OTS_Lektsiya_8

Модуль 2. Моделювання систем

Лекція 8. МЕТОДИ АНАЛІЗУ ДИНАМІЧНИХ СИСТЕМ. МАРКІВСЬКІ МЕТОДИ ДОСЛІДЖЕННЯ

1. Загальні підходи до аналізу динамічних ТС

Методи структурного аналізу дають можливість моделювати поводження тільки статичних ТС або оцінювати топологічні особливості динамічних ТС. Як уже зазначалося раніше, правила дослідження динамічних ТС визначаються відповідно до функціонального опису, де базовими поняттями є поняття стану і поводження.

Функціонування багатьох ТС являє собою послідовність переходів з одного стану в інший. При такому формалізованому зображені процесу функціонування ТС вивчення її характеристик зводиться до вивчення абстрактного процесу переходів з одного стану в інший у межах повної множини станів.

Приклад

Функціонування комп'ютера характеризується тим, що в кожний момент часу оброблення вхідної інформації реалізується певними його блоками, причому всі блоки функціонують з визначеною тактовою частотою. Тому процес дискретного оброблення інформації можна розглядати як процес переходів ТС з одних станів в інші.

Нехай є деяка ТС , яка у процесі функціонування може набувати різних станів (). При цьому ТС перебуває в деякому стані , якщо вона повністю описується значеннями змінних, які визначають цей стан, тобто стан визначається величиною

,

де – момент часу; – випадкова величина, що характеризує стан ТС в момент часу ; () – властивість ТС, що описує поточний стан; – кількість властивостей ТС, необхідних для визначення стану

Система переходить з одного стану в інший, якщо значення змінних , що задають цей стан, змінюються на інші, які задають інший стан. Якщо стани системи змінюються в часі випадковим образом, то їхню послідовність можна розглядати як випадковий процес, тобто набір випадкових величин {} () утворює випадковий (стохастичний) процес.

Приклад

Процеси відмов і відновлень у радіотехніці є випадковими процесами; процеси надходження заявок на обслуговування в комп'ютерних мережах, процеси керування за наявності перешкод у системі керування також є випадковими процесами. Протікання кожного з розглянутих процесів залежить від багатьох випадкових, заздалегідь непередбачуваних факторів.

Неважко помітити, що основними поняттями випадкового процесу є стани ТС і переходи з одного стану в інший. Відповідно до цього класифікацію ТС з випадковими процесами наведено на рис. 1.

Рис. 1. Класифікація динамічних систем з випадковими процесами

Якщо множина станів ТС необмежена, а їхня зміна характеризується поступовими, плавними переходами зі стану в стан, то процес, що відбувається в системі, є випадковим процесом з безперервними станами. ТС називають системою з дискретними станами, якщо множина її станів скінченна, а переходи з одного стану в інший здійснюються стрибком. Послідовність станів такої системи, тобто випадковий процес переходів зі стану в стан, називають ланцюгом. Далі будемо розглядати тільки такі ТС.

Інтервал між двома послідовними переходами ТС зі стану у стан і зі стану у , тобто час перебування системи в деякому стані , може бути дискретною або безперервною змінною величиною. Залежно від цього розрізняють ТС і випадкові процеси з безперервним і дискретним часом. У системах з дискретним часом перехід може здійснюватися в строго заздалегідь визначені фіксовані моменти часу; у системах з безперервним часом перехід з одного стану в інший здійснюється в будь-який час. Інтервали між суміжними моментами переходів називають кроками (етапами).

Приклад

Типовими процесами з дискретними станами є процеси, що описують функціонування ЕОМ, роботу АТС тощо; процесами з безперервними станами можна вважати процес зміни напруги в освітлювальній мережі, просторову орієнтацію супутника й т.д. Як процес із дискретним часом можна розглядати процес зміни станів запам'ятовувального пристрою ЕОМ. Однак зазначимо, що більшість випадкових процесів, що відбуваються у реальних ТС, є процесами з безперервним часом, а саме: відмова будь-якого елемента апаратури, відновлення цього елемента й т.д.

