Модель – это упрощенное представление о реальном объекте, процессе или явлении.
Моделирование – это посторенние моделей для исследования объектов, процессов, явлений.
В моделировании есть два заметно разных пути. Модель может быть похожей копией объекта, выполненной из другого материала, в другом масштабе, с отсутствием деталей. Например, это игрушечный кораблик, самолет и т.д. Модель может отображать реальность более абстрактно – словесным описанием в свободной форме, описанием, формализованным по каким-то правилам, математическими соотношениями и т.д.
1) традиционное математическое моделирование без какой-либо привязки к техническим средствам информатики.
2) Информационные модели и моделирование, имеющие приложения в информационных системах.
3) Вербальные (компьютерные) технологии, которые надо делить:
На инструментальное использование базовых универсальных программных средств (текстовых редакторов, СУБД, табличных процессоров и т.д.);
На компьютерное моделирование, приставляющее собой:
Вычислительное (имитационное) моделирование;
- «визуализацию явлений и процессов»;
- «высшие» технологии, понимаемые как специализированы прикладные технологии, использующие компьютер в сочетании с измерительной аппаратурой, датчиками, сенсорами и т.д.
Укрупненная классификация абстрактных моделей (идеальных) такова:
1) Вербальные (текстовые) модели. Эти модели используют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности.
2) Математические модели. Очень широкий класс знаковых моделей, широко использующие те или иные математические методы.
3) Информационные модели. Класс знакомых моделей, описывающие информационные процессы в системах самой разнообразной природы.
Цели моделирования:
1. Модель нужна для того, чтобы узнать, как устроен конкретный объект, каковы его законы развития и взаимодействие с окружающим миром.
2. Модель нужна для того, чтобы научиться управлять объектом и определить наилучшие способы управления при заданных целях и критериях.
3. Модель нужна для того, чтобы прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект.
Рассмотрим основные этапы моделирования подробнее.
Этап 1. Постановка задачи.
Под задачей понимается некая проблема, которую надо решить. На этапе постановки задачи необходимо:
описать задачу, определить цели моделирования, проанализировать объект или процесс.
Описание задачи.
Задача формулируется на обычном языке, и описание должно быть понятным. Главное здесь - определить объект моделирования и понять, что должен представлять собой результат.
Цели моделирования.
Познание окружающего мира.
Зачем человек создает модели? Чтобы ответить на этот вопрос, надо заглянуть в далекое прошлое. Несколько миллионов лет назад, на заре человечества, первобытные люди изучали окружающую природу, чтобы научиться противостоять природным стихиям, пользоваться природными благами, просто выживать. Накопленные знания передавались из поколения в поколение устно, позже письменно, наконец с помощью предметных моделей. Так родилась, к примеру, модель земного шара - глобус, - позволяющая получить наглядное представление о форме нашей планеты, ее вращении вокруг собственной оси и расположении материков. Такие модели позволяют понять, как устроен конкретный объект, узнать его основные свойства, установить законы его развития и взаимодействия с окружающим миром моделей.
Создание объектов с заданными свойствами (задача типа «Как сделать, чтобы...»).
Накопив достаточно знаний, человек задал себе вопрос: «Нельзя ли создать объект с заданными свойствами и возможностями, чтобы противодействовать стихиям или ставить себе на службу природные явления?» Человек стал строить модели еще не существующих объектов. Так родились идеи создания ветряных мельниц, различных механизмов, даже обыкновенного зонтика. Многие из этих моделей стали в настоящее время реальностью. Это объекты, созданные руками человека.
Определение последствий воздействия на объект и принятие правильного решения (задача типа «Что будет, если...»: что будет, если увеличить плату за проезд в транспорте, или что произойдет, если закопать ядерные отходы в такой-то местности?)
Например, для спасения Петербурга от постоянных наводнений, приносящих огромный ущерб, решено было возвести дамбу. При ее проектировании было построено множество моделей, в том числе и натурных, именно для того, чтобы предсказать последствия вмешательства в природу.
Эффективность управления объектом (или процессом).
Поскольку критерии управления бывают весьма противоречивыми, то эффективным оно окажется только при условии, если будут «и волки сыты, и овцы целы». Например, нужно наладить питание в школьной столовой. С одной стороны, оно должно отвечать возрастным требованиям (калорийное, содержащее витамины и минеральные соли), с другой - нравиться большинству ребят и к тому же быть «по карману» родителям, а с третьей - технология приготовления должна соответствовать возможностям школьных столовых. Как совместить несовместимое? Построение модели поможет найти приемлемое решение.
Анализ объекта.
На этом этапе четко выделяют моделируемый объект, его основные свойства, его элементы и связи между ними. Простой пример подчиненных связей объектов - разбор предложения. Сначала выделяются главные члены (подлежащее, сказуемое), затем второстепенные члены, относящиеся к главным, затем слова, относящиеся к второстепенным, и т. д.
Этап 2. Разработка модели.
Информационная модель.
На этом этапе выясняются свойства, состояния, действия и другие характеристики элементарных объектов в любой форме: устно, в виде схем, таблиц. Формируется представление об элементарных объектах, составляющих исходный объект, т. е. информационная модель. Модели должны отражать наиболее существенные признаки, свойства, состояния и отношения объектов предметного мира. Именно они дают полную информацию об объекте.
Знаковая модель.
Прежде чем приступить к процессу моделирования, человек делает предварительные наброски чертежей либо схем на бумаге, выводит расчетные формулы, т. е. составляет информационную модель в той или иной знаковой форме, которая может быть либо компьютерной, либо некомпьютерной.
Компьютерная модель
Это модель, реализованная средствами программной среды.
Существует множество программных комплексов, которые позволяют проводить исследование (моделирование) информационных моделей. Каждая программная среда имеет свой инструментарий и позволяет работать с определенными видами информационных объектов.
Человек уже знает, какова будет модель, и использует компьютер для придания ей знаковой формы. Например, для построения геометрических моделей, схем используются графические среды, для словесных или табличных описаний - среда текстового редактора.
