Предпосылки развития системных представлений 4 страница

Î Ф - гомоморфное отображение Х на U, устанавливающее соответствие между Х и Y так, что  только тогда, когда .

Тип шкалы определяется по  множеству допустимых преобразований .

Шкала номинального типа.

Самой слабой качественной шкалой является номинальная (шкала наименований, классификационная шкала), по которой объектам  или их неразличимым группам дается некоторый признак. Основным свойством этих шкал является сохранение неизменными отношений равенства между элементами эмпирической системы в эквивалентных шкалах.

Шкалы номинального типа задаются множеством взаимно однозначных допустимых преобразований шкальных значений.

Название «номинальный» объясняется тем, что такой признак дает лишь ничем не связанные имена объектам. Эти значения для разных объектов либо совпадают, либо различаются; никакие более тонкие соотношения между значениями не зафиксированы. Шкалы номинального типа допускают только различение объектов на основе проверки выполнения отношения равенства на множестве этих элементов.

Номинальный тип шкал соответствует простейшему виду измерений, при котором шкальные значения используются лишь как имена объектов, поэтому шкалы номинального типа часто называют также шкалами наименований.

Примерами измерений в номинальном типе шкал могут служить номера автомашин, телефонов, коды городов, лиц, объектов и т. п. Единственная цель таких измерений выявление различий между объектами разных классов. Если каждый класс состоит из одного объекта, шкала наименований используется для различения объектов.

На рисунке 1 изображено измерение в номинальной шкале объектов, представляющих три множества элементов А, В, С. Здесь эмпирическую систему представляют четыре элемента:  принадлежащих соответствующим множествам. Знаковая система представлена цифровой шкалой наименований, включающей элементы  и сохраняющей отношение равенства. Гомоморфное отображение  ставит в соответствие каждому элементу из эмпирической системы определенный элемент знаковой системы.

Следует обратить внимание на две особенности номинальных шкал.

Во-первых, элементам си d поставлено в соответствие одно и то же значение шкалы измерения (см. рисунок 1). Это означает, что при измерении эти элементы не различаются.

Во-вторых, при измерении в шкале наименований символы 1, 2, 3,..., n, используемые в качестве шкальных значений, являются не числами, а цифрами, служащими лишь для обозначения и различия объектов. Так, цифра 2 не является в два раза или на единицу больше цифры 1 в отличие от чисел 2 и 1.

Всякая обработка результатов измерения в номинальной шкале должна учитывать данные особенности. В противном случае могут быть сделаны ошибочные выводы по оценке систем, не соответствующие действительности.

Шкала порядка.

Шкала называется ранговой (шкала порядка), если множество Ф состоит из всех монотонно возрастающих допустимых преобразований шкальных значений.

Монотонно возрастающим называется такое преобразование j (х), которое удовлетворяет условию: если   то и  для любых шкальных значений  из области определения j(х). Порядковый тип шкал допускает не только различие объектов, как номинальный тип, но и используется для упорядочения объектов по измеряемым свойствам. Измерение в шкале порядка может применяться, например, в следующих ситуациях:

необходимо упорядочить объекты во времени или пространстве. Это ситуация, когда интересуются не сравнением степени выраженности какого-либо их качества, а лишь взаимным пространственным или временным расположением этих объектов;

• нужно упорядочить объекты в соответствии с каким-либо качеством, но при этом не требуется производить его точное измерение;

• какое-либо качество в принципе измеримо, но в настоящий момент не может быть измерено по причинам практического или теоретического характера.

Примером шкалы порядка может служить шкала твердости минералов, предложенная в 1811 г. немецким ученым Ф. Моосом и до сих пор распространенная в полевой геологической работе. Другими примерами шкал порядка могут служить шкалы силы ветра, силы землетрясения, сортности товаров в торговле, различные социологические шкалы и т.п.

 

 

Любая шкала, полученная из шкалы порядка S с помощью произвольного монотонно возрастающего преобразования шкальных значений, будет также точной шкалой порядка для исходной эмпирической системы с отношениями.

