Способы представления моделей

Классификация видов моделирования систем

В основе классификации видов моделирования систем лежат различные признаки, такие как

- степень полноты модели;

- характер изучаемых процессов в системе;

- форма представления системы.

Классификация видов моделирования систем приведена на рис. 1.3.

Основой моделирования является теория подобия, из которой следует, 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 системы. Поэтому в качестве одного из первых признаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели в соответствии с этим признаком на полные, неполные и приближенные.

Рис. 1.3. Классификация видов моделирования систем

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 и 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 описания 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 (например, ситуации микроми­ра).

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. Между тезаурусом и обычным словарем имеются принципиальные различия. Тезаурус - сло­варь, который очищен от неоднозначности, т. е. в нем каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному слову может соответствовать неско­лько понятий. 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.

Примеры знаковых моделей:

Математические – представлены математическими формулами, отображающими связь параметров.

Специальные – представлены на специальных языках (ноты, химические формулы).

Алгоритмические – программы.

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 и 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, интегро-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);

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

В настоящее время распространены методы машинной ре­ализации исследования характеристик процесса функционирова­ния БС. 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 БС, 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 для 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 БС, 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, мат­ричных, произвольных графов) на основе теоретико-множествен­ных представлений и понятия номинальной шкалы теории изме­рений.

Ситуационное моделирование основано на модельной теории мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений. В ос­нове 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 ее манипулиро­вания, тем лучше и многообразие 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. Например, проведение реального моделирова­ния АСУП требует, во-первых, наличия такой АСУ и, во-вторых, 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 АСУ - 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 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, 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 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.

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

Реальное моделирование является наиболее адекватным, но при этом его возможности с учётом особенностей реальных объектов ограничены.

С точки зрения математического описания объекта и в зависимости от его характера модели можно разделить на модели аналоговые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные). Под аналоговой моделью понимается модель, которая описывается уравнениями, связывающими непрерывные величины. Под цифровой понимается модель, которая описывается уравнениями, связывающими дискретные величины, представленные в цифровом виде. Под аналого-цифровой понимается модель, которая может быть описана уравнениями, связывающими непрерывные и дискретные величины.

Особый вид моделирования - кибернетическое моделирование, в котором отсутствует непосредственное подобие между реальным объектом и моделью. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «чёрный ящик», имеющий ряд входов и выходов, и моделируются некоторые связи между выходами и входами. Чаще всего при использовании кибернетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отношение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта.

Моделирование теснейшим образом связано с проектированием. Обычно сначала проектируют систему, потом её испытывают, потом снова корректируют проект и снова испытывают, и так до тех пор, пока проект не станет удовлетворять предъявляемым к нему требованиям. Процесс «проектирование-моделирование» цикличен. При этом цикл имеет вид спирали — с каждым повтором проект становится все лучше, так как модель становится все более детальной, а уровень описания точнее.

Процесс моделирования есть процесс перехода из реальной области в виртуальную (модельную) посредством формализации, далее происходит изучение модели (собственно моделирование) и, наконец, интерпретация

результатов как обратный переход из виртуальной области в реальную.

Итак, в самом простом случае технология моделирования подразумевает 3 этапа: формализация, собственно моделирование, интерпретация (рис. 1.4).

Рис. 1.4. Процесс моделирования (базовый вариант)

Если требуется уточнение, эти этапы повторяются вновь и вновь: формализация (проектирование), моделирование, интерпретация. Спираль! Вверх по кругу.

Более подробно весь цикл разработки показан на рис. 1.5, где отражены методы, способы, приёмы, с помощью которых реализуется каждый из этапов.

Поскольку моделирование — способ замещения реального объекта его аналогом, то возникает вопрос: насколько аналог должен соответствовать исходному объекту?

Вариант 1: соответствие — 100%. Очевидно, что точность решения в этом случае максимальна, а ущерб от применения модели минимален. Но затраты на построение такой модели бесконечно велики, так как объект повторяется во всех своих деталях. Фактически, создаётся точно такой же объект путём копирования его до атомов (что само по себе не имеет смысла).