Основные функции компьютера при моделировании систем:
исполнение роли вспомогательного средства для решения задач, решаемых и обычными вычислительными средствами, алгоритмами, технологиями;
исполнение роли средства постановки и решения новых задач, не решаемых традиционными средствами, алгоритмами, технологиями;
исполнение роли средства конструирования компьютерных обучающих и моделирующих сред типа: «обучаемый - компьютер - обучающий», «обучающий - компьютер - обучаемый», «обучающий - компьютер - группа обучаемых», «группа обучаемых - компьютер - обучающий», «компьютер - обучаемый - компьютер»;
исполнение роли средства моделирования для получения новых знаний;
«обучение» новых моделей (самообучение моделей).
Этап 3. Компьютерный эксперимент.
Компьютерное моделирование - основа представления знаний в ЭВМ. Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ. Прогресс моделирования связан с разработкой систем компьютерного моделирования, а прогресс в информационной технологии - с актуализацией опыта моделирования на компьютере, с созданием банков моделей, методов и программных систем, позволяющих собирать новые модели из моделей банка.
Разновидность компьютерного моделирования - вычислительный эксперимент, т. е. эксперимент, осуществляемый экспериментатором над исследуемой системой или процессом с помощью орудия эксперимента - компьютера, компьютерной среды, технологии.
Вычислительный эксперимент становится новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости перехода от исследования линейных математических моделей систем (для которых достаточно хорошо известны или разработаны методы исследования, теория) к исследованию сложных и нелинейных математических моделей систем (анализ которых гораздо сложнее). Грубо говоря, наши знания об окружающем мире линейны, а процессы в окружающем мире нелинейны.
Вычислительный эксперимент позволяет находить новые закономерности, проверять гипотезы, визуализировать ход событий и т. д.
Чтобы дать жизнь новым конструкторским разработкам, внедрить новые технические решения в производство или проверить новые идеи, нужен эксперимент. В недалеком прошлом такой эксперимент можно было провести либо в лабораторных условиях на специально создаваемых для него установках, либо на натуре, т. е. на настоящем образце изделия, подвергая его всяческим испытаниям.
С развитием вычислительной техники появился новый уникальный метод исследования - компьютерный эксперимент. Компьютерный эксперимент включает некоторую последовательность работы с моделью, совокупность целенаправленных действий пользователя над компьютерной моделью.
Этап 4. Анализ результатов моделирования.
Конечная цель моделирования - принятие решения, которое должно быть выработано на основе всестороннего анализа полученных результатов. Этот этап решающий - либо вы продолжаете исследование, либо заканчиваете. Возможно, вам известен ожидаемый результат, тогда необходимо сравнить полученный и ожидаемый результаты. В случае совпадения вы сможете принять решение.
Основой для выработки решения служат результаты тестирования и экспериментов. Если результаты не соответствуют целям поставленной задачи, значит, допущены ошибки на предыдущих этапах. Это может быть либо слишком упрощенное построение информационной модели, либо неудачный выбор метода или среды моделирования, либо нарушение технологических приемов при построении модели. Если такие ошибки выявлены, то требуется корректировка модели, т. е. возврат к одному из предыдущих этапов. Процесс повторяется до тех пор, пока результаты эксперимента не будут отвечать целям моделирования. Главное, надо всегда помнить: выявленная ошибка - тоже результат.
Виды моделей.
В прикладных областях различают следующие виды абстрактных моделей:
традиционное (прежде всего для теоретической физики, а также механики, химии, биологии, ряда других наук) математическое моделирование без какой-либо привязки к техническим средствам информатики;
информационные модели и моделирование, имеющие приложения в информационных системах;
вербальные (т.е. словесные, текстовые) языковые модели.
информационные (компьютерные) технологии, которые надо делить
а) на инструментальное использование базовых универсальных программных средств (текстовых редакторах, СУБД, табличных процессоров, телекоммуникационных пакетов);
б) на компьютерное моделирование, представляющее собойвычислительное (имитационное) моделирование; "визуализацию явлений и процессов" (графическое моделирование);
"высокие" технологии, понимаемые как специализированные прикладные технологии, использующие компьютер (как правило, в режиме реального времени) в сочетании с измерительной аппаратурой, датчиками, сенсорами и т.д.
Итак, укрупненная классификация абстрактных (идеальных) моделей такова.
ербальные модели. Эти модели используют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности.
Математические модели - очень широкий класс знаковых моделей (основанных на формальных языках над конечными алфавитами), широко использующих те или иные математические методы. Например, можно рассмотреть математическую модель звезды. Эта модель будет представлять собой сложную систему уравнений, описывающих физические процессы, происходящие в недрах звезды.
Информационные модели - класс знаковых моделей, описывающих информационные процессы (возникновение, передачу, преобразование и использование информации) в системах самой разнообразной природы.
К основным этапам компьютерного моделирования относятся:
постановка задачи, определение объекта моделирования;
разработка концептуальной модели, выявление основных элементов системы и элементарных актов взаимодействия;
формализация, то есть переход к математической модели; создание алгоритма и написание программы;
планирование и проведение компьютерных экспериментов;
анализ и интерпретация результатов.
Вычислительный (или компьютерный) эксперимент во многом аналогичен обычному (натурному). Это и планирование экспериментов, и создание экспериментальной установки, и выполнение контрольных испытаний. Затем следует проведение серийных опытов, обработка экспериментальных данных, их интерпретация и т. д. Однако вычислительный эксперимент проводится не над реальным объектом, а над его математической моделью, и роль экспериментальной установки играет оснащенная специально разработанной программой ЭВМ.
Широкое применение ЭВМ в математическом моделировании, на основе хорошо разработанной теории, позволяет получать значительные практические результаты. И можно говорить о вычислительном эксперименте как о новой технологии и методологии научных и прикладных исследований.
Создание эффективного программного обеспечения, наряду с техническим развитием ЭВМ позволяет проводить расчеты, когда достоверность прогноза достигает более 90 %. Причем прогноз делается столь быстро, что за время реализации одного натурного эксперимента можно много раз проварьировать его вычислительный аналог.
Достоинства вычислительного эксперимента очевидны. Вычислительный эксперимент, как правило, дешевле физического. В этот эксперимент можно легко и безопасно вмешиваться. Его можно повторить и прервать в любой момент. В ходе этого эксперимента можно смоделировать условия, которые не получается воссоздать в лаборатории.
