Pristup sustava u modeliranju sustava. Sustavni pristup metodama modeliranja i pristupi modeliranju distribuiranih sustava

Klasični pristup pri izgradnji modela- pristup proučavanju odnosa između pojedinih dijelova modela osigurava razmatranje kao odraz veza između pojedinačnih objekata podsustava. Takav (klasični) pristup može se koristiti pri stvaranju dovoljno jednostavnih modela.

Dakle, razvoj modela M na temelju klasičnog pristupa znači zbrajanje pojedinih komponenti u jedan model, svaka od komponenti rješava vlastite zadatke i izoliran je iz drugih dijelova modela. Stoga se klasični pristup može koristiti za provedbu relativno jednostavnih modela u kojima se razdvajanje i međusobno neovisno razmatranje pojedinačnih aspekata funkcioniranja stvarnog objekta.

Možete zabilježiti dva prepoznatljiva aspekti klasičnog pristupa:

Postoji pokret od privatnog do generala,

Stvoreni model formiran je zbrajanjem pojedinačnih komponenti i ne uzima u obzir pojavu novog sustava sustava.

Pristup sustavima - To je element nastave o općim zakonima razvoja prirode i jedan od izraza dijalektičkog nastave.

S sustavnim pristupom sustavima modeliranja, potrebno je jasno odrediti svrhu modeliranja. Budući da je nemoguće u potpunosti simulirati realno funkcioniranje sustava, stvoren je model (model sustav ili drugi sustav). Prema tome, u odnosu na pitanja modeliranja, cilj proizlazi iz potrebnih zadataka modeliranja, što omogućuje pristup odabiru kriterije i procijeni na koji će se stavke uključiti u model M. Stoga je potrebno imati kriterij za odabirom pojedinačnih elemenata s izrađenim modelom.

Važno za sustavni pristup je odrediti strukturu sustava - skup spojeva između elemenata sustava, odražavajući njihovu interakciju.

Sustavni pristup omogućuje rješavanje problema izgradnje složenog sustava, uzimajući u obzir sve čimbenike i sposobnosti proporcionalne njihovom značaju, u svim fazama proučavanja sustava s i izgradnju modela M.

Sustavni pristup znači da je svaki sustav integriran kao integriran čak i kada se sastoji od odvojenih rastavljenih podsustava. Dakle, sustavni pristup temelji se na razmatranju sustava kao integrirane cjeline, a to razmatranje razvoja počinje s glavnim - formulacijom funkcionalnog cilja.

S strukturnim pristupomotkriven je sastav odabranih elemenata i odnos između njih. Kombinacija elemenata i spojeva između njih omogućuje prosuđivanje strukture sustava. Potonji ovisno o svrsi studije mogu se opisati na različitim razinama razmatranja. Najviše opći opis Strukture su topološki opis koji vam omogućuje da u većini odredite opći pojmovi Kompozitni dijelovi sustava i dobro formalizirani na temelju teorije grafikona.

S funkcionalnim pristupomrazmatraju se odvojene funkcije, tj. Algoritmi ponašanja sustava i funkcionalni pristup koji procjenjuje funkcije koje obavljaju sustav se provode, a funkcija se shvaća kao imovina koja dovodi do postizanja cilja. Budući da funkcija prikazuje nekretninu, a imovina prikazuje interakciju sustava s s vanjskim okruženjem E, svojstva se mogu izraziti u obliku nekih karakteristika elemenata SI (J) i SI podsustava, - Sustavi ili sustavi s općenito.

Glavne faze kompleksnih sustava.

Faza1. Određivanje cilja procjene. U analizi sustava razlikuju se dvije vrste ciljeva. Kvalitativno nazvana cilj, čija je postignuće izraženo u nominalnoj razini ili u mjerilu reda. Kvantitativno je nazvao cilj, čija je postignuće izraženo u kvantitativnim vagama.

Faza2. Mjerenje svojstava sustava koji znatno priznaje za svrhe procjene. Za to, odgovarajuće ljestvice za mjerna svojstva i sva testna svojstva u studiju dodjeljuju se određena vrijednost na ovim skalama.

Faza3. Obrazloženje preferencija kriterija kvalitete i kriterija za učinkovitost sustava na temelju svojstava izmjerenih na odabranim skalama.

Faza4. Zapravo procjena. Svi temeljni sustavi koji se smatraju alternativama uspoređuju se prema kriterijima i, ovisno o namjeni procjene, su rangirani, odabrani, optimizirani.

Koncept sustava

Živimo u svijetu koji se sastoji od mnogo različitih objekata koji imaju razne nekretnine i međusobno u interakciji. Na primjer, predmeti svijeta su planeti Sunčev sustavkoji imaju različita svojstva (mase, geometrijske dimenzije, itd.) i interakciju sa suncem i međusobno sudjeluju u skladu sa zakonom globalne gravitacije.

Svaki planet je dio većeg objekta - Sunčev sustav, koji je pak dio galaksije. U isto vrijeme, svaki planet se sastoji od atoma različitih kemijskih elemenata, koji se sastoje od elementarnih čestica. Dakle, u stvari, svaki objekt može se sastojati od skupa drugih objekata, tj. Oblikuje sustav.

Važan znak sustava je njezino holističko funkcioniranje. Sustav nije skup pojedinih elemenata, već i skup međusobno povezanih elemenata. Na primjer, osobno računalo je sustav koji se sastoji od različitih uređaja koji su međusobno povezani i hardver (povezani fizički međusobno) i funkcionalno (razmjena informacija).

Definicija 1.

Sustav je skup međusobno povezanih objekata koji se nazivaju elementima sustava.

Napomena 1.

Svaki sustav ima vlastitu strukturu koja karakterizira sastav i svojstva elemenata, njihov odnos i povezivanje između sebe. Sustav je u stanju održati svoj integritet pod utjecajem različitih vanjski faktori i unutarnje promjene sve dok je nepromijenjena njegova struktura. U slučaju promjene strukture sustava (na primjer, kada je uklonjen jedan od njegovih elemenata), može prestati raditi u cjelini. Na primjer, prilikom brisanja jednog od računalnih uređaja (na primjer, matičnu ploču), računalo će prestati raditi, tj. To će prestati raditi kao sustav.

Glavne odredbe teorije sustava pojavile su se u proučavanju dinamičkih sustava i njihovih funkcionalnih elemenata. Pod sustavom označava skupinu međusobno povezanih elemenata koji djeluju zajedno kako bi unaprijed ispunili zadatak. Uz pomoć sustava analiziranja možete odrediti naj prave načine za obavljanje zadatka, koji osiguravaju maksimalno zadovoljstvo zahtjeva.

Elementi koji čine osnovu teorije sustava stvaraju se ne uz pomoć hipoteza i dobivaju se eksperimentalno. Da biste počeli graditi sustav, morate imati opće karakteristike tehnoloških procesa koji su potrebni i pri stvaranju matematički formuliranih kriterija, koji bi trebali zadovoljiti proces ili njegov teorijski opis. Metoda modeliranja je jedna od najvažnijih metoda znanstvenog istraživanja i eksperimentiranja.

