Модели сложных систем.

Моделирование - процесс исследования реальности, включающий построение, изучение свойств и перенос полученных сведений на моделируемую систему.

Общими функциями моделирования являются:

- описание

- прогнозирование реальной системы

Типовыми целями моделирования является поиск оптимальных или близких к оптимальным, оценка эффективного решения, оценка чувствительных решений или свойств системы. Установление связи между характеристиками системы, перенос информации во времени.

Важнейшим качеством модели является формирование упрошенного образа, отражающего не все свойства прототипа, а только те, которые существенно важны для исследования. Сложные системы характерны выполнениями процессами или функциями, структурой и поведением во времени. Для адекватного моделирования этой системы в информационной технологии различают функциональную, информационную и поведенческую модели. Они не являются сугубо автономны.

Функциональные модели характеризуют морфологичные системы, т.е. ее построение, а значит состав функциональной подсистемы и их взаимосвязь.

Информационная модель отражает отношение между элементами системы в виде структур данных ( состав и взаимосвязи)

Поведенческая или событийная модель описывает информационные процессы через состояние системы, события, переход от одного состояния к другому, условия перехода.

Основные области применения модели:

- обучение

- научные исследования

- управление

Классификация видов в моделировании системы Моделирование систем

1. Полное моделирование

   2. Детерминирование

   3. Статическое

   4. Дискретная

   5. Мыслимая

1.5.1.Наглядная

- гипотетическая

- аналоговая

- макетирование

1.5.2. Символическая

- языковая

- знаковая

1.5.3. Математическое моделирование

- аналитическое

- имитационное

- комбинированное

- информационное

- структурное

- ситуационное

2. Неполное моделирование

3. Приближенное

3.1. Стохастическое (вероятное)

3.2. Динамическое

3.3. Непрерывное

3.4.Реальное

3.4.1 Натуральное

- научный эксперимент

- комплексное испытание

- производственный эксперимент

3.4.2. Физическое

- в реальном времени

- в модельном времени

Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий

Стохастическое – учитывает вероятностные процессы и события.

Мыслимое моделирование – применяется, если модели не реализовались на данном интервале времени или невозможно создать условия для физической реализации таких моделей.

Гипотетическое моделирование – закладывается определенная гипотеза о закономерности протекания процесса в реальном объекте. Обычно она отражает уровень знаний о данных процессах.

Символическое моделирование – искусственный процесс создания логического объекта, который выражает его основные свойства с помощью определенной системы знаков и символов.

Языковое моделирование - в его основе некоторый тезаурус ( объем понятий для посвященных), образованный из понятий исследуемой области.

В отличие от словаря тезаурус очищен от неоднозначности, т.е. каждому слову – одно понятие.

Математическое моделирование – это процесс установления соответствия данному реальному объекту, некоторого математического объекта называемого математической моделью.

Вид математической модели зависит кат от реального объекта, так и от задач исследования объекта. Для предоставления математической модели используют различные формы записи, в т.ч. инвариантную, аналитическую, алгоритмическую, графическую.

Инвариантное моделирование - описывает систему как совокупность входов, выходов и процессора.

Аналитическое моделирование – представляет собой исходящее управление модели, выражающей результаты, как функции входов и переменного состояния.

Аналитическое моделирование исследуется несколькими методами:

- аналитическим (когда получена формальная зависимость связи искомых характеристик с параметром состояния системы)

- численный метод (позволяет получит конкретные результаты, если их информировали о данных начальных условиях.)

Имитационное моделирование – воспроизводится алгоритм функций системы во времени. В этом случаи сохраняется логическая структура имитирующих явлений, что дает возможность оценить развитие параметров системы во времени.

Наиболее известным имитационным методом является метод статистических испытаний или метод Монте-Карло. Это численный метод, который применяется для моделирования случайных величин и функций, вероятные характеристики которых совпадают с решением аналитических задач. Он состоит в многократном воспроизведении случайных функций.