- •В.М.Лазебник экономическая кибернетика
- •Содержание
- •Введение
- •Раздел I
- •Структура кибернетики
- •Принципы построения кибернетических систем различных прикладных направлений
- •1.2. Экономическая кибернетика Предмет, цели и задачи курса
- •Структура и состав экономической кибернетики
- •История кибернетики и информационных наук
- •1.3. Кибернетические системы Система и ее основные характеристики
- •Классификация систем
- •Целостность, эмерджентность и синергизм
- •Контрольные вопросы и задания к главе 1 «Кибернетика и кибернетические системы»
- •Глава 2. Моделирование
- •2.1. Модели и моделирование
- •Основные схемы процесса моделирования
- •Классификация моделей
- •История моделирования Появление моделей относится к глубокой древности, и восходит по времени к бронзовому веку (XV-XX в.В. До н. Э.).
- •Совместное использование моделей различных типов
- •2.2. Последовательность разработки и использования математических моделей Процесс моделирования
- •6. Разработка программы, реализующей алгоритм модели на компьютере.
- •Контрольные вопросы и задания к главе 2
- •Реализация управления
- •Разомкнутые системы управления
- •Внешние и внутренние возмущения
- •Анализ свойств разомкнутой системы управления
- •3.2. Замкнутые системы управления
- •Коэффициенты передачи и передаточные функции замкнутой системы управления
- •Анализ свойств замкнутой системы управления
- •Выводы:
- •Типы обратных связей и сферы их применения Обратные связи могут быть:
- •Структурная схема и процессы в системе отрицательной обратной связи показаны на рис.3.6
- •3.3. Классификация систем управления и виды задач управления Классификация систем управления
- •Виды задач управления
- •Понятие гомеостазиса
- •3.4. Закон необходимого разнообразия и его следствия для систем управления Энтропия систем и закон необходимого разнообразия
- •Свойства систем управления, основанные на законе необходимого разнообразия
- •3.5. Управление сложными системами Иерархические системы управления
- •Централизованное и децентрализованное управление сложными системами
- •Анализ децентрализованных систем управления
- •Контрольные вопросы и задания к главе 3 «Управление»
- •Глава 4. Информация
- •4.1. Основные категории информации и ее классификация Определение понятия информации
- •Основные категории информации – данные и знания
- •Основные свойства информации
- •Виды информации
- •Основные требования, предъявляемые к качеству информации
- •Классификация информации
- •4.2. Экономическая информация и экономическая семиотика Экономическая информация
- •Экономическая семиотика
- •Основные элементы системы передачи информации
- •4.3. Измерение количества информации Основные подходы к измерению количества информации
- •Объемный метод измерения количества информации
- •Энтропийный подход к измерению количества информации
- •Вопрос 2: Число х больше шести?
- •Вопрос 3: Число х меньше шести?
- •Количество информации, получаемое от отдельного сообщения
- •Семантический подход к определению количества информации
- •4.4. Ценность информации Определение ценности информации
- •Человек и информация
- •Бытовые – искажение информации в отчетах, в докладах начальству, в отношениях мужчины и женщины, и т.П.
- •4.5. Кодирование информации Кодирование
- •Криптография
- •Десятичное кодирование информации
- •Двоичное кодирование информации
- •Избыточность информации
- •Контрольные вопросы и задания к главе 4 «Информация»
- •Глава 5. Моделирование экономических систем
- •5.1. Системные свойства экономики Основные системные свойства экономики
- •Структуры и модели рыночной экономики
- •5.2. Моделирование и принятие решений Принятие решений
- •Методы обоснования решений
- •Количественные методы позволяют установить насколько один результат лучше другого.
- •5.3. Критерии качества и критерии принятия решений
- •Требования, предъявляемые к критериям качества
- •Классификация и формы критериев качества Классификация критериев качества
- •Математические формы критериев качества
- •Статистические задачи
- •5.4. Примеры математических моделей экономических систем
- •Модель оценки экономической эффективности системы массового обслуживания
- •Часть 1.Модель определения характеристик смо.
