- •09.03.01 Информатика и вычислительная техника
- •Глава 1 Общие сведения о теории принятия решений
- •1.1 Понятия, связанные с принятием решений
- •1.2 Определенность результатов принимаемых решений
- •1.3 Критерии оценки решения
- •5 Реальные процедуры принятия управленческих решений.
- •1.4 Системы поддержки принятия решения
- •1.5 Математическое моделирование при принятии решений
- •1.6 Классификация математических моделей структурированных систем
- •1.7 Задачи моделирования на различных уровнях принятия решений
- •Глава 2 Системы поддержки принятия решений, основанные на знаниях
- •2.1 Способы описания знаний
- •2.2 Когнитивные модели
- •2.3 Онтологические модели процесса принятия решений
- •Ниже приведены краткие сведения об онтологиях и пример их использования для моделирования процессов принятия решений в системах обучения. Слово «онтология» имеет два значения:
- •Методология создания онтологий. Практическая разработка онтологии включает:
- •2.4 Экспертный подход к принятию решений
- •2.4.1 Методы экспертных оценок
- •2.4.2 Методы средних баллов при оценке альтернатив
- •2.5 Продукционные модели знаний
- •2.5.1 Основные определения
- •2.5.2 Байесовский подход к построению продукционных моделей знаний
- •2.5.3 Структура базы знаний и алгоритм логического вывода
- •Глава 3 Методы оптимизации в задачах принятия решений
- •3.1 Принятие решений на основе методов линейного программирования
- •3.2 Математическая модель планирования производства
- •3.3 Задачи оптимального планирования производства
- •3.4 Транспортная задача
- •3.5 Задачи об упаковке
- •3.5.1 Задача о рюкзаке
- •3.5.2 Задачи упаковки в контейнеры
- •3.6 Задачи о замене оборудования
- •3.6.1 Простейшая задача о замене оборудования
- •3.6.2 Задача об оптимальных сроках замены дискового оборудования
- •3.7 Многокритериальные задачи принятия решений
- •Глава 4 Вероятностные модели формирования и выбора альтернатив решений
- •4.1 Моделирование систем на основе формализма цепей Маркова
- •4.1.1 Определение и динамика цепи Маркова
- •4.1.2 Оценка длительности пребывания процесса во множестве невозвратных состояний
- •4.1.3 Оценка поведения цепей Маркова при большом числе шагов
- •4.2 Модель процесса обучения как цепь Маркова
- •4.3 Система обслуживания заявок с очередью и отказами
- •4.4 Модель динамики информационных ресурсов
- •4.5 Принятие решений об оптимизации инвестиционного портфеля
- •4.6 Имитационное моделирование при принятии решений
- •4.6.1 Система AnyLogic: активные объекты, классы и экземпляры активных объектов
- •4.6.2 Объектно-ориентированный подход
- •4.6.3 Средства описания поведения объектов
- •4.6.4 Анимация поведения и интерактивный анализ модели
- •4.6.5 Примеры имитационного моделирования
- •Глава 5 Сетевые модели поддержки принятия решений
- •5.1 Обыкновенные сети Петри
- •5.1.1 Формальное определение
- •5.1.2 Графы сетей Петри
- •5.1.3 Пространство состояний сети Петри
- •5.1.4 Основные свойства сетей Петри
- •5.1.5 Некоторые обобщения сетей Петри
- •5.1.6 Инварианты сетей Петри
- •5.2 Раскрашенные (цветные) сети Петри (cpn)
- •5.2.1 Мультимножества
- •5.2.2 Формальное определение cpn
- •5.2.3 Функционирование cpn
- •5.2.4 Расширения cpn
- •5.2.5 Сравнение формализмов обыкновенных и раскрашенных сетей Петри
- •5.2.6 О моделирующих возможностях сетей Петри
- •5.3 Моделирование дискретных систем
- •5.3.1 Моделирование вычислительных систем
- •4.3.2 Моделирование программ
- •5.3.3 Моделирование протоколов передачи данных
- •5.3.4. Об исследовании сетей Петри с помощью эвм
- •5.4 Герт-сети
- •5.4.1 Описание герт-сети
- •5.4.2 Производящие функции герт-сетей
- •5.4.3 Вычисление w-функций для типовых соединений дуг
- •5.4.4 Модель процесса обучения как герт-сеть
- •Глава 6 Примеры систем поддержки принятия решений
- •6.1 Система эспла
- •6.1.1 Режимы функционирования системы
- •6.1.2 Принятие решений при техногенных авариях
- •6.1.3 Использование информационных ресурсов
- •6.2 Информационная система дистанционного мониторинга лесных пожаров Федерального агентства лесного хозяйства рф
- •6.2.1 Общая характеристика системы
- •6.2.2 Использование спутниковых данных
- •6.2.3 Центры приема и обработки спутниковых данных
- •6.2.4 Информационные продукты, формируемые системой
- •6.2.5 Прогнозирование параметров лесных пожаров по данным исдм-Рослесхоз
- •Г.А. Доррер методы и системы принятия решений
- •Красноярск 2016
1.6 Классификация математических моделей структурированных систем
Рассмотрим теперь проблему моделирования структурированных систем. В настоящее время здесь установилась классификация моделей по характеру допущений о моделируемом объекте и по виду используемого математического аппарата. Эта классификация относится к широкому кругу систем, в том числе и к системам принятия решений.
