- •1. Информационный процесс как неотъемлемый алгоритмический элемент системы управления.
- •2. Основные причины возникновения и развития системных представлений.
- •3. Понятие проблемной ситуации. Роль системного подхода к постановке и решению задач с большой неопределённостью.
- •4. Основные признаки системности. Системность и алгоритмичность.
- •5. Системность как всеобщее свойство материи. Повышение системности как форма развития.
- •6. Внутренняя системность познавательных процессов. Системность мышления как проявление системности окружающего мира.
- •7. Проявление системности в практической деятельности человека.
- •8. Основные этапы истории развития системных представлений 19-20-го веков (тектология, кибернетика, общая теория систем, синергетика и др.)
- •9. Развитие междисциплинарных направлений 20-21-го веков, основанных на системном подходе (теория систем, системология, системотехника, системный анализ и др.).
- •10. Системный анализ как конструктивное направление системных исследований. Сходства и различия с другими системными подходами.
- •11. Множественность определений понятия системы. Искусственная система как средство достижения цели.
- •12. Естественные системы. Расширение класса целенаправленных систем за счёт введения понятий субъективной и объективной целей.
- •13. Основные понятия, характеризующие состав, структуру и поведение системы.
- •14. Формы представления структуры и поведения системы. Положительные и отрицательные обратные связи.
- •15. Разнообразие признаков классификации систем.
- •16. Типы ресурсов, используемых при построении и эксплуатации систем. Различие понятий «большой» и «сложной» системы.
- •17. Различие типов сложности системы. Подходы к оценке сложности.
- •18. Работа системы в режимах функционирования и развития. Развивающиеся и саморазвивающиеся системы.
- •19. Основные группы закономерностей функционирования и развития систем.
- •20. Закономерности взаимодействия части и целого. Эмерджентность.
- •21. Закономерности иерархичности. Коммуникативность.
- •22. Закономерности осуществимости систем. Эквифинальность.
- •23. Закон «необходимого разнообразия» у. Р. Эшби.
- •24. Закономерность возрастания и убывания энтропии/негэнтропии в системе (закономерность самоорганизации).
- •25. Закономерность устойчивости гомеостатической системы (принцип Ле-Шателье-Брауна).
- •26. Принцип 20/80 (закон в. Парето).
- •27. «Качественные» методы разработки и описания систем типа «мозговой атаки».
- •28. Методы типа сценариев.
- •29. Методы экспертных оценок.
- •30. Методы типа «Дельфи».
- •31. Методы типа «дерева целей».
- •32. Морфологические методы.
- •33. Формализация процесса исследования системы на основе методики системного анализа.
- •34. Методы формализованного представления систем («количественные»). Классификация ф. Е. Темникова.
- •35. Моделирование – неотъемлемый этап целенаправленной деятельности.
- •36. Модель как способ существования знаний. Понятие о системном гомоморфизме и изоморфизме.
- •37. Основные требования к правильно построенной модели.
- •38. Разнообразие принципов классификации моделей.
- •39. Цель как модель желаемого состояния. Познавательные и прагматические модели.
- •40. Материальные и идеальные модели. Виды подобия.
- •41. Соответствие между моделью и действительностью: сходство и различия. Сочетание истинных и ложных черт в модели.
- •42. Основные подходы к построению математических моделей процессов и систем.
- •43. Математическое моделирование. Аналитические и имитационные модели.
- •44. Case-технологии и их применение в структурном моделировании.
- •45. Основные направления и характерные черты компьютерного моделирования.
- •46. Компьютерное моделирование на основе тематических пакетов прикладных программ.
- •47. Место имитационных моделей в общей структуре средств компьютерного моделирования. Языки и системы имитационного моделирования.
- •48. Достоинства и недостатки имитационного моделирования.
- •49. Основные этапы построения имитационной модели и задачи, решаемые в ходе её создания.
- •50. Кибернетический подход. Основные законы управления.
46. Компьютерное моделирование на основе тематических пакетов прикладных программ.
