- •1) Сущность автоматизации управления. Структура систем управления, цикл управления, пути усовершенствования систем управления.
- •2) Основные определения системного анализа. Понятие системы как семантической модели
- •3) Классификация систем. Понятие математической схемы. Схема общей динамической системы.
- •4) Основные определения системного анализа
- •5)Общие функции моделирования. Классификация видов моделирования. Математическое моделирование.
- •6) Принципы и подходы к моделированию систем, этапы построения моделей
- •7) Информационные аспекты изучения систем. Математические модели сигналов. Мат. Модели реализаций случайных процессов.
- •8) Моделирование ансамбля реализаций. Частотно-временное представление сигналов.
- •9) Дискретное представление сигналов.
- •10) Математические схемы непрерывно-детерминированных систем (d-схемы)[dynamic]
- •11) Математические схемы дискретно-детерминированных систем (f-схемы)[finite automate]
- •12) Математические схемы дискретно-стохастических систем (p-схемы)[probabilistic]
- •13) Марковские случайные процессы. Эргодические цепи Маркова
- •14) Марковский процесс с дискретным состояние и непрерывным временем.
- •15) Простейший поток событий. Пуассоновский поток.
- •16) Процессы размножения и гибели. Поток Эрланга.
- •17) Смо с Марковскими процессами
- •18) Показатели эффективности и основные характеристики смо
- •19) Одноканальная смо с отказами
- •20) Многоканальная смо с отказами
- •21) Смо с ожиданием. Одноканальная смо с ограниченной длиной очереди.(m-длина очереди)
- •23) Обобщенные модели. Агрегативное описание систем. Процесс функционирования агрегата.
- •24) Агрегативные системы. Структура, взаимодействие элементов.
11) Математические схемы дискретно-детерминированных систем (f-схемы)[finite automate]
Если x,y,z – конечны, то автомат называется конечным
Абстрактно: F=<X,Y,Z,φ,ψ>, где X – входной алфавит, Y – выходной алфавит, Z – алфавит состояний, φ(x,z) – функция переходов, ψ(x,z) – функция выходов
Автомат функционирует в дискретном автоматическом времени, задаваемом тактами. Каждому такту соответствует значения x(t), y(t), z(t), x€X, y€Y, z€Z
В момент t будучи в состоянии z(t) автомат способен воспринимать x(t), выдавать y(t) = ψ(x(t),z(t)); z(t+1) = φ(x(t),z(t))
Автоматы бывают:
Первого рода(автомат Мили)
y(t) = ψ(x(t),z(t))
z(t+1) = φ(x(t),z(t)) t=0,1,2…
Автомат второго рода
y(t) = ψ(x(t-1),z(t))
z(t+1) = φ(x(t),z(t)) t=1,2…
Автомат Мура
y(t) = ψ(z(t)) t=0,1,2…
Разделяют автоматы с памятью и без памяти. Автоматы с памятью имеют более 1 состояния. Без памяти – 1 состояние – комбинационные/логические схемы(y(t) = ψ[x(t)])
По характеру отсчета времени – делят на синхронные и асинхронные
К синхронным моментам времени в которые автомат считывает/воспринимает входные сигналы определяются синхронизирующими сигналами. Асинхронный автомат считывает входной сигнал непрерывно, и может за время его действия несколько раз менять состояние, пока не перейдет в устойчивое состояние.
Способы задания F-автомата: табличный, графический (граф), матричный
12) Математические схемы дискретно-стохастических систем (p-схемы)[probabilistic]
Вероятностный автомат – дискретный постоянный преобразователь информации с памятью, функционирование которого в каждом такте зависит только от состояния памяти, и может быть описано статистически.
Пусть элементы из множества G, состоящий из пар (xi,zs) индуцируют на множестве Ф, состоящем из пар (zk,yj) некоторый закон распределения.
,
где , bjk – вероятность перехода автомата в состояние zk и появление сигнала yj, если на входе xi и автомат был в zs.
Число таких распределений, представлено в виде таблиц, равно числу элементов множества G. B – множество таблиц (отображение), тогда: P=<X,Y,Z,B>
Пусть элементы G индуцируют на подмножествах Y и Z, некоторые законы:
Элементы Y на вероятности их появления ( ), где qi – вероятность появления на выходе сигнала yi.
Элементы Z на вероятности их перехода ( ), где сk – вероятность перехода автомата в состояние zk.
Рассмотрим частные случаи P-автомата:
Y-детерминированный P-автомат (выходной сигнал детерминирован)
Z-детерминированный P-автомат (переход в новое состояние детерминирован)
13) Марковские случайные процессы. Эргодические цепи Маркова
Марковские процессы (процессы без последействия) – разновидность случайных процессов, описывающих систему с дискретными состояниями: если система в момент n находится в состоянии j, то вероятность её перехода в момент n+1 в состояние k зависит только лишь от значений n,j,k и не зависит от того, в каких состояниях система была в более раннее, чем n моменты времени.
Пространство состояний представляет собой конечное счетное множество, часто отождествляемое с множеством целых неотрицательных чисел.
Дискретный Марковский процесс с дискретным временем называется дискретной цепью Маркова. Он характеризуется тем, что переходы возможны лишь в дискретные моменты времени t0,t1,t2.
В Марковском процессе с непрерывным временем, переход возможен в любой, наперед неизвестный момент времени.
Цель Марковских процессов описывается матрицей переходов за 1 шаг:
где Pij – вероятность перехода за один шаг из состояния zi в zj. Марковская цепь однородна, если Pij не зависит от шага.
Равенство Маркова (реккурентная формула для определения вероятностей состояния системы после k-ого шага, через вероятность после k-1):
Свойства эргодической цепи Маркова:
Эргодическое состояние – если возвратное состояние не является ни нулевым, ни периодическим. Вероятность того что система когда-нибудь вернется в состояние j:
Если fj=1, то j – возвратное состояние, а если fj<1, то j – невозвратное состояние.
Также различают при fj=1: если среднее время между пребываниями системы в состоянии стремится в бесконечность, то состояние j – возвратное ненулевое, если это время конечная величина, то j – возвратное нулевое
Если ||Pij|| - не содержит нулевых элементов, для такой цели характерно то, что при большом числе шагов n->бесконечности, наступает стационарный режим.
Предельная вероятность нахождения в состоянии j: