Metode in pristopi k modeliranju porazdeljenih sistemov. Pristopi k izgradnji modela sistema. Statični informacijski modeli

Klasična(oz induktivni) pristop modeliranje obravnava sistem, se premika od posameznega k splošnemu, in ga sintetizira z združitvijo ločeno razvitih komponent. Sistematičen pristop vključuje dosleden prehod od splošnega k posebnemu, ko je osnova obravnave cilj, medtem ko predmet izstopa iz okoliškega sveta.

Pri ustvarjanju novega predmeta z koristne lastnosti(na primer nadzorni sistemi). merila, določanje stopnje uporabnosti nastalih lastnosti. Ker je vsak objekt modeliranja sistem med seboj povezanih elementov, uvedemo koncept sistema. Sistem S obstaja namenski sklop medsebojno povezanih elementov katere koli narave. Zunanje okolje. E predstavlja niz elementov katere koli narave, ki obstajajo zunaj sistema in vplivajo na sistem ali so pod njegovim vplivom.

Pri sistemskem pristopu k modeliranju je najprej jasno opredeljen namen modeliranja. Izdelava modela popolnega analoga izvirnika je delovno intenzivna in draga, zato je model ustvarjen za določen namen.

Klasična metoda gradnje modela uporablja funkcionalni pristop, pri katerem se vzame element modela komponento ki opisuje obnašanje ene lastnosti in ne odraža dejanske sestave elementov. Poleg tega so komponente sistema izolirane druga od druge, kar slabo odraža modelirani sistem. Ta metoda izdelave modela je uporabna samo za enostavni sistemi, saj zahteva vključitev v funkcije, ki opisujejo lastnosti sistema, odnosov med lastnostmi, ki so lahko slabo definirane ali neznane.

Ob zapletenosti modeliranih sistemov, ko ni mogoče upoštevati vseh medsebojnih vplivov lastnosti, se uporablja sistemska metoda, temelji na strukturnem pristopu. Hkrati pa sistem S je razdeljen na več podsistemov S l z lastnimi lastnostmi, ki jih je seveda lažje opisati s funkcionalnimi odvisnostmi, in so določene povezave med podsistemi. V tem primeru sistem deluje v skladu z lastnostmi posameznih podsistemov in povezav med njimi. To odpravlja potrebo po opisovanju funkcionalnih odnosov med lastnostmi sistema S, naredi model bolj prilagodljiv, saj sprememba lastnosti enega od podsistemov samodejno spremeni lastnosti sistema.

Razvrstitev vrst modeliranja

Odvisno od narave procesov, ki se preučujejo v sistemu S in namenu modeliranja obstaja veliko vrst modelov in načinov njihovega razvrščanja, na primer po namenu uporabe, prisotnosti naključnih vplivov, časovni povezavi, izvedljivosti izvedbe, obsegu itd. (tabela 14).

Tabela 14. Vrste modelov

Po namenu uporabe modeli so razvrščeni v znanstveni eksperiment, pri katerem se proučuje model z različnimi sredstvi za pridobivanje podatkov o predmetu, možnost vplivanja na potek procesa, da bi pridobili nove podatke o predmetu ali pojavu; celovito testiranje in proizvodni poskus, uporaba obsežnega testiranja fizičnega predmeta za pridobitev visokega zaupanja o njegovih značilnostih; optimizacija, povezanih z iskanjem optimalnih indikatorjev sistema (na primer iskanje minimalni stroški ali določitev največjega dobička).

Glede na prisotnost udarcev na sistemske modele delimo na deterministični(v sistemih ni naključnih vplivov) in stohastično(sistemi vsebujejo verjetnostne vplive). Nekateri avtorji razvrščajo te iste modele z metodo ocenjevanja parametrov sistemi: v deterministični sistemi, parametri modela so ocenjeni z enim indikatorjem za določene vrednosti njihovih začetnih podatkov; V stohastično sistemov, prisotnost verjetnostnih značilnosti začetnih podatkov omogoča ovrednotenje sistemskih parametrov z uporabo več indikatorjev.

Glede na čas modeli so razdeljeni na statično, opisovanje sistema v določenem trenutku in dinamično, ob upoštevanju obnašanja sistema skozi čas. Po drugi strani pa so dinamični modeli razdeljeni na diskretno, v kateri se vsi dogodki zgodijo v časovnih intervalih in neprekinjeno, kjer se vsi dogodki odvijajo neprekinjeno v času.

Po možnosti izvedba modeli so razvrščeni kot duševno, opisovanje sistema, ki ga je težko ali nemogoče realistično modelirati, resnično, v katerem je sistemski model predstavljen z realnim predmetom ali njegovim delom in informativni, izvajanje informacijskih procesov (nastajanje, prenos, obdelava in uporaba informacij) na računalniku. Po drugi strani pa se mentalni modeli delijo na vizualni(v katerem se jasno pojavljajo simulirani procesi in pojavi); simbolično(sistemski model predstavlja logični objekt, v katerem so glavne lastnosti in razmerja realnega objekta izraženi s sistemom znakov ali simbolov) in matematični(predstavljajo sisteme matematičnih objektov, ki omogočajo pridobitev proučevanih značilnosti realnega predmeta). Pravi modeli so razdeljeni na v polnem obsegu(izvajanje raziskav na realnem objektu in kasnejša obdelava eksperimentalnih rezultatov s pomočjo teorije podobnosti) in fizično(izvajanje raziskav na napravah, ki ohranjajo naravo pojava in imajo fizično podobnost).

Po področju uporabe modeli so razdeljeni na univerzalni, namenjen za uporabo v številnih sistemih in specializirano, ustvarjen za preučevanje določenega sistema.

Matematični modeli

Najpomembnejša faza pri izgradnji modela je prehod od smiselnega opisa do formalnega, kar je razloženo s sodelovanjem na tej stopnji strokovnjakov na predmetnem področju, kjer obstaja modelirani sistem, in strokovnjakov na področju modeliranja sistemov. Najprimernejši jezik za njihovo komunikacijo, katere namen je zgraditi ustrezen model sistema, je običajno jezik matematičnih opisov. Matematični opis sistem je kompakten in priročen za nadaljnjo implementacijo na računalnik za namen statističnega testiranja,

Primeri gradnje dinamičnih modelov

Pri modeliranju zveznih dinamičnih objektov so modeli običajno diferencialne enačbe, povezovanje obnašanja predmeta s časom. Pozitivna lastnost diferencialnih enačb je, da ista enačba modelira sisteme različnih fizikalnih narav.

Neodvisna spremenljivka v dinamičnih sistemih je običajno čas, od katerega so odvisne neznane vrednosti želene funkcije, ki določajo obnašanje objekta. Matematični opis modela v splošni obliki:

kjer so n-dimenzionalni vektorji in so zvezni.

Na primer, proces majhnih nihanj nihala opisuje navadna diferencialna enačba

Proces v električnem nihajnem krogu .

Očitno, če postavimo

Dobimo enačbo, ki opisuje časovno stanje obeh sistemov

Splošni matematični model omogoča preučevanje enega sistema ob simulaciji delovanja drugega.