Найпростіша ймовірнісна характеристика випадкового процесу (ланцюга), – це набір ймовірностей станів , , …, за умови, що

, (1)

де – імовірність того, що в момент часу система перебуває в стані ( ).

Якщо в процесі функціонування система опинилася в стані , то ймовірність переходу її з цього стану в стан у загальному випадку відповідно до принципу причинності залежить не тільки від стану , але й від попередніх станів. Однак найбільш поширені ланцюги, що мають марківську властивість. Марківським (або процесом без післядії) називають процес, для якого має місце таке твердження: випадковий процес, що відбувається в ТС, є марківським, якщо для будь-якого моменту часу імовірність будь-якого стану ТС в майбутньому () залежить тільки від її поточного стану ( ) і не залежить від того, яким чином ТС перейшла в цей стан (тобто як процес розвивався в минулому).

Іншими словами, у марківському випадковому процесі майбутнє залежить тільки від поточного стану й не залежить від історії процесу, тобто для всіх значень випадкових величин має місце вираз

, (2)

де – умовна ймовірність того, що система перебуває в стані у момент , якщо в момент вона перебувала в стані .

Як приклад аналізу динамічних ТС систем розглянемо приклад використання марківських моделей під час дослідження їх надійності (тобто властивості, що забезпечує можливість виконання системою заданих функцій з певними характеристиками протягом заданого інтервалу часу при певних експлуатаційних умовах). Є принаймні три істотні причини для прийняття марківської моделі в цьому випадку.

Справа в тому, що у першому наближенні опис більшості ТС і процесів у радіоелектроніці такий, що знання передісторії цих систем не має великої цінності для передбачення їхнього поводження у майбутньому. По-друге, складні ТС в будь-який момент часу можуть перебувати в одному з множини можливих станів. Кожен такий стан системи можна описати, вказавши множину працездатних елементів. У загальному випадку дискретна кількість станів складної ТС залежить від кількості елементів системи і можливої кількості станів кожного з них, тобто дослідити надійність ТС можна шляхом вивчення процесу переходів системи зі стану в стан. По-третє, якщо кожний з елементів ТС має хоча б приблизний експонентний розподіл наробітку на відмову, то поводження всієї системи можна описати випадковим процесом. Отже, випадковий марківський процес є адекватною ймовірною моделлю для такого типу процесів.

Марківські моделі є потужним інструментом подання й дослідження складних ТС. Це зумовлено такими причинами:

• вони набули широкого застосування серед сучасних методів дослідження складних ТС систем, тому що є узагальненням математичної моделі системи з елементами, які функціонують незалежно;

• вони відносно прості й доступні широкому класу дослідників і, водночас дають можливість ураховувати залежність стану системи від її попереднього стану, що дуже важливо для дослідження динамічних ТС;

• використання марківських моделей дає можливість пояснити фізичний зміст процесів, що відбуваються у ТС.

2. Дослідження динамічних систем з дискретним часом

Процес, що має марківську властивість й описує ТС зі скінченним числом станів (), переходи в якому здійснюються у фіксовані моменти часу, називають дискретним марківським ланцюгом. При цьому кожному переходу відповідає перехідна ймовірність . Для кожного моменту часу переходи утворюють повну групу подій:

, (3)

де відповідно .

Взаємозв’язок між перехідними ймовірностями та ймовірностями станів (ймовірностями того, що в момент часу система знаходиться в стані ) показано на рис. 2.

Графічну модель можливих станів такої ТС можна умовно зобразити у вигляді орієнтованого графа станів. На такому графі кожному стану ТС ставиться у відповідність вершина графа, що з'єднується ребрами з іншими вершинами. Напрямки ребер відповідають напрямкам можливих переходів, а ймовірності переходів розглядаються як вага відповідних ребер.