Несколько более «сильными», чем порядковые шкалы, являются шкалы гиперпорядка. Допустимыми для этих шкал являются гипермонотонные преобразования, т.е. преобразования j (х), такие, что для любых х₁, х₂, х₃ и х₄

только когда х₁, х₂, х₃ и х₄ принадлежат области определения .

При измерении в шкалах гиперпорядка сохраняется упорядочение разностей численных оценок.

Шкала интервалов.

Одним из наиболее важных типов шкал является тип интервалов. Тип шкал интервалов содержит шкалы, единственные с точностью до множества положительных линейных допустимых преобразований вида , где  шкальные значения из области определения Y; ; b любое значение.

Основным свойством этих шкал является сохранение неизменными отношений интервалов в эквивалентных шкалах:

Отсюда и происходит название данного типа шкал. Примером шкал интервалов могут служить шкалы температур. Переход от одной шкалы к эквивалентной, например от шкалы Цельсия к шкале Фаренгейта, задается линейным преобразованием шкальных значений: .

Таким образом, при переходе к эквивалентным шкалам с помощью линейных преобразований в шкалах интервалов происходит изменение как начала отсчета (параметр b),так и масштаба измерений (параметр а).

Шкалы интервалов так же, как номинальная и порядковая, сохраняют различие и упорядочение измеряемых объектов. Однако кроме этого они сохраняют и отношение расстояний между парами объектов.

 Запись:

,

означает, что расстояние между  в К раз больше расстояния между  и в любой эквивалентной шкале это значение (отношение разностей численных оценок) сохранится. При этом отношения самих оценок не сохраняются.

Типичная ошибка: свойства, измеряемые в шкале интервалов, принимаются в качестве показателей для других свойств, монотонно связанных с данными.

Применяемые для измерения связанных свойств исходные шкалы интервалов становятся всего лишь шкалами порядка. Игнорирование этого факта часто приводит к неверным результатам.

Шкала отношений.

Шкалой отношений (подобия)называется шкала, если Ф состоит из преобразований подобия , где  - шкальные значения из области определения Y; а -действительные числа.

Нетрудно убедиться, что в шкалах отношений остаются неизменными отношения численных оценок объектов. Действительно, пусть в одной шкале объектам  соответствуют шкальные значения , а в другой  - произвольное действительное число. Тогда имеем:

Данное соотношение объясняет название шкал отношений. Примерами измерений в шкалах отношений являются измерения массы и длины объектов. Известно, что при установлении массы используется большое разнообразие численных оценок. Так, производя измерение в килограммах, получаем одно численное значение, при измерении в фунтах - другое и т.д. Однако можно заметить, что в какой бы системе единиц ни производилось измерение массы, отношение масс любых объектов одинаково и при переходе от одной числовой системы к другой, эквивалентной, не меняется. Этим же свойством обладает и измерение расстояний и длин предметов.

Как видно из рассмотренных примеров, шкалы отношений отражают отношения свойств объектов, т.е. во сколько раз свойство одного объекта превосходит это же свойство другого объекта.

Шкала разностей.

Шкалы разностейопределяются как шкалы, единственные с точностью до преобразований сдвига  - шкальные значения из области определения Y; b действительные числа. Это означает, что при переходе от одной числовой системы к другой меняется лишь начало отсчета.

Шкалы разностей применяются в тех случаях, когда необходимо измерить, насколько один объект превосходит по определенному свойству другой объект. В шкалах разностей неизменными остаются разности численных оценок свойств. Действительно, если  - оценки объектов  в одной шкале, а  - в другой шкале, то имеем:

Примерами измерений в шкалах разностей могут служить измерения прироста продукции предприятий (в абсолютных единицах) в текущем году по сравнению с прошлым, увеличение численности учреждений, количество приобретенной техники за год и т.д.

Другим примером измерения в шкале разностей является летоисчисление (в годах). Переход от одного летоисчисления к другому осуществляется изменением начала отсчета.

Как и шкалы отношений, шкалы разностей являются частным случаем шкал интервалов, получаемых фиксированием параметра а: (а=1), т.е. выбором единицы масштаба измерений. Точка отсчета в шкалах разностей может быть произвольной.

Шкалы разностей, как и шкалы интервалов, сохраняют отношения интервалов между оценками пар объектов, но, в отличие от шкалы отношений, не сохраняют отношения оценок свойств объектов.