Modeli dinamičnih sistemov, ki temeljijo na diferencialnih enačbah, so našli široko uporabo v teoriji krmiljenja različnih tehničnih objektov. Pod vplivom vnaprej neznanih motenj dejansko vedenje sistema odstopa od želenega vedenja, ki ga določa algoritem, za približevanje njegovega vedenja zahtevani vrednosti pa je v sistem uveden avtomatski nadzor sistema. Lahko je vgrajen v sam sistem, vendar je pri simulaciji krmilna enota ločena od samega sistema. Na splošno je struktura večdimenzionalnega avtomatskega krmilnega sistema (ACS) predstavljena na sl. 3.

Slika 3. Struktura večdimenzionalnega avtomatskega krmilnega sistema.

Informacijski modeli

Informacijski modeli v mnogih primerih zanašajo na matematični modeli, saj se pri reševanju problemov matematični model predmeta, procesa ali pojava, ki ga proučujemo, neizogibno spremeni v informacijski model za njegovo izvedbo v računalniku. Opredelimo osnovne koncepte informacijskega modela.

Informacijski objekt je opis realnega predmeta, procesa ali pojava v obliki niza njegovih značilnosti (informacijskih elementov), imenovanih podrobnosti. Oblikuje se informacijski objekt določene strukture (potrebne sestave). vrsta (razred), ki mu je dodeljena edinstvena Ime. Imenuje se informacijski objekt s specifičnimi lastnostmi kopija. Vsak primer je identificiran z opravilom ključne podrobnosti (ključ). Iste podrobnosti v različnih informacijskih objektih so lahko ključne in opisne. Informacijski objekt ima lahko več ključev.

Primer. Informacijski objekt ŠTUDENT ima naslednje rekvizite: število(številka razrednice je ključna podrobnost), priimek, ime, patronim, datum rojstva, šifra kraja študija. Informacijski objekt OSEBNI PROFIL: številka dijaka, domači naslov, številka srednješolskega spričevala, zakonski stan, otroci. Informacijski objekt STUDY PLACE vključuje naslednje podrobnosti: kodo(ključni rekviziti), ime univerze, fakultete, skupine. Informacijski objekt UČITELJ: kodo(ključni rekviziti), oddelek, priimek, ime, patronim, akademska stopnja, znanstveni naziv, položaj.

odnos, ki obstajajo med realnimi objekti, so v informacijskih modelih opredeljeni kot komunikacije. Obstajajo tri vrste povezav: eden proti enemu (1:1), eden proti mnogim(1:∞) in veliko mnogim(∞: ∞).

Povezava ena proti ena določa, da en primerek informacijskega objekta X ne ustreza več kot enemu primerku informacijskega objekta Y in obratno.

Primer. Informacijska objekta ŠTUDENT in OSEBNI PROFIL bosta povezana z relacijo ena proti ena. Vsak študent ima v osebni mapi določene unikatne podatke.

Pri stiku eden proti mnogim En primerek informacijskega objekta X lahko ustreza poljubnemu številu primerkov informacijskega objekta Y, vendar je vsak primerek objekta Y povezan z največ enim primerkom objekta X.

Primer. Med informacijskima objektoma ŠTUDIJSKI KRAJ in ŠTUDENT mora biti vzpostavljena povezava eden proti mnogim. Isti kraj študija se lahko večkrat ponavlja za različne študente.

Povezava veliko mnogim predpostavlja, da ena instanca informacijskega objekta X ustreza poljubnemu številu instanc objekta Y in obratno.

Primer. Informacijska objekta ŠTUDENT in UČITELJ imata povezavo veliko mnogim. Vsak učenec se uči od številnih učiteljev in vsak učitelj uči veliko učencev.

Primeri informacijskih modelov

Informacijski model definirajmo kot povezano množico informacijskih objektov, ki opisujejo informacijske procese na obravnavanem predmetnem področju. Obstoječe informacijske modele delimo na univerzalne in specializirane. Univerzalni modeli so namenjeni uporabi na različnih tematskih področjih, vključno z: baze podatkov in sistemi za upravljanje baz podatkov, avtomatizirani sistemi upravljanje, baze znanja, ekspertni sistemi. Specializirani modeli so zasnovani tako, da opisujejo specifične sisteme, so edinstveni po svojih zmogljivostih in so dražji.

Univerzalni modeli.

Baze podatkov

Baze podatkov predstavljajo soroden niz strukturiranih podatkov, povezanih z določenim procesom ali pojavom na določenem predmetnem področju.

Sistem za upravljanje baz podatkov je programski paket za ustvarjanje, organizacijo potrebne obdelave, shranjevanje in prenos baz podatkov.

Jedro vsake baze podatkov je model predstavitve podatkov. Podatkovni model predstavlja številne podatkovne strukture in odnose med njimi.

Razlikovati hierarchical, network in relacijski podatkovni modeli. Hierarhični model predstavlja odnose med objekti (podatki) v obliki drevesa.

Glavni koncepti hierarhičnega modela vključujejo:

vozlišče- niz atributov podatkov, ki opisujejo predmet;

povezava- črta, ki povezuje vozlišča spodnje ravni z enim vozliščem zgornje ravni. V tem primeru se pokliče vozlišče na višji ravni prednik za vozlišča spodnjega nivoja, ki mu ustrezajo, se imenujejo vozlišča spodnjega nivoja potomci prekrivno vozlišče, povezano z njimi (na primer, na sliki 4 je vozlišče B1 prednik za vozlišča CI, C2, vozlišča C1, C2 pa so potomci vozlišča B1);

ravni- število plasti vozlišč, šteto od korena.

Slika 4. Hierarhični podatkovni model

Količina drevesa v podatkovni zbirki določa število korenski zapisi. Vsako vozlišče ima eno pot od korena.

Struktura mreže ima enake komponente kot hierarhično, vendar je lahko vsako vozlišče povezano s katerim koli drugim vozliščem (slika 5). Mrežni pristop k organizaciji podatkov je razširitev hierarhičnega. V hierarhičnih modelih mora imeti podrejeni zapis samo enega prednika; v omrežju - potomec ima lahko poljubno število prednikov.

Slika 5. Omrežni podatkovni model

Oba modela nista široko uporabljena zaradi zapletenosti implementacije grafov v obliki strojnih podatkovnih struktur, poleg tega je v njih težko izvajati operacije iskanja informacij.

Najbolj razširjen je tretji podatkovni model - relacijski, lahko opiše tudi hierarhični in mrežni model. Relacijski model se osredotoča na organiziranje podatkov v obliki dvodimenzionalnih tabel.