В ряде случаев проведение натурного эксперимента бывает затруднено или простоневозможно, так как изучаются быстропротекающие процессы, исследуются труднодоступные или вообще недоступные (пока) объекты и т.д. и т.п. Часто проведение полномасштабного натурного эксперимента сопряжено с губительными или непредсказуемыми последствиями, с опасностью для жизни и здоровья человека (ядерная зима, поворот сибирских рек, генетическая модификация растений и животных). Нередко требуется исследование и прогнозирование результатов катастрофических явлений (глобальное потепление климата, землетрясение, авария ядерного реактора АЭС). В таких случаях вычислительный эксперимент может (и должен!) стать основным средством исследования. Заметим, что с его помощью оказывается возможным прогнозировать свойства новых, еще не созданных конструкций и материалов на стадии их проектирования. Применение вычислительного эксперимента в медицине позволяет изучать и предсказывать влияние медикаментов на состояние пациента, проводить предоперационное моделирование.
В вычислительном как и в натурном эксперименте, чтобы проанализировать влияние K параметров на исход эксперимента, необходимо провести nK испытаний, где n - количество варьируемых значений одного параметра. Уже при задаче средней сложности (K, n = 5-10) число экспериментов может стать просто огромным. Но, как уже говорилось, проведение нужного количества испытаний практически не представляет труда при проведении компьютерного эксперимента. Для сложных задач характерно наличие значительного числа параметров характеризующих используемую модель. Создание нового изделия или технологического процесса предполагает выбор среди большого числа альтернативных вариантов, а также оптимизацию по ряду параметров. Поэтому в ходе вычислительного эксперимента расчеты проводятся многократно с разными значениями входных данных. Для получения нужных результатов с требуемой точностью и в приемлемые сроки необходимо, чтобы на расчет каждого варианта тратилось минимальное время. Именно поэтому при создании программного обеспечения так важно использовать эффективные численные методы.
Разработка программного обеспечения для вычислительного эксперимента в конкретной области деятельности приводит к созданию крупного программного комплекса. Он состоит из связанных между собой прикладных программ и системных средств, включающих средства, предоставляемые пользователю для управления ходом вычислительного эксперимента, обработки и представления его результатов. Такой комплекс программ иногда называют проблемно-ориентированным пакетом прикладных программ.
Современные компьютерные программы обладают высокой сервисностью и дружелюбным интерфейсом, что позволяет легко освоить работу с ними за короткое время.
Дальнейшее развитие в области специального программирования может вообще избавить исследователей от необходимости изучения расчетных методов. В самом деле, ведь пользуются же экспериментаторы сложными высокоавтоматизированными приборами, почти ничего не зная о деталях их конструкций. Отсюда, тем не менее, вовсе нельзя делать вывод, что "коль работает программа, головы совсем не надо".
При проведении исследований важно помнить что вычислительный эксперимент имеет свои ограничения, которые могут привести к неэффективным затратам времени и ресурсов, или даже к получению ошибочных результатов.
Известно, что применимость результатов вычислительного эксперимента ограничена рамками принятой математической модели. Действительно, вычислительный эксперимент не может полностью заменить натурный, и будущее за их разумным сочетанием. Результаты натурного опыта являются фундаментом для построения теории на основе которой создается математическая модель. И надежным критерием, подтверждающим достоверность ее выводов, опять же является практика. Поэтому к результатам численного эксперимента, необходимо подходить с известной осторожностью, особенно, если в его основе лежит новая теория, либо используемые параметры модели находятся на границе области её применимости.
Однако если есть достаточная уверенность, что исследуемая система действительно правильно описывается используемыми уравнениями, и заложенные в них исходные предположения верны, более чем разумно ставить не натурный, а именно компьютерный эксперимент.
Есть у вычислительного эксперимента и ограничения, связанные с математической стороной исследований. Например, с помощью численного подхода нельзя получить общей формулы, позволяющей оценить совместное влияние параметров, входящих в уравнения модели, на решение этих уравнений. Полное представление о таком влиянии дает только аналитическое исследование. Но далеко не всегда, для сложных задач в их полной постановке (без упрощений), аналитическое решение может быть найдено.
Важным моментом на этапе постановки задачи является определение цели моделирования. От выбранной цели зависит, какие характеристики исследуемого объекта считать существенными, а какие отбросить. В соответствии с поставленной целью может быть подобран инструментарий, определены методы решения задачи, формы отображения результатов.
Рассмотрим возможные цели моделирования.
Первобытные люди изучали окружающую природу, чтобы научиться противостоять природным стихиям, пользоваться природными благами, просто выживать.
Накопленные знания передавались из поколения в поколение устно, позже письменно и, наконец, с помощью предметных моделей. Так был создан глобус -- модель Земного шара, позволяющая получить наглядное представление о форме нашей планеты, ее вращении вокруг собственной оси и о расположении материков. Такие модели помогают понять, как устроен конкретный объект, узнать его основные свойства, установить законы его развития и взаимодействия с окружающим миром. В этом случае целью построения модели является познание окружающего мира.
Накопив достаточно знаний, человек задал себе вопрос: «Нельзя ли создать объект с заданными свойствами и возможностями, чтобы противодействовать стихиям и ставить себе на службу природные явления?» Человек стал строить модели еще не существующих объектов. Так родились идеи создания ветряных мельниц, различных механизмов, даже обыкновенного зонтика. Многие из этих моделей стали в настоящее время реальностью. Это объекты, созданные руками человека.
Таким образом, другая важная цель моделирования -- создание объектов с заданными свойствами. Эта цель соответствует постановке задачи «как сделать, чтобы...».
Цель моделирования задач типа «что будет, если...» -- определение последствий воздействия на объект и принятие правильного решения. Подобное моделирование играет важное значение при рассмотрении социальных и экологических вопросов: что будет, если увеличить плату за проезд в транспорте, или что произойдет, если закопать ядерные отходы в некоторой местности?
Например, для избавления Санкт-Петербурга от постоянных наводнений, приносящих огромный ущерб, было решено возвести дамбу. При ее проектировании было построено множество моделей, в том числе и натурных, именно с целью предсказания последствий вмешательства в природу.