Следуя классификации [31], рассмотрим следующие виды моделей систем.
Непрерывно-детерминированные модели (D-схемы). В этом виде моделей в качестве рабочего аппарата используются дифференциальные уравнения – либо обыкновенные, либо дифференциальные уравнения в частных производных. Процессы, происходящие в моделях данного типа, зависят от непрерывного (физического) времени. При этом все параметры уравнений предполагаются точно известными (детерминированными). Это же относится и к воздействиям, влияющим на систему – они также рассматриваются в виде детерминированных сигналов. Наибольшее распространение этот вид моделей получил в теоретической механике, механике сплошных сред, а также в классической теории автоматического управления.
Дискретно-детерминированные модели (F – схемы).В этом виде моделейвремя предполагается дискретным, т.е. все процессы, происходящие в системе, привязываются к последовательности временных шагов, или тактов. Функции состояния системы определяются на множестве моментов дискретного времени. Рабочим аппаратом таких моделей служат разностные уравнения, определяющие состояние системы в определенный момент времени на основе информации о состояниях в предыдущие моменты дискретного времени. Все параметры системы и все входные воздействия, как и в предыдущем случае, предполагаются детер-минированными. К этому классу моделей относят также важный класс схем, определяемых как конечные автоматы (F–автоматы). Конечный автомат при своей работе по определенному закону переходит из одного состояния в другое в зависимости от внешних воздействий и собственного состояния в данный и предыдущие моменты дискретного времени. Поведение таких систем изучает теория конечных автоматов. Наиболее широкая область применения теории конечных автоматов – моделиро-вание цифровых и других дискретных устройств. К данному виду моделей можно отнести также сети Петри которые будут рассмотрены ниже.
Дискретно-стохастические модели (P – схемы).В моделях данного вида, в отличие от предыдущих моделей , переход из одного состояния в другое происходит случайным образом. При этом уже невозможно говорить о том, в каком конкретно состоянии находится система, речь идет о распределении вероятностей пребывания в том или ином состоянии. К таким моделям относят вероятностные автоматы (P–автоматы). Вероятностный конечный автомат при своей работе с определенной вероятностью переходит из одного состояния в другое в зависимости от внешних воздействий и собственного состояния в данный и предыдущие моменты дискретного времени. Примером таких автоматов могут служить модели, построенные на формализме цепей Маркова, а также сети Петри с вероятностным поведением.
Непрерывно-стохастические модели (Q – схемы). Модели данного типа рассматриваются в непрерывном времени, но их поведение носит случайный характер. Наиболее известный класс таких моделей представляют собой системы массового обслуживания. Как правило, рассматриваются случайные потоки заявок, поступающие в систему, их обработка системой. Определяются, например, такие параметры, как время обслуживания заявок, длина очереди на обслуживание и другие, связанные с обслуживанием. В терминах систем массового обслуживания удается описывать многие технологические и экономические процессы, системы передачи данных, компьютерные сети.
Сетевые модели (N – схемы). Такие модели используются для описания сложных систем, состоящих из самостоятельно работающих и взаимодействующих подсистем. Наиболее известными моделями данного вида являются сети Петри различных модификаций. Кроме того, к сетевым моделям можно отнести различные структурные модели, используемые при разработке бизнес-систем такие как IDEFX и DFD-модели, структурные модели стандарта ARIS и ряд других.
Комбинированные модели (A – схемы) реализуют комбинированный подход к формальному описанию систем, включающий все ранее рассмотренные виды моделей. A – схема должна одновременно выполнять несколько функций: являться адекватным математическим описанием объекта моделирования, служить основанием для построения алгоритмов и программ при машинной реализации модели, производить численные расчеты и, желательно, аналитические исследования поведения моделируемой системы. Современные системы моделирования, как правило, реализуют комбинированный подход. Они позволяют в визуальном режиме описывать моделируемый объект в любой удобной для исследователя форме (непрерывной, дискретной, детерминированной, случайной, сетевой), а затем производить в интерактивном режиме сложные исследования его поведения, получая информацию в наглядной графической, табличной или текстовой форме. Примерами систем моделирования, реализующих комбинированный подход, являются MatLab, MVS, AnyLogic.
Ниже рассмотрен ряд примеров этих классов моделей применительно к системам принятия решений.