Umetna inteligenca

Ideje o modeliranju človeškega uma so bile znane že od antičnih časov. To je bilo prvič omenjeno v delu filozofa in teologa Raymunda Lullia(c.1235 - c.1315) "Velika umetnost", ki ni le izrazila ideje o logičnem stroju za reševanje različnih problemov, ki temelji na univerzalni klasifikaciji konceptov (XIV. stoletje), ampak jo je tudi poskušal uresničiti. Rene Descartes(1596-1650) in Gottfried Wilhelm Leibniz(1646-1716) je neodvisno razvil doktrino o prirojeni sposobnosti uma za spoznanje ter o univerzalnih in nujnih resnicah logike in matematike ter si prizadeval za ustvarjanje univerzalnega jezika za klasifikacijo vsega znanja. Na teh idejah temeljijo teoretični temelji ustvarjanja umetne inteligence. Potisni do nadaljnji razvoj modeli človeškega mišljenja so se začeli pojavljati v 40. letih. XX stoletje RAČUNALNIK. Leta 1948 je ameriški znanstvenik Norbert Wiener(1894-1964) je oblikoval glavne določbe nove znanosti - kibernetike. Leta 1956 je na Univerzi Stanford (ZDA) na seminarju z naslovom »Artificial intelligence* (umetna inteligenca), namenjenem reševanju logičnih problemov, nova znanstvena smer povezana s strojnim modeliranjem človekovih intelektualnih funkcij in imenovana umetna inteligenca. Področje se je kmalu razdelilo na dve glavni področji: nevrokibernetiko in kibernetiko črne skrinjice.

Nevrokibernetika se je obrnil na strukturo človeških možganov kot edinega mislečega objekta in začel z njihovim strojnim modeliranjem. Fiziologi že dolgo identificirajo nevrone – med seboj povezane živčne celice – kot osnovo možganov. Nevrokibernetika se ukvarja z ustvarjanjem nevronom podobnih elementov in njihovo integracijo v delujoče sisteme, te sisteme imenujemo nevronske mreže. Sredi 80. let. V 20. stoletju so na Japonskem izdelali prvi nevroračunalnik, ki je posnemal strukturo človeških možganov. Njegovo glavno področje uporabe je prepoznavanje vzorcev.

Kibernetika črne skrinjice uporablja različne principe, struktura modela ni bistvena, pomembna je njegova reakcija na dane vhodne podatke, na izhodu naj bi model reagiral kot človeški možgani. Znanstveniki na tem področju razvijajo algoritme za reševanje intelektualnih problemov za obstoječe računalniške sisteme. Najpomembnejši rezultati:

Model iskanja v labirintu(pozne 50. leta), ki upošteva graf stanja objekta in išče optimalno pot od vhodnih do izhodnih podatkov. V praksi ta model ni bil široko uporabljen.

Hevristično programiranje(zgodnja 60-a) razvili akcijske strategije, ki temeljijo na vnaprej znanih vnaprej določenih pravilih (hevristika). Hevristika - teoretično neutemeljeno pravilo, ki omogoča zmanjšanje števila iskanj pri iskanju optimalne poti.

Metode matematične logike. Metoda ločljivosti vam omogoča samodejno dokazovanje izrekov na podlagi določenih aksiomov. Leta 1973 je bil ustvarjen logični programski jezik Prolog, omogoča obdelavo simbolnih informacij.

Od sredine 70-ih. Uresničuje se zamisel o modeliranju specifičnih znanj strokovnjakov specialistov. Prvi ekspertni sistemi se pojavijo v ZDA. Nastane nova tehnologija umetna inteligenca, ki temelji na predstavitvi in uporabi znanja. Od sredine 80-ih. umetna inteligenca se komercializira. Naložbe v to panogo naraščajo, pojavljajo se industrijski ekspertni sistemi, povečuje se zanimanje za samoučeče se sisteme.

Baze znanja

Pri študiju inteligentni sistemi Ugotoviti je treba, kaj je znanje in v čem se razlikuje od podatkov. Koncept znanja so opredeljeni na različne načine, vendar celovite definicije ni.

Tukaj je nekaj definicij:

znanje- identificirane vzorce predmetnega področja (načela, povezave, zakonitosti), ki omogočajo reševanje problemov na tem področju.

znanje- dobro strukturirani podatki ali podatki o podatkih ali metapodatki.

znanje- niz informacij, ki tvori celosten opis, ki ustreza določeni ravni zavedanja o temi, predmetu itd., ki se opisuje.

Z vidika umetne inteligence je znanje definirano kot formalizirana informacija, na katero se sklicujemo v procesu logičnega sklepanja. Baze znanja se uporabljajo za shranjevanje znanja. Baza znanja- osnova vsakega inteligentnega sistema.

Z vidika reševanja problemov na določenem predmetnem področju je znanje priročno razdeljeno v dve kategoriji - dejstva in hevristika. Prva kategorija opisuje okoliščine, znane na tem področju; znanje v tej kategoriji včasih imenujemo besedilno, s čimer poudarjamo njegov zadosten opis v literaturi. Druga kategorija znanja temelji na praktičnih izkušnjah strokovnjaka specialista na določenem predmetnem področju.

Poleg tega je znanje razdeljeno na postopkovno in deklarativno. V zgodovini se je najprej pojavilo proceduralno znanje, »razpršeno« v algoritme. Upravljali so podatke. Da bi jih spremenili, je bilo treba spremeniti programe. Z razvojem umetne inteligence se je vse večji del znanja oblikoval v podatkovnih strukturah: tabelah, seznamih, abstraktnih podatkovnih tipih, znanje je vse bolj postajalo deklarativno.

Deklarativno znanje je niz informacij o značilnostih lastnosti določenih predmetov, pojavov ali procesov, predstavljenih v obliki dejstev in hevristik. V zgodovini se je takšno znanje kopičilo v obliki različnih referenčnih knjig; s pojavom računalnikov je prevzelo obliko podatkovnih baz. Deklarativno znanje se pogosto preprosto imenuje podatek; shranjeno je v pomnilniku informacijskega sistema (IS), tako da ima takojšen dostop do njega.

Proceduralno znanje shranjeni v pomnilniku IC v obliki opisov postopkov, s katerimi jih je mogoče pridobiti. V obliki proceduralnega znanja običajno opisujejo metode za reševanje problemov predmetnega področja, razna navodila, tehnike itd. Proceduralno znanje so metode, algoritmi, programi za reševanje različnih problemov na izbranem predmetnem področju; Proceduralno znanje se oblikuje kot rezultat izvajanja postopkov na dejstvih kot začetnih podatkih.

Eden najpomembnejših problemov, značilnih za sisteme umetne inteligence, je predstavitev znanja. Oblika predstavitve znanja pomembno vpliva na značilnosti in lastnosti sistema. Za manipulacijo različnih znanj resnični svet potrebno jih je simulirati na računalniku. Obstaja veliko modelov za predstavitev znanja za različna predmetna področja, vendar jih večina spada v naslednje razrede: logični modeli", produkcijski modeli; semantične mreže; okvirni modeli.

Tradicionalno v predstavitvi znanja obstajajo formalni logični modeli, temelji na klasičnem predikatnem računu prvega reda, ko je predmetno področje opisano kot niz aksiomov. Vse informacije, potrebne za reševanje problemov, se obravnavajo kot niz pravil in izjav, ki so predstavljeni kot formule v neki predikatni logiki. Znanje odraža celoto takih formul, pridobivanje novega znanja pa se zmanjša na izvajanje postopkov logičnega sklepanja. Ta logični model je uporaben predvsem v raziskovalnih »idealnih« sistemih, saj na predmetno področje postavlja visoke zahteve in omejitve. Industrijski ekspertni sistemi uporabljajo njegove različne modifikacije in razširitve.