Pristup sustavima

Za izgradnju objekata modela se koristi sustavni pristup koji je metodologija za rješavanje složenih zadataka. Ova metodologija se temelji na razmatranju objekta kao sustav koji funkcionira u određenom okruženju. Sustav pristup omogućuje otkrivanje integriteta objekta, identificirati i istražiti njegovu unutarnju strukturu, kao i veze s vanjskom okruženjem. U isto vrijeme, objekt je dio stvarnog svijeta, koji se dodjeljuje i istražuje zbog čvrste zadaće izgradnje modela. Osim toga, kada se koristi sustavni pristup, sekvencijalni prijelaz iz zajedničkog do određenog, koji se temelji na razmatranju ciljnog cilja, a objekt se smatra u odnosu na okoliš.

Složeni objekt može se razdvojiti na podsustavima koji predstavljaju dijelove objekta i ispunjavaju takve zahtjeve:

1. podsustav je funkcionalno neovisni dio objekta koji je povezan s drugim podsustavima i razmjenjiva informacije i energiju s njima;
2. svaki podsustav može imati funkcije ili svojstva koja se ne podudaraju s svojstvima cijelog sustava;
3. svaki podsustav može dijeliti razinu elemenata.

Pod elementom se ovdje shvaća kao podsustav niže razine, koji se ne može dalje podijeliti s odgovarajućim položajem problema koji se rješava.

Napomena 2.

Dakle, sustav je predstavljen kao objekt koji se sastoji od skupa podsustava, elemenata i veza za njegovo stvaranje, istraživanje ili poboljšanje. U isto vrijeme, konsolidacija prezentacije sustava, koja uključuje glavne podsustave i odnose između njih, naziva se makrostrostrukture i detaljno razmatranje unutarnje strukture sustava na razinu elemenata - mikrostrukture.

Koncept overseystem je obično povezan s konceptom sustava - više visoka razinaPripravak koji uključuje predmetnu objekt, a funkcija bilo kojeg sustava može se odrediti samo prekomjerni sustav. Također je važno da je koncept okoliša skup vanjskih svjetskih objekata, što značajno utječe na učinkovitost funkcioniranja sustava, ali nisu dio sustava i njezinog nadzornog sustava.

U sustavu pristup modelima izgradnje koristi se koncept infrastrukture, koji opisuje odnos sustava s okolinom (medij).

Odabir, opis i proučavanje svojstava objekta, koji su neophodni za određeni zadatak, naziva se stratifikacija objekta.

S sustavnim pristupom u modeliranju, važno je odrediti strukturu sustava, koja se definira kao skup veza između elemenata sustava, koji odražavaju njihovu interakciju.

Postoji strukturni i funkcionalni pristup modeliranju.

U strukturnom pristupu određuje se sastav izoliranih elemenata sustava i odnos između njih. Kombinacija elemenata i veza je struktura sustava. Obično se koristi topološki opis koji se koristi za opisivanje strukture, koji omogućuje komponente sustava i odrediti njihove veze koristeći grafikone.

Rjeđe primjenjuje funkcionalni opis, u kojem se razmatraju pojedinačne funkcije - algoritmi ponašanja sustava. To implementira funkcionalni pristup koji određuje funkcije koje upravljaju sustavom.

S sustavnim pristupom moguće su razne sekvence razvoja modela na temelju dva glavna faza dizajna: makroprojektiranje i mikroprojevi. Na fazi makroprojekta izgrađena je model vanjskog okruženja, otkriveni su resursi i ograničenja, sustav sustava i kriteriji su odabrani za procjenu adekvatnosti.

Faza mikroprojektiranja ovisi o vrsti odabranog modela. Ova faza uključuje stvaranje informacija, matematičkih, tehničkih ili softver Simulacijski sustavi. Kada mikroprovoza, glavni tehnički podaci Stvoren model, procjenjuje vrijeme rada s njim i troškove resursa za dobivanje željene kvalitete modela.

Prilikom izgradnje modela, bez obzira na njegov tip, potrebno je pridržavati se načela sustavnog pristupa:

1. dosljedno kretati po fazama stvaranja modela;
2. koordinirati informacije, resurs, pouzdane i druge karakteristike;
3. ispravno povezati različite razine konstruiranja modela;
4. pridržavajte se integriteta pojedinih faza dizajna modela.

Modeli statičkih informacija

Svaki sustav nastavlja svoje postojanje u prostoru i vremenom. U različitim točkama sustava, sustav se određuje njezinim stanjem, koji opisuje sastav elemenata, vrijednosti njihovih svojstava, veličine i prirode interakcije između elemenata, itd.

Na primjer, stanje solarnog sustava u određenim točkama u vremenu opisano je sastav objekata koji su uključeni u nju (sunce, planete, itd.), Njihova svojstva (veličina, položaj u prostoru itd.), Veličina i priroda njihove interakcije (snaga gravitacije, elektromagnetskih valova i sl.).

Modeli koji opisuju status sustava u određenoj točki u vremenu nazivaju se modeli statičkih informacija.

Na primjer, u fizici, modeli statičkih informacija su modeli koji opisuju jednostavne mehanizme, u biologiji - modeli strukture biljaka i životinja, u kemiji - modelima strukture molekula i kristalnih rešetaka, itd.

Dinamički modeli informacija

Sustav može varirati tijekom vremena, tj. Postoji proces promjene sustava. Na primjer, kada se kreće planete, njihov položaj se mijenja u odnosu na sunce i među sobom; Promjena kemijski sastav Sunce, zračenje itd.

Modeli koji opisuju procese promjena i razvoja sustava nazivaju se dinamičkim informacijama.

Na primjer, u fizici, dinamički informacijski modeli opisuju kretanje tijela, u kemiji - procesi prolaska kemijskih reakcija, u biologiji - razvoj organizama ili životinjskih vrsta, itd.

Klasični pristup - Proučavanje odnosa između pojedinih dijelova i razvoja modela sustava smatra se zbrajanjem pojedinačnih komponenti u opći model. Preporučljivo je provesti relativno jednostavne modele s razdvajanjem pojedinačnih funkcija stvarnog objekta i odlučivanje o neovisnosti tih funkcija.

Proces sinteze modela m na temelju klasičnog (induktivnog) pristupa prikazan je na Sl. 1.1, a. Pravi objekt za modeliranje podijeljen je u odvojene podsustave, tj. Početni podaci su odabrani za modeliranje i postavljeni su na C, prikazujući pojedinačne strane procesa simulacije. Prema zasebnom skupu izvornih podataka, postavljena je svrha modeliranja zasebne strane funkcioniranja sustava, neka komponenta za budući model formiran je na temelju tog namjene. Kombinacija komponente se kombinira u model M. Dakle, razvoj modela m na temelju klasičnog pristupa znači zbrajanje pojedinih komponenti u jedan model, svaka komponenta rješava vlastite zadatke i izolira se iz drugi dijelovi modela.