Формализация задачи
В повседневной жизни мы постоянно сталкиваемся с проявлением формализма, означающего строгий порядок. И хотя мы часто говорим о формализме с отрицательной оценкой, в некоторых случаях без него не обойтись. Возможно ли организовать учет и хранение лекарств в больнице или диспетчерское управление в авиации, если не подчинить эти процессы строгой формализации? В таких случаях она означает четкие правила и их одинаковое понимание всеми, строгий учет, единые формы отчетности и т. д.
Обычно о формализации говорят и тогда, когда собранные данные предполагают обрабатывать математическими средствами.
Те из вас, кто участвовал в переписи населения, вероятно, обратили внимание, какие формы заполняли инспекторы по результатам беседы с членами семьи. В этих формах не было выделено места для эмоций, они содержали формализованные данные опроса -- единицы в строго определенных графах. Эти данные затем обрабатывались с использованием математических методов. Нельзя не упомянуть и о том, что обработка велась при помощи компьютера. Компьютер является универсальным инструментом для обработки информации, но для решения любой задачи с его использованием надо изложить ее на строгом, формализованном языке. Каким бы чудом техники ни казался компьютер, человеческий язык ему не понятен.
При формализации задачи отталкиваются от ее общего описания. Это позволяет четко выделить прототип моделирования и его основные свойства. Как правило, этих свойств довольно много, причем некоторые невозможно описать количественными соотношениями. Кроме того, в соответствии с поставленной целью необходимо выделить параметры, которые известны (исходные данные) и которые следует найти (результаты).
Как уже упоминалось выше, прототипом моделирования может быть объект, процесс или система. Если моделируется система, производится ее анализ: выявляются составляющие системы (элементарные объекты) и определяются связи между ними. При анализе необходимо также решить вопрос о степени детализации системы.
Формализацию проводят в виде поиска ответов на вопросы, уточняющие общее описание задачи.
Введение……………………………………………………………………….Стр.
1. Основы этапы и цели моделирования……………………… Стр.
1.1. Постановка цели моделирования……………………………………….Стр.
1.2. Идентификация реальных объектов...................................... Стр.
1.3. Выбор вида моделей……………………………………………………Стр.
1.4. Выбор математической схемы………………………………………….Стр.
2. Построение непрерывно-стахостической модели…… Стр.
2.1. Основные понятия теории массового обслуживания………………. Стр.
2.2. Определение потока событий……………………………………………Стр.
2.3. Постановка алгоритмов ……………………………..………………….Стр.
3. Программная реализация модели………………………….… Стр.
3.1. Оптимизация алгоритма………………………………..……………….Стр.
3.2. Листинг программы………..……………………………………………Стр.
Вывод…………………………………………………………………………Стр.
Список используемой литературы……………………………….. Стр.
Приложение…………………………………………………………………..Стр.
Введение
Современное состояние общества характеризуется внедрением достижений научно-технического прогресса во все сферы деятельности. Переживаемый в настоящее время этап развития является этапом информатизации. Информатизация - это процесс создания, развития и всеобщего применения информационных средств и технологий, обеспечивающих кардинальное улучшение качества труда и условий жизни в обществе. Информатизация тесно связана с внедрением информационно-вычислительных систем, с повышением уровня автоматизации организационно-экономической, технологической, административно-хозяйственной, проектно-конструкторской, научно-исследовательской и других видов деятельности. Создание сложных технических систем, проектирование и управление сложными комплексами, анализ экологической ситуации, особенно в условиях агрессивного техногенного воздействия, исследование социальных проблем коллективов, планирование развития регионов и многие другие направления деятельности требуют организации исследований, которые имеют нетрадиционный характер. По ряду специфических признаков все перечисленные объекты прикладной деятельности обладают свойствами больших систем. Таким образом, в различных сферах деятельности приходится сталкиваться с понятиями больших или сложных систем.
В разных сферах практической деятельности развивались соответствующие методы анализа и синтеза сложных систем. Системность стала не только теоретической категорией, но и аспектом практической деятельности. Ввиду того, что сложные системы стали предметом изучения, проектирования и управления, потребовалось обобщение методов исследования систем. Появилась объективная необходимость в возникновении прикладной науки, устанавливающей связь между абстрактными теориями системности и системной практикой. В последнее время это движение оформилось в науку, которая получила название «системный анализ».
Особенности современного системного анализа вытекают из самой природы сложных систем. Имея в качестве цели ликвидацию проблемы или, как минимум, выяснение ее причин, системный анализ привлекает для этого широкий спектр средств, использует возможности различных наук и практических сфер деятельности. Являясь по существу прикладной диалектикой, системный анализ придает большое значение методологическим аспектам любого системного исследования. С другой стороны, прикладная направленность системного анализа приводит к необходимости использования всех современных средств научных исследований - математики, вычислительной техники, моделирования, натурных наблюдений и экспериментов.
Системный анализ является меж- и наддисциплннарным курсом, обобщающим методологию исследования сложных технических, природных и социальных систем. Для проведения анализа и синтеза сложных систем используется широкий спектр математических методов. Основу математического аппарата данной дисциплины составляют линейное и нелинейное программирование, теория принятия решений, теория игр, имитационное моделирование, теория массового обслуживания, теория статистических выводов и т.п.
Основы цели, проблемы и этапы моделирования
Основная общая цель моделирования заключается в наблюдении за системой, подверженной воздействию внешних или внутренних факторов при достижении системой определенного состоянии, которое может быть как задано, так и неизвестно, из-за отсутствия информации или по каким либо иным причинам. Моделирование позволяет определить сможет ли система функционировать при таких условиях или нет, во время этого перехода. В зависимости от реальной модели и цели расширяются и конкретизируются.
Определение качества функционирования большой системы, выбор оптимальной структуры и алгоритма поведения, построение системы в соответствие с поставленной перед ней целью - главная проблема при проектировании современных больших систем (в том числе и АСУ, САПР, АСНI).
Поэтому, моделирование - один из методов, которые используются при проектировании и исследовании больших систем. Моделирование осуществляется через эксперимент - процедуру организации и наблюдения каких-нибудь явлений, которые осуществляются в условиях, близким к действительным, или имитируют их.