Študije človeških procesov odločanja so pokazale, da človek pri razmišljanju in odločanju uporablja proizvodna pravila(iz angleščine proizvodnja- pravilo sklepanja, pravilo generiranja). Model izdelka na podlagi pravil vam omogoča, da znanje predstavite v obliki stavkov: ČE (seznam pogojev), POTEM (seznam dejanj je treba izvesti). Pogoj - to je stavek, ki se išče v bazi znanja, in ukrepanje Obstaja nekaj operacij, ki se izvedejo, ko je iskanje uspešno. Dejanja so lahko podobna vmesni, ki se nadalje pojavljajo kot pogoji in ciljano, dokončanje dela IS. V proizvodnem modelu je baza znanja sestavljena iz niza pravil. Pokliče se program, ki nadzoruje naštevanje pravil izhodni stroj. Mehanizem sklepanja povezuje znanje in iz njegovega zaporedja ustvarja sklep. Zaključek se zgodi neposredno(metoda ujemanja, od podatkov do ciljnega iskanja) oz nazaj(metoda generiranja hipoteze in njenega testiranja, od cilja do podatkov).

Primer. Obstaja fragment baze znanja, sestavljen iz dveh pravil:

Ave. 1: ČE "poslovanje" in "spoznavanje interneta",

V "elektronsko poslovanje".

Ave. 2: ČE "ima računalnik"

TO je »spoznavanje interneta«.

Sistem je prejel podatke: "poslovanje" in "ima računalnik."

NEPOSREDNI IZHOD: Na podlagi razpoložljivih podatkov pridobite sklep.

1. prehod:

Korak 1. Preverite Ex. 1, ne deluje - ni dovolj podatkov o "poznavanju interneta".

Korak 2. Preverite Ex. 2, deluje, osnova je dopolnjena z dejstvom "poznavanje interneta".

2. prehod

Korak 3. Preverite Ex. 1, deluje, sistem daje zaključek "elektronsko poslovanje".

OBRNI IZHOD: Potrdite izbrani cilj z uporabo obstoječih pravil in podatkov.

1. prehod:

Korak 1. Cilj - "elektronsko poslovanje":

Preverjanje Ave. 1, ni podatkov o »seznanitvi z internetom«, postanejo nov cilj in obstaja pravilo, kjer je na desni strani.

2. korak. Cilj - "spoznajte internet":

Ave. 2 potrdi tarčo in jo aktivira.

2. prehod: 3. korak. 1 potrdi želeni cilj.

Model izdelka privlači razvijalce s svojo jasnostjo, modularnostjo, enostavnostjo dodajanja in spreminjanja, preprostostjo mehanizma logičnega sklepanja in se najpogosteje uporablja v industrijskih ekspertnih sistemih.

Semantika je veda, ki preučuje lastnosti znakov in znakovnih sistemov, njihovo pomensko povezavo z realnimi predmeti. Semantični splet - to je usmerjen graf, katerega oglišča so koncepti, loki pa odnosi med njimi (slika 6). To je najsplošnejši model znanja, saj vsebuje sredstva vseh lastnosti, značilnih za znanje: notranjo interpretacijo, strukturo, semantično metriko in aktivnost.

Slika 6. Semantični splet

Prednosti mrežnih modelov so: večje izrazne zmožnosti; preglednost sistema znanja, predstavljenega grafično; bližina mrežne strukture, ki predstavlja sistem znanja, pomenski strukturi besednih zvez v naravnem jeziku; skladnost s sodobnimi idejami o organizaciji človeškega dolgoročnega spomina. Slabosti vključujejo dejstvo, da mrežni model ne vsebuje jasne predstave o strukturi predmetnega področja, ki mu ustreza, zato je njegovo oblikovanje in spreminjanje težko; mrežni modeli so pasivne strukture, za njihovo obdelavo se uporablja posebna naprava uradni zaključek. Problem iskanja rešitve v bazi znanja, kot je semantično omrežje, se spušča na problem iskanja fragmenta omrežja, ki ustreza določenemu podomrežju naloge, kar pa kaže na drugo pomanjkljivost modela - težave pri iskanju rezultatov v semantičnih omrežjih.

Omrežni modeli so vizualno in dokaj univerzalno sredstvo za predstavitev znanja. Vendar pa je njihova formalizacija v specifičnih modelih reprezentacije, uporabe in spreminjanja znanja precej delovno intenziven proces, zlasti ob prisotnosti več odnosov med pojmi.

Izraz okvir(iz angleškega okvira - okvir, okvir) je predlagano za označevanje strukture enote znanja, ki jo je mogoče opisati z določenim nizom konceptov za njeno prostorsko zaznavo. Okvir ima določeno notranja struktura, sestavljen iz niza elementov, imenovanih reže. Vsaka reža je predstavljena s posebnim struktura podatkov, postopek, ali pa je lahko povezana z drugim okvirjem. Okvirni model je tehnološki model človeškega spomina in zavesti, sistematiziran v obliki enotne teorije. Za razliko od drugih modelov je v okvirjih pritrjena toga konstrukcija. Na splošno je okvir opredeljen na naslednji način:

(IME OKVIRJA: (ime 1. reže: vrednost 1. reže);

(2. ime reže: vrednost 2. reže);

(Ime reže N-ro: vrednost reže N-ro)).

Pomembna lastnost okvirjev je dedovanje nepremičnin, izposojen iz teorije semantičnih omrežij. Dedovanje poteka prek povezav AKO (iz A Kind Of, kar pomeni "to."). Reža ACO kaže na okvir visoki ravni hierarhijo, iz katere je implicitno podedovana, tj. prenesejo se vrednosti podobnih slotov. Na primer, v mreži okvirjev na sl. 7 »konstruktor« podeduje lastnosti okvirov »inženir« in »oseba«, ki sta na višji ravni hierarhije.

Slika 7. Okvirna mreža

Okvirni model je precej univerzalen; omogoča prikaz celotne raznolikosti znanja o svetu skozi:

okvirne konstrukcije, za označevanje predmetov in pojmov (predavanje, zapiski, oddelek);

okvirne vloge(študent, učitelj, dekan);

skriptni okvirji(opravljanje izpita, praznovanje imendana, prejemanje štipendije);

okvirji situacije(alarm, način dela šolski dan) itd. Glavna prednost okvirjev kot modela za predstavitev znanja je njihova sposobnost, da odražajo konceptualno osnovo organizacije človeškega spomina, pa tudi fleksibilnost in preglednost.

Če povzamemo analizo modelov predstavitve znanja, lahko sklepamo naslednje:

Najmočnejši so mešani modeli reprezentacije znanja.

Ekspertni sistemi

Zasnovan za analizo podatkov v bazah znanja in izdajanje priporočil na zahtevo uporabnika. Uporabljajo se v primerih, ko so začetni podatki dobro formalizirani, vendar odločanje zahteva posebno obsežno znanje. Ekspertni sistemi- to so kompleksni sistemi programske opreme, ki zbirajo znanje strokovnjakov na določenih tematskih področjih in posnemajo te empirične izkušnje za svetovanje manj usposobljenim uporabnikom.