Рис. 2. Взаємозв’язок між перехідними ймовірностями

та ймовірностями станів

Приклад. Для оцінювання якості інтегральних мікросхем (ІМС) проводять вимірювання параметрів кожної з них автоматом контролю. Мікросхеми надходять до системи контролю послідовно, через рівні проміжки часу. Імовірність відхилення параметрів ІМС від допустимих значень становить 0,1. Якщо параметри трьох ІМС, що надходять послідовно, виходять за межі допустимих значень, то вся партія відбраковується. Зобразити граф станів системи і записати матрицю перехідних імовірностей.

Визначимо стані системи контролю якості: – параметри ІМС знаходяться у межах допустимих значень; – параметри однієї ІМС виходять за межі допустимих значень; – параметри двох ІМС, що надходять послідовно, виходять за межі допустимих значень; – параметри трьох ІМС, що надходять послідовно, виходять за межі допустимих значень – партія відбраковується.

Оскільки надходження мікросхем відбувається через рівні проміжки часу, то система контролю якості переходить зі стану в стан у строго фіксовані моменти часу, що дає можливість досліджувати систему за допомогою дискретних марківських ланцюгів.

У початковий момент часу система перебуває в стані . При надходженні чергової ІМС система з імовірністю 0,1 перейде в стан і з імовірністю 0,9 залишиться у початковому стані, тому що

.

Н

Рис. 3. Граф станів системи

для прикладу 4.1

адходить друга ІМС. Система з імовірністю 0,1 перейде в стан . Якщо всі параметри ІМС виявляться в межах допустимих значень, то система повернеться в стан з імовірністю 0,9 (відповідно до виразу 3).

Далі надходить третя ІМС, і з імовірністю 0,1 система переходить у стан (партія відбраковується) або з імовірністю 0,9 – у стан .

Граф станів системи зображено на рис. 3, відповідно до якого матрицю перехідних імовірностей можна записати як

.

Дискретний марківський ланцюг називають однорідним, якщо перехідні ймовірності не залежать від номера переходу, тобто , і він повністю описується:

• вектором початкового стану

,

елементи якого характеризують імовірності того, що в початковий момент часу система перебуває в стані ( ), і відповідають виразу (1);

• матрицею переходів

,

у якій імовірності, розташовані за головною діагоналлю матриці, відповідають тому, що система стану не змінила; при ймовірності відповідають неможливим переходам системи; при – можливим переходам системи зі стану у стан .

Матриця переходів є стохастичною, тобто

() за умови, що (4)

Зазвичай вважають, що дискретний марківський ланцюг описує перехідний режим роботи ТС на рівних інтервалах часу. Отже, k-й ступінь матриці переходів можна розглядати як матрицю переходів за кроків (так само, як під час дослідження статичних ТС), тобто розподіл ймовірностей станів системи після k кроків (абсолютні ймовірності) визначається виразом

, (5)

де k – кількість розглянутих кроків; – імовірність переходу системи зі стану у стан , визначена відповідною матрицею переходів; – вектор початкового стану.

Дискретний марківський ланцюг називають неоднорідним, якщо перехідні ймовірності змінюються зі зміною номера переходу, тобто , і для його опису необхідні:

• k матриць перехідних імовірностей , де k – кількість кроків, що розглядаються;

• вектор початкового розподілу ймовірностей.

Матриця є стохастичною, має властивість (4) і тільки невід'ємні елементи: .

Якщо під час аналізу динамічної ТС, поводження якої описується однорідним дискретним марківським ланцюгом, необхідно розглянути її поводження на короткому інтервалі часу, то абсолютні ймовірності слід обчислювати відповідно до виразу (5). Однак найважливіше вивчити поводження системи на великому інтервалі часу, тобто в умовах, коли число переходів прямує до нескінченності. У цьому випадку, наведений вище метод є непридатним; потрібен систематичний підхід, що дає можливість прогнозувати довгострокове поводження системи. Введемо такі означення.