Pristup sustavima - To je element nastave o općim zakonima razvoja prirode i jedan od izraza dijalektičkog nastave. Možete donijeti različite definicije sustava sustava, ali najprije ispravno, što vam omogućuje da procijenite informativnu suštinu ovog pristupa s ovom metodom istraživanja sustava kao modeliranje. Stoga je dodjela samog sustava sustava i vanjskog okruženja vrlo važna od objektivno postojeće stvarnosti i opisa sustava na temelju pozicija na razini sustava.

Sustavni pristup omogućuje rješavanje problema izgradnje složenog sustava, uzimajući u obzir sve čimbenike i sposobnosti proporcionalne njihovom značaju, u svim fazama proučavanja sustava i konstruiranju modela.

Sustavni pristup znači da je svaki sustav integriran kao integriran čak i kada se sastoji od odvojenih rastavljenih podsustava. Dakle, sustavni pristup temelji se na razmatranju sustava kao integrirane cjeline, a to razmatranje razvoja počinje s glavnim - formulacijom funkcionalnog cilja. Proces sinteze modela m na temelju sustava sustava uvjetno je predstavljen na Sl. 1.1, b. Na temelju izvornih podataka, D, koji su poznati iz analize vanjskog sustava, ograničenja koja su postavljena na sustav odozgo ili na temelju njegovih mogućnosti provedbe, te na temelju svrhe funkcioniranja, izvorne zahtjeve Sustav se formulira. Na temelju tih zahtjeva, otprilike nekih podsustava P, elemenata E i najteža faza sinteze se provodi - izbor u komponentama sustava, za koje posebne kriterije za odabir kvadrata.

Topic 5. Pristup modela

Model je apstraktni opis sustava (objekt, proces, probleme, koncepte) u nekom obliku osim u obliku njihovog stvarnog postojanja

Modeliranje počinje formiranjem istraživačkih subjekata - koncepti koncepata koji odražavaju značajne za simuliranje karakteristika objekta. Ovaj zadatak je prilično kompliciran, što je potvrđeno raznim interpretacijama u znanstvenoj i tehničkoj literaturi takvih temeljnih koncepata kao sustav, model, modeliranje. Takva dvosmislenost ne ukazuje na pogrešku neke i ispravnost drugih pojmova, već odražava ovisnost subjekta istraživanja (modeliranje) i iz objekta koji se razmatra i ciljevima istraživača. Posebno obilježje modeliranja složenih sustava je njegova višenamjenost i mnogostrukost metoda uporabe; Postaje sastavni dio svega Životni ciklus Sustavi. To je prvenstveno zbog tehnologije modela provedenih na temelju sredstava. računalna oprema: Dovoljno velike brzine za dobivanje rezultata modeliranja i njihove relativno niske cijene.

Pristupi modeliranju sustava

Trenutno, kada se analiziraju i sintetiziraju složeni (veliki) sustavi, razvijen je sustavni pristup, koji se razlikuje od klasičnog (ili induktivnog) pristupa. Potonji smatra da je sustav premještanjem s privatnim do opće i sinteze (dizajniran) sustav prema fuziji njezine komponente razvijen odvojeno. Nasuprot tome, sustavni pristup uključuje sekvencijalni prijelaz iz uobičajenog na privatno, kada se razmatranje temelji na svrsi, a predmet u studiju se razlikuje od okoliša.

S sustavnim pristupom sustavima modeliranja, potrebno je, prije svega, jasno definirati svrhu modeliranja. Budući da je nemoguće u potpunosti simulirati realno funkcioniranje sustava (izvorni sustav ili prvi sustav), stvoren je model (sustav modela sustava ili drugi sustav) za isporučeni problem. Dakle, u odnosu na pitanja modeliranja, cilj se događa iz potrebnih zadataka modeliranja, što vam omogućuje da se priđe odabiru kriterija i procijenite koje će stavke ući u model koji se stvara M., Stoga je potrebno imati kriterij za odabir pojedinačnih elemenata u izrađenom modelu.

Važno za sustavni pristup je odrediti strukturu sustava - skup spojeva između elemenata sustava, odražavajući njihovu interakciju. Struktura sustava može se proučavati izvana sa stajališta sastava pojedinačnih podsustava i odnosa između njih, kao i iznutra, kada se analiziraju pojedinačna svojstva, omogućujući sustavu da postigne određeni cilj, tj. Kada Proučava se funkcije sustava. U skladu s tim, došlo je do nekoliko pristupa studiji strukture sustava sa svojim svojstvima, na koje, prije svega, treba uključivati \u200b\u200bstrukturne i funkcionalne.

S strukturnim pristupom, detektira se sastav izoliranih elemenata S sustava i odnos između njih. Kombinacija elemenata i spojeva između njih omogućuje prosuđivanje strukture sustava. Potonji ovisno o svrsi studije mogu se opisati na različitim razinama razmatranja. Najopćenitiji opis strukture je topološki opis, što omogućuje određivanje kompozitnih dijelova sustava u najčešćim konceptima i dobro je formaliziran na temelju teorije grafova.

Manje uobičajeno je funkcionalni opis kada se razmatraju pojedinačne funkcije, tj. Algoritmi ponašanja sustava i funkcionalni pristup se provode, procjena funkcionira da sustav obavlja, a funkcija se shvaća kao imovina koja dovodi do postizanja cilja. Budući da funkcija prikazuje nekretninu, a imovina prikazuje interakciju sustava S. S vanjskim okruženjem W.Zatim se nekretnine mogu izraziti u obliku nekih karakteristika elemenata s I. i podsustavi S j.ili sustavi S. općenito.

Ako postoji neki referentni standard, možete unijeti kvantitativne i kvalitativne karakteristike sustava. Za kvantitativne karakteristike uvedeni su brojevi koji eksprimiraju odnose između ove karakteristike i standarda. Kvalitativne karakteristike sustava su, na primjer, korištenjem metode stručnih procjena.

Manifestacija funkcija sustava u vremenu S.(t.), tj. funkcioniranje sustava, znači prijelaz sustava iz jednog stanja u drugi, tj. Pokret u državnom prostoru C., Prilikom rada sustava S. Kvaliteta njegovog funkcioniranja vrlo je važna, određena indikatorom učinkovitosti i koja je vrijednost kriterija evaluacije učinkovitosti. Postoje različiti pristupi izboru kriterija evaluacije. Sustav S. Može se procijeniti ili skup privatnih kriterija ili neki zajednički integralni kriterij.

Treba napomenuti da je stvoreni model M. Sa stajališta sustava sustava također je sustav, tj. S."= S." (M.) i može se uzeti u obzir u odnosu na vanjsko okruženje W., Najjednostavniji na prezentaciji modela u kojem je sačuvana izravna analogija fenomena. Postoje i modeli u kojima ne postoji izravna analogija, ali samo zakoni i opći obrasci ponašanja elemenata sustava pohranjuju se S., Pravilno razumijevanje odnosa kao unutar samog modela M.i interakciju s vanjskim okruženjem W. To je u velikoj mjeri određena u kojoj je razina promatrač.

Proces sinteze modela M. Na temelju sustava sustava na slici 5.1.

