Лекція 8. Системний аналіз. Основні напрямки та методи

До системного аналізу можна відносити як всі напрямки, що забезпечують рішення комплексних проблем, так і методи, які використовуються при плануванні та управлінні. Більш детально сферу використання СА можна визначити через об’єкт та предмет дослідження.

Об’єктом системного аналізу є будь-які системи та процеси, в тому числі процеси підготовки та прийняття рішень, кожен з яких є не що інше, як система правил, процедур та методів.

Предметом системного аналізу є загальносистемні характеристики об’єктів, що розглядаються та взаємодія системи з її оточенням.

Найважливішими теоретичними сферами системного аналізу є наступні напрямки:

• загальні принципи поведінки складних систем;

• узагальнення принципів дослідження систем, включаючи поєднання методів різних дисциплін;

• проблеми складності і невизначеності рішень в задачах та методах та шляхи їх розв’язання;

• проблема граничних характеристик систем;

• принципи імітації реальних процесів на ЕОМ та їх адекватності.

Головні концепції системного аналізу:

1. Системний підхід.

2. Побудова математичних моделей систем.

3. Послідовний розгляд усіх перетинів системи (стратифікація) з метою визначення перспектив та більш чіткого формулювання мети роботи.

4. Широке використання обчислювальних алгоритмів та обчислювальної техніки.

Узагальнюючи викладене, приймаємо наступне визначення. Системний аналіз - це науковий напрямок, що забезпечує на основі системного підходу розробку методів і процедур рішення слабо структурованих проблем при наявності суттєвої невизначеності.

Серед методів, що використовує системний аналіз на сьогодні найбільш поширені: евристичне програмування, семантичний підхід, методи аналогій, аналітичні методи та моделювання. Розглянемо їх докладніше.

При дослідженні роботи складних систем традиційно ефективні методи математичного аналізу часто заходять в глухий кут, або виявляються неефективними, у зв’язку з чим поширилися методи евристичного програмування, що основані на принципах аналізу діяльності людини. Серед методів цієї групи значну роль відіграють методи експертних оцінок (мозкова атака, обмін думками і т.і.), що використовують ту чи іншу форму узагальнення сукупності суб’єктивних знань з даної тематики певної групи спеціалістів (експертів). Перевагами такого методу є простота і доступність, недоліком – практична неможливість встановити ступінь достовірності знань.

З евристичними методами межують методи семантичного підходу, які базуються на виразних особливостях природної мови спілкування. Таке застосування лінгвістичних одиниць та побудов дозволяє просто і виразно описувати широкі класи об’єктів, процесів та явищ. Одним з методів, що реалізує семантичний підхід, є ситуативне управління, головними принципами якого є:

1. Модель об’єкта управління, опис процесів, що в ньому відбуваються та ситуацій, які виникають, будуються у вигляді текстів на природній мові.

2. Формування моделі об’єкта управління, процесів у ньому та ситуацій виконується шляхом її створення, до введення в ЕОМ, або на основі аналізу поведінки об’єкта, що виконується самою ЕОМ.

Основним недоліком ситуаційного управління є великий обсяг роботи по формуванню базових термінів та відношень, а також переліку ситуацій, які можливі в системі, причин і наслідків їх зміни.

Методи аналогій ґрунтуються на так званих біонічних принципах. В якості аналога технічної, економічної або соціальної системи розглядається біологічна. Це дозволяє використовувати досвід, накопичений живою природою за часи еволюції. Біонічні методи використовуються не лише в СА, але також і споріднених наукових напрямках. Так, серед методів оптимізації на сьогодні найбільш поширеними є так звані генетичні алгоритми, методі моделювання колоній та інші. Крім біонічного принципу методи аналогій можуть використовувати уявлення про систему як про іншу, спрощену систему, для якої існує добре відомий механізм поведінки, розрахунку тощо.

Аналітичні методи, поширені в системному аналізі, відносяться як до відомих і широко вживаних наук (дослідження операцій, теорія прийняття рішень), а також можуть бути специфічними: метод “чорного ящику”, нейрокібернетичні моделі, моделі теорії графів, теорії чітких та нечітких множин. На жаль, на сьогодні аналітичні методи рідко забезпечують високий ступінь достовірності результатів, що можуть бути отримані з їх використанням. Це обумовлено трьома наступними факторами:

1. При розгляді складних систем не всі параметри і фактори підлягають аналітичному оцінюванню. Більш того, інколи неможливо сформувати таку шкалу вимірювання, яка мала б сенс.

2. Недостатній математичний апарат для опису та оцінки характеристик явищ і процесів, що базуються на суб’єктивних психологічних оцінках (нечітких множин, нейронних мереж і т.д.).

3. Надмірна конкретизація в класичній математиці ключових термінів, на основі яких будується як теорія, так і математичний апарат сучасних аналітичних методів (окружність є окружністю виключно в Декартовій системі координат.....)

Серед методів системного аналізу ключовим є моделювання, левову частку якого має імітаційне, а не математичне моделювання. Відмінність першого від другого полягає в тому, що математичне моделювання намагається якомога точніше описати аналітично поведінку системи, або об’єкта в усіх можливих режимах чи ситуаціях. Імітаційне ж моделювання має за мету лише повторення створеною моделлю поведінки реального об’єкту в усіх режимах та ситуаціях. При цьому ідентичність структури і ступінь конкретизації математичного апарату не мають значення. Тобто при імітаційному моделюванні важливо щоб модель поводила себе як реальний об’єкт, а при математичному – щоб опис максимально відповідав реальному об’єктові.

Використання імітаційного моделювання дозволяє значно розширити галузі наукових досліджень, завдяки наступним можливостям:

1. замість проводити експерименти в реальних умовах, їх можна проводити на моделі;

2. моделювати ситуації, які є теоретично можливими, але раніше не спостерігались на даних об’єктах;

3. більш широке використання в процесі досліджень інтуїції та знань експертів з можливістю їх перевірки;

4. можливість змінювати час експериментів в широких межах;

5. забезпечення стабільності умов експерименту;

6. отримання максимальної кількості альтернатив поведінки системи.

Зрозуміло, що наведений перелік переваг не обходиться без певного набору недоліків. По-перше, реальний об’єкт вже існує, а його модель необхідно створювати, використовуючи час, людські та машинні ресурси. По-друге, навіть у спеціалістів високого рівня досить високим є відсоток можливості хибної імітації, коли модель не продемонструє якусь з властивостей реального об’єкта, або навпаки – покаже властивість, якої насправді не існує. По-третє, далеко не кожен алгоритм, логічний або математичний опис можуть бути реалізовані, а потім змодельовані на ЕОМ через свою складність або невизначеність. І нарешті, якщо виявляється похибка, або вада моделі – її зміна, або виправлення віднімає часто-густо більше часу, аніж процес моделювання.