19 - 36

19.Конвенциональная рациональность А.Пуанкаре

36. Концепция модели «Конус неопределенности»

21.Содержание понятия «моделирование»

29 Основные задачи системного моделирования:

23. Моделирование натурное и информационное

30 Основные задачи системного моделирования:

Французский математик и философ Анри Пуанкаре

Конус неопределенности — концепция, описывающая,

Моделирование — исследование объектов познания на

Объяснительные модели

Натурное моделирование: Основывается на

Предсказательные модели

ввел идею конвенционализма, согласно которой

как изменяется уровень неопределенности оценки

их моделях; построение и изучение моделей реально

Объяснительные модели помогают понять причины и

создании физических объектов, которые

Предсказательные модели создаются для того, чтобы

основы науки (например, геометрия или физические

проекта (особенно сроков, затрат и ресурсов) по мере

существующих объектов, процессов или явлений с

механизмы функционирования системы. Их задачи:

воспроизводят свойства реальной системы.

определить, как система будет вести себя в будущем при

законы) являются не абсолютной истиной, а

его продвижения. Идея: В начале проекта уровень

целью получения объяснений этих явлений, а также

Выявление и формализация причинно-следственных

Используется реальная среда или оборудование,

различных условиях. Это позволяет принимать

договоренностями (конвенциями), удобными для

неопределенности максимальный. С течением времени,

для предсказания явлений, интересующих

связей между элементами системы, а также объяснение

масштабные копии или прототипы. Примеры:

обоснованные решения, планировать действия, оценивать

описания реальности. Конвенциональная

по мере появления новых данных, понимание проекта

исследователей. Зачем: Уменьшить риски и издержки.

наблюдаемых явлений на основе законов и принципов.

макеты зданий для тестирования устойчивости.

риски и проверять гипотезы «что будет, если...». Основная

рациональность — это рациональность, основанная на

уточняется, а неопределенность сужается. Графически

Получить прогноз без эксперимента в реальности.

Проверка гипотез о работе системы. Установление

Преимущества: высокая точность, учет реальных

задача: Определение поведения системы в будущем,

выборе удобной, согласованной и практически

это изображается в виде конуса, который сужается к

Найти наилучшее решение в сложной системе. Понять

причинно-следственных связей. Особенности:

физических процессов. Недостатки: высокая

проверка сценариев и формирование обоснованных

полезной модели в рамках договорённой системы

моменту завершения проекта. Применение:

поведение системы в разных условиях.

Отражают динамические процессы внутри системы;

стоимость, сложность масштабирования.

решений. Особенности: Являются логическим

координат, а не абсолютного знания. Научные теории

Используется в управлении проектами, системном

Моделирование позволяет: Понять структуру и

Помогают выявить ключевые параметры и механизмы,

Особенности: Воспроизводится масштаб, форма,

продолжением объяснительных моделей; Требуют высокой

— это не отражение объективной истины, а

анализе, моделировании; Позволяет объяснить, почему

поведение сложной системы. Оценить влияние

управляющие поведением системы; Часто используют

физические свойства. Часто используется в

точности параметров и калибровки на основе данных;

инструменты для описания мира, выбранные по

ранние оценки часто неточны; Служит аргументом в

различных факторов. Предсказать последствия

симуляции или системную динамику; Часто

инженерии, архитектуре, биомедицине. Позволяет

Используются для оценки последствий управленческих

принципу удобства и простоты. Рациональность не

пользу итеративного подхода и регулярного

решений (what-if анализ). Экспериментировать с

предшествуют предсказательным моделям. Типичные

наблюдать поведение объекта в действии

решений, технологических изменений, внешних факторов.

означает "абсолютную истину", а означает

пересмотра оценок. Практический смысл:

системой, не рискуя реальными ресурсами.

формы: Дифференциальные уравнения, описывающие

Информационное моделирование: Основывается на

Примеры: Модель прогноза инфляции на ближайшие 5 лет;

целесообразность выбора моделей, методов и

Руководители проектов не должны слепо доверять

Основные этапы моделирования: постановка задачи —

изменения состояния; Диаграммы причинно-

создании абстрактных моделей, описывающих

Моделирование последствий изменения климата. Где

подходов, которые наиболее полезны в конкретных

первым оценкам; Требуется встроенный процесс

определение целей. Формализация — выбор параметров,

следственных связей (например, петли обратной связи);

структуру, поведение и данные системы в виде

применяются: В экономическом и стратегическом

условиях.