Predmetna področja: medicina, farmakologija, kemija, geologija, ekonomija, pravo itd., na katerih je največ znanja. osebna izkušnja strokovnjaki na visoki ravni (strokovnjaki) potrebujejo ekspertne sisteme. Tista področja, kjer je večina znanja predstavljena v obliki kolektivnih izkušenj (na primer višja matematika), jih ne potrebujejo.

Ekspertni sistem je opredeljen z nizom logično povezanih pravil, ki tvorijo znanje in izkušnje strokovnjaka na določenem predmetnem področju, in mehanizem odločanja, ki omogoča prepoznavanje situacije, dajanje priporočil za ukrepanje in postavitev diagnoze.

Sodobni ekspertni sistemi so sposobni:

Na podlagi vseh znakov bolezni postavite diagnozo, predpišite zdravljenje, odmerjanje zdravil, razvijte program zdravljenja;

Opravljanje nalog diagnostičnih sistemov pri preučevanju pojavov in procesov (na primer za analizo krvi; vodenje proizvodnje; preučevanje stanja črevesja zemlje, naftnih polj, nahajališč premoga itd.);

Prepoznavanje govora, na tej stopnji na omejenem področju uporabe;

Prepoznavanje človeških obrazov, prstnih odtisov itd.

Na sl. Slika 8 prikazuje glavne komponente modela ekspertnega sistema: uporabnik(strokovnjak na področju, ki mu je ta sistem namenjen), inženir znanja(strokovnjak za umetno inteligenco je vmesni člen med strokovnjakom in bazo znanja), uporabniški vmesnik(aplikacija, ki izvaja dialog med uporabnikom in sistemom), baza znanja - jedro ekspertnega sistema, reševalec(aplikacija, ki simulira strokovno sklepanje na podlagi znanja, ki je na voljo v bazi znanja), podsistem za razjasnitev ( aplikacija, ki vam omogoča razlago, na podlagi česa ekspertni sistem daje priporočila, sklepe in katera znanja uporablja ), inteligentni urejevalnik baze znanja(aplikacija, ki inženirju znanja omogoča interaktivno ustvarjanje baze znanja ).

Slika 8. Struktura modela ekspertnega sistema.

Značilna lastnost Vsak ekspertni sistem je sposoben samorazvoja. Izvorni podatki so v bazi znanja shranjeni v obliki dejstev, med katerimi so vzpostavljene določene logične povezave. Če testiranje razkrije nepravilna priporočila ali sklepe o določenih vprašanjih ali zaključka ni mogoče oblikovati, to pomeni bodisi odsotnost pomembna dejstva v njegovi osnovi ali kršitve v logičnem sistemu povezav. V vsakem primeru lahko sistem sam ustvari zadosten nabor vprašanj za strokovnjaka in samodejno izboljša njegovo kakovost.

Nadzorni sistem

Predstavlja niz med seboj povezanih strukturnih modelov podsistemov, ki opravljajo naslednje funkcije:

načrtovanje(strateški, taktični, operativni);

računovodstvo- prikazuje stanje krmilnega objekta kot rezultat izvajanja proizvodnih procesov;

nadzor- ugotavlja odstopanja računovodskih podatkov od načrtovanih ciljev in standardov;

operativno vodenje- ureja vse procese za odpravo morebitnih odstopanj od planskih in knjigovodskih podatkov;

analizo- določa trend delovanja sistema in rezerve, ki se upoštevajo pri načrtovanju za naslednje časovno obdobje.

Uporaba modelov v kompoziciji informacijski sistemi začeli z uporabo statističnih metod in metod finančna analiza, ki so bili implementirani z ukazi običajnih algoritemskih jezikov. Kasneje so bili ustvarjeni posebni jeziki, ki so omogočili simulacijo različnih situacij. Takšni jeziki omogočajo izdelavo modelov določene vrste, ki nudijo rešitve, ko se spremenljivke prilagodljivo spreminjajo.

PROGRAMSKA OPREMA. OSNOVNI PROGRAMSKI POJMI

OSNOVNI POJMI IN DEFINICIJE

Obravnavana strojna oprema osebnega računalnika je skupaj univerzalno orodje za reševanje najrazličnejših problemov. Te težave pa je mogoče rešiti le, če osebni računalnik »pozna« algoritem za njihovo reševanje.

Algoritem(algoritem) - natančen predpis, ki določa postopek pretvorbe izvornih podatkov v končni rezultat.

Splošno lastnosti katerega koli algoritma so:

– diskretnost – zmožnost razdelitve algoritma na ločena osnovna dejanja;

– gotovost (determinizem) algoritma zagotavlja nedvoumnost rezultata (ponovljivost rezultata, pridobljenega pri ponavljajočih se izračunih z istimi začetnimi podatki) in odpravlja možnost izkrivljanja ali dvoumne interpretacije predpisa;

– učinkovitost – obvezno pridobivanje določenega rezultata v končnem številu korakov in če rezultata ni mogoče dobiti, signal, da ta algoritem ni uporaben za rešitev problema;

– množični značaj – sposobnost pridobivanja rezultatov z različnimi začetnimi podatki za določen razred podobnih problemov.

Koncept sistema

Živimo v svetu, ki je sestavljen iz številnih različnih predmetov, ki imajo različne lastnosti in medsebojno delujejo. Na primer, predmeti okoliškega sveta so planeti sončni sistem, ki imajo različne lastnosti (masa, geometrijske dimenzije itd.) in medsebojno delujejo s Soncem in med seboj po zakonu univerzalne gravitacije.

Vsak planet je del večjega objekta - Osončja, ki je del Galaksije. Hkrati je vsak planet sestavljen iz različnih atomov kemični elementi, ki so sestavljeni iz elementarnih delcev. Tako je dejansko lahko vsak predmet sestavljen iz zbirke drugih predmetov, tj. tvori sistem.

Pomembna lastnost sistema je njegovo celostno delovanje. Sistem ni skupek posameznih elementov, temveč skupek med seboj povezanih elementov. na primer osebni računalnik je sistem, ki je sestavljen iz razne naprave, ki so med seboj povezani tako strojno (fizično povezani med seboj) kot funkcionalno (izmenjujejo informacije).

Definicija 1

Sistem je zbirka med seboj povezanih objektov, ki jih imenujemo sistemski elementi.

Opomba 1

Vsak sistem ima svojo zgradbo, za katero so značilne sestava in lastnosti elementov, njihova medsebojna razmerja in povezave. Sistem je sposoben ohraniti svojo celovitost pod vplivom različnih zunanji dejavniki in notranje spremembe, dokler njegova struktura ostane nespremenjena. Če se struktura sistema spremeni (na primer, ko se odstrani eden od njegovih elementov), lahko preneha delovati kot enotna celota. Na primer, ko odstranite eno od računalniških naprav (npr. matična plošča), bo računalnik prenehal delovati, torej ne bo več deloval kot sistem.

Osnovna načela sistemske teorije so se pojavila pri študiju dinamičnih sistemov in njihovih funkcionalnih elementov. Sistem je skupina medsebojno povezanih elementov, ki delujejo skupaj, da bi izpolnili vnaprej določeno nalogo. S sistemsko analizo je mogoče določiti najbolj realne načine za izvedbo dane naloge, ki zagotavljajo največjo zadovoljitev navedenih zahtev.

