Рассмотрим одну из возможных реализаций математического обеспечения АСОИУ. 4 страница
Раздел «Теория искусственного интеллекта» включает различные аспекты теории принятия решений в больших системах, а также вопросы создания информационных и программных комплексов, моделирующих искусственный разум.
Мощным аппаратом теории автоматизированного управления является моделирование. В основе моделирования лежит теория подобия, которая утверждает, 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 объекта.
Лекция 4
Классификация видов моделирования приведена на рис. 1.10.
Рис. 1.10. Виды моделирования систем
По степени полноты модели они делятся на полные, неполные и приближенные. 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, 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 описаний 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.
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.
|
|
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 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 к 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, интегральных и 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).
В настоящее время распространены методы машинной реализации исследования характеристик процесса функционирования больших систем. 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 больших систем, 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 дня 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 АСОИУ, 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, произвольных графов) на основе теоретико-множественных представлений, понятия номинальной шкалы и теории измерений.
Ситуационное моделирование основано на теории мышления, в рамках которой можно описать механизмы регулирования процессов принятия решений. В 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. 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 гот информационный контекст, на фоне которого протекают процессы управления. Чем богаче информационная модель объекта и выше возможности ее манипулирования, 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 на объектах, работающих как в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при других значениях переменных параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адекватным, но его возможности ограничены. Например, проведение реального моделирования АСУП требует 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 АСОИУ — 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 характеристик 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 отличия 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 новые факторы и возмущающие воздействия вводятся в процесс функционирования объекта.
Другим видом реального моделирования является физическое моделирование. Оно отличается 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. Наибольшую сложность и интерес с точки зрения корректности получаемых результатов представляет физическое моделирование в реальном масштабе времени.
1.5. Основные понятия теории организационных АСОИУ
В настоящее время в теории и практике разработки и использования систем автоматизированной обработки информации и управления обозначено много направлений:
· отраслевые автоматизированные системы управления (АСОИУ в торговле, АСОИУ статистики, АСОИУ образовательных учреждений, АСОИУ финансовых учреждений и пр.),
· автоматизированные системы управления территориями или регионами (например, АСОИУ-город),
· автоматизированные системы управления предприятиями (АСУП),
· автоматизированные системы управления производственными процессами (АСУПП),
· автоматизированные системы управления технологическими процессами (АСУТП),
· автоматизированные информационные системы (АИС). Под АИС в настоящее время понимаются системы, связанные с процессами обработки больших объемов информации специальных видов:
– фактографической информации (справочные, библиографические и прочие системы),
– информации, представленной в тестовых документах (документальные системы),
– картографической информации,
– баз знаний (экспертные системы) и прочих специальных видов данных.
Границы между перечисленными видами автоматизированных систем размыты, так как эти системы обладают общими составляющими и свойствами как с точки зрения их разработки, так и с точки зрения их эксплуатации.
Первые три вида автоматизированных систем являются системами организационного управления, в то время как остальные системы решают вопросы управления процессами производства изделий (АСУПП, АСУТП) и процессами обработки больших объемов информации (АИС). Как правило, АСУПП, АСУТП и АИС входят в системы организационного управления в качестве их составных частей.
В настоящее время средства автоматизации настолько органично вплетаются в процессы управления на объектах, в которых они используются, что составляют вместе с объектом управления единое и неразрывное целое.
Иными словами, АСОИУ – это автоматизированное подразделение предприятия (если автоматизируется некоторое подразделение предприятия), автоматизированное предприятие в целом (если автоматизируется большинство функций на предприятии), автоматизированный регион или отрасль (если автоматизируются функции управления регионом или отраслью). Такие автоматизированные системы обработки информации и управления мы будем называть организационными АСОИУ или просто организационными системами.
Организационная система на современном этапе рассматривается как некоторая человеческая система, то есть такая система, в которую в качестве ее элементов, кроме всего прочего, входят люди, выполняющие определенные ее функции, решающие в связи с этим определенные задачи и составляющие собою совокупный или, как еще говорят, соборный интеллект системы. К организационным системам применяются те же положения теории управления, которые используются в технических системах, однако в данном случае есть и свои особенности.
Рассмотрим вначале следующие фундаментальные понятия теории управления в организационных АСОИУ.
1. Объект управления – это часть системы, которой управляют, а управляющий орган (субъект управления) – это та часть системы, которая осуществляет управление.
2. Внешняя среда – это окружающая обстановка, в которой система существует. Модель объекта управления и модель внешней среды это совокупность представлений о поведении объекта управления и внешней среды, которыми пользуется управляющий орган системы.
В организационных системах эти модели частично представляются:
- в виде формальных описаний (например, в виде совокупности математических формул или в виде алгоритмических описаний),
– в виде обычного текста,
- в виде интуитивных представлений персонала на сознательном и бессознательном уровне. Эти представления, тем не менее, используются в процессе управления.
3. Вектор целей управления– иерархически упорядоченная совокупность целей, которых система стремится достичь в процессе своей деятельности. Отдельные составляющие этого вектора называются частными целями. Упорядоченность частных целей в векторе целей отражает их приоритет. Порядок, обратный приоритетному уровню, – это порядок вынужденного отказа от достижения частных целей в случае невозможности достижения их полной совокупности. Каждая из частных целей оценивается параметром, определяющим степень достижения этой цели.
Дата добавления: 2019-01-14; просмотров: 412; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!