пересмотра и уточнения параметров; В начале проекта

структуры, связей между элементами. Построение

Модели системной динамики (Forrester models);

информации (графиков, схем, программ).

планировании; В управлении рисками; В инженерных

Применение в моделировании и управлении: Выбор

допустим широкий разброс оценки сроков (например,

модели. Проверка соответствует ли модель реальному

Агентные модели, демонстрирующие индивидуальное

Используется для анализа систем без физического

расчетах и техническом проектировании;

модели не всегда зависит от её абсолютной "точности",

погрешность ±100%), а ближе к концу он снижается (до

объекту. Эксперименты — запуск сценариев, сбор

поведение агентов и его влияние на систему. Где

воспроизведения. Примеры: базы данных,

а от того, насколько она полезна для решения

±10%).

результатов. Анализ и интерпретация — выводы,

применяются: В научных исследованиях; При анализе

компьютерные симуляции. Преимущества:

практических задач. Это означает, что разные модели

рекомендации, управление.

социальных, экономических, биологических систем;

гибкость, низкая стоимость, возможность

могут быть рациональными в разных контекстах, даже

При поиске точек воздействия на систему.

моделирования сложных систем. Недостатки:

если они описывают один и тот же объект по-разному.

зависимость от качества входных данных,

Пример от Пуанкаре: Он утверждал, что евклидова

возможные упрощения реальности. Особенности:

геометрия не "более истинна", чем неевклидова — она

Основано на сборе и обработке данных.

просто удобнее для объяснения физических явлений в

Использует ИТ-инструменты, алгоритмы,

рамках классической механики.

симуляции. Позволяет исследовать системы,

которые сложно или невозможно воспроизвести

физически

33 Классы погрешностей при численном

31. Этапы построения мат моделей. Их содержание

20.Задачи анализа, синтеза, комбинированные задачи

28 Основные задачи системного моделирования:

22. Основные виды моделирования систем.

24.Роли моделей: корпоративное знание; отображение

моделировании: неустранимая погрешность;

Математическое моделирование — это метод

Анализ – разложение сложного объекта или явления

Описательные информационные модели

Изоморфизм, гомоморфизм, полиморфизм

реального объекта; средство коммуникации

погрешность метода; ошибка округления.

исследования, при котором реальный объект, процесс

на составные части для изучения их свойств, структуры

Системное моделирование — это подход,

Моделирование систем классифицируется по

правообладателей

При численном моделировании возникают различные

или явление заменяется его математической моделью,

или взаимосвязей, с целью понять из чего состоит

позволяющий анализировать сложные системы и

различным критериям. Один из ключевых — по

Модели выполняют множество функций в зависимости от

виды погрешностей, которые влияют на точность

позволяющей анализировать поведение системы с

система и как ее элементы взаимодействуют.

процессы с помощью различных моделей. Основные

степени соответствия модели реальному объекту

сферы применения. Ниже приведены три ключевые роли:

результатов. Основные классы погрешностей: 1

использованием математических методов.

Примеры: Анализ бизнес-процессов, Анализ текста на

задачи системного моделирования можно разделить на

(морфизм):

1. Корпоративное знание - Модель как способ хранения и

Неустранимая погрешность Связана с упрощениями

1 Постановка задачи: Определение цели

составные части, Разложение химического соединения

несколько категорий, включая описательные,

Изоморфизм – полное структурное соответствие

передачи знаний внутри организации. Она фиксирует

и допущениями, заложенными в саму модель.

моделирования. Описание объекта или процесса, его

на элементы. Методы: Декомпозиция (разделение на

объяснительные и предсказательные модели.

между моделью и оригиналом, при котором

лучшие практики, стандарты, опыт. Примеры: Схемы

Возникает из-за ограничений в описании реального

границ. Выделение ключевых факторов и

части). Классификация. Статистический анализ.

Описательные модели служат для формализации

каждому элементу и связи оригинала соответствует

бизнес-процессов в системе управления качеством (ISO).

процесса (игнорирование второстепенных факторов,

характеристик, которые нужно учесть. Построение (или

Характеристики: Фокус на деталях. Часто

знаний о системе, её структуре, свойствах и

один и только один элемент и связь в модели, и

Модель производственного цикла (например, LEAN-

упрощение физических законов). Пример:

выбор) модели: 2 Формализация: Перевод описания

используется в естественных и гуманитарных науках.