Elementi, ki tvorijo osnovo teorije sistemov, niso ustvarjeni s hipotezami, ampak so pridobljeni eksperimentalno. Za začetek gradnje sistema je potrebno imeti splošne značilnosti tehnoloških procesov, ki so nujne tudi pri oblikovanju matematično oblikovanih kriterijev, ki jih mora proces oziroma njegov teoretični opis izpolnjevati. Simulacija je ena najpomembnejših metod znanstveno raziskovanje in eksperimentiranje.

Sistematičen pristop

Za izdelavo modelov objektov se uporablja sistemski pristop, ki je metodologija za reševanje kompleksnih problemov. Ta metodologija temelji na obravnavanju objekta kot sistema, ki deluje v določenem okolju. S sistematičnim pristopom lahko razkrijemo celovitost predmeta, prepoznamo in preučimo njegovo notranjo zgradbo ter povezave z zunanjim okoljem. V tem primeru je predmet del realnega sveta, ki je izoliran in proučen v povezavi s problemom, ki se rešuje pri izdelavi modela. Poleg tega se pri uporabi sistemskega pristopa predvideva dosleden prehod od splošnega k posebnemu, ki temelji na upoštevanju projektantskega cilja, objekt pa se obravnava v odnosu do okolja.

Kompleksen objekt lahko razdelimo na podsisteme, ki so deli objekta in izpolnjujejo naslednje zahteve:

podsistem je funkcionalno samostojen del objekta, ki je povezan z drugimi podsistemi in z njimi izmenjuje informacije in energijo;
vsak podsistem ima lahko funkcije ali lastnosti, ki ne sovpadajo z lastnostmi celotnega sistema;
vsak podsistem lahko razdelimo na nivo elementa.

Pri tem element razumemo kot podsistem nižje ravni, katerega nadaljnja delitev se z vidika problema, ki ga rešujemo, ne zdi primerna.

Opomba 2

Tako je sistem predstavljen kot objekt, sestavljen iz niza podsistemov, elementov in povezav za njegovo ustvarjanje, raziskovanje ali izboljšanje. V tem primeru se povečana predstavitev sistema, ki vključuje glavne podsisteme in povezave med njimi, imenuje makrostruktura, podrobna obravnava pa notranja struktura sistemov do nivoja elementov – mikrostruktura.

Pojem sistema običajno povezujemo s pojmom supersistema - sistema višjega nivoja, ki vključuje obravnavani objekt, delovanje katerega koli sistema pa je mogoče opredeliti le preko nadsistema. Pomemben je tudi koncept okolja - skupek objektov v zunanjem svetu, ki pomembno vplivajo na učinkovitost sistema, vendar niso del sistema in njegovega nadsistema.

Pri sistemskem pristopu k gradnji modelov se uporablja koncept infrastrukture, ki opisuje odnos sistema z njegovim okoljem (okoljem).

Izoliranje, opisovanje in preučevanje lastnosti predmeta, ki so bistvene za določeno nalogo, se imenuje stratifikacija objekta.

Pri sistemskem pristopu k modeliranju je pomembno določiti strukturo sistema, ki je opredeljena kot skupek povezav med sistemskimi elementi, ki odražajo njihovo interakcijo.

Obstajata strukturni in funkcionalni pristop k modeliranju.

S strukturnim pristopom se določi sestava izbranih elementov sistema in povezave med njimi. Skupek elementov in povezav sestavlja strukturo sistema. Običajno se za opis strukture uporablja topološki opis, ki omogoča identifikacijo sestavnih delov sistema in določanje njihovih povezav z uporabo grafov.

Manj pogosto se uporablja funkcionalni opis, ki upošteva posamezne funkcije – algoritme obnašanja sistema. V tem primeru je implementiran funkcionalni pristop, ki definira funkcije, ki jih sistem izvaja.

S sistemskim pristopom so možna različna zaporedja razvoja modela na podlagi dveh glavnih stopenj načrtovanja: makro in mikro načrtovanja. V fazi makro načrtovanja se zgradi model zunanjega okolja, identificirajo se viri in omejitve, izbere model sistema in merila za oceno ustreznosti.

Faza mikro načrtovanja je odvisna od vrste izbranega modela. Ta stopnja vključuje ustvarjanje informacijskih, matematičnih, tehničnih oz programsko opremo sistemi za modeliranje. Pri mikrodizajnu osnovno tehnične specifikacije izdelanega modela, oceniti čas dela z njim in stroške sredstev za pridobitev zahtevane kakovosti modela.

Pri gradnji modela, ne glede na njegovo vrsto, je treba upoštevati načela sistematičnega pristopa:

dosledno premikanje skozi faze ustvarjanja modela;
uskladi informacije, vire, zanesljivost in druge značilnosti;
pravilno povezati različne ravni konstrukcije modela;
upoštevati celovitost posameznih faz oblikovanja modela.

Statični informacijski modeli

Vsak sistem še naprej obstaja v prostoru in času. V različnih časovnih obdobjih je sistem določen s svojim stanjem, ki opisuje sestavo elementov, vrednosti njihovih lastnosti, velikost in naravo interakcije med elementi itd.

Na primer, stanje Osončja v določenih časovnih točkah je opisano s sestavo predmetov, ki so vanj vključeni (Sonce, planeti itd.), Njihovimi lastnostmi (velikost, položaj v vesolju itd.), velikost in narava njihove interakcije (gravitacijska sila, elektromagnetni valovi itd.).

Modeli, ki opisujejo stanje sistema v določenem trenutku, se imenujejo statični informacijski modeli.

Na primer, v fiziki so statični informacijski modeli modeli, ki opisujejo preproste mehanizme, v biologiji - modeli strukture rastlin in živali, v kemiji - modeli strukture molekul in kristalnih mrež itd.

Dinamični informacijski modeli

Sistem se lahko sčasoma spreminja, tj. poteka proces spreminjanja in razvoja sistema. Na primer, ko se planeti premikajo, se spreminja njihov položaj glede na Sonce in med seboj; spremembe kemična sestava Sonce, sevanje itd.

Modele, ki opisujejo procese spreminjanja in razvoja sistemov, imenujemo dinamični informacijski modeli.

Na primer, v fiziki dinamični informacijski modeli opisujejo gibanje teles, v kemiji - procese kemičnih reakcij, v biologiji - razvoj organizmov ali živalskih vrst itd.

Tema 5. MODELSKI PRISTOP

Model je abstrakten opis sistema (objekta, procesa, problema, koncepta) v neki obliki, ki se razlikuje od oblike njihovega resničnega obstoja.

