Классификация систем

Системы принято подразделять на физические и абстрактные, динамические и статические, простые и сложные, естественные и искусственные, с управлением и без управления, непрерывные и дискретные, детерминированные и стохастические, открытые и замкнутые.

Деление систем на физические и абстрактные позволяет раз­личать реальные системы (объекты, явления, процессы) и систе­мы, являющиеся определенными отображениями (моделями) ре­альных объектов.

Для реальной системы может быть построено множество сис­тем - моделей, различаемых по цели моделирования, по требуе­мой степени детализации и по другим признакам.

Деление систем на простые и сложные (большие) подчерки­вает, что в системном анализе рассматриваются не любые, а имен­но сложные системы большого масштаба. При этом выделяют структурную и функциональную (вычислительную) сложность.

Общепризнанной границы, разделяющей простые, большие и сложные системы, нет. Однако условно будем считать, что слож­ные системы характеризуются тремя основными признаками: свойством робастности, наличием неоднородных связей и эмерджентностью.

Во-первых, сложные системы обладают свойством робастно­сти - способностью сохранять частичную работоспособность (эффективность) при отказе отдельных элементов или подсистем. Оно объясняется функциональной избыточностью сложной сис­темы и проявляется в изменении степени деградации выполняе­мых функций, зависящей от глубины возмущающих воздействий. Простая система может находиться не более чем в двух состоя­ниях: полной работоспособности (исправном) и полного отказа (неисправном).

Во-вторых, в составе сложных систем кроме значительного количества элементов присутствуют многочисленные и разные по типу (неоднородные) связи между элементами. Основными типа­ми считаются следующие виды связей: структурные (в том числе иерархические), функциональные, каузальные (причинно-след­ственные, отношения истинности), информационные, простран­ственно-временные. По этому признаку будем отличать сложные системы от больших систем, представляющих совокупность од­нородных элементов, объединенных связью одного типа. В-третьих, сложные системы обладают свойством, которое отсутствует у любой из составляющих ее частей. Это интегративность (целостность), или эмерджентность. Другими словами, от­дельное рассмотрение каждого элемента не дает полного пред­ставления о сложной системе в целом. Эмерджентность может достигаться за счет обратных связей, играющих важнейшую роль в управлении сложной системой.

Считается, что структурная сложность системы должна быть пропорциональна объему информации, необходимой для ее опи­сания (снятия неопределенности). В этом случае общее количе­ство информации о системе S, в которой априорная вероятность появления j-гo свойства равна р(у_j), определяется известным со­отношением для количества информации

I(Y) = - ∑p(y_j) log₂p(y_j). (1.6)

Это энтропийный подход к дескриптивной (описательной) сложности.

Одним из способов описания такой сложности является оцен­ка числа элементов, входящих в систему (переменных, состояний, компонентов), и разнообразия взаимозависимостей между ними.

В общей теории систем утверждается, что не существует сис­тем обработки данных, которые могли бы обработать более чем 2 ^. 10⁴⁷ бит в секунду на грамм своей массы. При этом компьютер­ная система, имеющая массу, равную массе Земли, за период, рав­ный примерно возрасту Земли, может обработать порядка 10⁹³ бит информации (предел Бреммермана). Задачи, требующие об­работки более чем 10⁹³ бит, называются трансвычислительньши. В практическом плане это означает, что, например, полный анализ системы из ПО переменных, каждая из которых может принимать 7 разных значений, является трансвычислительной за­дачей.

Сложные системы допустимо делить на искусственные и ес­тественные (природные).

Искусственные системы, как правило, отличаются от природ­ных наличием определенных целей функционирования (назначе­нием) и наличием управления.

Рассмотрим еще один важный признак классификации сис­тем. Принято считать, что система с управлением,- имеющая не­тривиальный входной сигнал x(t) и выходной сигнал y(t), может рассматриваться как преобразователь информации, перерабаты­вающий поток информации (исходные данные) x(t) в поток ин­формации (решение по управлению) y(t).

В соответствии с типом значений x(t), y(t), z(t) и системы де­лятся на дискретные и непрерывные.

Такое деление проводится в целях выбора математического аппарата моделирования. Так, теория обыкновенных дифферен­циальных уравнений и уравнений в частных производных позво­ляет исследовать динамические системы с непрерывной перемен­ной (ДСНП). С другой стороны, современная техника создает антропогенные динамические системы с дискретными события­ми (ДСДС), не поддающиеся такому описанию. Изменения со­стояния этих систем происходят не непрерывно, а в дискретные моменты времени, по принципу «от события к событию». Мате­матические (аналитические) модели заменяются на имитацион­ные, дискретно-событийные: модели массового обслуживания, сети Петри, цепи Маркова и др.