компонентах. Главная задача описательной модели —

наоборот. Пример: Математическая модель схемы

модель). Модели в ERP-системах, отражающие структуру

использование линейной модели вместо нелинейной

объекта и связей на язык математики (уравнения,

Задачи синтез. Синтез – объединение отдельных

отразить, «что есть» в данной системе: какие элементы

электроснабжения, где каждый элемент

компании. Цель: Передача знаний новым сотрудникам,

для сложной системы. Уменьшение: уточнение модели,

функции и т.д.). Введение допущений и упрощений для

элементов в целостную систему для создания нового

она включает, как они взаимодействуют, какие

соответствует своему реальному аналогу (1:1).

обучение, стандартизация, анализ и улучшение процессов.

учет дополнительных факторов, но полное устранение

выделения главного. Определение параметров модели и

объекта, концепции или решения. Это процесс

параметры и характеристики определяют поведение

Используется, когда важна высокая точность и

2. Отображение реального объекта - Модель отражает

невозможно.2 Погрешность метода Связана с

их связей. 3 Исследование модели: Решение

интеграции знаний, идей или компонентов. Примеры:

каждого компонента. Такие модели, как правило,

формальное доказательство поведения системы.

ключевые характеристики объекта или явления —

выбором численного метода решения (например,

математической задачи (аналитически, численно,

Создание нового продукта на основе отдельных

статичны: они не описывают, как система изменяется

Гомоморфизм — частичное соответствие:

поведение, структуру, функции, внешнюю форму.

метода конечных разностей, метода Рунге-Кутты).

имитационно). Проведение вычислительных

компонентов (например, сборка машины).

во времени, а лишь фиксируют текущее или типовое

сохраняются только ключевые свойства и связи.

Примеры: 3D-модель здания в архитектуре. Модель

Возникает из-за аппроксимации непрерывных

экспериментов для изучения поведения модели при

Формулировка теории на основе разрозненных данных.

состояние системы. Описательные модели

Модель упрощает оригинал, но сохраняет его

человеческого организма для медицинских симуляций.

уравнений дискретными аналогами. Уменьшение:

разных условиях.4 Проверка адекватности

Написание литературного произведения,

используются на ранних этапах анализа и

функциональные характеристики. Пример: Модель

Экономическая модель рынка. Цель: Понять и

выбор более точных методов, уменьшение шага

(валидация) модели: Сравнение результатов

объединяющего идеи и образы. Методы: Обобщение.

проектирования систем, когда важно собрать и

транспортной сети, где не моделируется каждое

проанализировать свойства и поведение системы без

дискретизации (с учетом роста вычислительных

моделирования с реальными данными

Интеграция данных. Моделирование. Характеристики:

систематизировать информацию, а также создать

здание и улица, но сохраняются маршруты и узлы с

воздействия на сам оригинал.

затрат). 3Ошибка округления Возникает из-за

(экспериментальными, наблюдаемыми) или известными

Фокус на создании целого. Требует творческого

общую картину объекта исследования. К описательным

задержками. Гомоморфные модели более просты и

3. Средство коммуникации правообладателей - Модель

ограниченной точности представления чисел в

фактами. Оценка, насколько хорошо модель отражает

подхода. Комбинированные задачи сочетают

моделям относятся схемы, диаграммы, таблицы, графы,

применимы при анализе больших или сложных

как общий язык между различными участниками проекта:

компьютере (конечная разрядность). Проявляется при

действительность для поставленной цели. 5

элементы анализа и синтеза. Они требуют сначала

классификационные структуры, а также

систем.

заказчиками, исполнителями, пользователями, гос органами

выполнении арифметических операций, особенно в

Интерпретация и применение результатов: Анализ

разложить проблему на части, изучить их, а затем

формализованные описания на естественном или

В моделировании полиморфизм означает, что одна

и т.д. Примеры: UML-диаграммы в разработке

длительных вычислениях. Уменьшение: использование

полученных данных моделирования. Перевод

собрать полученные данные в новое решение или

формальном языке. Примеры: организационные

и та же модель может применяться к разным

программного обеспечения. Архитектурные чертежи между

чисел с большей разрядностью (например, double

результатов на язык исходной проблемы. Формулировка

систему. Примеры: Решение инженерной задачи:

диаграммы, структурные схемы предприятия,

объектам, или что объекты с разной природой

заказчиком и подрядчиком. Модели бизнес-процессов при

вместо float), минимизация операций, усиливающих

выводов, прогнозов, разработка рекомендаций или

анализ условий эксплуатации и проектирование

диаграммы классов в объектно-ориентированном

могут быть описаны общей моделью. Это

внедрении CRM-системы. Цель: Обеспечить единое

накопление ошибок. //Эти погрешности суммируются,

принятие решений на основе модели.Этот процесс часто

конструкции. Методы: Итеративный подход

программировании, технологические схемы в

универсальность модели, способность к

понимание объекта, согласовать требования, уменьшить

определяя общую точность моделирования. Для

итеративен. Неудовлетворительные результаты

(чередование анализа и синтеза). Системный подход.

производстве и т.д. Где применяются: Стадия

повторному использованию. Пример:

риски недопонимания.

повышения точности важно балансировать между

валидации или интерпретации могут потребовать

Моделирование и тестирование. Характеристики:

проектирования систем; Документирование и

Математическая модель очередей может

сложностью модели, выбором метода и

возврата к предыдущим этапам (уточнению постановки

Комплексность. Требуют междисциплинарного

стандартизация процессов; Создание базы знаний о

применяться как к обслуживанию клиентов в

вычислительными ресурсами.

задачи, изменению допущений, модификации модели).

подхода. Связь между типами задач

системе.

банке, так и к обработке данных на сервере.

26 Классы знаковых моделей, используемых в

32 Технологии проверки математических моделей:

25 Классы моделей: вербальные; имитационные;

34 Три уровня моделей информационных систем.

35 Этапы разработки компьютерной

27 Определение задачи. Формы представления задач: в

программой инженерии: модели состава; структурные

Контроль размерностей; Контроль порядков; Контроль

структурные; математические. Соотношение понятий

Ограничения модели

Модели информационных систем

информационной модели. Ограниченность подхода

пространстве состояний; Определение задачи. Формы

модели; функциональные модели; потоковые модели;

экстремальных ситуаций ; Контроль граничных

«эффективность» и «область адекватности»

(ИС) классифицируются по уровню абстракции и

Разработка компьютерной модели — это процесс

представления задач: сводящие задачу к подзадачам

модели состояний

условий (проверку того, что граничные условия

Классы моделей:

детализации. Выделяют три основных уровня:

создания формализованного представления

Определение задачи. Задача — это формализованное

Знаковые модели — это абстрактные представления

действительно наложены); Контроль физического

Вербальные: Описательные модели, использующие

Концептуальный Описание системы на высоком

объекта или системы с использованием

описание цели, которую необходимо достичь, при наличии

системы, использующие символы (графику, текст,

смысла; Контроль математической замкнутости

естественный язык. Они просты, но могут быть

уровне абстракции, без детализации технических

вычислительных средств. Он включает следующие

исходных условий, ограничений и допустимых действий.

диаграммы). В программной инженерии выделяют

Проверка математической модели необходима для

субъективными и неоднозначными, сложными в

аспектов. Содержание: Определение целей и функций

ключевые этапы: Постановка задачи. Необходимо

Задача включает: начальное состояние (исходные данные),

следующие классы:

подтверждения ее корректности, адекватности и

формализации.

ИС. Описание основных сущностей, процессов и их

описать объект и определить цели моделирования.

цель (желаемое состояние), допустимые действия

Модели состава: Описывают, из каких компонентов

применимости. Основные технологии проверки: 1

Имитационные: Модели, воспроизводящие поведение

взаимодействий. Формирование требований к системе.

Нужно выяснить, с какой целью создаётся модель,

(операторы) - способы перехода между состояниями,

состоит система. Примеры: иерархия модулей,

Контроль размерностей Проверка единиц измерения

системы во времени с помощью компьютерных

Цель — получить согласованное понимание модели

какие исходные данные нужны для её создания и

ограничения (условия, которые нельзя нарушать).

компонентные диаграммы в UML. Используются для

всех переменных и параметров в уравнениях.

симуляций. Применяются для прогнозов, тестирования

между заказчиком, аналитиком и разработчиком.