Различают два типа экспериментов:
1. пассивный, когда исследователь наблюдает процесс, не вмешиваясь в него;
2. активный, когда наблюдатель вмешивается и организовывает прохождение процесса.
В основе моделирования лежат информационные процессы:
Создание модели Mбазируется на информации о реальном объекте;
При реализации модели получается информация о данном объекте;
В процессе эксперимента с моделью вводится управляющая информация;
Полученные данные обрабатываются.
Как объект моделирования мы рассматриваем сложные организационно-технические системы, которые относятся к классу больших систем.
Модель М такой системы так же становится частью системы S(M) и может относиться к классу больших систем.
Следует также заметить, что модель большой системы описывается следующими критериями:
1. ЦЕЛЬ ФУНКЦИОНИРОВАНИЯ. Определяет степень целенаправленности поведения модели М. Модели делятся на одноцелевые (для решения одной задачи) и многоцелевые (рассматривают ряд сторон объекта).
2. СЛОЖНОСТЬ. Оценивается числом элементов и связей между ними, иерархию связей, множеством входов и выходов и т.д.
3. ЦЕЛОСТНОСТЬ. Модель М, которая создается, является одной целостной системой S(M), включает в себя большое количество составных частей (экспериментов), которые находятся в сложной взаимосвязи. Характеризуется появлением новых свойств, отсутствующих у элементов (эмерджентность).
4. НЕОПРЕДЕЛЕННОСТЬ. Проявляется в системе: по состоянию системы, возможности достижения поставленной цели, методом решения задач, достоверности исходной информации и т.д. Главная характеристика неопределенности это такая мера информации как энтропия.
5. ПОВЕДЕНЧЕСКАЯ КАЗНЬ. Позволяет оценить эффективность достижения системой S поставленной цели. Применяя к М, позволяет оценить эффективность М и точность, и достоверность результатов.
6. АДАПТИВНОСТЬ. Это свойство высокоорганизованной системы. Благодаря ей S адаптируется к внешним раздражителям в широком диапазоне изменения действий Е. Применяя к модели М важна ее адаптация к внешним условиям, близким к реальным, а также вопрос существования М, и ее живучести и надежности.
7. ОРГАНИЗАЦИОННАЯ СТРУКТУРА СИСТЕМЫ МОДЕЛИРОВАНИЯ. Зависит от сложности модели и степени совершенствования средств моделирования. Одним из главных достижений в области моделирования - это возможность использования имитационных моделей для проведения машинных экспериментов.
Здесь нужны:
Оптимальная организационная структура комплекса технических средств
Информационного
Математического и программного обеспечения системы моделирования S`(М)
Оптимальная организация процесса моделирования (время моделирования и точность результата).
8. УПРАВЛЯЕМОСТЬ МОДЕЛИ. Необходимо обеспечить управление со стороны экспериментаторов при имитации разных условий прохождения процесса. Управляемость S связана со степенью автоматизации моделирования (программные средства и средства диалога).
9. ВОЗМОЖНОСТЬ РАЗВИТИЯ МОДЕЛИ. Современный уровень науки и техники позволяет создавать мощные системы моделирования S(M) для исследования многих сторон функционирования реального объекта. Необходимо предвидеть возможность развития S(M) как по горизонтали, расширяя спектр изучаемых функций, так и по вертикали, расширяя число подсистем.
В целом проблема моделирования сложной системы - это комплекс сложных научно-технических задач.
При создании рассматривают следующие основные этапы:
Определение цели моделирования;
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
Определение главных закономерностей, исследуемых при моделировании
Теперь же перейдем непосредственно к созданию модели по конкретно поставленному заданию.
Постановка цели моделирования
Постановка задачи, построение содержательной модели - творческий процесс, основанный на возможностях и знаниях исследователя, базируется на эвристике.
Изучив задание, можно выделить следующие цели создания модели:
1. Определение производительности второго цикла обработки деталей;
2. При каком условии возможно повышение загрузки второго станка и снижение уровня задела на втором цикле обработки;
Идентификация реальных объектов
На этом этапе осуществляется определение основных элементов реальной системы, и привязка их к образным понятиям модели с дальнейшим конкретизированием и конвертированием в математическое представление на стадии расширения алгоритма программной реализации.
Рассмотрим теперь вопрос, для чего вообще нужно моделирование, в каких случаях можно обойтись без модели, исследуя собственно саму систему?
Моделирование имеет две основных цели:
- Прогнозирование , когда необходимо предсказать новые свойства или новые результаты (параметры) исследуемых систем, когда необходимо спрогнозировать развитие процесса.
Например, предприятие занимается составлением перспективного плана своего развития. Естественно, что для решения этой задачи необходимо проанализировать динамику развития рынка и спроса на продукцию предприятия. Но прогноз просто так, «глядя в потолок» не построишь. Единственный путь - построить математическую модель динамики спроса. В экономике моделирование применяется повсеместно. Если модель адекватна, то можно получить достаточно обоснованные перспективы развития предприятия. Во всяком случае, это будет хорошей поддержкой для принятия управленческих решений. Такие модели строятся и на уровне экономики Государства, отрасли, на уровне предприятии и на уровне решения локальных управленческих задач.
Но существуют процессы, которые смоделировать не только сложно, но и практически не возможно. Например, спрогнозировать динамику фондового рынка или курса доллара не получается - слишком много случайных факторов влияют на процесс. Модель получается не адекватная.
- Оптимизация управления, когда необходимо организовать процесс управления какой - либо системой или процессом нужным (или оптимальным) способом. Такая цель ставится при решении локальных управленческих задач, в основном экономических.
Например,предприятие выпускает большой ассортимент продукции, себестоимость выпуска которой различна и прибыль от реализации различных товаров так же различна. Требуется так построить производственный план, что бы прибыль была максимальной.
У человека всегда имеется две возможностидля достижения этих целей: провести исследования, экспериментируя непосредственно с реальной системой (натурные эксперименты), либо построить модель.
В каких случаях строятся модели? Модели строят только тогда, когда без них обойтись нельзя, поскольку моделирование - трудоемкая и дорогостоящая процедура. В случаях же, когда можно проводить прямое исследование систем, обходятся без моделей.