Prilikom modeliranja potrebno je osigurati maksimalnu učinkovitost modela sustava. Učinkovitost se obično definira kao neku razliku između bilo kakvih pokazatelja vrijednosti dobivenih na kraju rada modela, te troškove koji su uloženi u njegov razvoj i stvaranje.

Bez obzira na vrstu korištenog modela M. Kada je izgrađena, potrebno je voditi nizom načela sustavnog pristupa: 1) proporcionalna i dosljedna promocija u fazama i smjerovima za stvaranje modela; 2) koordinacija informacija, resursa, pouzdanih i drugih karakteristika; 3) ispravan omjer pojedinačnih razina hijerarhije u simulacijskom sustavu; 4) Integritet pojedinačnih odvojivih faza izgradnje modela.

Model M. Morate odgovoriti na određenu svrhu njegovog stvaranja, stoga bi pojedini dijelovi trebali biti međusobno povezani, na temelju jedinstvenog sustava. Cilj se može formulirati kvalitativno, onda će imati veće smislene i dugo vremena može prikazati objektivne mogućnosti ovog sustava modeliranja. S kvantitativnom formulacijom nastaje ciljna funkcija, koja točno prikazuje najznačajnije čimbenike koji utječu na postizanje cilja.

Konstrukcija modela odnosi se na broj sistemskih zadataka, pri rješavanju koji sintetiziraju rješenja na temelju velikog broja izvornih podataka, na temelju prijedloga velikih timova stručnjaka. Korištenje sustavnog pristupa u ovim uvjetima omogućuje ne samo izgradnju modela stvarnog objekta, već i na temelju ovog modela za odabir potrebne količine kontrolnih informacija u stvarnom sustavu, ocijeniti pokazatelje njegove operacije i tako na osnova modeliranja pronaći najučinkovitiji dizajn i profitabilan način rada stvarnog sustava S..

Klasičan(ili induktivni) pristupmodeliranje se razmatra sustav, prelazak s privatnog do zajedničkog i sintetizira ga fuzijskom komponentom razvijenim odvojeno. Pristup sustavimato podrazumijeva dosljedan prijelaz od ukupnog iznosa do određenog kada se razmatranje temelji na svrsi, dok je objekt dodijeljen iz svijeta.

Prilikom stvaranja novog objekta korisna svojstva (Na primjer, sustavi upravljanja) su postavljeni kriterijodređivanje stupnja komunalnih svojstava. Budući da je bilo koji objekt modeliranja sustav međusobno povezanih elemenata, uvozimo koncept sustava. System S.ciljani su mnogi međusobno povezani elementi bilo koje prirode. Vanjsko okruženje. E.to je skup postojećih izvan sustava elemenata bilo koje prirode koji utječu na sustav ili pod njezinim utjecajem.

S sustavnim pristupom modeliranju, prije svega, svrha modeliranja je jasno definirana. Stvaranje modela cjelokupnog analoga originalnog slučaja dugotrajnog i skupog, stoga se model stvara u određenoj svrsi.

Važno za pristup sustavu je definiranje strukture sustava- kombinacija veza između elemenata sustava koji odražava njihovu interakciju. Postoje brojni šetnji za proučavanje sustava i njegovih svojstava, koji bi trebali uključivati \u200b\u200bstrukturne i funkcionalne. Za strukturni pristupotkriva se sastav namjenskih elemenata sustava. S.i odnos između njih. Kombinacija elemenata i veza omogućuje vam da prosudite svojstva odabranog dijela sustava. Za funkcionalan pristuprazmatraju se funkcije (algoritami) ponašanja sustava, a svaka funkcija opisuje ponašanje jednog svojstva s vanjskim utjecajem E.Takav pristup ne zahtijeva znanje o strukturi sustava, a njegov opis se sastoji od skupa funkcija njegove reakcije na vanjske utjecaje.

Klasična metoda konstruiranja modela koristi funkcionalni pristup u kojem se model prihvaća kao element komponentaopisujući ponašanje jednog svojstva i ne pokazuje pravi sastav elemenata. Osim toga, komponente sustava su izolirane jedna od druge, što loše odražava simulirani sustav. Ova metoda konstruiranja modela primjenjuje se samo za jednostavne sustave, jer zahtijeva uključivanje u funkcije koje opisuju svojstva sustava, odnos između svojstava koji mogu biti slabo definirani ili nepoznati.

S komplikacijom simuliranih sustava kada je nemoguće uzeti u obzir sve međusobne utjecaje nanošenja svojstava metoda sustava,osnovan na strukturnom pristupu. U ovom slučaju, sustav S.podijeljen na broj podsustava S L.sa svojim svojstvima koja je, naravno, lakše opisati s funkcionalnim ovisnostima, a povezane su veze između podsustava. U tom slučaju sustav djeluje u skladu s svojstvima pojedinih podsustava i veza između njih. Uklanja potrebu za opisivanjem funkcionalnog odnosa između svojstava sustava S,Čini model fleksibilnijim, budući da promjena u svojstvima jednog od podsustava automatski mijenja svojstva sustava.

Klasifikacija vrsta modeliranja

Ovisno o prirodi procesa u studiju u sustavu S.i modeliranje ciljeva Postoji mnogo vrsta modela i metoda za njihovu klasifikaciju, na primjer, u svrhu korištenja, prisutnosti slučajnih učinaka, omjera vremena, mogućnost provedbe, opseg primjene, itd. (Tablica 14).

Tablica 14. Vrste modela

Za upotrebumodeli se klasificiraju znanstveni eksperimentu kojem se model ispituje pomoću raznih sredstava za dobivanje podataka o objektu, mogućnost utjecaja na tijek procesa, kako bi se dobili nove podaci o objektu ili fenomenu; složeni testovi i eksperiment proizvodnje,pomoću terenskog testa fizičkog objekta kako bi se dobila visoka pouzdanost svojih karakteristika; optimizacijapovezan s pronalaženjem optimalnih pokazatelja sustava (na primjer, pronalaženje minimalnih troškova ili definicija maksimalne dobiti).

Prema prisutnosti utjecajasustav modela je podijeljen na određen(Nema slučajnih utjecaja u sustavima) i stohastički(U sustavima postoje probabilističke učinke). Ti isti modeli neki autori klasificiraju metodom procjene parametarasustavi: B. određenparametri sustava modela procjenjuju se jednim indikatorom za određene vrijednosti izvornih podataka; u stohastičkisustavi Prisutnost probabilističkih karakteristika izvornih podataka omogućuje vam da procijenite parametre sustava s nekoliko pokazatelja.

U odnosu na vrijememodeli se dijele statičkiopisujući sustav u određenom trenutku, i dinamičans obzirom na ponašanje sustava na vrijeme. Zauzvrat, dinamički modeli su podijeljeni u diskretnau kojima se svi događaji događaju u vremenskim intervalima i stalangdje se svi događaji događaju kontinuirano na vrijeme.

