Моделирование систем. Описание современных подходов к моделированию систем. Методическое пособие

5. СОВРЕМЕННЫЕ КОМПЬЮТЕРНЫЕ ЯЗЫКИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

Методы имитационного моделирования находят широкое применение при проектировании и эксплуатации автоматизированных систем управления. Гибкость и универсальность метода имитационного моделирования, низкий уровень априорной информации делают этот метод незаменимым в задачах анализа и синтеза сложных систем. В то же время реализация имитационных моделей сложных систем на ЭВМ сопряжена со значительными затратами труда на программирование и отладку программ. С целью сокращения затрат на разработку имитационных моделей в настоящее время широко применяют специализированные языки моделирования. Одним из наиболее удобных и развитых языков имитационного моделирования является язык GPSS. Вообще говоря, для построения имитационных моделей могут использоваться любые языки процедурного (подпрограммного) типа, или как теперь их принято называть – объектно-ориентированные языки, но их использование сопряжено со значительными затратами времени и сложностью программирования. В то же время очевидно, что в состав любой имитационной модели должен входить целый ряд типовых модулей, необходимых для моделирования: модули, имитирующие вероятностные элементы и процессы, модули сбора и статистической обработки результатов и др. Если эти типовые модули заготовить заранее и при построении имитационной модели конкретной системы лишь настраивать их, то, очевидно, трудоемкость разработки имитационной модели значительно уменьшится. Это обстоятельство было замечено достаточно давно и привело к разработке целого ряда имитационных систем на базе универсальных языков программирования. Дальнейшее развитие этой концепции позволило разработать специализированные языки программирования, позволяющие с наибольшим удобством и эффективностью проектировать имитационные модели сложных систем. Наиболее известным и распространенным языком моделирования дискретных систем является общецелевой язык имитационного моделирования GPSS (General Purpose

21

Simulating System). Другим, не менее популярным языком является СИМУЛА.

Система GPSS была разработана сотрудником фирмы IBM Джефри Гордоном в 1961 г. Гордоном были созданы 5 первых версий языка: GPSS (1961), GPSS II (1963), GPSS III (1965), GPSS/360 (1967) и GPSS V (1971). Известный ранее только специалистам, в нашей стране этот программный пакет завоевал популярность после издания в СССР в 1980 г. монографии Т.Дж. Шрайбера. В ней была рассмотрена одна из ранних версий языка – GPSS/360, а также основные особенности более мощной версии – GPSS V, поддерживаемой компанией IBM, у нас она была более известна как пакет моделирования дискретных систем (ПМДС). Этот пакет работал в среде подсистемы диалоговой обработки системы виртуальных машин единой серии (ПДО СВМ ЕС) ЭВМ. После окончания поддержки GPSS V компанией IBM следующей версией стала система GPSS/H компании Wolverine Software разработанная в 1978 г. под руководством Дж. Хенриксена. В 1984 году появилась первая версия GPSS для персональных компьютеров с операционной системой DOS – GPSS/PC. Она была разработана компанией Minuteman Software под руководством С. Кокса. Конец XX в. ознаменовался разработкой компанией Minuteman Software программного продукта GPSS World, увидевшего свет в 1993 г. За сравнительно небольшой период времени было выпущено несколько его версий, причем в каждой последующей возможности системы моделирования наращивались. Помимо этих основных версий существует также Micro-GPSS, разработанная Ингольфом Сталлом в Швеции, – это упрощенная версия, предназначенная для изучения языка GPSS, и WebGPSS, также предназначенная для изучения работы системы и разработки простейших имитационных моделей в сети интернет.

Модель (программа) на языке GPSS представляет собой последовательность операторов (их называют блоками), отображающих события, происходящие в системе массового обслуживания (СМО) при перемещениях транзактов (абстрактных объектов, которые перемещаются между статическими элементами, воспроизводя различные события реального моделируемого объекта). Поскольку в интерпретаторах GPSS реализуется событий-

22

ный метод и в СМО может быть одновременно много транзактов, то интерпретатор будет попеременно исполнять разные фрагменты программы, имитируя продвижения транзактов в текущий момент времени до их задержки в некоторых устройствах или очередях.

Симуляция с помощью языка GPSS обеспечивает следующие действия.

