- •Методические рекомендации к курсу «теория систем и системный анализ»
- •Предисловие
- •Введение
- •Лекция №1 Тема: Основные понятия и определения
- •1. Краткая историческая справка
- •2. Связь предмета с другими дисциплинами учебного плана
- •3. Определение системы
- •4. Улучшение систем
- •5. Проектирование систем
- •6.Сущность и принципы системного подхода
- •7. Основные характеристики системы
- •Элемент
- •Подсистема
- •Окружающая среда
- •Структура
- •Иерархия
- •Состояние
- •Более полно состояние можно определить, если рассмотреть элементы ( компоненты, функциональные блоки), определяющие состояние.
- •Поведение
- •Внешняя среда
- •Процесс преобразования
- •Входные элементы и ресурсы
- •Выходные элементы
- •Назначение и функция
- •Признаки
- •Задачи и цели
- •Проблемы согласования целей
- •Принятия решений
- •Отношение
- •Системный подход с точки зрения управления
- •Определение границ системы в целом и границ окружающей ее среды.
- •10. Установление целей системы.
- •Описания управления системой.
- •Лекция №2 Тема: Элементы теории алгоритмов
- •1. Алфавитный оператор
- •2. Запись алгоритмов. 3. Оперативные схемы. 4. Граф-схемы алгоритмов.
- •5. Построение алгоритмов
- •Лекция №3 Тема: Элементы теории Марковских процессов
- •1. Марковский процесс
- •2. Классификация состояний
- •3. Отображение марковской цепи в виде графа
- •4. Управляемые марковские цепи
- •Лекция №4 Тема: Виды информационных систем
- •1. Понятие информации
- •1.1. Информационное поле.
- •1.2. Классификация и основные свойства единиц информации
- •2. Классификация информационных систем
- •2.1. По происхождению.
- •2. 2. По степени объективности существования.
- •По виду отображаемого объекта. Технические, биологические и др. Систем.
- •2.4. По виду формализованного аппарата представления системы (детерминированные и стохастические).
- •2.5. По степени взаимосвязи с окружением (открытые, закрытые, относительно обособленные):
- •2.6. По степени внутренней организации (хорошо организованные, плохо организованные системы и самоорганизующиеся). Хорошо организованные системы.
- •Плохо организованные системы.
- •Самоорганизующиеся системы.
- •2.7. По уровню сложности структуры (суперсложные, большие и сложные, подсистемы, элементы).
- •2.8. По уровню сложности структуры (суперсложные, большие и сложные, подсистемы, элементы); Сложность системы
- •Структурная сложность
- •Многообразие
- •Динамическая сложность
- •Случайность в сравнении с детерминизмом и сложностью
- •Задачи исследования сложных систем.
- •Задача исследования системы.
- •2. 9. По состоянию во времени (статические и динамичные). Шкалы времени
- •2.10. По обусловленности процессов управления (управляемые и самоуправляемые).
- •2.12По методам моделирования процесса развития (методы индукционного и редукционного моделирования). Лекция №5 Тема: Этапы исследования систем
- •1. Системный подход и системный анализ
- •1.1. Системный подход
- •1.2. Системные исследования
- •1.3. Системный анализ
- •2. Этапы исследования систем
- •Этап определения системы
- •2.2. Этап анализа структуры системы
- •2.3. Этап формулирования общей цели и критерия системы
- •2.4. Этап декомпозиции цели управления системой и определение потребностей в средствах управления
- •Этап выявления ресурсов и процессов, композиция целей
- •Этап прогнозирования и анализ условий развития системы
- •Этап оценки целей и средств их достижения
- •Этап отбора вариантов
- •2.9. Этап диагностики существования системы
- •2.10. Этап построения комплексной программы развития
- •2.11. Этап проектирования систем организационного управления
- •Лекция №6 Тема: Закономерности систем
- •Целостность
- •Интегративность
- •Коммуникативность
- •Иерархичность
- •5. Эквифинальность
- •6. Историчность
- •7. Закон необходимого разнообразия
- •8. Закономерность осуществимости и потенциальной эффективности систем
- •9. Закономерность целеобразования
- •Лекция №7 Тема: Уровни представления информационных систем
- •1. Методы и этапы описания систем
- •2. Неформальные методы
- •2.1. Методы мозговой атаки
- •2.2. Методы сценариев
- •2.3. Методы экспертных оценок
- •2.4. Методы типа «Дельфи»
- •3. Графические методы описания систем
- •3.1. Методы типа дерева целей
- •4. Количественные методы описания систем
- •4.1. Морфологические методы
- •4.2. Три метода морфологического исследования
- •5. Уровни описания систем
- •5.1. Высшие уровни описания систем
- •5.2. Низшие уровни описания систем
- •Лекция №8 Тема: Методы системного анализа.
