- •Предисловие Цели и задачи изучения дисциплины
- •Краткая характеристика дисциплины, её место вучебном процессе
- •Лекция1. Понятие «информация». Количество информации
- •1.1. Понятие «информация» и свойства информации
- •1.2. Количество информации как мера уменьшения неопределенности знаний
- •1.3. Алфавитный подход к определению количества информации
- •1.4. Формула Шеннона
- •Контрольные вопросы
- •Лекция2. Системы счисления
- •2.1. Представление числовой информации с помощью систем счисления
- •2.2. Перевод чисел в позиционных системах счисления
- •2.3. Арифметические операции в позиционных системах счисления
- •Контрольные вопросы
- •Лекция3. Кодирование информации
- •3.1. Представление и кодирование информации
- •3.2. Двоичное кодирование информации в компьютере
- •3.3.Кодирование текстовой информации
- •3.4.Кодирование графической информации
- •3.5.Кодирование звуковой информации
- •Контрольные вопросы
- •Лекция4. Основы логики. Логические выражения
- •4.1. Формы мышления
- •4.2. Алгебра высказываний
- •4.3. Логические выражения и таблицы истинности
- •Контрольные вопросы
- •Лекция5. Логические основы компьютера
- •5.1. Логические функции
- •5.2. Логические законы и правила преобразования логических выражений
- •5.3. Логические основы компьютера
- •Контрольные вопросы
- •Лекция6. Основы алгоритмизации
- •6.1. Алгоритмы и их свойства
- •6.2. Основные алгоритмические конструкции
- •Контрольные вопросы
- •Лекция7. Основы программирования
- •7.1. Этапы решения прикладных задач с использованием компьютеров
- •7.2. Программа. Язык программирования
- •7.3. Основы программирования в системеTurboPascal
- •7.4. Структура программы на языке Паскаль
- •Контрольные вопросы
- •Лекция8. Моделирование и формализация
- •8.1. Исследование математических моделей
- •8.2. Геометрические модели
- •8.3. Геоинформационные модели
- •8.4. Оптимизационное моделирование
- •8.5. Логические модели
- •Контрольные вопросы
- •Список рекомендуемой литературы:
8.3. Геоинформационные модели
Геоинформационное моделирование базируется на создании многослойных электронных карт, в которых опорный слои описывает географию определенной территории, а каждый из остальных — один из аспектов состояния этой территории. На географическую карту могут быть выведены различные слои объектов: города, дороги, аэропорты и др.
Широкое распространение получили интерактивные географические карты (мира, различных частей света, России, Москвы и других городов). Такие карты обычно реализуются с использованием векторной графики и поэтому позволяют пользователю выбирать нужный ему масштаб.
Карты связаны с базами данных, которые хранят всю необходимую информацию об объектах, изображенных на картах. Пользователь может осуществлять поиск необходимого ему объекта на карте с помощью поисковой системы. Например, для того чтобы найти дом на интерактивной карте Москвы требуется ввести название улицы и номер дома.
Геоинформационные модели позволяют с помощью географических карт представлять статистическую информацию о различных регионах. Хранящаяся в базах данных информация о количестве населения, развитии промышленности, загрязнении окружающей среды и др. может быть связана с географическими картами и отображена на них. Отображение информации может производиться различными способами: закрашиванием регионов различными цветами, построением диаграмм и так далее.
8.4. Оптимизационное моделирование
В сфере управления сложными системами (например, в экономике) применяется оптимизационное моделирование, в процессе которого осуществляется поиск наиболее оптимального пути развития системы.
Критерием оптимальности могут быть различные параметры, например, в экономике можно стремиться к максимальному количеству выпускаемой продукции, а можно к ее низкой себестоимости. Оптимальное развитие соответствует экстремальному (максимальному или минимальному) значению выбранного целевого параметра.
Развитие сложных систем зависит от множества факторов (параметров), следовательно, значение целевого параметра зависит от множества параметров. Выражением такой зависимости является целевая функция
К = F(Х1, Х2, ...,Хn),
где К — значение целевого параметра;
Х1, Х2, ...,Хn — параметры, влияющие на развитие системы.