что ожидается получить в результате. Построение

1.В пространстве состояний - Представление задачи в

архитектурного анализа, оценки повторного

Убедиться, что размерности левой и правой частей

сценариев, оценки риска. Примеры: имитация

Логический Описание структуры и логики работы

информационной модели. Нужно определить

пространстве состояний предполагает описание задачи как

использования компонентов. Структурные модели:

уравнений совпадают. Пример: в уравнении F=m a F =

движения транспорта, симуляция работы склада,

системы, независимо от конкретных технологий

параметры модели и выявить взаимосвязь между

набора всех возможных состояний системы и переходов

оказывают взаимосвязи и зависимости между

m \cdot a F=m a, размерность силы (Н Н Н) должна

виртуальные боты в обучении. Позволяют учитывать

реализации. Описание структуры и логики: данные,

ними. Необходимо оценить, какие из параметров

между ними. Это часто используется в задачах поиска

элементами системы. Примеры: UML-диаграммы

соответствовать произведению массы (кг кг кг) и

случайность, гибкие. но требуют вычислительных

бизнес-правила, процессы (например, ER-диаграммы).

важны для данной задачи, а какими можно

решений. каждое состояние — это конкретная

классов, ER-диаграммы. Применяются для

ускорения (м/с2 м/с^2 м/с2). 2 Контроль порядков:

ресурсов, сложно валидировать. Структурные:

Назначение: проектирование архитектуры.

пренебрегать. Также нужно математически описать

конфигурация системы; операторы — действия,

проектирования БД, объектно-ориентированного

Оценка порядков величин (масштабов) входных и

Представляют взаимосвязи и иерархию элементов

Физический Детальное описание реализации системы

зависимость между параметрами модели. 5

переводящие систему из одного состояния в другое;

анализа, интерфейсов между компонентами.

выходных параметров. Проверка, что значения

системы. Используются для анализа состава, связей,

с учетом конкретных технологий и оборудования.

Разработка метода и алгоритма реализации

решение — это путь (последовательность операторов),

Функциональные модели: Описывают что делает

переменных и результатов находятся в разумных

архитектуры. Примеры: деревья решений, ER-

Содержание: Спецификация программного и

компьютерной модели. Нужно выбрать или

который ведёт от начального состояния к целевому.

система, без указания структуры. Примеры: IDEF0.

пределах. Пример: если модель предсказывает скорость

диаграммы, UML-диаграммы классов. Плюсы: хорошо

аппаратного обеспечения Описание физической

разработать метод получения исходных

Применение: Задачи в искусственном интеллекте

Используются на этапах анализа требований и

объекта в миллионы м/с, это может указывать на

визуализируют состав и взаимосвязи. Минусы: не

структуры данных Цель — обеспечить эффективную,

результатов, составить алгоритм получения

(например, поиск пути, планирование), Робототехника,

проектирования процессов. Пример: Диаграммы

ошибку. Контроль экстремальных ситуаций

описывают поведение во времени.

надёжную и устойчивую работу системы в реальной

результатов по избранным методам и проверить

Игровые задачи (шахматы, головоломки), Алгоритмы

вариантов использования (Use Case) или

Проверка поведения модели в предельных или

Математические: Основываются на формализованных

вычислительной среде.

его правильность. Разработка компьютерной

навигации. Методы решения: поиск в пространстве

функциональные блок-схемы. Потоковые модели:

экстремальных условиях. Анализ, что происходит, если

математических уравнениях, функциях, логике.

Ограничения модели Модели информационных

модели. Выбираются средства программной

состояний (например, поиск в ширину, поиск в глубину,

Отражают потоки данных, ресурсов, управления в

параметры принимают минимальные, максимальные

Применяются для точного анализа и оптимизации.

систем имеют ограничения, которые обусловлены их

реализации алгоритма на компьютере,

A*). подходит для задач с четко определенными

системе. Пример: Диаграммы потоков данных (DFD),

или нулевые значения. Пример: для модели нагрева

Примеры: линейное программирование,

уровнем, целью и контекстом применения: Уровень

разрабатывается компьютерная модель и

состояниями и действиями. Недостатки: экспоненциальный

иллюстрирующие, как данные движутся между

проверяется, не превышает ли температура физически

дифференциальные уравнения, модели очередей.