Ako je moguće, prodajamodeli su klasificirani kao mentalniopisujući sustav koji je teško ili nemoguće simulirati realno stvaranu kojem je model sustava predstavljen ili pravi objekt ili dio njega, i informacija,provedbene informacijske procese (pojava, prijenos, obrada i korištenje informacija) na računalu. S druge strane, mentalni modeli su podijeljeni vizualan(na kojem se simulirani procesi i pojave ilustriraju); simboličan(Model sustava predstavlja logičan objekt u kojem su glavna svojstva i odnosi stvarnog objekta izraženi sustavom znakova ili simbola) i matematički(predstavljaju sustave matematičkih objekata koji omogućuju dobivanje proučavanih obilježja stvarnog objekta). Pravi modeli su podijeljeni s zasićen(provođenje studije o pravom objektu i naknadnoj obradi rezultata eksperimenta koristeći teoriju sličnosti) i fizički(provođenje istraživanja o instalacijama koje čuvaju prirodu fenomena i imaju fizičku sličnost).

U smislu primjenemodeli podijeljeni univerzalannamijenjeni za korištenje od strane mnogih sustava i specijalizirana,stvoren za proučavanje određenog sustava.

Matematički modeli

Najvažnija faza u izgradnji modela je prijelaz iz smislenog opisa na formalno, što je objašnjeno sudjelovanjem u ovoj fazi stručnjaka u predmetnom području, gdje je sustav modeliranja, a stručnjaci u području modeliranja sustava , Najprikladniji jezik za njihovu komunikaciju, čija je svrha izgraditi odgovarajući model sustava, obično je jezik matematičkih opis. Matematički opis Sustavi su kompaktni i prikladni za daljnje implementacije na računalu, kako bi se obavila statistička ispitivanja,

Primjeri dinamičkih modela zgrada

Prilikom modeliranja kontinuiranih dinamičkih objekata kao modela, obično izvode diferencijalne jednadžbevezno ponašanje objekta s vremenom. Pozitivna imovina diferencijalne jednadžbe Činjenica je da ista jednadžba simulira sustave razne fizičke prirode.

Kao neovisna varijabla u dinamičkim sustavima, vrijeme od koje nepoznate vrijednosti željene funkcije koje određuju ponašanje objekta ovise. Matematički opis modela općeg oblika:

gdje - n-dimenzionalni vektori i kontinuirani.

Na primjer, proces malih oscilacija klatna opisan je uobičajenom diferencijalnom jednadžbom

.

Proces u električnoj oscilatorni kontura .

Očito, ako stavimo

Dobivamo jednadžbu koja opisuje status u vremenu oba sustava

Generalni matematički model omogućuje istraživanje jednog sustava simuliranjem rada drugog.

Modeli dinamičkih sustava na temelju diferencijalnih jednadžbi široko su korišteni u teoriji upravljanja raznim tehničkim objektima. Pod utjecajem nepoznatih poremećaja, stvarni ponašanje sustava odstupa od željenog definiranog algoritma i približiti njegovo ponašanje na potrebnu vrijednost, automatski se unosi automatski kontrola sustava. Može se ugraditi u sam sustav, ali kada je modeliranje upravljačke jedinice odvojena od samog sustava. U općem obliku, struktura višedimenzionalnog sustava automatskog upravljanja (SAU) prikazana je na Sl. 3.

Slika 3. Struktura višedimenzionalnog sustava automatskog upravljanja.

Informacijski modeli

Informacijski modeliu mnogim slučajevima, oslanja se na matematički modeli,budući da je u rješavanju zadataka, matematički model objekta prema studiju, proces ili fenomen neizbježno se pretvara u informacije za njegovu provedbu na računalu. Definiramo osnovne koncepte informacijskog modela.

Objekt informacijaopis stvarnog objekta, procesa ili fenomena u obliku skupa njezinih karakteristika (informacijski elementi), nazvan rekviziti.Informacijski objekt određene strukture (potrebna kompozicija) tip (klasa),koji je dodijeljen jedinstven ime.Informacijski objekt s posebnim pozivom karakteristika primjer.Svaka instanca je identificirana od strane zadatka. ključni rekvizite (ključ).Isti detalji u različitim informacijama mogu biti ključni i opisni. Informacijski objekt može imati više ključeva.

Primjer. Informacijski objekt Učenik ima detaljan sastav: broj(Brojanje knjige - Ključni rekviziti), prezime, ime, patronimik, datum rođenja, kod za obuku.Informacijski objekt Private: broj studenata, kućna adresa, certifikat broj srednjeg obrazovanja, bračni status, djeca.Mjesto obuke informiranja uključuje pojedinosti: kod(ključni rekviziti), naziv Sveučilišta, Fakultet, Grupa.Učitelj informacijskog objekta: kod(ključni rekviziti), odjel, prezime, ime, patronimski, stupanj, naslov znanstvenika, položaj.

Odnosi,između stvarnih objekata određuju se u informacijskim modelima kao komunikacija.Postoje tri vrste veza: jedan na jedan (1: 1), jedan do mnogih(1: ∞) i mnogo za mnoge(∞: ∞).

Komunikacija jedan na jedanodređuje korespondenciju na jedan primjer informacijskog objekta X od ne više od jednog slučaja informacijskog objekta Y, i obrnuto.

Primjer. Informacijski objekti Student i privatne poslove bit će povezani s stavom jedan na jedan.Svaki student ima određene jedinstvene podatke u osobnom slučaju.

Kada je spojen jedan do mnogihjedan primjer informacijskog objekta X može odgovarati bilo kojem broju slučajeva informacijskog objekta Y, ali svaka instanca objekta Y nije povezana ne više od jedne instance X objekta.

Primjer.Između informacijskih objekata, mjesto studija i student mora uspostaviti komunikaciju jedan do mnogih.Isto mjesto učenje može se više puta ponavljati za različite studente.

Komunikacija mnogo za mnogeosigurava usklađenost na jedan primjer informacija objekta X bilo koji broj slučajeva objekta Y, i obrnuto.

Primjer.Informacijski sadržaji učenik i učitelj imaju vezu mnogi mnogima.Svaki student upisuje se u mnoge učitelje, a svaki učitelj uči mnoge studente.

Primjeri informacijskih modela

Definiramo informacijski model kao povezani skup informacijskih objekata koji opisuju informativne procese u području predmetnog područja u studiju. Postojeći modeli informacija podijeljeni su na univerzalne i specijalizirane. Univerzalni modeli namijenjeni su za uporabu u različitim predmetnim područjima, uključuju: baza podatakai sustavi za upravljanje bazom podataka, automatizirani sustavi upravljanja, baze znanja, stručnjaci.Specijalizirani modeli osmišljeni su za opis specifičnih sustava, jedinstveni su u svojim mogućnostima, skuplji.

Univerzalni modeli.

Baza podataka

Baza podatakaprikazan je pridruženi skup strukturiranih podataka koji se odnose na određeni proces ili fenomen u određenom predmetu.

Sustav upravljanja bazom podatakato je softverski paket za stvaranje, organiziranje potrebne obrade, pohrane i prijenosa baza podataka.

Kernel bilo koja baza podataka je model prezentacije podataka.Model podataka predstavlja razne strukture podataka i međusobnih odnosa između njih.