- •Часть 2.Модель определения экономической эффективности смо.
- •Модели динамических систем Модель динамического звена первого порядка
- •Модель динамического звена второго порядка
- •Модель экономического роста
- •Модели финансовых операций Первая модель
- •Вторая модель
- •Третья модель
- •Четвертая модель
- •Пятая модель
- •Шестая модель
- •Контрольные вопросы и задания к главе 5 «Моделирование экономических систем»
- •Раздел II
- •Оптимизационные задачи
- •Оптимизация систем массового обслуживания
- •Оптимизация систем управления запасами
- •6.2. Оптимальное распределение ресурсов между несколькими этапами и между несколькими объектами Последовательная (многоэтапная) оптимизация с использованием метода динамического программирования
- •Уравнение оптимальности Беллмана имеет вид
- •Оптимизация маршрута
- •Оптимальное распределение ресурсов между несколькими объектами
- •Приравниваем производные нулю
- •Контрольные вопросы и задания к главе 6 «Оптимизация экономических систем»
- •Глава 7. Наилучшие решения в условиях неопределенности и многокритериальности
- •7.1. Наилучшие решения в условиях частичной и полной неопределенности Игры с «природой»
- •Наилучшие решения в условиях частичной неопределенности
- •Наилучшее решение в условиях полной неопределенности
- •Матрица выигрышей
- •7.2. Наилучшие решения в условиях многокритериальности
- •Контрольные вопросы и задания к главе 7 «Наилучшие решения в условиях неопределенности и многокритериальности»
- •Раздел III искусственный интеллект
- •Глава 8. Системы искусственного интеллекта
- •8.1. Основные положения по построению систем искусственного интеллекта
- •Зависимость типа системы управления от сложности объекта управления и влияния случайных факторов
- •История систем ии
- •Виды неопределенностей
- •8.2. Нечеткие системы
- •Нечеткие системы в управлении
- •Контрольные вопросы и задания к главе 8 «Системы искусственного интеллекта»
- •Глава 9. Нейронные сети, экспертные системы и генетические алгоритмы
- •9.1. Нейронные сети Принципы построения и основные свойства нейронных сетей
- •Представление знаний в нейронных сетях
- •Применение нейронных сетей в экономике
- •Пример решения задачи прогнозирования
- •9.2. Экспертные системы Принципы построения и функционирования экспертных систем
- •Пример применения экспертных систем в экономике и финансах – экспертная система для кредитных операций
- •Представление знаний в экспертных системах
- •9.3. Генетические алгоритмы
- •Контрольные вопросы и задания к главе 9 «Нейронные сети, экспертные системы и генетические алгоритмы»
- •Раздел IV
- •Структурная схема простой смо. Основные обозначения. Характеристики важнейших параметров Структурная схема простой смо
- •Основные обозначения
- •Характеристики важнейших параметров
- •Задачи исследования смо
- •Методология разработки аналитических моделей смо
- •Обозначения моделей смо
- •10.3. Потоки событий Характер величин и процессов в смо
- •Смо с детерминированными потоками
- •Случайные потоки событий
- •10.4. Марковские случайные процессы Графы состояний смо
- •Марковские процессы
- •Стационарный режим динамического процесса
- •Законы распределения, определяющие описание и формирование простейшего потока
- •Закон Пуассона
- •Исходные данные
- •Алгоритм решения задачи
- •Решение
- •Экспоненциальный (показательный) закон распределения
- •Закон равномерной плотности
- •10.5. Уравнения Колмогорова Дифференциальные и алгебраические уравнения Колмогорова
- •Общие формулы решения системы алгебраических уравнений Колмогорова для схемы ''рождения и гибели''
- •10.6. Модель Эрланга Одноканальная смо с отказами
- •Многоканальная смо с отказами
- •10.7. Имитационное моделирование систем массового обслуживания Метод статистических испытаний (метод Монте-Карло)
