- •1. Информационный процесс как неотъемлемый алгоритмический элемент системы управления.
- •2. Основные причины возникновения и развития системных представлений.
- •3. Понятие проблемной ситуации. Роль системного подхода к постановке и решению задач с большой неопределённостью.
- •4. Основные признаки системности. Системность и алгоритмичность.
- •5. Системность как всеобщее свойство материи. Повышение системности как форма развития.
- •6. Внутренняя системность познавательных процессов. Системность мышления как проявление системности окружающего мира.
- •7. Проявление системности в практической деятельности человека.
- •8. Основные этапы истории развития системных представлений 19-20-го веков (тектология, кибернетика, общая теория систем, синергетика и др.)
- •9. Развитие междисциплинарных направлений 20-21-го веков, основанных на системном подходе (теория систем, системология, системотехника, системный анализ и др.).
- •10. Системный анализ как конструктивное направление системных исследований. Сходства и различия с другими системными подходами.
- •11. Множественность определений понятия системы. Искусственная система как средство достижения цели.
- •12. Естественные системы. Расширение класса целенаправленных систем за счёт введения понятий субъективной и объективной целей.
- •13. Основные понятия, характеризующие состав, структуру и поведение системы.
- •14. Формы представления структуры и поведения системы. Положительные и отрицательные обратные связи.
- •15. Разнообразие признаков классификации систем.
- •16. Типы ресурсов, используемых при построении и эксплуатации систем. Различие понятий «большой» и «сложной» системы.
- •17. Различие типов сложности системы. Подходы к оценке сложности.
- •18. Работа системы в режимах функционирования и развития. Развивающиеся и саморазвивающиеся системы.
- •19. Основные группы закономерностей функционирования и развития систем.
- •20. Закономерности взаимодействия части и целого. Эмерджентность.
- •21. Закономерности иерархичности. Коммуникативность.
- •22. Закономерности осуществимости систем. Эквифинальность.
- •23. Закон «необходимого разнообразия» у. Р. Эшби.
- •24. Закономерность возрастания и убывания энтропии/негэнтропии в системе (закономерность самоорганизации).
- •25. Закономерность устойчивости гомеостатической системы (принцип Ле-Шателье-Брауна).
- •26. Принцип 20/80 (закон в. Парето).
- •27. «Качественные» методы разработки и описания систем типа «мозговой атаки».
- •28. Методы типа сценариев.
- •29. Методы экспертных оценок.
- •30. Методы типа «Дельфи».
- •31. Методы типа «дерева целей».
- •32. Морфологические методы.
- •33. Формализация процесса исследования системы на основе методики системного анализа.
- •34. Методы формализованного представления систем («количественные»). Классификация ф. Е. Темникова.
- •35. Моделирование – неотъемлемый этап целенаправленной деятельности.
- •36. Модель как способ существования знаний. Понятие о системном гомоморфизме и изоморфизме.
- •37. Основные требования к правильно построенной модели.
- •38. Разнообразие принципов классификации моделей.
- •39. Цель как модель желаемого состояния. Познавательные и прагматические модели.
- •40. Материальные и идеальные модели. Виды подобия.
- •41. Соответствие между моделью и действительностью: сходство и различия. Сочетание истинных и ложных черт в модели.
- •42. Основные подходы к построению математических моделей процессов и систем.
- •43. Математическое моделирование. Аналитические и имитационные модели.
- •44. Case-технологии и их применение в структурном моделировании.
- •45. Основные направления и характерные черты компьютерного моделирования.
- •46. Компьютерное моделирование на основе тематических пакетов прикладных программ.
- •47. Место имитационных моделей в общей структуре средств компьютерного моделирования. Языки и системы имитационного моделирования.
- •48. Достоинства и недостатки имитационного моделирования.
- •49. Основные этапы построения имитационной модели и задачи, решаемые в ходе её создания.
- •50. Кибернетический подход. Основные законы управления.