Бывают ситуации, когда модель построить нельзя, мы просто не имеем информации о реальном объекте. Такая ситуация называется «черный ящик». Здесь исследование будет заключаться в непосредственном воздействии на объект (в эксперименте) и фиксации реакций объекта.
Модели создаются, когда необходимо определить свойства и характеристики проектируемых объектов еще до их изготовления и при необходимости скорректировать, уточнить их структуру и параметры. Это позволяет получить проект работоспособной системы, которую не придется существенно дорабатывать тогда, когда она будет изготовлена. Таким образом, моделирование сокращает и удешевляет процесс проектирования и реализации систем.
Модели создаются, когда необходимо проверить поведение объектов в экстремальных условиях и режимах, с тем, чтобы знать, как они себя поведут и к каким последствиям это приведет. Очевидно, что такие эксперименты на реальном объекте могут быть не только дороги, но и небезопасны, в то время как моделирование позволяет получить нужную информацию о процессе или системе без лишних затрат и, главное, без негативных последствий.
Модель строится там, где непосредственное экспериментальное исследование может быть вообще неосуществимо. В ряде же случаев мы вообще не имеем возможности наблюдать систему в интересующем нас состоянии. Например, разбор аварии на техническом объекте приходится вести по ее протокольному описанию. Или, например, прогноз поведения космического корабля на орбите. Имеется в виду этап первоначальных исследований, до первого запуска космических аппаратов .
Таким образом, моделирование позволяет исследовать такие системы, прямой эксперимент с которыми:
Трудно выполним;
Экономически невыгоден;
Вообще невозможен.
Формальная схема моделирования
Рассмотрим саму схему моделирования, как происходит замещение объекта моделью.
Пусть мы имеем некоторую систему (объект - оригинал) А . Мы собираемся исследовать ее свойства S с помощью модели (например, математической модели).
Моделирование предполагает наличие некоторых знаний о системе.
Рис.1. Общая схема моделирования.
На основании имеющейся информации в нашем сознании формируется некоторый образ системы. По определению, образ - целостное, но неполное представление системы, является продуктом психической деятельности человека.
Если исходная информация отсутствует, то и модель построить невозможно. В этом случае мы имеем ситуацию типа «черный ящик». Образ системы не сформирован. Исследование объекта производится методом проб.
Основное свойство образа - он не может быть адекватен системе, поскольку всей информации получить невозможно, иначе не было бы смысла строить модель.
Прежде чем строить саму математическую модель, мы описываем исследуемую систему и ее предполагаемые свойства на содержательном уровне.
Необходимо помнить, что модель создается для решения конкретной практической задачи. В практике математического моделирования исходным пунктом является некоторая эмпирическая ситуация. То есть появляется задача, на которую требуется найти ответ. Выдержит ли мост предполагаемую нагрузку, хватит ли закупленного угля до конца отопительного сезона и сколько, откуда и куда следует привезти груза, - иными словами, необходимо получить конкретные ответы на конкретные вопросы.
Содержательное описание системы уже само является моделью. Такая содержательная модель называется концептуальной. Она содержит описание структуры, предполагаемых свойств, связей и известные значения параметров. Здесь формулируются гипотезы о поведении системы и все ограничения применимости будущей математической модели. Построение концептуальной модели является первым этапом моделирования.
Далее выбираем математический аппарат и создаем систему уравнений или арифметических соотношений. Таким образом мы создаем некоторый искусственный (математический) объект А, исследование которого средствами математики и должно ответить на поставленные вопросы о свойствах S системы. Мы переводим концептуальную модель на формальный математический язык.
В такой постановке А называется математической моделью системы А относительно совокупности S ее свойств.
В действительности мы моделируем не реальную систему А, а ее образ, сформированный нашим сознанием.
Результаты моделирования сравниваются со свойствами системы. Мы уточняем образ и соответственно модель.
Моделирование, как мы видим из схемы - процесс циклический. Это означает, что за первым циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. В процессе моделирования и познания свойств, образ все больше приближается к реальному объекту. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах.
Формальная схема моделирования включает ряд последовательных этапов:
Постановка задачи;
Выбор нужного инструментария (математического аппарата) для модели;
Построение математической модели (переводисходной информации на математический язык - концептуальной модели в математическую);
Если модель реализуется программно, то существует этап разработки алгоритма и собственно программирования;
Интерпретация результатов моделирования;
Оценка валидности модели (валидность - достоверность результатов, способность выполнять задачу).
МНОГООБРАЗИЕ МОДЕЛЕЙ СИСТЕМ
Общая классификация
Прежде, чем приступать к моделированию, необходимо определиться какую модель мы собираемся создавать. Существуют различные виды моделей и различные признаки их классификации.
Чаще встречается классификация моделей по способам реализации (исполнения), это наиболее полная классификация, хотя четкой границы между классами провести всегда сложно.
По этому признаку все множество моделей можно разделить на три основных класса: физические, виртуальные и абстрактные.
 |
Рис.2. Общая классификация моделей (по форме представления)
Физические модели (они часто называются предметными).
Физические модели — это материальные модели, эквивалентные или подобные в той или иной степени оригиналу. В общем случае у физических моделей процесс функционирования такой же, как у оригинала. Он имеет ту же, или подобную физическую природу. Они различаются по критерию подобия. Критерием подобия является безразмерная величина, представляющая отношение одноименных физических величин объекта и модели.
- Геометрически подобные , масштабные. Эти модели воспроизводят пространственно- геометрические характеристики оригинала (макеты зданий и сооружений, учебные муляжи, большинство детских игрушек и др.). Критерием подобия является соотношение размеров.
Иногда физические модели выполняют в натуральную величину, например, при создании макетов космических модулей. Тогда критерий подобия равен единице.
- Физические модели . Они могут строиться на основании подобия любой физической величины, характеризующей свойства оригинала (аэродинамические модели летательных аппаратов, гидродинамические модели судов и т.п.).
Теория обеспечивала возможность достоверного переноса данных, полученных на модели, на «натуру», на свойства и параметры реального, но еще не существующего объекта.