Ланцюг Маркова називають незвідним ланцюгом (або ергодичним), якщо будь-який стан можна досягти з будь-якого іншого стану за скінченне число переходів, тобто при для . У цьому випадку всі стани ланцюга називають сполученими. Множину станів ланцюга Маркова називають замкненою, якщо система, що принаймні один раз перебувала в одному зі станів цієї множини, буде перебувати в множині протягом нескінченного інтервалу часу. Умова ергодичності однорідного марківського ланцюга – всі її стани є сполученими, а орієнтований граф, що описує функціонування системи, є сильнозв’язним.

Властивість ергодичних марківських ланцюгів: при досить великій кількості k ( настає стаціонарний режим, при якому ймовірності станів майже не залежать від часу й розподілу ймовірностей у початковий момент часу, тобто .

Вектор називають вектором стаціонарних (фінальних) імовірностей, кожний компонент якого характеризує середню частку часу, протягом якого система перебуває в стані, що розглядається.

Для визначення стаціонарних імовірностей перебування системи в стані потрібно скласти систему з лінійних рівнянь виду

, ,

причому значення ймовірностей мають відповідати умові (1).

Окремим випадком замкненої множини є стан , якому у матриці переходів відповідає рядок, у якому всі перехідні ймовірності , крім перехідної ймовірності . У цьому випадку стан називають поглинальним.

Приклад

Розглянемо ланцюг Маркова із прикладу. Як видно з рис. 3, всі стани системи не становлять незвідний харківський ланцюг, оскільки станів , і не можна досягти зі стану . Стан утворює замкнену множину й, таким чином, є поглинальним з перехідною ймовірністю . На графі такому стану відповідає тупикова вершина. Можна також стверджувати, що стан відповідає ергодичному марківському ланцюгу.

Усі стани ергодичного марківського ланцюга мають утворювати замкнену множину, і жодна підмножина цієї множини не може бути замкненою. Замкнена множина задовольняє всім умовам, що характеризують марківський ланцюг, і, отже, її можна незалежно аналізувати.

Очевидно, що повну множину станів системи можна розбити на замкнені підмножини (класи) , , …, (, ) сполучених станів. При цьому до одного класу належать усі сполучені між собою стани. Стани, що належать різним класам, не є сполученими. Між класами існує ієрархічна залежність, зумовлена допустимими напрямками переходів з одного класу станів у інший.

Якщо перехід є можливим, то зворотний перехід є неможливим (оскільки у противному випадку знайшлася б пара сполучених станів, які належать різним класам, що суперечить правилу утворення класів). При цьому вважається, що клас знаходиться вище класу в ієрархії класів. Класи сполучених станів можуть утворити одну або кілька ієрархій. У кожній з них клас, що займає останню (нижню) сходинку, називають ергодичною множиною станів, а інші класи – безповоротними множинами.

Примітка

Оскільки процес переходів системи з одного стану в інший не накладає ніяких обмежень на порядок нумерації станів і класів станів, класи прийнято нумерувати, починаючи з ергодичних множин і далі – в порядку зростання старшинства класів , , …, . Стани системи нумерують числами натурального ряду спочатку в першій ергодичній множині , потім – в другому класі і так далі до останнього стану класу (послідовність нумерації всередині класів значення не має). При такій нумерації перехід системи з одного класу станів в інший завжди пов'язаний зі зменшенням номера стану.

У зв’язку з цим стан називають поворотним, якщо ймовірність того, що система, вийшовши із цього стану, повернеться в нього за скінченне число кроків хоча б один раз, дорівнює одиниці. Стан називають безповоротним, якщо ця ймовірність менша за одиницю. Стани, які належать ергодичним множинам, є поворотними, всі інші – безповоротними.

Ланцюги з безповоротними множинами складаються тільки з ергодичних множин. Якщо цих множин декілька, то між ними не може бути ніяких переходів, а отже, вони являють собою декілька незалежних, ізольованих марківських ланцюгів, що можуть вивчатися окремо. У ланцюгах з безповоротними множинами рух відбувається в напрямку до ергодичних множин, і зрештою ланцюг потрапляє в одну з них. Розглянемо поводження ланцюга в безповоротній множині.

До настання стаціонарного режиму в системі має місце перехідний процес, тривалість якого задається величиною