Рис. 1.5. Основные подсистемы при проектировании комплексных моделей

Вариант 2: соответствие — 0%. Модель совсем не похожа на реальный объект. Очевидно, что точность решения минимальна, а ущерб от применения модели максимален, бесконечен. Но затраты на построение такой модели нулевые.

Конечно, варианты 1 и 2 — это крайности. На самом деле модель создаётся из соображений компромисса между затратами на её построение и ущербом от неточности её применения. Это точка между двумя бесконечностями. То есть, моделируя, следует иметь в виду, что исследователь (моделировщик) должен стремиться к оптимуму суммарных затрат, включающих ущерб от применения и затраты на изготовление модели (см. рис. 1.6).

Рис. 1.6. Соотношение суммарных затрат и точности
для различных вариантов детализации прикладной модели

Если просуммировать две кривые затрат — получится одна кривая общих затрат. Оптимум на суммарной кривой лежит между этими крайними вариантами. Видно, что неточные модели не нужны, но и абсолютная точность тоже не нужна, да и невозможна. Частое и распространённое заблуждение при построении моделей — требовать «как можно точнее».

«Модель — поиск конечного в бесконечном» — эта мысль принадлежит Д. И. Менделееву. Что отбрасывается, чтобы превратить бесконечное в конечное? В модель включаются только существенные аспекты, представляющие объект, и отбрасываются все остальные (бесконечное большинство). Существенный или несущественный аспект описания определяют согласно цели исследования. То есть каждая модель составляется с какой-то целью. Начиная моделирование, исследователь должен определить цель, отделив её от всех возможных других целей, число которых, по-видимому, бесконечно.

К сожалению, указанная на рис. 1.6 кривая является умозрительной и реально до начала моделирования построена быть не может. Поэтому на практике действуют таким образом: двигаются по шкале точности слева направо, то есть от простых моделей («Модель 1», «Модель 2»…) ко все более сложным («Модель 3», «Модель 4»…). А процесс моделирования имеет циклический спиралевидный характер: если построенная модель не удовлетворяет требованиям точности, то её детализируют, дорабатывают на следующем цикле (см. рис. 1.7).

Рис. 1.7. Спиралевидный характер процесса
проектирования и уточнения прикладных моделей

Улучшая модель, следят, чтобы эффект от усложнения модели не превышал связанные с этим затраты. Как только исследователь замечает, что затраты на уточнение модели превышают эффект от точности при применении модели, следует остановиться, поскольку точка оптимума достигнута. Такой подход всегда гарантирует окупаемость вложений.

Из всего сказанного следует, что моделей может быть несколько: приближенная, более точная, ещё точнее и так далее. Модели как бы образуют ряд. Двигаясь от варианта к варианту, исследователь совершенствует модель. Для построения и совершенствования моделей необходима их преемственность, средства отслеживания версий и так далее, то есть моделирование требует инструмента и опирается на технологию.

Следует различать два понятия — «модель» и «задача». Модель связывает переменные между собой законами. Эти законы действуют независимо от того, какая сейчас задача стоит перед исследователем, т.е. модель объективна. Исследователь, как субъект, имеющий собственные цели и потребности, ставит перед моделью задачи, требующие решения при возникновения у него проблемы. Поэтому задача — это совокупность вопроса и модели. Можно к модели задавать все новые и новые вопросы и при этом не менять модель, но менять задачу.

То есть модель — способ нахождения ответов на вопросы. Чтобы ответить на поставленный вопрос, модель должна быть преобразована по правилам, обеспечивающим её эквивалентность, к виду, соответствующему ответу на вопрос. Это означает, что модель должна быть сформирована по правилам определённой алгебры (алгебра есть правила преобразования). А процедура, которая помогает применить такие правила к модели, называется методом.

Дата добавления: 2014-01-03