- Аналоговые или приборные . Аналоговое моделирование основано на том, что свойства и параметры воспроизводятся с помощью модели иной, чем у оригинала физической природы. Например, моделью колебательных систем может быть электрический колебательный контур (школа), состоящий из индуктивности, емкости, сопротивлений, проводов, источника электричества.
Виртуальные модели.
Виртуальные модели - это в основном компьютерные визуальные модели реального или придуманного пространства (виртуальный - это кажущийся). Из определения понятно, что моделируются свойства некоторого пространства с эффектом присутствия в этом пространстве самого пользователя.
Интернет так же является моделью виртуального пространства. В этом пространстве реализуется вполне реально мировая интернет-экономика.
К виртуальным моделям относятся различные тренажеры. Например, тренажеры летного состава. Моделирование различных ситуаций на таком тренажере настолько реальны, что по физической и психологической нагрузке на человека такие модели практически не отличаются от реальных процессов.
В настоящее время виртуальные модели находят широкое использование в учебной практике. Как известно, процесс обучения может осуществляться в форме усвоения обучаемым «готового» знания и в форме учебного исследования. Источник готового знания - это книга. Учебное исследование - это эксперимент. Виртуальная обучающая модель (манипулятивная динамическая модель) как раз и дает возможность проведения экспериментов с объектами виртуальной учебной среды. Это метод компьютерного воссоздания формы, структуры, функций какой либо живой системы, либо неживой природы. Обучающийся в интерактивном режиме может изменять параметры системы, исследуя ее реакцию изучать саму систему с различных сторон ее проявления. Это новая информационная культура обучения.
К некомпьютерным виртуальным моделям можно отнести словесный портрет, используемый в криминалистике. Живопись, кинофильм - все это фактически виртуальные модели, поскольку создают виртуальную среду сопереживания человека.
Абстрактные модели.
Абстрактные модели часто называются информационными. Они отражают информационную сторону системы с помощью языковых, математических, графических, алгоритмических и других средств абстрагирования. Они не имеют физического сходства с оригиналом и не обладают его физическими свойствами. В абстрактных моделях физические свойства системы представлены их формализованными, абстрактными, символическими отображениями.
Следует отметить, что границы между классами моделей провести, достаточно четко не удается. Поэтому классификация не всегда бывает однозначной. Например, виртуальные компьютерные модели, используемые в процессе преподавания школьникам естественных наук. С одной стороны, действительно, это виртуальные модели. Они организуют деятельность учащихся в виртуальной среде, максимально приближенной средствами компьютерной графики к процессу реализации реальных экспериментов. С другой стороны, эти модели вполне законно можно отнести к классу абстрактных моделей. Они фактически являются компьютерной реализацией дифференциальных уравнений, моделирующих реальные физические процессы.
Абстрактные модели можно разделить на концептуальные, графические и математические.
Концептуальными моделями являются языковые (вербальные) описания систем (описание свойств и параметров на некотором естественном языке, текстовые материалы проектной документации, словесное описание результатов технического эксперимента).
Графическая модель - это представление систем средствами графики.
К графическим моделям относятся графы, графики, логические схемы и т.д. Блок-схемы алгоритмов программ так же являются графическими моделями.
Сюда же можно отнести конструкторские чертежи, графические изображения объектов. Хотя геометрия и является одной из отраслей математики, целесообразно к этому классу отнести и геометрические модели объектов.
Математические модели представляют собой формализованное описание изучаемой системы с помощью абстрактного языка, в частности, с помощью формул, уравнений, неравенств, логических условий, матриц, операторов и т. д., отображающих процесс функционирования системы.
Иногда модели пишут на языках программирования, но это долгий и дорогой процесс. Для моделирования можно использовать математические пакеты, но, как показывает опыт, в них обычно не хватает многих инженерных инструментов. Оптимальным является использование среды моделирования.
В нашем курсе в качестве такой среды выбрана . Лабораторные работы и демонстрации, которые вы встретите в курсе, следует запускать как проекты среды Stratum-2000.
Модель, выполненная с учётом возможности её модернизации, конечно, имеет недостатки, например, низкую скорость исполнения кода. Но есть и неоспоримые достоинства. Видна и сохранена структура модели, связи, элементы, подсистемы. Всегда можно вернуться назад и что-то переделать. Сохранен след в истории проектирования модели (но когда модель отлажена, имеет смысл убрать из проекта служебную информацию). В конце концов, модель, которая сдаётся заказчику, может быть оформлена в виде специализированного автоматизированного рабочего места (АРМа), написанного уже на языке программирования, внимание в котором уже, в основном, уделено интерфейсу, скоростным параметрам и другим потребительским свойствам, которые важны для заказчика. АРМ, безусловно, вещь дорогая, поэтому выпускается он только тогда, когда заказчик полностью оттестировал проект в среде моделирования, сделал все замечания и обязуется больше не менять своих требований.
Моделирование является инженерной наукой, технологией решения задач. Это замечание очень важное. Так как технология есть способ достижения результата с известным заранее качеством и гарантированными затратами и сроками, то моделирование, как дисциплина:
- изучает способы решения задач, то есть является инженерной наукой;
- является универсальным инструментом, гарантирующим решение любых задач, независимо от предметной области.
Смежными моделированию предметами являются: программирование, математика, исследование операций.
Программирование потому что часто модель реализуют на искусственном носителе (пластилин, вода, кирпичи, математические выражения ), а компьютер является одним из самых универсальных носителей информации и притом активным (имитирует пластилин, воду, кирпичи, считает математические выражения и т. д.). Программирование есть способ изложения алгоритма в языковой форме. Алгоритм один из способов представления (отражения) мысли, процесса, явления в искусственной вычислительной среде, которой является компьютер (фон-Неймановской архитектуры). Специфика алгоритма состоит в отражении последовательности действий. Моделирование может использовать программирование, если моделируемый объект легко описать с точки зрения его поведения. Если легче описать свойства объекта, то использовать программирование затруднительно. Если моделирующая среда построена не на основе фон-Неймановской архитектуры, программирование практически бесполезно.
Какова разница между алгоритмом и моделью?