•• Обеспечивает заданный маршрут продвижения транзактов.

•• Планирует события, происходящие в модели, путем регистрации времени наступления каждого события и выполнения их в нарастающей временной последовательности.

•• Регистрирует статистическую информацию.

•• Обеспечивает продвижение модельного времени.

Таким образом, модель (программа) на языке GPSS представляет собой последовательность операторов (их называют блоками), отображающих события, происходящие в системе при перемещениях транзактов. Поскольку в интерпретаторах GPSS реализуется событийный метод и в системе может быть одновременно много транзактов, то интерпретатор будет попеременно исполнять разные фрагменты программы, имитируя продвижения транзактов в текущий момент времени до их задержки в некоторых устройствах или очередях.

23

6. СОВРЕМЕННЫЕ МОДЕЛИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

История искусственного интеллекта (ИИ) как нового научного направления начинается в середине XX в. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека

ипроцессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга

имышления, экономисты и математики задавались вопросами оптимальных расчетов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений – теории алгоритмов – и были созданы первые компьютеры. С самого момента своего рождения ИИ развивается как междисциплинарное направление, взаимодействующее с информатикой и кибернетикой, когнитивными науками, логикой и математикой, лингвистикой и психологией, биологией и медициной. Идея создания искусственного подобия человеческого разума для решения сложных задач и моделирования мыслительной способности витала в воздухе с древнейших времен. В древнем Египте была создана «оживающая» механическая статуя бога Амона. У Гомера в «Илиаде» бог Гефест ковал человекоподобные существа-автоматы. В литературе эта идея обыгрывалась многократно: от Галатеи Пигмалиона до Буратино папы Карло. Однако родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Р. Луллий (ок. 1235 – ок. 1315), который в XIV в. пытался создать машину для решения различных задач на основе всеобщей классификации понятий. В XVIII веке Г. Лейбниц (1646–1716) и Р. Декарт (1596–1650) независимо друг от друга развили эту идею, предложив универсальные языки классификации всех наук. Эти идеи легли в основу теоретических разработок в области создания искусственного интеллекта. Развитие искусственного интеллекта как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х гг. XX в. В это же время Н. Винер (1894– 1964) создал свои основополагающие работы по новой науке – кибернетике [1].

24

В 1950 году Алан Тьюринг опубликовал статью, в которой задавался вопросами о возможностях будущих машин, а также о том, способны ли они обойти человека в плане разумности. Именно этот ученый разработал процедуру, названную потом в его честь: тест Тьюринга.

После опубликования работ английского ученого появились новые исследования в области ИИ. По мнению Тьюринга, мыслящей может быть признана только та машина, которую невозможно при общении отличить от человека. Примерно в то же время, когда появилась статья ученого, зародилась концепция, получившая название Baby Machine. Она предусматривала поступательное развитие ИИ и создание машин, мыслительные процессы которых сначала формируются на уровне ребенка, а затем постепенно улучшаются.

Термин искусственный интеллект (artificial intelligence) предложен в 1956 г. на семинаре с аналогичным названием в Стэндфордском университете (США). Семинар был посвящен разработке логических, а не вычислительных задач. Вскоре после признания искусственного интеллекта самостоятельной отраслью науки произошло разделение на два основных направления: нейрокибернетику и кибернетику «черного ящика». И только в настоящее время стали заметны тенденции к объединению этих частей вновь в единое целое. В СССР в 1954 г. в МГУ под руководством профессора А.А. Ляпунова (1911–1973) начал свою работу семинар «Автоматы и мышление». В этом семинаре принимали участие крупнейшие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, выделились направления нейрокибернетики и кибернетики «черного ящика».

В 1956–1963 гг. велись интенсивные поиски моделей и алгоритма человеческого мышления и разработка первых программ. Оказалось, что ни одна из существующих наук – философия, психология, лингвистика – не может предложить такого алгоритма. Тогда кибернетики предложили создать собственные модели. Были созданы и опробованы различные подходы.

Первые исследования в области ИИ связаны с созданием программы для игры в шахматы, так как считалось, что способность

25

играть в шахматы является показателем высокого интеллекта.

