
- •1. Определение и назначение моделирования
- •2. Классификация моделей
- •3. Классификация математических моделей
- •3.1. Классификация в зависимости от сложности объекта моделирования
- •3.2. Классификация в зависимости от оператора модели
- •3.3. Классификация в зависимости от параметров модели
- •3.4. Классификация в зависимости от целей моделирования
- •3.5. Классификация в зависимости от методов исследования
- •4. Этапы построения модели
- •4.1. Обследование объекта моделирования
- •4.2. Концептуальная постановка задачи
- •4.3. Математическая постановка задачи
- •4.4. Выбор и обоснование выбора методов решения задачи
- •4.5. Реализация модели в виде программы для эвм
- •4.6. Проверка адекватности модели
- •4.7. Практическое использование модели
- •5. Пример разработки модели - Модель спроса предложения
- •6. Структурные модели
- •6.1. Способы построения структурных моделей
- •7. Моделирование в условиях неопределенности
- •7.1. Моделирование в условиях неопределенности, описываемой с позиции теории нечетких множеств
- •7.2. Моделирование в условиях стохастической неопределен-ности
- •7. Имитационное моделирование
- •7.1. Виды представления времени в модели
- •8. Модели представления знаний
7.1. Виды представления времени в модели
При разработке имитационной модели и планировании проведения модельных экспериментов необходимо соотносить между собой 3 представления времени:
- реальное время, в котором происходит функционирова-ние имитируемой системы,
- модельное (системное) время, в масштабе которого орга-низуется работа модели,
- машинное время, отражающее затраты времени ЭВМ на проведение имитации.
С помощью механизма модельного времени решаются следующие задачи:
- отображается переход моделируемой системы из одного состояния в другое,
- производится синхронизация работы компонент модели,
- изменяется масштаб времени функционирования иссле-дуемой системы,
- производится управление ходом модельного экспери-мента,
- моделируется квазипараллельная реализация событий в модели.
Приставка “квази” отражает последовательный характер обработки событий имитационной модели, которые в реальной системе возникают (протекают) одновременно.
Необходимость решения последней задачи связана с тем, что в распоряжении исследователя находится, как правило, однопроцессорная вычислительная система, а модель может содержать значительно большее число одновременно работаю-щих подсистем. Поэтому действительно параллельная реали-зация всех компонент модели невозможна. Даже если исполь-зуется так называемая распределенная модель, реализуемая на нескольких узлах вычислительной сети, совсем не обязательно, что число узлов будет совпадать с числом одновременно рабо-тающих компонент модели.
8. Модели представления знаний
Знания – закономерности предметной области (принципы, связи, законы), полученные в результате практической деятель-ности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
Существуют десятки моделей представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:
- продукционные модели,
- семантические сети,
- фреймы,
- формальные логические модели.
Продукционная модель или модель, основанная на прави-лах, позволяет представить знания в виде предложений типа “Если (условие), то действие”.
Условие – предложение-образец, по которому осуществля-ется поиск в базе знаний.
Действие – действие, выполняемое при успешном исходе поиска.
Вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к данным). Данные это исходные факты, хранящиеся в базе фак-тов, на основании которых запускается машина вывода или ин-терпретатор правил, перебирающий правила из продукционной базы знаний.
Семантическая сеть – это ориентированный граф, вер-шины которого – понятия, а дуги отношения между ними.
В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения – это связи типа: “это”, “имеет частью”, “принадлежит”, “любит”. Характерной особен-ностью семантических сетей является обязательное наличие трех типов отношений:
1. класс – элемент класса (цветок - роза),
2. свойство – значение (цвет - красный),
3. пример элемента класса (роза - чайная).
Семантические сети по количеству типов отношений де-лятся на однородные (с единственным типом отношений) и неоднородные (с различными типами отношений).
Наиболее часто в семантической сети используют следую-щие отношения:
- часть целое,
- функциональные связи (определяемые глаголами типа “производит”, “влияет”),
- количественные (больше, меньше),
- пространственные (далеко от, близко от, справа от),
- временные (раньше, позже),
- логические связи (И, ИЛИ, НЕ) и другие.
Фрейм – это абстрактный образ для представления некоего стереотипа восприятия.
Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе посту-пающих данных. Модель фрейма достаточно универсальна, поскольку позволяет отобразить все многообразие знаний о мире через:
- фреймы-структуры, использующиеся для обозначения объектов и понятий,
- фреймы-роли (менеджер, кассир, клиент),
- фреймы-сценарии (банкротство, собрание акционеров),
- фреймы-ситуации (тревога, авария).
Структура фрейма может быть представлена как список свойств:
(ИМЯ ФРЕЙМА:
(Имя 1-го слота: значение 1-го слота),
(Имя 2-го слота: значение 2-го слота),
…
(Имя N-го слота: значение N-го слота))
В качестве значения слота может выступать имя другого фрейма, так образуются сети фреймов.
Существует несколько способов получения слотом значе-ний во фрейме экземпляре:
- по умолчанию от фрейма-образца,
- по формуле указанной в слоте,
- через присоединенную процедуру,
- из диалога с пользователем,
- из базы данных.
Важнейшим свойством фреймов является заимствование из теории семантических сетей – так называемое наследование свойств.
Формальная логическая модель – модель, основанная на классическом исчислении предикатов первого порядка, когда предметная область или задача описывается в виде набора аксиом.
Литература
-
Введение в математическое моделирование: Учебное пособие/ В.Н.Ашихмин и др. Под ред. П.В. Трусова. – М.: “Интермет Инжиниринг”, 2000. – 336с.
-
Гультяев А. Визуальное моделирование в среде MATLAB: учебный курс – СПб: Питер, 2000. – 432с.
-
Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем – СПб: Питер, 2000. – 384с.
-
Гладкий В.С. Вероятностные вычислительные модели. Изд-во “Наука”, 1973. – 300с.
-
Максимей И.В. Имитационное моделирование на ЭВМ. – М.: Радио и связь, 1988. – 232 с.