Примеры фазовых траекторий ДСДС и ДСНП показаны на рис. 1.3, а, б.

Для ДСДС траектория является кусочно-постоянной и фор­мируется последовательностью событий и. Последовательность отрезков постоянства отражает последовательность состояний z системы, а длительность каждого отрезка отражает время пре­бывания системы в соответствующем состоянии. Под состоя­нием при этом понимается «физическое» состояние (например, число сообщений, ожидающих передачи в каждом узле обра­ботки). Состояния принимают значения из дискретного мно­жества.

Рис- 1.З. Типичные примеры фазовых траекторий ДСДС(й)иДСНП(б)

Для перехода от детерминированной к стохастической системе достаточно в правые части соотношений (см. ниже) добавить в качестве аргументов функционалов случайную функцию р(t), принимающую значения на непрерывном или дискретно множестве действительных чисел.

Эти соотношения называют уравнениями наблюдения и уравнением состояния системы. Если в описание системы введены функционалы f и g, то она уже не рассматривается как «черный ящик». Однако для многих систем определение глобальных уравнений оказывается делом трудным и зачастую невозможным (уч. пособие СА в управлении, В.С.Анфилатов стр. 23).

Следует иметь ввиду, что в отличии от математики для СА, как и для кибернетики, характерен конструктивный подход к изучаемым объектам. Это требует корректности задания системы, под которой понимается возможность фактического вычисления входного сигнала y(t) для всех t больше 0 при задании начального состояния системы z(0) и входного сигнала x(t) для всех t_i.

Системы с нетривиальным входным сигналом x(t), источником которого нельзя управлять (непосредственно наблюдать), или системы, в которых неоднозначность их реакции нельзя объяснить разницей в состоянии, называется открытыми. Признаком, по которому можно определить открытую систе­му, служит наличие взаимодействия с внешней средой. Взаимо­действие порождает проблему «предсказуемости» значений вы­ходных сигналов и, как следствие, - трудности описания откры­тых систем.

Примером трудностей описания является понятие «странный аттрактор» - специфическое свойство некоторых сложных систем. Простейший аттрактор, называемый математиками непод­вижной точкой, представляет собой такой вид равновесия, кото­рый характерен для состояния устойчивых систем после кратков­ременного возмущения (состояние покоя емкости с водой после встряхивания). Второй вид аттрактора - предельный цикл маят­ника. Все разновидности предельного цикла предсказуемы. Тре­тья разновидность называется странным аттрактором. Обнару­жено много систем, имеющих встроенные в них источники нару­шений, которые не могут быть заранее предсказаны (погода, место остановки шарика в рулетке). В экспериментах наблюдали за краном, из которого нерегулярно капали капли, хотя проме­жутки должны быть регулярными и предсказуемыми, так как вен­тиль зафиксирован и поток воды постоянен.

Понятие открытости систем конкретизируется в каждой пред­метной области. Например, в области информатики открытыми информационными системами называются программно-аппарат­ные комплексы, которым присущи следующие свойства:

• переносимость (мобильность) - программное обеспечение (ПО) может быть легко перенесено на различные аппаратные платформы и в различные операционные среды;

• стандартность - программное обеспечение соответствует опубликованному стандарту независимо от конкретного разра­ботчика ПО;

• наращиваемость возможностей - включение новых про­граммных и технических средств, не предусмотренных в перво­начальном варианте;

• совместимость - возможность взаимодействовать с други­ми комплексами на основе развитых интерфейсов для обмена данными с прикладными задачами в других системах.

В отличие от открытых замкнутые (закрытые) системы изо­лированы от среды - не оставляют свободных входных компо­нентов ни у одного из своих элементов. Все реакции замкнутой системы однозначно объясняются изменением ее состояний. Век­тор входного сигнала x(t) в замкнутых системах имеет нулевое число компонентов и не может нести никакой информации. Замкнутые системы в строгом смысле слова не должны иметь не только входа, но и выхода. Однако даже в этом случае их можно интерпретировать как генераторы информации, рассматривая из­менение их внутреннего состояния во времени. Примером физи­ческой замкнутой системы является локальная сеть для обработ­ки конфиденциальной информации.

Основным противоречием, которое приходится разрешать в замкнутых системах, является проблема возрастания энтропии. Согласно второму закону термодинамики по мере движения зам­кнутой системы к состоянию равновесия она стремится к мак­симальной энтропии (дезорганизации), соответствующей мини­мальной информации. Открытые системы могут изменить это стремление к максимальной энтропии, получая внешнюю по от­ношению к системе свободную энергию, и этим поддерживают организацию.