В1954 году американский ученый Ньюэлл задумал создать такую программу. Шеннон предложил, а Тьюринг уточнил метод создания такой программы. Американцы Шоу и Саймон в содружестве с группой голландских психологов из Амстердама под руководством де Гроота создали такую программу. Попутно был создан специальный язык ИПЛ (1956), предназначенный для манипулирования информацией в символьной форме, который явился предшественником языка Лисп (MacCarthy, 1960). Однако первой программой искусственного интеллекта была программа «Логик-теоретик», предназначенная для доказательства теорем в исчислении высказываний (09 августа 1956). Программа для игры в шахматы была создана в 1957 г. (NSS – Newell, Shaw, Simon). Ее структура и структура программы «Логик-те- оретик» легли в основу создания программы «Универсального Решателя Задач» (GPS – General Problem Solving). Эта программа, анализируя различия между ситуациями и конструируя цели, хорошо решает головоломки типа «Ханойская башня» или вычисляет неопределенные интегралы. Программа EPAM

(Elementary Perceiving and Memorizing Program) – элементарная программа для восприятия и запоминания, задумана Фейгенбаумом. Начало 60-х гг. – эпоха эвристического программирования. Эвристика – правило, теоретически не обоснованное, но позволяющее сократить количество переборов в пространстве поиска. Эвристическое программирование – разработка стратегии действий на основе известных, заранее заданных эвристик.

В1960-х годах создаются первые программы, работающие с запросами на естественном языке. Программа БЕЙСБОЛ (Green и др., 1961) отвечала на запросы о результатах прошедших бейсбольных матчей, программе STUDENT (Bobrow, 1964) было доступно решение алгебраических задач, сформулированных на английском языке. В 1971 году Терри Виноград разработал систему SHRDLU, которая моделирует робота, манипулирующего кубиками. С роботом можно говорить по-английски. Система интересуется не только синтаксисом фраз, но и правильно понимает их смысл благодаря семантическим и прагматическим знаниям о своем «мире кубиков». Начиная с середины 1980-х гг. за рубежом происходит коммерциализация искус-

26

ственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся системам. В настоящее время ИИ – это бурно развивающаяся и сильно разветвленная научная область [2]. На данный момент в истории развития искусственного интеллекта происходят крупные открытия и разработки, связные с инновациями в сопредельных областях науки, кибернетике и робототехнике. Сейчас человечество как никогда близко подошло к созданию искусственного интеллекта.

На сегодняшний день существует следующая классификация ИИ.

1.Модель зародыша ИИ. Является дополнением концепции «машины-ребенка» А. Тьюринга. Ее идея заключается в использовании обучения как средства развития простой системы,

ане в результате задания исходных данных. Однако в отличие от «машины-ребенка» имеет относительно фиксированную архитектуру и может развивать свой потенциал, а за счет накопления знаний, зародыш ИИ будет более сложной системой, самосовершенствующей собственную архитектуру.

2.«Рекурсивное самосовершенствование». Является модификацией зародыша ИИ. Идея состоит в постоянном саморазвитии: первая версия создает улучшенную версию самой себя, которая намного умнее оригинальной; улучшенная версия, в свою очередь, создает еще более улучшенную и т.д. При некоторых условиях процесс рекурсивного самосовершенствования может продолжаться довольно долго и, в конце концов, привести к появлению сильного ИИ.

3.Использование головного мозга человека как базовой модели для ИИ. Идея состоит в том, что первый полюс мозга будет воплощать результат его полномасштабного имитационного моделирования. На другом полюсе находятся механизмы функционирования мозга. Данный тип модели за последнее время прогрессировал, чему способствуют успехи в нейробиологии и когнитивной психологии, а также постоянный технический прогресс. Однако совсем не обязательно, что полученная в результате система должна во всем напоминать головной мозг, даже если при ее создании и будут использованы некоторые принципы его деятельности.

27

4. Социальный интеллект (далее – СИ) – большое число интеллектов, объединенных в единую систему для достижения конечной цели; причем сообща они достигают цель быстрее, чем любой, отдельно взятый интеллект этой системы. Ярким примером СИ служат различные корпорации, научные коллективы, государства и т.п., а в более широком смысле – это все человечество. Именно благодаря СИ на сегодняшний день достигнут такой высокий уровень развития науки и техники. Благодаря особенностям своей архитектуры СИ применим при выполнении ИИ некого комплекса, который может быть структурирован так, чтобы каждая часть комплекса выполнялась параллельно силами структур СИ и одновременно проверялись результаты в автономном режиме.