Modeliranje se začne z oblikovanjem predmeta raziskave - sistema konceptov, ki odraža značilnosti predmeta, ki so bistvene za modeliranje. Ta naloga je precej zapletena, kar potrjujejo različne interpretacije v znanstveni in tehnični literaturi tako temeljnih pojmov, kot so sistem, model, modeliranje. Takšna dvoumnost ne kaže na napačnost nekaterih izrazov in pravilnost drugih izrazov, temveč odraža odvisnost predmeta raziskovanja (modeliranja) tako od obravnavanega predmeta kot od ciljev raziskovalca. Posebnost modeliranja kompleksnih sistemov je njegova vsestranskost in raznolikost uporabnosti; postane sestavni del vsega življenjski cikel sistemi. To je razloženo predvsem z izdelljivostjo modelov, ki se izvajajo na podlagi računalniške tehnologije: dokaj visoka hitrost pridobivanja rezultatov modeliranja in njihova relativno nizka cena.

Pristopi k modeliranju sistemov

Trenutno se je pri analizi in sintezi kompleksnih (velikih) sistemov razvil sistemski pristop, ki se razlikuje od klasičnega (ali induktivnega) pristopa. Slednji obravnava sistem tako, da prehaja od posameznega k splošnemu in sintetizira (konstruira) sistem z združevanjem njegovih ločeno razvitih komponent. Nasprotno pa sistemski pristop vključuje dosleden prehod od splošnega k posebnemu, ko je osnova obravnave cilj, preučevani predmet pa je izoliran od okolja.

Pri sistematičnem pristopu k modeliranju sistemov je treba najprej jasno opredeliti namen modeliranja. Ker je nemogoče v celoti simulirati resnično delujoč sistem (originalni sistem ali prvi sistem), se ustvari model (modelni sistem ali drugi sistem) za obravnavani problem. Tako v zvezi z vprašanji modeliranja cilj izhaja iz zahtevanih nalog modeliranja, kar omogoča pristop k izbiri kriterijev in ovrednotenje, kateri elementi bodo vključeni v izdelani model. M. Zato je potrebno imeti merilo za izbiro posameznih elementov v izdelanem modelu.

Za sistemski pristop je pomembno določiti strukturo sistema - nabor povezav med elementi sistema, ki odražajo njihovo interakcijo. Strukturo sistema lahko proučujemo od zunaj z vidika sestave posameznih podsistemov in odnosov med njimi, pa tudi od znotraj, ko analiziramo posamezne lastnosti, ki sistemu omogočajo doseganje danega cilja, ko se proučujejo funkcije sistema. V skladu s tem je bilo začrtanih več pristopov k preučevanju strukture sistema z njegovimi lastnostmi, ki naj bi vključevale predvsem strukturne in funkcionalne.

S strukturnim pristopom je razkrita sestava izbranih elementov sistema S in povezave med njimi. Nabor elementov in povezav med njimi nam omogoča presojo zgradbe sistema. Slednje je glede na namen študije mogoče opisati na različnih ravneh obravnave. večina splošni opis struktura je topološki opis, ki vam omogoča, da določite v najbolj splošni pojmi komponent sistema in dobro formaliziran na podlagi teorije grafov.

Manj splošen je funkcionalni opis, ko se obravnavajo posamezne funkcije, t.j. algoritmov za obnašanje sistema, implementiran pa je funkcionalni pristop, ki ovrednoti funkcije, ki jih sistem opravlja, s funkcijo pa je mišljena lastnost, ki vodi k doseganju cilja. Ker funkcija prikazuje lastnost in lastnost prikazuje sistemsko interakcijo S z zunanjim okoljem W, potem lahko lastnosti izrazimo v obliki bodisi nekaterih značilnosti elementov s i in podsistemi Sj, ali sistemi S na splošno.

Če imate nek standard za primerjavo, lahko vnesete kvantitativne in kvalitativne značilnosti sistemov. Za kvantitativno značilnost se vnesejo številke, ki izražajo razmerje med to lastnostjo in standardom. Kvalitativne značilnosti sistema najdemo na primer z metodo strokovnih ocen.

Manifestacija sistemskih funkcij skozi čas S(t), to je delovanje sistema, pomeni prehajanje sistema iz enega stanja v drugo, to je gibanje v prostoru stanj. C. Pri uporabi sistema S Zelo pomembna je kakovost njegovega delovanja, ki jo določa kazalnik učinkovitosti in je vrednost merila za ocenjevanje učinkovitosti. Obstajajo različni pristopi k izbiri meril za ocenjevanje uspešnosti. Sistem S je mogoče oceniti bodisi z nizom posebnih meril bodisi z nekim splošnim integralnim merilom.

Treba je opozoriti, da ustvarjeni model M z vidika sistemskega pristopa tudi sistem, tj. S"= S" (M), in ga je mogoče obravnavati v povezavi z zunanjim okoljem W. Najenostavnejši modeli so tisti, v katerih je ohranjena neposredna analogija pojava. Uporabljajo se tudi modeli, v katerih ni neposredne analogije, ampak so ohranjeni le zakoni in splošni vzorci obnašanja elementov sistema. S. Pravilno razumevanje odnose tako znotraj samega modela M in njegovo interakcijo z zunanjim okoljem W je v veliki meri določeno s tem, na kateri ravni je opazovalec.

Postopek sinteze modela M na osnovi sistemskega pristopa je prikazan na sliki 5.1.

Pri modeliranju je treba zagotoviti maksimalno učinkovitost modela sistema. Učinkovitost je običajno opredeljena kot določena razlika med nekaterimi kazalniki vrednosti rezultatov, dobljenih kot rezultat delovanja modela, in stroški, ki so bili vloženi v njegov razvoj in ustvarjanje.

Ne glede na vrsto uporabljenega modela M pri izdelavi je treba upoštevati številna načela sistematičnega pristopa: 1) sorazmerno in dosledno napredovanje skozi faze in smeri ustvarjanja modela; 2) usklajevanje informacij, virov, zanesljivosti in drugih značilnosti; 3) pravilno razmerje med posameznimi hierarhičnimi nivoji v sistemu modeliranja; 4) celovitost posameznih posameznih faz izdelave modela.

Model M mora ustrezati določenemu namenu nastanka, zato morajo biti posamezni deli medsebojno urejeni na podlagi enotne sistemske naloge. Cilj je mogoče formulirati kvalitativno, potem bo imel večjo vsebino in bo lahko dolgo časa odražal objektivne zmožnosti danega sistema modeliranja. Ko je cilj formuliran kvantitativno, nastane ciljna funkcija, ki natančno odraža najpomembnejše dejavnike, ki vplivajo na doseganje cilja.

Izgradnja modela je eden od sistemskih problemov, pri katerem se rešitve sintetizirajo na podlagi ogromnega števila začetnih podatkov, na podlagi predlogov velikih skupin strokovnjakov. Uporaba sistematičnega pristopa v teh pogojih omogoča ne le izgradnjo modela realnega predmeta, temveč tudi izbiro na podlagi tega modela zahtevana količina nadzorovati informacije v realnem sistemu, oceniti njegove kazalnike delovanja in s tem na osnovi modeliranja poiskati najučinkovitejšo možnost za izgradnjo in dobičkonosen način delovanja realnega sistema. S.

