Cтраница 3
Переключатель связей ПС выполняет функции, связанные с изменением связей между отдельными блоками, т.е. фактически обеспечивает управляемое изменение структуры модели сложной системы. Идея функционирования данного блока заключается в том, чтобы от прихода тех или иных сигналов на вход этого блока вырабатывался выходной сигнал, который бы обеспечивал формирование новых и ликвидацию действовавших связей. Формализация данного блока может выполняться различными способами в зависимости от метода организации связей в модели системы. [31]
В заключение нам потребуется несколько более широкое понятие, а именно гомоморфизм. Построение моделей сложных систем редко приводит к полному изоморфизму, а в случае очень сложных систем, как следует из самого их определения, степень изоморфности модели реальной системе даже нельзя проверить. Поэтому исследуемую систему необходимо, прежде всего, упростить, применив к ней однозначное лишь в одну сторону преобразование, примером чего может служить модель экономики Кейнса, исследованная Тастином. Эта модель гомоморфна реальной системе. Очень часто в теории исследования операций и в самой кибернетике мы изучаем изоморфную машину, которая не является ( как бы мы этого ни желали) точным отображением взаимодействия двух сложных систем, а представляет собой модель этого взаимодействия, исследуемую через гомоморфизм каждой системы. [32]
Неактивной на интервале [ if, / 4 - - f - Af ] переменной называют величину, изменения которой на этом интервале не превышают достаточно малого заранее заданного значения. В моделях сложных систем в каждый момент модельного времени большинство переменных неактивно. Моделирование, основанное на учете событийности, принято называть событийным моделированием. В алгоритмах событийного моделирования необходимо реализовать критерии своевременного включения переменных и соответствующих им частей моделей в группу неактивных ( латентных) и своевременного их исключения из этой группы. [33]
Исследователь должен уметь оценивать точность проведения имитационного эксперимента и вычислять доверительные интервалы переменной отклика имитационной модели, уменьшать число факторов модели и выбирать интервалы их изменения, находить источники ошибок моделирования, исключать из рассмотрения резко отклоняющиеся значения, выбирать системы координат при интерпретации и анализе полученных регрессионных уравнений. Эксперименты с моделями сложных систем заканчиваются анализом результатов и их интерпретацией для потребителя. Прежде всего необходимо оценить точность проведения модельного эксперимента. Различаются три типа ошибок: грубые, систематические, случайные. Наличие систематических ошибок выявляется следующими способами: измерением одной и той же величины разными методами; использованием эталонных значений и калибровкой модели; вычислением поправок для исключения ошибок. [34]
Способность к построению моделей сложных систем и изучению их поведения должна сделать изучающих прошлые события более внимательными к важным переменным системы. Они всегда должны пытаться возможно лучше исследовать и описать правила, согласно которым действия и давление различных обстоятельств оказывало влияние на выработку решений. [35]
Особенность данной книги состоит в том, что в ней осуществлена систематизация задач теоретического исследования динамических свойств технологических аппаратов и способов их решения. Такой подход весьма удобен при построении моделей сложных систем, состоящих из нескольких связанных между собой технологических аппаратов. В связи с этим изложение динамики химико-технологических процессов дается на основе общих понятий теории операторов. Элементы этой теории, используемые при исследовании динамики, изложены во второй главе. [36]
Поскольку в большинстве имитационных моделей больших систем моделируется поведение системы на некотором отрезке времени, одной из важнейших методологических проблем является организация квазипараллельной реализации процессов в системе дискретных событий. Основу этой реализации составляет механизм регламентации процессов в модели сложной системы. В функции регламентации входят продвижение времени, т.е. корректировка временной координаты состояний системы, и обеспечение согласованности различных событий в системе. [37]
Как было показано выше, степень детализации структуры системы, число ее уровней, выделяемых для анализа и моделирования, зависит от поставленной цели. Поэтому состав и содержание модулей, а также формируемая из них модель сложной системы могут существенно различаться. [38]
