- •1.Класифікація проблем за ступенем їх структуризації.
- •2.Описання систем з кінцевим числом станів.
- •3.Випадковий процес – математична модель сигналів
- •4.Кількість інформації як міра знятої невизначеності.
- •5.Модель "чорного ящика".
- •6.Пошук альтернативи із заданими властивостями.
- •7.Модель структури системи.
- •8.Частотно-часове представлення сигналів.
- •9.Поняття невизначеності.
- •10.Зв'язок між формальною та змістовною моделями
- •11.Критерій для оптимізації рішень в умовах ризику та невизначеності.
- •12.Структуризація кінцевої мети у вигляді дерева цілей
- •13.Принципи рішення слабоструктурованих проблем.
- •14.Принцип узгодженого оптимуму Парето
- •16.Стійкість систем
- •17.Пошук нових технічних рішень на базі морфологічного аналізу.
- •18.Фундаментальна властивість ентропії випадкового процесу.
- •19.Емерджентність як результат агрегування.
- •20.Основні етапи та методи системного аналізу.
- •21. Стохастичні системи.
- •22. Процедура структуризації проблеми у вигляді дерева рішень.
- •23. Методика структурного аналізу з використанням функції корисності.
- •24 Керовані та некеровані динамічні системи.
- •25. Поняття та основні напрямки математичної статистики.
- •26. Динамічні моделі систем.
- •27. Складність систем
- •28. Модель складу системи.
- •29. Кількість інформації в індивідуальних подіях.
- •30. Цикли проектування та рівні оптимізації складних технічних систем.
- •31. Зведення багатокритеріальних задач до однокритеріальної.
- •32. Глобальні властивості систем
- •33. Методика багатокритеріального вибору раціональних структур.
- •34.Кількість інформації як міра відповідності випадкових процесів
- •35.Ранжування критеріїв по їх важливості методом Перстоуна.
- •36.Метод комплексної оцінки структур
- •37.Принципи рішення добре структурованих проблем.
- •38.Статистичний розв’язок як вибір.
- •39. Парадокси голосування.
- •40.Сутність задач системного проектування та природа багатоканальності
- •41.Дискретне представлення сигналів.
- •42.Переоцінка альтернатив на основі байєсівського підходу.
- •43.Описання вибору на мові бінарних відношень.
- •44.Стаціонарні системи.
- •45.Ранжування проектів методом парних порівнянь.
- •46.Метод функціонально-вартісного аналізу
- •47.Ентропійна оцінка узгодженості експертів.
- •48.Вибір як реалізація цілі.
- •49.Принципи формалізації евристичної інформації.
- •50.Диференціальна ентропія.
- •51.Знаходження паретівської множини.
- •62. Катастрофи та властивість адаптації
- •63. Вибір раціональної стратегії з використанням множини критеріїв
- •64. Загальна математична модель динаміки
23. Методика структурного аналізу з використанням функції корисності.
Осуществим структурную многокритериальную оптимизацию локальной ИВС, базируясь на методике структурного анализа с использованием функций полезности.
1)Множество конкурирующих структур {Si}:
S1 — структура с одним процессором
S2 — структура с двумя процессорами
S3 — структура с тремя процессорами
2)Множество частных критериев {Kj}. Пусть будет 4 частных критерия: K1, K2, K3, K4
K1 — время реакции системы
K2 — коэффициент загрузки процессора
K3 — пропускная способность системы
K4 — стоимость процессорных устройств
3)Множество вариантов условий:
M = 1, M = 2,
M = 3,
4)Матрица критериальных ограничений
5)Должны построить функции полезности
Функции полезности частных критериев, которые используются при приведении векторных оценок к безразмерному виду.
При этом худшее значение критерия соответствует полезности 0.
Лучшее значение — полезности 1, а промежуточные значения подвергаются линейной апроксимации.
Предполагается, что полезность сверх худших значениях критерия много меньше нуля. Полезность сверх лучших значений = 1.
6)Матрица бинарных предпочтений и соответствующие веса частных критериев
7)Модели для оценки частных критериев. Для критериев K1, K2, K3 используется аналитическая модель локальной ИВС. Для критерия K4 необходимые оценки определяются расчетным путем.
8)Вес расчитывается в результате нормировки по всем критериям
9)Выбор полезности из матриц
24 Керовані та некеровані динамічні системи.
Первые шаги, положившие начало развитию системного анализа, были сделаны античными астрономами. Не обладая средствами, с помощью которых можно было бы влиять на динамику изучаемых систем, они были вынуждены ограничить свой анализ лишь наблюдением, классификацией и возможно синтезом. Другими словами, их роль была пассивной: наблюдать. В аналогичном положении находятся современные исследователи, работающие, например, в области астрофизики. Они пока еще также вынуждены ограничиться только наблюдениями каких-то процессов, не имея возможности ими управлять.
В то же время, современный исследователь призван играть активную роль в развитии наблюдаемого процесса, поскольку именно он генерирует соответствующие внешние воздействия, гарантирующие удовлетворительное поведение системы. Разумеется, при таком подходе активного вмешательства возникает множество проблем психологического и морального характера. Подобное разделение на активную и пассивную или управляемую и неуправляемую динамику позволяет наиболее наглядно выявить отличие классического и современного взглядов на системный анализ.
«Кибернетический» или управленческий подход неизбежно приводит к изменению входов системы в зависимости от наблюдаемых ее выходов. При этом преследуется цель превратить некоторую первоначально независимую переменную в частично зависимую так, чтобы поведение системы в определенном смысле приближалось к некоторой стандартной (или желаемой) траектории. Такой процесс может оказаться более сложным, если имеется еще и обратное преобразование. Подобная ситуация типична для имитационного моделирования развивающихся систем. Обратное преобразование заключается в изменении и перестройке поведения системы по измеряемому выходу и является основой кибернетического регулирования и управления.