детализации Концептуальные модели упрощают

проверяется её правильность. Проведение

рост числа состояний для сложных задач (проблема

процессами. Модели состояний: Описывают

возможные значения. Контроль граничных условий

Плюсы: точность, пригодны для вычислений и

реальность, игнорируя технические детали, что может

эксперимента. Разрабатывается план

комбинаторного взрыва). 2.Сводящие задачу к

возможные состояния системы и переходы между

Проверка, что граничные условия корректно наложены

автоматизации. Минусы: требуют строгой

привести к неоднозначности. Физические модели

исследования, проводится эксперимент на базе

подзадачам Этот подход предполагает декомпозицию

ними. Пример: Диаграммы состояний UML или

и соблюдены в решении. Убедиться, что модель

формализации, иногда упрощают реальность.

ограничены конкретной технологией, что затрудняет

созданной компьютерной модели, анализируются

сложной задачи на более простые подзадачи, решение

конечные автоматы, показывающие, как система

учитывает заданные ограничения на границах области.

Соотношение «эффективность» и «область

их перенос на другие платформы. Область

полученные результаты и делаются выводы.

которых в совокупности приводит к решению исходной

реагирует на события.

Пример: в задаче диффузии проверяется, что

адекватности»:

применимости Модель описывает только те аспекты

Ограниченность подхода может проявляться в

задачи. Он часто используется в планировании,

Применение: Эти модели используются на разных

концентрация на границе области соответствует

Область адекватности — диапазон условий, при

системы, которые выбраны на этапе постановки задачи.

трудностях, связанных с компьютерным

проектировании и задачах с иерархической структурой.

этапах разработки ПО: от анализа требований

заданным значениям. Контроль физического смысла

которых модель корректно описывает реальную

Внезапные изменения требований могут сделать

моделированием сложных систем. Некоторые из

Компоненты: Иерархия подзадач: разбиение задачи на

(функциональные, потоковые) до проектирования

Проверка, что результаты модели согласуются с

систему. Она определяет, где модель применима.

модель неадекватной. Точность и адекватность

них: Трудности при создании детального плана

меньшие задачи или этапы. Зависимости: порядок

(структурные, состава) и тестирования (модели

физическими законами и логикой системы. Убедиться,

Эффективность — степень достижения целей

Упрощения в модели (например, игнорирование редких

эксперимента. Компьютерная модель должна

выполнения подзадач (например, некоторые подзадачи

состояний). Выбор модели зависит от задачи:

что модель не дает абсурдных или невозможных

моделирования (точность, полезность, затраты

сценариев) могут привести к ошибкам в реальных

содержать большое множество различных

могут быть выполнены только после завершения других.

например, модели состава помогают в декомпозиции

результатов. Пример: модель движения не должна

ресурсов) в рамках области адекватности. Модель

условиях. Ошибки в данных или допущениях на

параметров. Необходимость математической

Каждая подзадача решается отдельно, но их решения

системы, а модели состояний — в анализе поведения.

предсказывать отрицательную массу или бесконечную

эффективна, если она решает поставленные задачи с

концептуальном уровне могут распространиться на

обработки результатов экспериментов. Сведение

должны быть согласованы. Методы решения:

скорость. Контроль математической замкнутости

минимальными затратами в пределах своей области

последующие уровни. Ресурсы и время Создание

процесса моделирования лишь к имитации. Это

Иерархическое планирование Разделение и объединение

Проверка, что система уравнений имеет достаточное

адекватности. Выход за эту область снижает

детализированных моделей (особенно физического

часто неприемлемо для принятия решений при

решений подзадач. Использование шаблонов или правил

количество уравнений для нахождения всех

эффективность, так как модель становится неточной

уровня) требует значительных вычислительных и

анализе крупномасштабных (сложных) систем,

для декомпозиции. Преимущества: Упрощает сложные

неизвестных. Убедиться, что модель не содержит

или неприменимой. Пример: Математическая модель

временных затрат. Сложные модели могут быть трудно

когда необходимо комплексное исследование

задачи, делая их более управляемыми. Позволяет

неопределенностей или противоречий. Пример: в

может быть эффективной для прогнозирования в узкой

интерпретируемыми для пользователей или

возникающих проблем.

параллельное решение подзадач. Уменьшает

системе линейных уравнений число уравнений должно

области адекватности (например, линейные процессы),

разработчиков Динамика системы Модели часто

вычислительную сложность за счет локализации.

быть равно числу неизвестных

но неэффективной за её пределами (нелинейные

статичны и могут не учитывать изменения в системе со

Недостатки: Требует четкого понимания, как разделить

случаи).

временем

задачу. Возможны конфликты между решениями подзадач.

Не всегда применимо, если задача не поддается

декомпозиции.