Алгоритм это процесс решения задачи путём реализации последовательности шагов, тогда как модель совокупность потенциальных свойств объекта. Если к модели поставить вопрос и добавить дополнительные условия в виде исходных данных (связь с другими объектами, начальные условия, ограничения), то она может быть разрешена исследователем относительно неизвестных. Процесс решения задачи может быть представлен алгоритмом (но известны и другие способы решения). Вообще примеры алгоритмов в природе неизвестны, они суть порождение человеческого мозга, разума, способного к установлению плана. Собственно алгоритм это и есть план, развёрнутый в последовательность действий. Следует различать поведение объектов, связанное с естественными причинами, и промысел разума, управляющий ходом движения, предсказывающий результат на основе знания и выбирающий целесообразный вариант поведения.
модель + вопрос + дополнительные условия = задача .
Математика наука, предоставляющая возможность исчисления моделей, приводимых к стандартному (каноническому) виду. Наука о нахождении решений аналитических моделей (анализ) средствами формальных преобразований.
Исследование операций дисциплина, реализующая способы исследования моделей с точки зрения нахождения наилучших управляющих воздействий на модели (синтез). По большей части имеет дело с аналитическими моделями. Помогает принимать решения, используя построенные модели.
Проектирование процесс создания объекта и его модели; моделирование способ оценки результата проектирования; моделирования без проектирования не существует.
Смежными дисциплинами для моделирования можно признать электротехнику, экономику, биологию, географию и другие в том смысле, что они используют методы моделирования для исследования собственного прикладного объекта (например, модель ландшафта, модель электрической цепи, модель денежных потоков и т. д.).
В качестве примера посмотрим, как можно обнаружить, а потом описать закономерность.
Допустим, что нам нужно решить «Задачу о разрезаниях», то есть надо предсказать, сколько потребуется разрезов в виде прямых линий, чтобы разделить фигуру (рис. 1.16 ) на заданное число кусков (для примера достаточно, чтобы фигура была выпуклой).
Попробуем решить эту задачу вручную.
Из рис. 1.16 видно, что при 0 разрезах образуется 1 кусок, при 1 разрезе образуется 2 куска, при двух 4, при трёх 7, при четырёх 11. Можете ли вы сейчас сказать наперёд, сколько потребуется разрезов для образования, например, 821 куска? По-моему, нет! Почему вы затрудняетесь? Вам неизвестна закономерность K = f (P ) , где K количество кусков, P количество разрезов. Как обнаружить закономерность?
Составим таблицу, связывающую известные нам числа кусков и разрезов.
Пока закономерность не ясна. Поэтому рассмотрим разности между отдельными экспериментами, посмотрим, чем отличается результат одного эксперимента от другого. Поняв разницу, мы найдём способ перехода от одного результата к другому, то есть закон, связывающий K и P .
Уже кое-какая закономерность проявилась, не правда ли?
Вычислим вторые разности.
Теперь все просто. Функция f называется производящей функцией . Если она линейна, то первые разности равны между собой. Если она квадратичная, то вторые разности равны между собой. И так далее.
Функция f есть частный случай формулы Ньютона:
Коэффициенты a , b , c , d , e для нашей квадратичной функции f находятся в первых ячейках строк экспериментальной таблицы 1.5.
Итак, закономерность есть, и она такова:
K = a + b · p + c · p · (p 1)/2 = 1 + p + p · (p 1)/2 = 0.5 · p 2 + 0.5 · p + 1 .
Теперь, когда закономерность определена, можно решить обратную задачу и ответить на поставленный вопрос: сколько надо выполнить разрезов, чтобы получить 821 кусок? K = 821 , K = 0.5 · p 2 + 0.5 · p + 1 , p = ?
Решаем квадратное уравнение 821 = 0.5 · p 2 + 0.5 · p + 1 , находим корни: p = 40 .
Подведём итоги (обратите на это внимание!).
Сразу угадать решение мы не смогли. Поставить эксперимент оказалось затруднительно. Пришлось построить модель, то есть найти закономерность между переменными. Модель получилась в виде уравнения. Добавив к уравнению вопрос и уравнение, отражающее известное условие, образовали задачу. Поскольку задача оказалась типового вида (канонического), то её удалось решить одним из известных методов. Поэтому задача оказалась решена.
И ещё очень важно отметить, что модель отражает причинно-следственные связи. Между переменными построенной модели действительно есть крепкая связь. Изменение одной переменной влечёт за собой изменение другой. Мы ранее сказали, что «модель играет системообразующую и смыслообразующую роль в научном познании, позволяет понять явление, структуру изучаемого объекта, установить связь причины и следствия между собой». Это означает, что модель позволяет определить причины явлений, характер взаимодействия её составляющих. Модель связывает причины и следствия через законы, то есть переменные связываются между собой через уравнения или выражения.
Но!!! Сама математика не даёт возможности выводить из результатов экспериментов какие-либо законы или модели , как это может показаться после рассмотренного только что примера. Математика это только способ изучения объекта, явления, и, причём, один из нескольких возможных способов мышления. Есть ещё, например, религиозный способ или способ, которым пользуются художники, эмоционально-интуитивный, с помощью этих способов тоже познают мир, природу, людей, себя.
Итак, гипотезу о связи переменных А и В надо вносить самому исследователю, извне, сверх того. А как это делает человек? Посоветовать внести гипотезу легко, но как научить этому, объяснить это действо, а значит, опять-таки как его формализовать? Подробно мы покажем это в будущем курсе «Моделирование систем искусственного интеллекта».
А вот почему это надо делать извне, отдельно, дополнительно и сверх того, поясним сейчас. Носит это рассуждение имя Геделя, который доказал теорему о неполноте нельзя доказать правильность некоторой теории (модели) в рамках этой же теории (модели). Посмотрите ещё раз на рис. 1.12 . Модель более высокого уровня преобразует эквивалентно модель более низкого уровня из одного вида в другой. Или генерирует модель более низкого уровня по эквивалентному опять же её описанию. А вот саму себя она преобразовать не может. Модель строит модель. И эта пирамида моделей (теорий) бесконечна.
А пока, чтобы «не подорваться на ерунде», вам надо быть настороже и проверять все здравым смыслом. Приведём пример, старую известную шутку из фольклора физиков.
