- •Оглавление
- •Глава 1. Основы системного анализа 4
- •Глава 2. Основы оценки сложных систем 34
- •Глава 3. Примеры концептуальных моделей и методик оценивания систем 75
- •Глава 4. Основы управления 89
- •Глава 5. Математический инструментарий в управлении проектами с учётом рисков 127
- •Основы системного анализа
- •1.1. Сущность автоматизации управления в сложных системах
- •1.1.1. Структура системы с управлением
- •1.1.2. Пути совершенствования систем с управлением
- •1.1.3. Цель автоматизации управления
- •1.2. Основные понятия системного анализа
- •1.2.1. Задачи системного анализа
- •1.2.2. Понятие системы как семантической модели
- •1.2.3. Классификация систем
- •1.2.4. Основные определения системного анализа
- •1.3. Модели сложных систем
- •1.3.1. Классификация видов моделирования систем
- •1.3.2.Принципы и подходы к построению математических моделей
- •1.3.3. Этапы построения математической модели
- •1.4. Принципы и структура системного анализа
- •1.4.1. Принципы системного анализа
- •1.4.2. Структура системного анализа
- •Формирование общего представления системы
- •Основы оценки сложных систем
- •2.1. Основыные типы шкал измерения
- •2.1.1. Понятие шкалы
- •2.1.2. Шкалы номинального Типа
- •2.1.3. Шкалы порядка
- •2.1.4. Шкалы интервалов
- •2.1.6. Шкалы отношений
- •2.1.6 Шкалы разностей
- •2.1.7. Абсолютные шкалы
- •2.2. Обработка характеристик, измеренных в разных шкалах
- •2.3. Показатели и критерии оценки систем
- •2.3.1. Виды критериев качества
- •Соотношение понятий качества и эффективности систем
- •2.3.2. Шкала уровней качества систем с управлением
- •2.3.3. Показатели и критерии эффективности функционирования систем
- •2.4. Методы оценивания систем разделяются на качественные и количественные.
- •2.4.1 Методы типа «мозговая атака» или «коллективная генерация идей»
- •2.4.2. Методы типа сценариев
- •2.4.3. Методы экспертных оценок
- •2.4.4. Методы типа дельфи
- •2.4.5. Методы типа дерева целей
- •2.4.6. Морфологические методы
- •2.5. Методы количественного 0ценивания систем
- •2.5.1. Оценка сложных систем на основе теории полезности
- •2.5.2. Оценка сложных систем в условиях определенности
- •2.5.3. Оценка сложных систем в условиях риска на основе функции полезности
- •Данные для оценки вычислительной сети
- •2.5.4. Оценка сложных систем в условиях неопределенности
- •Оценка эффективности для неопределенных операций
- •Матрица эффективности программных продуктов
- •Матрица потерь
- •Сравнительные результаты оценки систем
- •2.5.5. Оценка систем на основе модели ситуационного управления
- •Примеры концептуальных моделей и методик оценивания систем
- •3.1. Способы измерения компьютерных систем
- •3.2. Тесты dhrystone, linpack и «ливерморские циклы»
- •3.3. Методика spec
- •3.4. Тест icomp 2.0 для оценки эффективности микропроцессоров intel
- •3.5. Методика aim
- •3.6. Методика оценки скорости обработки транзакций
- •3.7. Методика оценки графических возможностей
- •3.8. Методика оценки производительности суперкомпьютеров
- •3.9 Методика оценки конфигураций web
- •Основы управления
- •4.1. Общие положения
- •4.1.1. Аксиомы теории управления
- •4.1.2. Принцип необходимого разнообразия эшби
- •4.2. Модели основных функций организационно-технического управления
- •4.2.1. Содержательное описание функций управления
- •4.2.2. Модель общей задачи принятия решении
- •4.2.3. Модель функции контроля
- •4.2.4. Методы прогнозирования
- •4.2.5. Модель функции планирования
- •4.2.6. Модели функции оперативного управления
- •4.3. Организационная структура систем с управлением
- •4.3.1. Понятие структуры системы
- •4.3.2. Понятие организационной структуры и ее основные характеристики
- •4.3.3. Виды организационных структур
- •4.4. Качество управления
- •4.4.1. Степень соответствия решений состояниям объекта управления
- •4.4.2. Критерии ценности информации и минимума эвристик
- •4.4.3. Требования к управлению в системах специального назначения
- •Математический инструментарий в управлении проектами с учётом рисков
- •5.1. Предварительный выбор объекта инвестирования с помощью дерева решений
- •5.1.1. Понятие экономического риска
- •5.1.2. Понятие инвестиционного проекта
- •5.1.3. Примеры задач по привлечению инвесторов
- •5.1.4. Анализ и решение задач с помощью дерева решений
- •5.1.5. Пример процедуры принятия решения
- •5.2. Прогнозирование реализации инвестиционного проекта с помощью логистических кривых
- •5.2.1. Логистичекий подход при решении задач управления материальными и денежными потоками
- •5.2.2. Система управления процессом реализации инвестиционного проекта
- •5.2.3. Основные тренды переходного процесса
- •5.2.4. Выбор варианта освоения инвестиций
- •5.3. Теория дискретного управления для анализа экономических систем
- •5.3.1. Дискретная система и ее передаточная функция
- •5.3.2. Передаточная функция экономической системы
- •5.3.3. Модель в контуре управления экономической системы
- •5.3.4. Двушкальные системы
- •5.4. Модель анализа устойчивости инвестиционного процесса
- •5.4.1. Базовый инструментарий оценки устойчивости процесса освоения инвестиций
- •5.4.2. Перечисление инвестиционных сумм частями
- •5.4.3. Критерий устойчивости инвестиционного процесса
- •5.5. Методика определения объема финансирования с учетом устойчивости инвестиционного процесса
1.2.2. Понятие системы как семантической модели
Строгого, единого определения для понятия «система» в настоящее время нет. В качестве «рабочего» определения в литературе под системой в общем случае понимается совокупность элементов и связей между ними, обладающая определенной целостностью.
