Aplication Development). Второе — Computer-Aided System Engineering — подчеркивает направленность на поддержку кон­цептуального моделирования сложных систем, преимуществен но слабоструктурированных. Такие CASE-системы часто называют системами BPR (Business Process Rcengineering). В целом, CASE-технология представляет собой совокупность методоло­гий анализа, проектирования, разработки и сопровождения сложных автоматизированных систем, поддерживаемую комп­лексом взаимосвязанных средств автоматизации. CASE — это инструментарий для системных аналитиков, разработчиков и программистов, позволяющий автоматизировать процесс проектирования и разработки сложных систем, в том числе и программного обеспечения.

Ситуационное моделирование опирается на модельную теорию мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений. В центре 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 и опыта. 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 тот информационный контекст, на фоне которого протекают процессы управления. Чем богаче информационная модель объекта и выше возможности манипу­лирования ею, 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 проводятся как на объек­тах, работающих в нормальных режимах, так и при организа­ции специальных режимов для оценки интересующих исследо­вателя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адекватным, но его возможно­сти ограничены.

Натурным моделированием называют проведение исследо­вания на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. Натурное модели­рование подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент. Научный экспе­римент характеризуется широким использованием средств авто­матизации, применением весьма разнообразных средств обра­ботки информации, возможностью вмешательства человека в процесс проведения эксперимента. Одна из разновидностей эксперимента — комплексные испытания, в процессе которых вследствие повторения испытаний объектов в целом (или боль­ших частей системы) выявляются общие закономерности о харак­теристиках 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, то есть можно говорить о производственном эксперименте. Здесь на базе теории подо­бия обрабатывают статистический материал по производствен­ному процессу и получают его обобщенные характеристики. Необходимо помнить про отличие 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 вводятся новые факторы и возмущающие воздействия в про­цесс функционирования объекта.

Другим видом реального моделирования является физиче­ское, отличающееся 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 модельном (псевдореальном) масшта­бах времени или рассматриваться без учета времени. В последнем случае изучению подлежат так называемые «замороженные» процессы, фиксируемые в некоторый момент времени. [Шумский, с.23-32]

Дата добавления: 2015-06-28