- •1. Методы системного анализа
- •2. Классификация методов системного анализа
- •Методы описания исследуемого объекта
- •3. Методика системного анализа.
- •Тема: Обработка измерений при анализе систем
- •1. Метод наименьших квадратов
- •2. Сущность метода статистических испытаний (метода Монте-Карло)
- •2.1. Разыгрывание дискретной случайной величины Разыгрывание полной группы событий
- •Приближенное разыгрывание нормальной случайной величины
- •2.2. Разыгрывание двумерной случайной величины
- •Лекция №10 Тема: Этапы системного анализа
- •1.Общие положения
- •2. Содержательная постановка задачи
- •3. Построение модели изучаемой системы в общем случае.
- •4. Моделирование в условиях определенности.
- •5. Моделирование системы в условиях неопределенности
- •6. Моделирование в условиях противодействия, игровые модели.
- •Лекция № 11. Тема: Формы представления модели
- •1. Нормальная форма Коши
- •2. Системы нелинейных дифференциальных уравнений различных порядков
- •3. Графы
- •4. Гиперграфы
- •Лекция №12. Тема: Теоретико-множественное описание систем
- •1. Предположения о характере функционирования систем
- •2. Система, как отношение на абстрактных множествах
- •3. Временные, алгебраические и функциональные системы
- •4. Временные системы в терминах «вход — выход»
- •5. Входные сигналы системы.
- •6. Выходные сигналы системы.
- •Лекция №13. Тема: Динамическое описание систем
- •1. Детерминированная система без последствий
- •2. Детерминированные системы с последствием
- •3. Стохастические системы
- •4. Агрегатное описание систем
- •Лекция №14. Тема: Алгоритмы на топологических моделях.
- •1. Задачи анализа топологии
- •2. Представление информации о топологии моделей
- •3. Поиск контуров и путей по матрице смежности
- •4. Модифицированный алгоритм поиска контуров и путей по матрице смежности
- •5. Сравнение алгоритмов топологического анализа
- •6. Декомпозиция модели на топологическом ранге неопределенности
- •7. Сортировка модели на топологическом ранге неопределенности
- •Моделирование систем
- •1. Моделирование систем
- •2. Математическое моделирование
- •3. Информационное моделирование
- •4. Ситуационное моделирование
2.1. Разыгрывание дискретной случайной величины Разыгрывание полной группы событий
Требуется разыграть испытания, в каждом из которых наступает одно из событий полной группы, вероятности которых известны. Разыгрывание полной группы событий сводится к разыгрыванию дискретной случайной величины.
Правило: Для того чтобы разыграть испытания, в каждом из которых наступает одно из событий А1, А2, …, Аn полной группы, вероятности которых р1, р2, …, рn известны, достаточно разыграть дискретную величину Х со следующим законом распределения:
Х 1 2 … n
P p1 p2 … pn
Если в испытании величина Х приняла возможное значение xi=i, то наступило событие Аi.
Разыгрывание непрерывной случайной величины
Известна функция распределения F(x) непрерывной случайной величины Х. Требуется разыграть Х, т.е. вычислить последовательность возможных значений хi (i=1,2, …).
А. Метод обратных функций. Правило 1. Для того чтобы разыграть возможное значение хi непрерывной случайной величины Х, зная ее функцию распределения F(x), надо выбрать случайное число ri, приравнять его функции распределения и решить относительно хi полученное уравнение F(хi) = ri.