Таким образом, искусственный интеллект является довольно развитым и методически наполненным. Сегодня наиболее часто говорится о разработке ИИ-систем для решения конкретных узкоспециализированных задач, нежели о создании «искусственного интеллекта общего уровня», под которым понимается искусственное разумное существо с самосознанием. Все это позволяет говорить о том, что при принятии решения об использовании в тех или иных проектах методов искусственного интеллекта руководитель должен руководствоваться широким знанием о том, какие методы существуют и используются, а не следовать мнению, нагнетаемому через массовую культуру и средства массовой информации.

28

ЗАКЛЮЧЕНИЕ

Использование математического моделирования с применением новейших компьютерных технологий является необходимым условием изучения сложных систем и помогает значительно облегчить сложнейшие математические вычисления. Со временем новейшие разработки в области компьютерного моделирования расширяют применение в самых разных сферах человеческой деятельности.

На сегодняшний день современными методами компьютерного моделирования пользуются специалисты практически всех отраслей и областей науки и техники – от истории до космонавтики, поскольку с их помощью можно прогнозировать и даже имитировать явления, события или проектируемые предметы в заранее заданных параметрах.

Использование компьютерных моделей превращает компьютер в универсальную экспериментальную установку. В компьютерном эксперименте обеспечен полный контроль за всеми параметрами системы, компьютерный эксперимент не требует значительных финансовых затрат и безопасен, с помощью компьютера удается ставить «принципиально невозможные» эксперименты (геологические процессы, космология, экологические катастрофы и т.д.).

29

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1.Авдеев В. Компьютерное моделирование цифровых устройств. М.: ДМК, 2012. 360 c.

2.Алексеев Д.В. Введение в компьютерное моделирование физических задач: Использование Microsoft Visual Basic. М.: Ленанд, 2019. 272 c.

3.Алямовский А.А. SolidWorks. Компьютерное моделирование в инженерной практике. СПб.: BHV, 2006. 800 c.

4.Андреев С.М. Разработка и компьютерное моделирование элементов систем автоматизации с учетом специфики технологических процессов: учебник. М.: Academia, 2017. 36 c.

5.Бархатов В.П. Компьютерное моделирование в системе Mathсad: учеб. пособие. М.: Финансы и статистика, 2006. 144 c.

6.Белова И.М. Компьютерное моделирование. М.: МГИУ, 2008. 81 c.

7.Компьютерное моделирование: учебник / В.М. Градов, Г.В. Овечкин, П.В. Овечкин и др. М.: Инфра-М, 2016. 784 c.

8.Королев А.Л. Компьютерное моделирование. М.: Бином. ЛЗ, 2013. 230 c.

9.Ларченко Д.А., Келле А.В. Интерьер: дизайн и компьютерное моделирование. СПб.: Питер, 2011. 480 c.

10.Лисин П.А. Компьютерное моделирование производственных процессов в пищевой промышленности: учеб. пособие. СПб.: Лань, 2016. 256 c.

11.Мадера А.Г. Количественные методы разработки и принятия решений в менеджменте: Компьютерное моделирование

вMicrosoft Excel: практикум. М.: Ленанд, 2019. 120 c.

12.Никитин А.В. Компьютерное моделирование физических процессов. М.: Бином; Лаборатория знаний, 2011. 679 c.

13.Овечкин Г.В. Компьютерное моделирование: учебник. М.: Academia, 2017. 368 c.

14.Орлова И.В., Половников В.А. Экономико-математиче- ские методы и модели: компьютерное моделирование: учеб. пособие. М.: Вузовский учебник, 2017. 344 c.

15.Сирота А.А., Алгазинов Э.К. Анализ и компьютерное моделирование информационных процессов и систем / под общ. ред. проф. Э.К. Алгазинова. М.: ДИАЛОГ-МИФИ, 2009. 416 c.

16.Сирота А.А. Компьютерное моделирование и оценка эффективности сложных систем. М.: Техносфера, 2006. 280 c.

30