Принцип модульности обеспечивает возможность независимой разработки моделей отдельных подсистем, образующих слохную химико-технологическую систему. Это позволяет значительно сократить затраты времени и труда на разработку моделей и формировать модели сложных систем, располагая набором модулей. Кроме того, модульный принцип необходим и потому, что с усложнением системы, ростом числа ее элементов и взаимосвязей между ними значительно осложняется процесс формирования моделей. При наличии модулей отдельных подсистем моделирование сложной системы заключается в агрегировании модулей в единую систему. [39]
Активные фазы различных классов, к которым присоединен класс SIMULATION, могут чередоваться в любом порядке. Это обеспечивает возможность организовывать обработку объектов в соответствии с системным временем, что является основой моделей сложных систем с дискретными событиями. [40]
Постулат моделируемости предполагает возможность представления сложной системы конечным множеством моделей. Причем, каждая модель, с той или иной степенью приближения, отражает определенную грань сущности системы. Создание полного пакета моделей сложной системы - занятие бессмысленное, так как по теореме Тьюринга [263] такая модель будет столь же сложна, как и моделируемая система. Тем не менее этот принцип позволяет с достаточной надежностью описывать сравнительно простыми моделями некоторую группу свойств системы. Такие модели правомерны и не зависят от моделей, описывающих другие свойства системы. Этот вывод обеспечивают постулаты дополнительности и неопределенности. Постулат дополнительности принципа моделируемости утверждает существование и стабильность ограниченных моделей сложной системы, постулат неопределенности - пределы такой стабильности. [41]
Постулат моделируемости предполагает возможность представления сложной системы конечным множеством моделей. Причем, каждая модель, с той или иной степенью приближения, отражает определенную грань сущности системы. Создание полного пакета моделей сложной системы - занятие бессмысленное, так как по теореме Тьюринга [263] такая модель будет столь же сложна, как и моделируемая система. Тем не менее этот принцип позволяет с достаточной надежностью описывать сравнительно простыми моделями некоторую группу свойств системы. Такие модели правомерны и не зависят от моделей, описывающих другие свойства системы. Этот вывод обеспечивают постулаты дополнительности и неопределенности. Постулат дополнительности принципа моделируемости утверждает существование и стабильность ограниченных моделей сложной системы, постулат неопределенности - пределы такой стабильности. [42]
Затем проводится тщательный анализ задачи моделирования. Сюда входит выполнение таких работ, как выбор параметров и переменных системы, представляющих интерес для моделирования, опредление критериев эффективности функционирования проектируемой системы, выбор типов аппроксимации отдельных компонентов модели. Предварительно анализируются требования к модели сложной системы: определяются необходимые математические уравнения, описывающие реальные процессы; выбираются тип ЭВМ и системы программирования имитационной модели; рассматриваются возможные методы проверки правильности функционирования модели; определяются методы проверки программной реализации модели системы и технические требования к программированию модели. [43]
Задача идентификации текущего состояния системы может быть отнесена к задаче распознавания. Существуют различные архитектуры НС, выполняющие распознавание. Так как при создании модели сложной системы на основе экспериментальных данных не возможно учесть все ситуации системы, следовательно, при эксплуатации системы возникает неоднозначность классификации ситуаций, что приводит к использованию НМ. [44]
Весьма важно предусмотреть возможность замены труднодоступной информации или другие варианты решения поставленной задачи построения модели. Требуется также оценить необходимость проведения лабораторных или натурных исследований. В ряде случаев бывает полезно использование аналитических моделей процессов для задания недостающей исходной информации при построении моделей сложных систем. При сборе исходной информации необходимо просмотреть литературу, составить библиографические справки, проанализировать документы и отчеты, провести консультации со специалистами и экспертами для подготовки априорных данных. По собранной исходной информации составляются картотеки и проводится анализ этой информации на ЭВМ. Затем приступают к составлению условных описаний ( сценариев) проведения экспериментов. [45]