М2 — компьютерное моделирование, когда математическая модель интерпретируется в программу для ЭВМ. КМ разделилось на четыре направления. М2.1 — методы Монте Карло или методы вычислительной математики, использующие методы М1.2 (приближенные численные методы, когда все объекты аппроксимируются числами или их комплектами в принятой числовой сетке, а результаты получаются в виде таблиц или графиков) с учетом возможностей современных компьютеров. Этими методами можно вычислять любые, не берущиеся аналитическим путем, многократные интегралы, решать системы уравнений. М2.2 — методы ИМ (simulation). Позволяет путем многократного повторения набрать необходимые статистические данные и судить о состоянии объекта в различные моменты времени, оценивать выходные характеристики, выбирать оптимальное поведение или проводить сравнение альтернативных вариантов. (SIMULA, SIMSCRIPT, GPSS (GENERAL PLUS SIMULATION SYSTEM), SMPL, MIMIC, DYNAMO и др.). М2.3 — методы статистической обработки данных моделирования на основе методов планирования эксперимента. Разработаны большое число пакетов прикладных программ (ППП), которые условно можно разбить на три группы: — пакеты углубленного статистического анализа, написанные специалистами по статистике для таких же специалистов, с собственным языком, позволяющим программировать новые статистические процедуры (SAS, Statgraphics); — пакеты базовой статистики, ориентированные на пользователей, не являющихся специалистами по статистическому анализу, и содержащие классические методы анализа с дружественным пользовательским интерфейсом в виде многочисленных пояснений, примеров и подсказок, среди них необходимо отметить прекрасный раздел по статистике в ППП MATLAB и ППП «Статистика»; — проблемно ориентированные пакеты, использующие терминологию и критерии в данной предметной области (экология, медицина и т. п.). М2.4 — комплексы ИМ, объединяющие все названные виды КМ, пользовательский интерфейс, автоматизированные системы поддержки принимаемых решений и т. д.
47. Место имитационных моделей в общей структуре средств компьютерного моделирования. Языки и системы имитационного моделирования.
М2 — компьютерное моделирование, когда математическая модель интерпретируется в программу для ЭВМ. КМ разделилось на четыре направления. . М2.2 — методы ИМ (simulation). Позволяет путем многократного повторения набрать необходимые статистические данные и судить о состоянии объекта в различные моменты времени, оценивать выходные характеристики, выбирать оптимальное поведение или проводить сравнение альтернативных вариантов. По Р. Шеннону, имитация — это «процесс конструирования реальной системы и постановки эксперимента на ней». При этом любые характеристики определяются за счет проведения прогона или нескольких прогонов модели, каждый из которых включает заданное число реплик (реализаций вычислительного эксперимента). Имитацию можно разбить на: конструирование и эксперементная разработка систем.: 1) рассматривать случайные процессы функционирования системы и определять статистические характеристики, что интересно в первую очередь разработчикам и исследователям системы; 2) при известном или детерминированном процессе функционирования системы определять разные варианты построения, элементов конструкции или стратегии управления, что интересно в первую очередь конструкторам, архитекторам или менеджерам. Оба направления имеют право претендовать на соответствие классическому определению Шеннона. Чтобы уяснить место имитационных моделей в общей структуре ПО, рассмотрим уровни построения ПО. Уровень 1. Машинные коды, автокоды, машинно-ориентированные языки, операционные системы. Уровень 2. Алгоритмические языки высокого уровня (С++, Pascal и др.), системы программирования СУБД. Уровень 3. Специализированные алгоритмические языки моделирования, в том числе и имитационного (SIMULA, SIMSCRIPT, GPSS(GENERAL PLUS SIMULATION SYSTEM), SMPL, MIMIC, DYNAMO и др.). Уровень 4. Интегрированные системы ИМ (например, SLX, CUM, некоторые реализации DYNAMO), автоматизированные системы искусственного интеллекта (экспертные, поддержки принятия решений). Объекты 1 го уровня не требуют никаких комментариев. Языки 2 го уровня при их универсальности дороги и сложны. Языки 3 го уровня, теряя в универсальности, приобретают направленность на конкретную область и становятся простыми. Отметим, что GPSS/H, сохранив все преимущества языков 3 го уровня, вобрал в себя многие положительные черты языков 2 го уровня. Учитывая, что число ЯИМ на сегодняшний день превышает 600, выбор ЯИМ зависит от многих факторов: предметной области, квалификации пользователя, наличия соответствующей ИТ и т. д. Языки ИМ обладают рядом весьма привлекательных достоинств: — удобством описания структуры исследуемой системы; — учетом динамики функционирования и начальных условий; — возможностью повторения испытаний; — возможностью отладки и контроля; — сбором и анализом необходимой статистики и принятием решений; — простотой восприятия; — простотой обучения; — возможностью использования разработчиками системы, не являющимися специалистами в области математики и программирования. Четвертый уровень включает в себя проблемно ориентированные интерактивные системы, которые можно разделить на автоматизированные экспертные, оптимизационные системы, а также имитационно моделирующие комплексы