Абсолютная шкала.

Абсолютныминазывают шкалы, в которых единственными допустимыми преобразованиями Ф являются тождественные преобразования: .

Это означает, что существует только одно отображение эмпирических объектов в числовую систему. Отсюда и название шкалы, так как для нее единственность измерения понимается в буквальном абсолютном смысле.

Абсолютные шкалы применяются, например, для измерения количества объектов, предметов, событий, решений и т.п. В качестве шкальных значений при измерении количества объектов используются натуральные числа, когда объекты представлены целыми единицами, и действительные числа, если кроме целых единиц присутствуют и части объектов.

Абсолютные шкалы являются частным случаем всех ранее рассмотренных типов шкал, поэтому сохраняют любые соотношения между числами оценками измеряемых свойств объектов: различие, порядок, отношение интервалов, отношение и разность значений и т.д.

Не останавливаясь подробно на промежуточных вариантах, изобразим для наглядности соотношения между основными типами шкал в виде иерархической структуры основных шкал (рисунок 2). Здесь стрелки указывают включение совокупностей допустимых преобразований более «сильных» в менее «сильные» типы шкал. При этом шкала тем «сильнее», чем меньше свободы в выборе .

Некоторые шкалы являются изоморфными, т.е. равносильными. Например, равносильны шкала интервалов и степенная шкала. Логарифмическая шкала равносильна шкале разностей и шкале отношений.

 

Контрольные вопросы:

1. Назовите этапы, реализованные в методе экспертных оценок.

2. Назовите принципы, реализованные в методах векторной оптимизации.

3. Что такое гомоморфизм?

 

 

Лекция № 4 «Моделирование систем»

 

1. Модели сложных систем

Под моделированием понимается процесс исследования реальной системы, включающий построение модели, изучение ее свойств и перенос полученных сведений на моделируемую систему.

Общими функциями моделирования являются описание, объяснение и прогнозирование поведения реальной системы.

Типовыми целями моделирования могут быть поиск оптимальных или близких к оптимальным решений, оценка эффективности решений, определение свойств системы (чувствительности кизменению значений характеристик и др.), установление взаимосвязей между характеристиками системы, перенос информации во времени. Термин «модель» имеет весьма многочисленные трактовки. В наиболее общей формулировке мы будем придерживаться следующего определения модели. Модель — это объект, который имеет сходство в некоторых отношениях с прототипом и служит средством описания и/или объяснения, и/или прогнозирования поведения прототипа.

Важнейшим качеством модели является то, что она дает упрощенный образ, отражающий не все свойства прототипа, а только те, которые существенны для исследования.

Сложные системы характеризуются выполняемыми процессами (функциями), структурой и поведением во времени. Для адекватного моделирования этих аспектов в автоматизированных информационных системах различают функциональные, информационные и поведенческие модели, пересекающиеся друг с другом.

Функциональная модель системы описывает совокупность выполняемых системой функций, характеризует морфологию системы (ее построение) — состав функциональных подсистем, их взаимосвязи.

Информационная модель отражает отношения между элементами системы в виде структур данных (состав и взаимосвязи).

Поведенческая (событийная) модель описывает информационные процессы (динамику функционирования), в ней фигурируют такие категории, как состояние системы, событие, переход из одного состояния в другое, условия перехода, последовательность событий.

Особенно велико значение моделирования в системах, где натурные эксперименты невозможны по целому ряду причин: сложность, большие материальные затраты, уникальность, длительность эксперимента. Так, нельзя «провести войну в мирное время», натурные испытания некоторых типов систем связаны с их разрушением, для экспериментальной проверки сложных систем управления требуется длительное время и т.д.

Можно выделить три основные области применения моделей: обучение, научные исследования, управление. При обучении с помощью моделей достигается высокая наглядность отображения различных объектов и облегчается передача знаний о них. Это в основном модели, позволяющие описать и объяснить систему. В научных исследованиях модели служат средством получения, фиксирования и упорядочения новой информации, обеспечивая развитие теории и практики. В управлении модели используются для обоснования решений. Такие модели должны обеспечить как описание, так и объяснение и предсказание поведения систем.

