1. Математическое обеспечение асоиу

Под математическим обеспечением АСОИУ понимается совокупность математических методов, моделей и алгоритмов, примененных в АСОИУ [1]. Согласно [10] основной документ, содержащий описание решений по математическому обеспечению называется «Описание алгоритма (проектной процедуры)». Документ содержит информацию о

1. назначении алгоритма;

2. процессе (объекте), при управлении которым используют алгоритм;

3. об ограничении на возможность и условия применения алгоритма и характеристиках качества решения;

4. о требованиях к входным и выходным данным;

5. массивах информации и (или) сигналов, используемых при реализации алгоритма;

6. о логике алгоритма

7. о способах формирования результатов и результаты решения.

Алгоритм в виде схемы выполняют по правилам, установленным ГОСТ 19.002 [20] или ГОСТ 19.005 [21]. Алгоритм может быть описан в виде текста, выполненный по правилам, установленным ГОСТ 24.301 [22].

В автоматизированных системах обработки информации и управления могут применяться различные математические модели и методы [4]. К ним относятся.

Оптимизационные задачи. Формализуется некоторая целевая функция, зависящая от параметров модели. Целью решения задачи оптимизации является нахождение таких значений параметров модели при которых целевая функция достигала максимума или минимума. Для решения таких задачи применяются методы условной и безусловной оптимизации. Кроме этого следует отметить, что если при поиске используются первая или вторая производные целевой функции, то речь идет о методах первого и второго порядка соответственно [23].

Задачи принятия решения (ЗПР). ЗПР в общем виде является задачей выбора альтернативы из множества альтернатив A, в соответствии с множеством критериев К c использованием модели М позволяющей для каждой альтернативы рассчитать вектор критериев и некоторого решающего правила П для выбора подходящей альтернативы в многокритериальной ситуации.

Задачи аппроксимации и экстраполяции. Данные задачи применяются для решения задачи идентификации объекта управления, т.е. получения модели функционирования объекта на основе входной и выходной информации [24]. Для решения данного рода задач используются регрессионные модели (линейные и нелинейные), а также модели основанные на моделях искусственного интеллекта, например искусственные нейронные сети [25].

Задача классификации (кластеризации). Данная задача применяется для автоматического определения принадлежности объекта тому или иному классу. Для решения применяются методы, основанные на вычислении декартова расстояния между компонентами вектора, характеризующего объект.

Деревья решений. Деревья решений – это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение [26].

Отметим, что автоматизированные системы, реализующие элементы анализа данных (Data Mining) относятся к классу Business Intelligence – систем поддержки принятия решения, например система анализа данных в среде облачных вычислений iCDMS (www.iclouddatamining.com).