Predavanje 4.2. Metode in tehnologije modeliranja

Modeliranje ciljev

V skoraj vseh vedah o naravi, živi in neživi, o družbi je izdelava in uporaba modelov močno orodje znanja. Realni predmeti in procesi so lahko tako večplastni in zapleteni, da je najboljši način za njihovo preučevanje pogosto zgraditi model, ki odraža samo nekatere vidike resničnosti in je zato velikokrat enostavnejši od te resničnosti, in najprej preučiti ta model. Modeli se uporabljajo za reševanje vseh vrst problemov. Iz tega niza je mogoče prepoznati glavne namene uporabe modelov:

1) razumeti, kako določen predmet deluje, kakšna je njegova struktura, osnovne lastnosti, zakonitosti razvoja in interakcije z zunanjim svetom ( razumevanje);

2) naučiti se upravljati z objektom (ali procesom) in določati najboljše načine vodenje z zadanimi cilji in kriteriji ( nadzor);

3) predvideti neposredne in posredne posledice izvajanja določenih metod in oblik vpliva na objekt ( napovedovanje).

Klasična(ali induktivno) pristop modeliranje obravnava sistem, se premika od posameznega k splošnemu, in ga sintetizira z združitvijo ločeno razvitih komponent. Sistematičen pristop vključuje dosleden prehod od splošnega k posebnemu, ko je osnova obravnave cilj, medtem ko predmet izstopa iz okoliškega sveta.

Pri ustvarjanju novega predmeta z uporabnimi lastnostmi se določijo kriteriji, ki določajo stopnjo uporabnosti nastalih lastnosti. Ker je vsak objekt modeliranja sistem med seboj povezanih elementov, uvedemo koncept sistema. Sistem S– obstaja namenski niz medsebojno povezanih elementov katere koli narave. Zunanje okolje E je niz elementov katere koli narave, ki obstajajo zunaj sistema in vplivajo na sistem ali na katere ta vpliva.

Pri sistemskem modeliranju je najprej jasno definiran namen modeliranja. Izdelava modela, ki je popoln analog originala, je delovno intenzivna in draga, zato je model ustvarjen za določen namen.

Za sistemski pristop je pomembno določiti strukturo sistema- niz povezav med elementi sistema, ki odražajo njihovo interakcijo. Obstaja več pristopov k preučevanju sistema in njegovih lastnosti, ki vključujejo strukturne in funkcionalne. Pri strukturnem razkrivanju sestave izbranih elementov sistema S in povezav med njimi. Nabor elementov in povezav nam omogoča presojo lastnosti izbranega dela sistema. Pri funkcionalnem pristopu se obravnavajo funkcije (algoritmi) obnašanja sistema, vsaka funkcija pa opisuje obnašanje ene lastnosti pod zunanjim vplivom E. Ta pristop ne zahteva poznavanja zgradbe sistema, njegov opis pa je sestavljen iz nabor funkcij njegovega odziva na zunanje vplive. Klasična metoda gradnje modela uporablja funkcionalni pristop. Komponenta, ki opisuje obnašanje ene lastnosti in ne odraža dejanske sestave elementov, je sprejeta kot element modela. Komponente so izolirane druga od druge, kar ne odraža dobro modeliranega sistema. Ta metoda izdelave modela je uporabna samo za preproste sisteme, ker zahteva vključitev v funkcije, ki opisujejo lastnosti sistema, odnosov med lastnostmi, ki so lahko slabo definirane ali neznane.

Ker postajajo sistemi, ki se modelirajo, kompleksnejši, ko ni mogoče upoštevati vseh medsebojnih vplivov lastnosti, se uporablja sistemska metoda, ki temelji na strukturnem pristopu. V tem primeru se sistem S razdeli na več podsistemov S i s svojimi lastnostmi, ki jih je lažje opisati s funkcionalnimi odvisnostmi, in določijo povezave med podsistemi. V tem primeru sistem deluje v skladu z lastnostmi posameznih podsistemov in povezav med njimi. S tem odpade potreba po opisovanju funkcionalnih odnosov med lastnostmi sistema S, zaradi česar je model bolj fleksibilen, ker spreminjanje lastnosti enega od podsistemov samodejno spremeni lastnosti sistema.

Predavanje 4.3. Klasifikacija modela

Glede na naravo procesov, ki se preučujejo v sistemu S, in namen modeliranja obstaja veliko vrst modelov in načinov njihovega razvrščanja, na primer glede na namen uporabe, prisotnost naključnih vplivov glede na čas, izvedljivost. izvedbe, obseg uporabe itd.

Klasičen pristop- proučevanje odnosov med v ločenih delih, razvoj modela sistema pa razumemo kot seštevek posameznih komponent v celovit model. Primerno za izvedbo relativno enostavni modeli z ločitvijo posameznih funkcij realnega objekta in odločitvijo o samostojnosti teh funkcij.

Postopek sinteze modela M, ki temelji na klasičnem (induktivnem) pristopu, je prikazan na sl. 1.1, a. Realni objekt, ki ga je treba modelirati, je razdeljen na ločene podsisteme, tj. izbrani so začetni podatki D za modeliranje in postavljeni cilji C, ki odražajo posamezne vidike procesa modeliranja. Na podlagi ločenega nabora začetnih podatkov D se postavi cilj modeliranja posameznega vidika delovanja sistema, na podlagi tega cilja pa se oblikuje določena komponenta K model prihodnosti. Nabor komponent je združen v model M. Tako razvoj modela M na podlagi klasičnega pristopa pomeni seštevanje posameznih komponent v en sam model, pri čemer vsaka komponenta rešuje svoje probleme in je izolirana od ostalih delov modela.

Sistematičen pristop- to je element doktrine splošnih zakonov razvoja narave in eden od izrazov dialektične doktrine. Lahko damo različne definicije sistemskega pristopa, vendar je najbolj pravilna tista, ki nam omogoča, da ocenimo kognitivno bistvo tega pristopa z uporabo takšne metode preučevanja sistemov, kot je modeliranje. Zato je zelo pomembno izolirati sam sistem S in zunanje okolje E od cilja obstoječa realnost in opis sistema na podlagi položajev v celotnem sistemu.

Sistematičen pristop nam omogoča reševanje problema gradnje kompleksen sistem upoštevanje vseh dejavnikov in možnosti, sorazmerno z njihovo pomembnostjo, na vseh stopnjah raziskovanja sistema in gradnje modela.

Sistemski pristop pomeni, da je vsak sistem S integrirana celota, tudi če je sestavljen iz ločenih nepovezanih podsistemov. Osnova sistemskega pristopa je torej obravnava sistema kot integrirane celote, ta obravnava v razvoju pa se začne pri glavnem – pri oblikovanju namena delovanja. Proces sinteze modela M, ki temelji na sistemskem pristopu, je konvencionalno predstavljen na sl. 1.1, b. Na podlagi začetnih podatkov D, ki so znani iz analize zunanjega sistema, tistih omejitev, ki so sistemu naložene od zgoraj ali na podlagi možnosti njegove izvedbe, ter na podlagi namena delovanja, začetnih zahtev T za sistemski model so oblikovani. Na podlagi teh zahtev se oblikuje približno nekaj podsistemov P in elementov E ter izvede najbolj zapleteno stopnjo sinteze - izbor komponent B sistema, za katere se uporabljajo posebni kriteriji za izbiro CV.