Если известна плотность вероятности f(x), то используют правило 2.
Правило 2. Для того чтобы разыграть возможное значение хi непрерывной случайной величины Х, зная ее плотность вероятности f(x), надо выбрать случайное число ri и решить относительно хi уравнение или уравнение , где а – наименьшее конечное возможное значение Х.
Б. Метод суперпозиции. Правило 3. Для того чтобы разыграть возможное значение случайной величины Х, функция распределения которой
F(x) = C1F1(x)+C2F2(x)+…+CnFn(x),
где Fk(x) – функции распределения (k=1, 2, …, n), Сk>0, Сi+С2+…+Сn=1, надо выбрать два независимых случайных числа r1 и r2 и по случайному числу r1 разыгрывать возможное значение вспомогательной дискретной случайной величины Z (по правилу 1):
Z 1 2 … n
p C1 C2 … Cn
Если окажется, что Z=k, то решают относительно х уравнение Fk(x) = r2.
Замечание 1. Если задана плотность вероятности непрерывной случайной величины Х в виде
f(x)=C1f1(x)+C2f2(x)+…+Cnfn(x),
где fk(x) – плотности вероятностей, коэффициенты Сk положительны, их сумма равна единице и если окажется, что Z=k, то решают (по правилу 2) относительно хi относительно или уравнение
Приближенное разыгрывание нормальной случайной величины
Правило. Для того чтобы приближенно разыграть возможное значение хi нормальной случайной величины Х с параметрами а=0 и σ=1, надо сложить 12 независимых случайных чисел и из полученной суммы вычесть 6:
Замечание. Если требуется приближенно разыграть нормальную случайную величину Z с математическим ожиданием а и средним квадратическим отклонением σ, то, разыграв возможное значение хi по приведенному выше правилу, находят искомое возможное значение по формуле: zi=σxi+a.
2.2. Разыгрывание двумерной случайной величины
А. Дискретная двумерная случайная величина. Разыгрывание дискретной двумерной случайной величины (X, Y) сводится к разыгрыванию ее составляющих - одномерных дискретных случайных величин X и Y. Пусть задан закон распределения двумерной случайной величины (X, Y). Если составляющие X и Y независимы, то находят законы их распределения и по ним разыгрывают X и Y. Если составляющие зависимы, то находят закон распределения одной из них, условные законы распределения другой и по ним разыгрывают X и Y.
Б. Непрерывная двумерная случайная величина. Разыгрывание непрерывной двумерной случайной величины (X, Y) сводится к разыгрыванию ее составляющих - одномерных случайных величин X и Y.
Пусть задан закон распределения двумерной случайной величины (X, Y). Если составляющие X и Y независимы, то находят законы их распределения и по ним разыгрывают X и Y. Если составляющие зависимы, то находят закон распределения одной из них, условные законы распределения другой и по ним разыгрывают X и Y.
Расчет систем массового обслуживания с отказами методом Монте-Карло. Имитационное моделирование.
Имитационная модель (алгоритм) строится на основе исходных данных, примерный перечень которых представлен ниже.
1. Число каналов и характеристики каждого из них. Для каждого канала может быть задана: его производительность, закон распределения вероятностей продолжительности обслуживания заявки, возможно меняющийся со временем, правило вступления канала в работу в зависимости от текущего состояния СМО, как например числа работающих каналов и текущей длины очереди, правило прекращения обслуживания.
2. На входе системы может быть определено один или более случайных потоков заявок. Все они могут иметь любые законы вероятностного описания, зависимыми или независимыми между собой. Свойства потоков заявок могут меняться со временем.
3. Должна быть определена дисциплина очереди, зависящая от времени так и от состояния системы.
4. Определяется продолжительность времени моделирования (наблюдения) системы.
Имитационное моделирование основывается на имитации случайных событий, происходящих в системе и статистической обработке результатов моделирования с целью оценки качественных характеристик СМО. Для моделирования случайных событий (величин), как правило, применяются псевдослучайные датчики, вырабатывающие случайные величины с заданными характеристиками как результат работы специальных алгоритмов, являющихся частью имитационной модели.