- •Исследование смо с применением метода статистических испытаний
- •Методика и пример формирования простейшего потока
- •Контрольные вопросы и задания к главе 10 «Модели и методы исследования систем массового обслуживания»
- •Глава 11. Анализ и синтез системы массового обслуживания Характеристика задач анализа и синтеза смо
- •Определение вероятностей отказа и обслуживания Основные формулы для смо Эрланга
- •Пример расчетов по формулам Эрланга
- •Построение графиков вероятности отказа и обслуживания на основе расчетных данных
- •Построение графиков вероятностей отказа и обслуживания на основе табличных данных
- •Графики вероятностей отказа
- •Графики вероятностей обслуживания
- •Определение показателей качества смо с отказами
- •Показатели качества обслуживания заявки
- •Показатели качества обслуживания заявки
- •Пример расчета характеристик смо с ожиданием
- •Расчетные параметры:
- •Показатели качества функционирования
- •Показатели качества обслуживания заявки
- •Компьютерные программы и таблицы вероятностей отказа для смо с ограниченным временем ожидания
- •Сопоставление смо с отказами и смо с ожиданием
- •11.3. Методика оценки экономической эффективности смо Постановка задачи оценки экономической эффективности
- •Уравнения блока оценки экономической эффективности
- •Уравнения полной модели оценки экономической эффективности смо
- •Модель смо
- •Блок оценки экономической эффективности
- •Вариант №2 кафе «десерт»
- •Определение показателей экономической эффективности смо на момент окупаемости Результаты расчетов
- •Составление итоговой таблицы результатов расчетов по оценке экономической эффективности смо
- •Сопоставление вариантов смо по основным экономическим характеристикам
- •11.5. Синтез системы массового обслуживания и принятие решения об инвестировании Составление таблицы результатов расчетов по оценке экономической эффективности смо
- •Ранжирование вариантов и выводы
- •Определение взаимосвязи параметров смо с экономическими параметрами системы
- •Контрольные вопросы и задания к главе 11 «Анализ и синтез системы массового обслуживания »
- •Приложения п.1. Программа курса «Экономическая кибернетика»
- •Раздел IV. Информация
- •Раздел V. Моделирование
- •Раздел VI. Системы массового обслуживания (смо)
- •Раздел VII. Оптимизация и принятие решений
- •Раздел VII. Искусственный интеллект
- •П.2. Задание на подготовку реферата «Замкнутые системы управления»
- •П.3. Задание на подготовку реферата «Системы массового обслуживания»
- •Часть 1. Определение характеристик смо.
- •Вероятность обслуживания
- •Часть 2. Оценка экономической эффективности смо.
- •Результаты расчетов
- •Ранжирование, анализ вариантов и выводы
- •П.4. Равномерно распределенные случайные числа
- •П 5. Вероятности отказа для смо Эрланга
- •П 6. Компьютерные программы для смо Эрланга п 6.1. Программы на языке Паскаль
- •П.6.3. Программа на языке Visual Basic для расчета экономической эффективности смо
- •П 7. Вероятности отказа для смо с ограниченным временем ожидания
- •П 8. Компьютерная программа для смо с ограниченным временем ожидания
- •Литература
Зависимость типа системы управления от сложности объекта управления и влияния случайных факторов
Системы ИИ могут применятся для решения следующих задач:
распознавание образов;
диагностика;
кластеризация;
аппроксимация;
прогнозирование;
управление.
Зависимость типа системы управления от сложности объекта управления и степени влияния случайных факторов показывает диаграмма, представленная на рис. 8.1.
Рис. 8.1.Зависимость типа системы управления от сложности объекта управления
На рис.8.1. цифрами обозначены области применения следующих систем:
1. Классические системы управления.