Razlikovati hijerarhijski, umrežavanjei relacijskimodel podataka. Hijerarhijski model predstavlja komunikaciju između objekata (podataka) u obliku stabla.

Glavni pojmovi hijerarhijskog modela uključuju:

čvor- skup atributa podataka koji opisuju objekt;

Komunikacija- Linija koja povezuje niske razine niske razine s jednim čvorom razine iznad razine. U ovom slučaju se naziva čvor razine iznad presenza niže razine čvorova koji odgovaraju njemu, zauzvrat se nazivaju niske razine čvorovi potomcipovezan s njima iznad čvora (na primjer, na slici 4. čvor B1 - Preci za CI čvorovi, C2 i čvorovi C1, C2 - potomci čvora B1);

razina- Broj sloja čvora, broji iz korijena.

Slika 4. Hijerarhijski model podataka

broj drvećebaza podataka određuje se brojem korijenski zapisi.Svaki čvor ima jedini način iz korijena.

Struktura mrežeima iste komponente kao hijerarhijske, ali svaki čvor može biti povezan s bilo kojim drugim čvorom (sl. 5). Mrežni pristup organizaciji podataka je ekspanzija hijerarhijske. U hijerarhijskim modelima, post-potomak bi trebao imati samo jedan predak; U mreži - potomak može imati bilo koji broj predaka.

Slika 5. Model mrežnog podatkovnog podatka

Oba ova modela nisu bila raširena zbog složenosti implementacije grafikona u obliku strojnih struktura podataka, osim toga, teško je napraviti operacije pretraživanja informacija.

Treći model podataka primio je skalaran - relacijskitakođer može opisati hijerarhijski i mrežni model. Relacijski model je usmjeren na organizaciju podataka u obliku dvodimenzionalnih tablica.

Umjetna inteligencija

Ideje modeliranja ljudskog uma poznate su iz antičkih vremena. Prvi put se spominje u sastavu filozofa i želje Ramunda Lilly(OK 1235 - OK.1315) "Velika umjetnost", koja nije samo izrazila ideju logičkog stroja za rješavanje različitih zadataka, na temelju univerzalne klasifikacije koncepata (XIV. Stoljeća), ali je također pokušao provesti. Rene descartes(1596-1650) i Gottfried Wilhelm Leibnitz(1646-1716) neovisno jedni od drugih razvio je doktrinu urođene sposobnosti uma na znanje i univerzalne i potrebne istine logike i matematike, radili na stvaranju univerzalnog jezika klasifikacije svih znanja. Na ovim idejama na temelju teoretska osnova stvaranje umjetne inteligencije. Poticaj za daljnji razvoj modela ljudskog razmišljanja bio je izgled u 40-ima. XX. Stoljeće RAČUNALO. Godine 1948. američki znanstvenik Norbert Wiener(1894-1964) formulirali su glavne odredbe nove znanosti - kibernetike. Godine 1956., na Sveučilištu Stenford (SAD) na seminaru pod nazivom "Umjetna inteligencija * (umjetna inteligencija) na rješavanju logičkih zadataka, prepoznaje se novi znanstveni smjer povezan s modeliranjem strojeva ljudske inteligentne funkcije i nazvanim umjetna inteligencija.Uskoro je ova industrija bila podijeljena u dva glavna smjera: neurokabernotici i kibernetiku "crne kutije".

Neurokabernetičanokrenuo se strukturi ljudskog mozga kao jedinog predmeta i započeo svoje modeliranje hardvera. Fiziolozi su dugo otkrili neurone - živčane stanice međusobno povezane kao osnova mozga. Neurocabernics se bavi stvaranjem elemenata sličnim neuronima, a njihova povezanost na funkcioniranje sustava, ovi sustavi se nazivaju neuronske mreže.Sredinom 80-ih. XX V.V. Japan je stvoren prvi neurokomputer, koji simulira strukturu ljudskog mozga. Njegov glavni opseg - prepoznavanje uzorka.

Kibernetiku crne kutijeona koristi druga načela, struktura modela nije glavna stvar, njegova reakcija je važna za navedene ulazne podatke, model bi trebao reagirati kao ljudski mozak na izlazu. Znanstvenici ovog smjera se bave razvojem algoritama za rješavanje intelektualnih zadataka za dostupne računalne sustave. Najznačajniji rezultati:

Model pretraživanja labirinta(Kraj 50-ih.), U kojem se razmatra grafikon objekta i postoji potraga za optimalnom stazom od ulaznih podataka na rezultat. U praksi, ovaj model nije pronašao široku uporabu.

Heuristički programiranje(Početak 60-ih) razvio je strategije za djelovanje na temelju unaprijed poznatih određenih pravila (heuristike). Heuristika -teoretski nije razumno pravilo koje vam omogućuje da smanjite broj skakanja u potrazi za optimalnom stazom.

Metode matematičke logike.Metoda rezolucija omogućuje automatsko dokazivanje teoremi na temelju određenih aksioma. Godine 1973. stvoren je jezik logičkog programiranja. Prolog,omogućujući vam da obradite simboličke informacije.

Od sredine 70-ih. Provodi se ideja modeliranja specifičnog znanja stručnjaka. Prvi stručnjaci pojavljuju se u SAD-u. Proizlazi nova tehnologija Umjetna inteligencija na temelju prezentacije i korištenja znanja. Od sredine 80-ih. Umjetna inteligencija komercijalizira. Ulaganja u ovu industriju rastu, pojavljuju se industrijski ekspertni sustavi, povećava se interes za sustave samo-učenja.

Baza znanja

Prilikom studiranja inteligentnih sustava potrebno je saznati što je znanje i razlika od podataka. Koncept znanjeodredite na različite načine, ali ne postoji nikakva iscrpna definicija.

Ovdje su neke od definicija:

Znanje - Identificirani obrasci predmetnog područja (načela, komunikacije, zakoni), omogućujući rješavanje problema u ovom području.

Znanje - dobro strukturirani podaci ili podaci o podacima ili metapodacima.

Znanje - kombinacija informacija koje formira holistički opis, što odgovara određenoj razini svijesti o opisanom pitanju, objekt itd.

Sa stajališta umjetne inteligencije, znanje se definira kao formalizirane informacije na koje se odnosi u procesu logičkog izlaza. Za skladištenje znanja koristi temelje znanja. Baza znanja- temelj bilo kojeg intelektualnog sustava.

Sa stajališta rješavanja problema u određenom objektu znanja, prikladno je podijeliti u dvije kategorije - činjenicei heuristika.Prva kategorija opisuje okolnosti poznate u ovom području, znanje o ovoj kategoriji se ponekad naziva tekstom, naglašavajući njihov dovoljan opis u literaturi. Druga kategorija znanja oslanja se na praktično iskustvo stručnog stručnjaka ovog predmetnog područja.

Osim toga, znanje je podijeljeno proceduralani deklarativni.Povijesno gledano, prvo se pojavilo proceduralno znanje "raspršeno" u algoritmima. Upravljali su podacima. Za promjenu, bilo je potrebno napraviti promjene u programu. S razvojem umjetne inteligencije, ukupna većina znanja formirana je u strukturi podataka: tablice, popise, apstraktne vrste podataka, znanje je postalo sve deklarativnije.