 

2. Классификация видов моделирования систем

Классификация видов моделирования может быть проведена по разным основаниям. Один из вариантов классификации приведен на рисунке 1.

В соответствии с классификационным признаком полноты моделирование делится на полное, неполное и приближенное. При полном моделировании модели идентичны объекту во времени и пространстве. Для неполного моделирования эта идентичность не сохраняется. В основе приближенного моделирования лежит подобие, при котором некоторые стороны реального объекта не моделируются совсем. Теория подобия утверждает, что абсолютное подобие возможно лишь при замене одного объекта другим точно таким же. Поэтому при моделировании абсолютное подобие не имеет места. Исследователи стремятся к тому, чтобы модель хорошо отображала только исследуемый аспект системы. Например, для оценки помехоустойчивости дискретных каналов передачи информации функциональная и информационная модели системы могут не разрабатываться. Для достижения цели моделирования вполне достаточна событийная модель, описываемая матрицей условных вероятностей переходов i -го символа алфавита j -й.

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

Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий. Стохастическое моделирование учитывает вероятностные процессы и события. Статическое моделирование служит для описания состояния объекта в фиксированный момент времени, а динамическое – для исследования объекта во времени. При этом оперируют аналоговыми (непрерывными), дискретными и смешанными моделями.

В зависимости от формы реализации носителя и сигнатуры моделирование классифицируется на мысленное и реальное. Мысленное моделирование применяется тогда, когда модели не реализуемы в заданном интервале времени либо отсутствуют условия для их физического создания (например, ситуация микромира). Мысленное моделирование реальных систем реализуется в виде наглядного, символического и математического. Для представления функциональных, информационных и событийных моделей этого вида моделирования разработано значительное количество средств и методов.

 

 

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

В основу гипотетического моделирования закладывается гипотеза озакономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Этот вид моделирования используется, когда знаний об объекте недостаточно для построения формальных моделей. Аналоговое моделирование основывается на применении аналогий различных уровней. Для достаточно простых объектов наивысшим уровнем является полная аналогия. С усложнением системы используются аналогии последующих уровней, когда аналоговая модель отображает несколько (или только одну) сторон функционирования объекта. Макетирование применяется, когда протекающие в реальном объекте процессы не поддаются физическому моделированию или могут предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает его основные свойства с помощью определенной системы знаков и символов. В основе языкового моделирования лежит некоторый тезаурус, который образуется из набора понятий исследуемой предметной области, причем этот набор должен быть фиксированным. Под тезаурусом понимается словарь, отражающий связи между словами или иными элементами данного языка, предназначенный для поиска слов по их смыслу.

Если ввести условное обозначение отдельных понятий, т.е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий — составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

Математическое моделирование — это процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. В принципе, для исследования характеристик любой системы математическими методами, включая и машинные, должна быть обязательно проведена формализация этого процесса, т.е. построена математическая модель. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, от требуемой достоверности и точности решения задачи. Любая математическая модель, как и всякая другая, описывает реальный объект с некоторой степенью приближения.

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

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

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

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

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

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

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

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

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

При имитационном моделировании воспроизводится алгоритм функционирования системы во времени — поведение системы, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и другие, которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование — наиболее эффективный метод исследования систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования.

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

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

Если этот прием применяется для машинной имитации в целях исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, то такой метод называется методом статистического моделирования.

Метод имитационного моделирования применяется для оценки вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено в основу структурного, алгоритмического и параметрического синтеза систем, когда требуется создать систему с заданными характеристиками при определенных ограничениях.

Комбинированное (аналитико-имитационное) моделирование позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей производится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой подход дает возможность охватить качественно новые классы систем, которые не могут быть исследованы с использованием аналитического или имитационного моделирования в отдельности.

Информационное (кибернетическое) моделирование связано с исследованием моделей, в которых отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию, рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Таким образом, в основе информационных (кибернетических) моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести данную функцию на имитационной модели, причем на совершенно другом математическом языке и, естественно, иной физической реализации процесса. Так, например, экспертные системы являются моделями ЛПР.

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