2. Нечеткие системы управления.
3. Нейронные системы управления.
4. Нейроно-нечеткие системы управления.
История систем ии
Начало истории систем ИИ относится к 1937г., когда американский математик Норберт Винер организовал семинар, на который пригласил ученых самых различных специальностей — математиков, физиков, биологов и т.п.
Результатом работы семинара явилось рождение двух научных направлений:
кибернетики;
нейрокибернетики.
Датой рождения кибернетики, как указывалось, считается 1948г.
Датой рождения нейрокибернетики является 1943г., когда участники семинара У. Макколок и У. Питтс предложили математическую модель нейрона. Нейрон является основным элементом мозга человека. Множество искусственных нейронов, которые соединены определённым образом между собой , образует нейронную сеть.
Человек и нейронная сеть запоминают и перерабатывают информацию на основе обучения. Первые правила обучения нейронных сетей предложены в 1949г. Д. Хеббом. В 1957г. Ф. Розенблат разработал принципы организации и функционирования нейронной сети, получившей название персептрон, т.е. распознающий. Он предложил вариант технической реализации первого в мире нейрокомпьютера. В 1959г. Ф. Розенблат реализовал однослойный персептрон.
Понятие нечетких множеств введено американским ученым Лофти Заде в 1965г. В 70-е годы он разработал теорию нечетных множеств и нечетных систем.
В 1969г. появляется экспертная система DENDRAL, а несколько позже экспертная системаMYCIN. Работа экспертных систем основана на использовании знаний человека.
Термин «искусственный интеллект» был предложен в 1956г. Позже этот термин объединил все направления, связанные с моделированием интеллектуальной деятельности человека.
В 1969г. публикуется книга М.Минского и С. Пейперта «Персептроны», в которой доказывалась принципиальная ограниченность возможностей однослойного персептрона. Следует отметить что позже, в 80-е годы, был разработан многослойный персептрон, не имеющий этих ограничений. Принципиальная разница в работе однослойного и многослойного персептронов показана на рис. 8.2.
а) б)
Рис. 8.2.Результат работы однослойного персептрона рис. а), а многослойного – рис. б)
Здесь в плоскости параметров х1и х2нанесены точки, принадлежащие двум различным классам. Единицами обозначены точки одного класса и нулями – точки другого класса. Требуется провести в плоскости границу, разделяющие точки различных классов.
Однослойный персептрон проводит только линейную границу, которая не решает в ряде случаев поставленную задачу. Многослойный персептрон позволяет установить нелинейную границу и решает задачу разделения точек на два класса во всех ситуациях.
В результате публикации М.Минского и С. Пейперта угасает интерес к нейронным сетям и финансовые потоки переключаются на экспертные системы.
Период с 1979-1988гг. является периодом наибольшего коммерческого успеха экспертных систем.
В 80-е годы был разработан ряд нейронных сетей новой конфигурации, к числу которых относятся сети Дж. Хопфильда (1982), Т. Кохонена, Коско, Гроссберга, многослойный персептрон, сеть CMAK, когнитрон, неокогнитрон и т.д.
Эти сети обладали новыми важными свойствами, что привело к возобновлению, начиная с 1986г., интереса к нейронным сетям. Этот интерес продолжается и в настоящие время.
Нейронные сети могут быть реализованы либо в виде программы для обычного компьютера, либо аппаратурным путем в виде нейрокомпьютера.
В настоящее время работы в области систем искусственного интеллекта и создания нейрокомпьютеров ведутся в широких масштабах в США, Японии, Западной Европе, в Малайзии, в Юго-Восточной Азии, Китае. В Киеве подобные работы велись в инстетуте кибернетики под руководством академиков В.М. Глушкова и А. Амосова.
В России в конце 80-х годов под руководством академика Д.А. Поспелова создана Российская ассоциация искусственного интеллекта (РАИИ).