Deklarativno znanje- To je kombinacija informacija o karakteristikama svojstava specifičnih predmeta, fenomena ili postupaka prikazanih u obliku činjenica i heuristike. Povijesno gledano, takvo znanje je akumulirano u obliku raznih referentnih knjiga, a izgled računala stekao oblik baza podataka. Deklarativno znanje često se naziva jednostavno podaci, pohranjuju se u memoriju informacijskog sustava (IP) tako da imaju izravan pristup korištenju.

Proceduralno znanjepohranjeni u IP memoriji kao opisi postupaka s kojima se mogu dobiti. U obliku proceduralnih znanja obično opisuje metode rješavanja ciljeva predmetnog područja, raznih uputa, tehnika itd. Proceduralna znanja je metode, algoritmi, programi za rješavanje različitih zadataka u odabranom subjektu, oni čine jezgru baze znanja. Proceduralno znanje se formira kao rezultat provedbe postupaka u odnosu na činjenice kao izvornih podataka.

Jedan od najvažnijih problema karakterističnih za umjetne obavještajne sustave je predstavljanje znanja. Oblik predstavljanja znanja značajno utječe na karakteristike i svojstva sustava. Za manipulaciju raznih znanja o stvarnom svijetu na računalu, potrebno je izvršiti njihovu simulaciju. Postoje mnogi modeli prezentacije znanja za različita područja, ali većina njih pripadaju sljedećim razredima: logički modeli ", modeli proizvoda; semantičke mreže; modeli okvira.

Tradicionalno, u predstavljanju dodjeljivanja znanja formalni logički modelina temelju klasičnog izračuna predikata prvog reda, kada je predmet predmet opisan u obliku skupa aksioma. Sve informacije potrebne za rješavanje problema smatra se skupom pravila i navoda, koje su zastupljene kao formule u nekoj prediskalnoj logici. Znanje odražavaju skup takvih formula, a dobivanje novih znanja smanjuje se na provedbu logičkih izlaznih postupaka. Ovaj logički model primjenjuje se uglavnom u istraživanju "idealnim" sustavima, jer postavlja visoke zahtjeve i ograničenja predmetnog područja. U industrijskim stručnim sustavima koriste se razne izmjene i ekspanzija.

Studije procesa odlučivanja od strane osobe pokazali su da tvrde i donose odluku, osoba koristi pravila proizvodnje(s engleskog. pROIZVODNJA- Izlazni pravilo koje generira pravilo). Model proizvodnje,osnovana na pravilima, omogućuje vam da podnesete znanje u obliku prijedloga: ako (uvjet popis), onda (trebate obaviti popis radnji). Stanje -ovaj prijedlog za koji se znanje nalazi u bazi znanja i činitipostoji određeni rad na uspješno provedenoj pretraživanju. Akcije mogu biti kao posrednikstrše ispod oba uvjeta i ciljdovršavanje IP posla. U proizvodnom modelu baze znanja sastoji se od skupa pravila. Program koji kontrolira pravila naziva se s izlaznim strojem.Mehanizam zaključka povezuje znanje i stvara zaključak iz njihovog slijeda. Izlaz je ravno(metoda usporedbe, od podataka u potragu za ciljem) ili leđa(Metoda generiranja hipoteze i njegove provjere, od mete do podataka).

Primjer. Postoji fragment baze znanja koja se sastoji od dva pravila:

Itd 1: ako "poslovanje" i "poznanstvo s internetom",

Da je "e-commerce".

Itd 2: ako "posjeduje računalo",

To "poznanstvo s internetom".

Sustav je primio podatke: "Poslovanje" i "Posjeduje računalo."

Izravni zaključak:Na temelju dostupnih podataka za dobivanje zaključka.

1. Pass:

Korak 1. Provjera. 1, ne radi - nema dovoljno podataka "Upoznajte internet".

Korak 2. Provjerite PR. 2, Djeluje, baza je dopunjena činjenicom "poznanstvo s internetom".

Drugi prolaz

Korak 3. Provjera pr. 1, Radi, sustav daje zaključak "e-commerce".

Povratni izlaz:Potvrdite odabrani cilj kroz postojeća pravila i podatke.

1. Pass:

Korak 1. Svrha - "E-commerce":

Provjeravamo PR. 1, Podaci "Upoznavanje s internetom" nije, oni postaju novi cilj, a postoji i pravilo gdje je u pravom dijelu.

Korak 2. Svrha - "Poznavanje s internetom":

Itd 2 potvrđuje cilj i aktivira ga.

2. pass: korak 3. PR. 1 potvrđuje željeni cilj.

Model proizvoda privlači programere s vidljivošću, modularnost, jednostavnost dodavanja dodataka i promjena, jednostavnost logičkog izlaznog mehanizma, najčešće se koristi u industrijskim stručnim sustavima.

Semantika- To je znanost, istražujući svojstva znakova i ikoničkih sustava, njihove semantičke komunikacije s pravim predmetima. Semantička mreža -ovo je orijentirani graf, čiji su vrhovi koncepti, a lukovi - odnos između njih (sl. 6). To je najnižniji model znanja, jer ima sredstva svih karakterističnih svojstava karakterističnih znanja: unutarnje interpretacije, strukture, semantičkih metrika i aktivnosti.

Slika 6. Semantička mreža

Prednosti mrežnih modela su: velike izražajne mogućnosti; jasnoća sustava znanja prikazana grafički; Blizina mrežne strukture koja predstavlja sustav znanja, semantičku strukturu fraza na prirodnom jeziku; Usklađenost s modernim idejama o organizaciji dugotrajne ljudske memorije. U nedostatke, pretpostavit ćemo da mrežni model ne sadrži jasnu ideju o strukturi predmetnog područja, što odgovara njemu, tako da je njegova formacija i modifikacija teška; Mrežni modeli su pasivne strukture, a poseban uređaj se koristi za njihovo obrađivanje. formalni izlaz.Problem pronalaženja rješenja u bazi podataka vrste semantičke mreže je svedeno na zadatak traženja mrežnog fragmenta koji odgovara neku podmrežu zadatka, koji, zauzvrat govori više od jednog nedostatka modela - složenost Pronalaženje izlaza na semantičkim mrežama.

Mrežni modeli su vizualni i dovoljno univerzalna sredstva Prezentacije znanja. Međutim, njihova formalizacija u specifičnim modelima prezentacije, korištenja i modifikacije znanja predstavlja prilično naporan proces, osobito u prisutnosti višestrukih odnosa između koncepata.

Termin praviti(S engleskog. Forme - okvir, okvir) predlaže se odrediti strukturu jedinice znanja, koji se može opisati određenim skupom koncepata, za svoju prostorna percepcija. Okvir ima određenu unutarnju strukturu koja se sastoji od skupa elemenata koji se nazivaju slotovi.Čini se da je svaki slot, pak, čini se da je definiran struktura podataka, postupak,ili može biti povezan s drugim okvirom. Model okvira sistematiziran je u obliku jednog teorija tehnološkog modela ljudske memorije i njegove svijesti. Za razliku od drugih modela, kruta struktura je fiksirana u okvirima. U općem slučaju, okvir se definira na sljedeći način:

(Naziv okvira: (1. imena mjesta: 1. vrijednost slota);

(Naziv 2. utora: vrijednost 2. utora);

(N-Ro slot naziv: N-RO utor vrijednost)).