Рассматривая систему относительно построения ИС, более полно это определение можно пояснить на основе понятия модели.
Пусть А и В - два произвольных множества. Функция f, однозначно ставящая в соответствие каждому элементу а А элемент f(а) В, называется отображением множества А в множество В и обозначается как f: А В или .
Элемент f(a) = b называется значением элемента а при отображении f, или образом а; А - область определения, В - область значений отображения f.
Если есть элементы bj В, не являющиеся образом никаких элементов ai А, то отображение f называется отображением «в» В. Если f (А) = В, то отображение f называется отображением «на» В.
Функция f -1(B) - множество элементов из А,образы которых принадлежат В, называется прообразом множества В, т.е. f -1(B) = {a A | f(a)B}.
В общем случае f -1 может не быть отображением «в» или «на» А, так как функция f -1 может быть неоднозначной.
Отображение f называется взаимно однозначным, если каждый элемент множества В является образом не более чем одного элемента из А.
Отображение/множества А на (в) В называется гомоморфизмом множеств, если выполняется условие где ai A, f(ai) B.
Изоморфизм множества А на В является взаимно однозначным гомоморфизмом, т. е. .
Введенные понятия позволяют определить модель как изоморфизм А в , где A - множество фиксированных элементов предметной области с исследуемыми связями, отношениями между этими элементами, - абстрактное множество, задаваемое кортежем
где {M} - множество элементов модели, соответствующих элементам предметной области, называемое носителем модели;
Р1 , Р2,..., Рп - предикаты, отображающие наличие того или иного отношения между элементами предметной области.
Предикат - это логическая n-я пропозициональная функция, определенная для предметной области и принимающая значения либо истинности, либо ложности.
Носитель модели является содержательной областью предикатов p1, Р2,..., Рп Предикаты называются сигнатурой модели .
Выбор носителя и сигнатуры при построении модели определяется предметом исследования.
Уточним теперь понятие системы, ориентированное на задачи декомпозиции, анализа и синтеза, т.е. на проведение преобразования a b между двумя подмоделями.
Системой называется кортеж
Здесь a - подмодель, определяющая поведение системы. Иногда эта подмодель может рассматриваться как «черный ящик», о котором известно лишь то, что на определенные воздействия он реагирует определенным образом;
b- подмодель, определяющая структуру системы при ее внутреннем рассмотрении;
P0(a , b) - предикат целостности, определяющий назначение системы, семантику (смысл) моделей a и b а также семантику преобразования a b.
P0(a , b) =1, если преобразование a b существует при взаимно однозначном соответствии между элементами носителей моделей a и b, в противном случае P0(a , b) =0. Наличие предиката целостности позволяет говорить о том, что система - это семантическая модель, имеющая внутреннюю интерпретацию.
Подмодель a может быть представлена в виде кортежа, включающего пять объектов:
где х - x(t) - входной сигнал, т.е. конечное множество функций времени t: <x0(t), …,xk(t)>;
у=y(t) - выходной сигнал, представляющий собой конечное множество функций у=<y1(t),...,ym(t)>;
z = z(t) - переменная состояния модели a также характеризующаяся конечным множеством функций z=<z1(t),...,zm(t)>, знание которых в заданный момент времени позволяет определить значения выходных характеристик модели a;
f и g - функционалы (глобальные уравнения системы), задающие текущие значения выходного сигнала у(t) и внутреннего состояния z(t):
Соотношения (1.4) и (1.5) называют уравнением наблюдения и уравнением состояния системы соответственно. Если в описание системы введены функционалы f и g,, то она уже не рассматривается как «черный ящик». Однако для многих систем определение глобальных уравнений оказывается делом трудным и зачастую даже невозможным, что и объясняет необходимость использования этого термина.
Кроме выражения (1.2) систему задают тремя аксиомами.
Аксиома 1. Для системы определены пространство состояний Z, в которых может находиться система, и параметрическое пространство Т, в котором задано поведение системы.
В связи с этим математические описания вида (1.3) принято называть динамическими системами, так как они отражают способность систем изменять состояния z (t) в параметрическом пространстве Т. В отличие от динамических статические системы таким свойством не обладают. В качестве параметрического пространства обычно рассматривается временной интервал (0, ).
Аксиома 2. Пространство состояний Z содержит не менее двух элементов. Эта аксиома отражает естественное представление о том, что сложная система может находиться в разных состояниях.
Аксиома 3. Система обладает свойством функциональной эмерджентности.
Эмерджентность (целостность) - это такое свойство системы S, которое принципиально не сводится к сумме свойств элементов, составляющих систему, и не выводится из них:
где yi - i-я характеристика системы S; m - общее количество характеристик.
При таком рассмотрении система является совокупностью моделей и, главное, отражает семантику предметной области в отличие от не интерпретированных частных математических моделей. Другими словами, система - это совокупность взаимосвязанных элементов, обладающая интегративными свойствами (эмерджентностью), а также способ отображения реальных объектов.
В рамках изучаемой дисциплины под сложной кибернетической системой понимается реальный объект с управлением и его отображение в сознании исследователя как совокупность моделей, адекватная решаемой задаче.