44. Case-технологии и их применение в структурном моделировании.
CASE (Computer-Aided Software/System Engineering)-технологии имеют двойное толкование. Sowtware – автоматизация проектирования программного обеспечения.System – концептуальное моделирование сложных структурированных систем.. BPR (Business Process Reengineering) В общем случае CASE техническая совокупность методологии анализа, проектирования, разработки и сопровождения сложных автоматизированных информационных систем. Обычно эта совокупность поддерживающаяся комплексом взаимосвязных средств автоматизации и располагают инструментарием позволяющим автоматизировать процесс проектирования и разработки сложных систем и их программное обеспечение. ER-Win, BR-Win, RationalRose, Paradigm Plus
45. Основные направления и характерные черты компьютерного моделирования.
М2 — компьютерное моделирование, когда математическая модель интерпретируется в программу для ЭВМ. КМ разделилось на четыре направления. М2.1 — методы Монте Карло или методы вычислительной математики, использующие методы М1.2 (приближенные численные методы, когда все объекты аппроксимируются числами или их комплектами в принятой числовой сетке, а результаты получаются в виде таблиц или графиков) с учетом возможностей современных компьютеров. Этими методами можно вычислять любые, не берущиеся аналитическим путем, многократные интегралы, решать системы уравнений. М2.2 — методы ИМ (simulation). Позволяет путем многократного повторения набрать необходимые статистические данные и судить о состоянии объекта в различные моменты времени, оценивать выходные характеристики, выбирать оптимальное поведение или проводить сравнение альтернативных вариантов. М2.3 — методы статистической обработки данных моделирования на основе методов планирования эксперимента. Разработаны большое число пакетов прикладных программ (ППП), которые условно можно разбить на три группы: — пакеты углубленного статистического анализа, написанные специалистами по статистике для таких же специалистов, с собственным языком, позволяющим программировать новые статистические процедуры (SAS, Statgraphics); — пакеты базовой статистики, ориентированные на пользователей, не являющихся специалистами по статистическому анализу, и содержащие классические методы анализа с дружественным пользовательским интерфейсом в виде многочисленных пояснений, примеров и подсказок, среди них необходимо отметить прекрасный раздел по статистике в ППП MATLAB и ППП «Статистика»; — проблемно ориентированные пакеты, использующие терминологию и критерии в данной предметной области (экология, медицина и т. п.). М2.4 — комплексы ИМ, объединяющие все названные виды КМ, пользовательский интерфейс, автоматизированные системы поддержки принимаемых решений и т. д. Это перспективное развивающееся направление предназначено для исследования сложных систем. Анализ чувствительности, изменение выходных характеристик, определение областей устойчивости и степень робастности, оптимизацию параметров, оценку вариантов построения и т. д. КМ объединяет достижения математического моделирования, системного программирования и информационных технологий. Итак, КМ обладает: • способностью понимать, интерпретировать и использовать формализованную и не формализованную информацию (математические формулы, логические правила, вербальные описания и т. п.); • обладает различными формами представления данных и знаний, т.о. заполняя пространство между ММ с его аналитическими формами описания и искусственным интеллектом с его формами и правилами представления знаний; • способностью участвовать в процессе не только автоматизации научных исследований за счет использования самой ЭВМ для модификации различных режимов применения КМ, но и интеграции всех этапов жизненного цикла системы путем использования быстро развивающихся методов ИТ (широко распространенные во всем мире CASE технологии, технологии ICAM и IDEF); • возможностью расширения круга пользователей, от узкого круга специалистов математиков и профессиональных программистов до большого класса исследователей, не обладающих профессиональными знаниями в областях математики и программирования, но хорошо знающих предметную область и умеющих обращаться с ППП. Помня, что КМ разделяется на четыре подгруппы, следует иметь в виду, что обычно при использовании ЯИМ приходится обращаться и к методам Монте Карло, и к возможностям ППП, созданных для обработки статистических данных.