Važna značajka okvira je svojstva nasljeđivanja,posuđena od teorije semantičkih mreža. Nasljeđivanje se događa na AKO-linkovima (iz neku vrstu, što znači "et.e."). AKO utor ukazuje na višu razinu hijerarhije, odakle implicitno naslijeđena, tj. Vrijednosti sličnih utora se prenose. Na primjer, u okviru okvira na Sl. 7 "Dizajner" nasljeđuje svojstva "inženjera" i "čovjek" okvira, koji su na višoj razini hijerarhije.

Slika 7. Okviri mreže

Model okvira je prilično univerzalan, omogućuje vam prikaz svih raznolikosti znanja o svijetu kroz:

Strukture okvira,odrediti objekte i koncepte (predavanje, sažetak, odjel);

Uloga(student, učitelj, dean);

Okviri scenarija(prolazak ispita, proslava imena, primanja stipendija);

Situacije okvira(Anksioznost, radno vrijeme školskog dana) i drugi. Glavna prednost okvira kao model prezentacije znanja je njihova sposobnost da odražava konceptualnu osnovu za organiziranje ljudske memorije, kao i fleksibilnost i vidljivost.

Sumiranje modela prezentacije znanja možete nacrtati sljedeće zaključke:

Najmoćniji su miješani modeli prezentacije znanja.

Ekspertni sustavi

Dizajniran za analizu podataka sadržanih u bazama znanja i izdavanje preporuka za zahtjev korisnika. U slučajevima kada su početni podaci dobro formalizirani, ali za donošenje odluke zahtijeva posebno opsežno znanje. Ekspertni sustavi- To su složeni softverski kompleksi, akumulirajući poznavanje stručnjaka u određenim predmetnim područjima i repliciranje ovog empirijskog iskustva za savjetovanje manje kvalificiranih korisnika.

Predmetna područja: medicina, farmakologija, kemija, geologija, ekonomija, sudska praksa, itd, u kojoj je većina znanja osobno iskustvostručnjaci na visokoj razini (stručnjaci) trebaju stručne sustave. Ta područja u kojima je većina znanja zastupljena u obliku kolektivnog iskustva (na primjer, veće matematike) ne trebaju ih.

Ekspertni sustav određuje se skup logički međusobno povezanih pravila koja oblikuje znanje i iskustvo u specijalistu ovog predmetnog područja, te mehanizam rješenja koji omogućuje prepoznavanje situacije, daju preporuke za djelovanje, dijagnosticiranje.

Moderni ekspertni sustavi su sposobni:

Pokupom znakova bolesti, dijagnosticiranje, dodjeljivanje liječenja, lijekova za razdvajanje, razviti tijek liječenja;

Obavljati zadatke dijagnostičkih sustava u proučavanju fenomena i procesa (na primjer, za analizu krvi; upravljanje proizvodnjom; proučavanje stanja utrobe Zemlje, naftnih polja, depozita ugljena, itd.);

Prepoznajte govor u ovoj fazi u ograničenoj prijavi;

Prepoznajte ljudska lica, otisci prstiju itd.

Na sl. 8 prikazuje glavne komponente modela stručnog sustava: korisnik(Specijalist predmetnog područja za koji ovaj sustav dizajniran) inženjer za znanje(specijalist u umjetni intelekt - intermedijarna veza između stručnjaka i baze znanja), korisničko sučelje(aplikacija koja implementira korisnički dijalog i sustav) baza znanja -jezgra stručnog sustava rješavač(aplikacija koja simulira argument stručnjaka na temelju znanja dostupnih u bazi podataka), podsustav pojašnjenja (aplikacija koja vam omogućuje da razjasnite na temelju onoga što ekspertni sustav daje preporuke, izvlači zaključke, što se znanje koristi ), Urednik intelektualnog znanja(Aplikacija koja daje inženjeru znanja mogućnost stvaranja baze znanja u dijaloškom okviru ).

Slika 8. Struktura modela stručnog sustava.

Karakteristična značajka bilo kojeg stručnog sustava je sposobnost samorazvoja. Početni podaci pohranjuju se u bazi znanja u obliku činjenica između koje su instalirane određene logičke veze. Ako se, kada su identificirani netočne preporuke ili mišljenja o određenim pitanjima, ili se zaključak ne može formulirati, to znači ili nedostatak važnih činjenica u svojoj bazi podataka ili kršenja u logičkom sustavu veza. U svakom slučaju, sama sustav može stvoriti dovoljan skup pitanja stručnjaku i automatski povećati njegovu kvalitetu.

Kontrolni sustav

Predstavlja kombinaciju međusobno povezanih strukturnih modela podsustava koji provode sljedeće funkcije:

planiranje(strateški, taktički, operativni);

Računovodstvo- prikazuje status kontrolnog objekta kao rezultat proizvodnih procesa;

kontrolirati- određuje odstupanje vjerodajnica iz planiranih ciljeva i standarda;

Operativno upravljanje- regulira sve procese kako bi se eliminirala nastale odstupanja od planiranih i vjerodajnica;

analiza- određuje trend u radu sustava i rezervi, koji se uzimaju u obzir pri planiranju sljedećeg vremenskog razdoblja.

Korištenje modela u sastavu informacijskih sustava započela je uporabom statističkih metoda i metoda financijske analize, koje su implementirali timovi konvencionalnih algoritamskih jezika. Napravljeni su kasnije posebni jezici, omogućujući vam da simulirate različite situacije. Takvi jezici omogućuju izgradnju modela određenog tipa koji podržavaju rješenje kada fleksibilna promjena varijabli.

SOFTVER. Osnovni koncepti programiranja

Osnovni pojmovi i definicije

Razmotriti tehnička sredstva Pevm je kombinirani univerzalni alat za rješavanje širokog raspona zadataka. Međutim, ovi se zadaci mogu riješiti samo ako Pevma zna algoritam njihovog rješenja.

Algoritam (Algoritam) - točan poredak koji definira proces pretvaranja izvornih podataka u krajnji rezultat.

Uobičajen svojstva Bilo koji algoritam su:

– diskretnost - mogućnost razdvajanja algoritma u odvojene elementarne akcije;

– definicija (determinizam) Algoritam osigurava definiranje rezultata (ponovljivost rezultata dobivenog u više izračuna s istim izvorima) i isključuje mogućnost izobličenja ili dvosmislenog tumačenja recepta;

– izvođenje - obvezna potvrda za konačan broj koraka određenog rezultata, a ako je nemoguće dobiti rezultat - signal koji ovaj algoritam nije primjenjiv na rješavanje zadatka;

– masa - mogućnost dobivanja rezultata s različitim izvorima podataka za određenu klasu sličnih problema.