Цель исследования состоит в нахождении экстремума этой функции и определении значений параметров, при которых этот экстремум достигается. Если целевая функция нелинейна, то она имеет экстремумы, которые находятся определенными методами.
Однако часто целевая функция линейна и, соответственно, экстремумов не имеет. Задача поиска оптимального режима при линейной зависимости приобретает смысл только при наличии определенных ограничений на параметры.
Рассмотрим в качестве примера моделирования поиск вариантов оптимальной погрузки при перевозке компьютерного класса.
Содержательная постановка проблемы. При получении школой нового компьютерного класса необходимо оптимально спланировать использование единственного легкового автомобиля для перевозки 15 компьютеров. Каждый компьютер упакован в две коробки (монитор и системный блок) и существуют три варианта погрузки коробок в автомобиль.
Таблица 8.4.1. Способы погрузки
Тип коробки |
Варианты погрузки | ||
1 |
2 |
3 | |
Мониторы |
3 |
2 |
1 |
Системный блок |
1 |
2 |
4 |
Необходимо выбрать оптимальное сочетание вариантов погрузки для того, чтобы перевести 15 коробок с мониторами и 15 коробок с системными блоками за минимальное количество рейсов автомобиля.
Формальная модель. Параметрами, значения которых требуется определить, являются количества рейсов автомобиля, загруженного различными способами:
Х1 — количество рейсов автомобиля, загруженного по варианту 1;
Х2 — количество рейсов автомобиля, загружённого по варианту 2;
Х3 — количество рейсов автомобиля, загруженного по варианту 3.
Тогда целевая функция, равная количеству рейсов автомобиля, примет вид:
F = Х1 + Х2 + Х3.
Ограничения накладываются количествами коробок с мониторами и системными блоками, которые необходимо перевезти. Должны выполняться два равенства:
3 • X1 + 2 • X2 + 1 • Х3 = 15,
1 • X1 + 2 • Х2 + 4 • Х3 = 15.
Кроме того, количества рейсов не могут быть отрицательными, поэтому должны выполняться неравенства:
Х1 > 0; Х2 > 0; Х3> 0.
Таким образом, необходимо найти удовлетворяющие ограничениям значения параметров, при которых целевая функция принимает минимальное значение.
Компьютерная модель. Будем искать решение задачи путем создания и исследования компьютерной модели в электронных таблицах Excel.
Оптимизационное моделирование
Ячейки В2, С2 и D2 выделить для хранения значений параметров Х1, Х2, Х3. В ячейку В4 ввести формулу вычисления целевой функции:
=В2+С2+D2.
В ячейку В7 ввести формулу вычисления количества коробок с мониторами;
=3*В2 + 2*С2 + 1*D2.
В ячейку В8 ввести формулу вычисления количества коробок с системными блоками:
=1*В2 + 2*С2 + 4*D2.
Исследование модели. Для поиска оптимального набора значений параметров, который соответствует минимальному значению целевой функции, воспользоваться надстройкой электронных таблиц Поиск решений.
Для активизации надстройки ввести команду [Сервис-Надстройки...]. На диалоговой панели поставить флажок перед элементом списка Поиск решения.
Ввести команду [Сервис-Поиск решений...]. На появившейся диалоговой панели Поиск решения установить:
адрес целевой ячейки;
вариант оптимизации значения целевой ячейки (максимизация, минимизация или подбор значения);
адреса ячеек, значения которых изменяются в процессе поиска решения (в которых хранятся значения параметров);
ограничения (типа равно для ячеек, хранящих количество деталей, и типа больше или равно для параметров).
Щелкнуть по кнопке Выполнить.
В ячейке целевой функции появится значение 7, а в ячейках параметров значения 3, 2, 2.
Таким образом, для перевозки 15 коробок с мониторами и 15 коробок с системными блоками потребуется 7 рейсов автомобиля, при этом 3 рейса должны быть загружены по первому, 2 рейса по второму и 2 рейса по третьему варианту.