- •Системный анализ и моделирование процессов в техносфере
- •1.1. Понятие системы. Базовые категории систем
- •1.2. Классификация систем
- •1.3. Общее представление о системном анализе
- •1.4. Принципы системного анализа
- •2.1. Этапы анализа и синтеза
- •2.2. Понятие о структурном анализе
- •2.3. Методы декомпозиции
- •2.4. Требования, предъявляемые к декомпозиции
- •2.5. Алгоритм декомпозиции
- •2.5. Программно-целевой подход к решению системных задач
- •1. Область применения и этапы программно-целевого подхода
- •2. Дерево целей
- •3.1. Агрегирование системы и эмерджентность
- •3.2. Виды связей в системе
- •Связи взаимодействия (координации):
- •Связи преобразования:
- •3.3. Виды агрегирования
- •4.1. Общие свойства процесса принятия решений
- •4.2. Участники процесса принятия решения
- •4.3. Схема ппр
- •4.4. Формулирование проблемы
- •4.5. Определение целей
- •4.6. Генерирование альтернатив
- •4.7. Формирование критериев
- •4.8. Физиология принятия решений
- •4.9. Виды и особенности задач принятия решений
- •4.10. Формализация принятия решений
- •Лекция 5. Информационное обеспечение ппр
- •5.1. Понятие информации
- •5.2. Информационная структура процесса принятия решений
- •6.1. Особенности группового выбора
- •6.2. Экспертные методы выбора
- •6.3. Методы типа мозговой атаки или коллективной генерации идей
- •6.4. Методы типа сценариев
- •6.5. Методы типа «Делфи»
- •6.6. Методы типа дерева целей
- •6.7. Морфологические методы
- •7.1 Основные положения теории управления
- •7.2 Аксиомы теории управления
- •7.3 Модели основных функций организационно-технического управления
- •7.4 Описание функций управления
- •Лекция 8. Понятие и классификация моделей
- •8.1 Понятие модели, моделирования
- •8.2 Познавательные и прагматические модели
- •8.3 Статические и динамические модели
- •8.4 Классификация моделей по способу воплощения
- •8.5 Место математического моделирования в системных исследованиях
- •8.6 Типы и виды математических моделей
- •8.7 Процесс построения математической модели
- •8.8 Структура моделирования происшествий в техносфере
- •9.1 Конфликт ‒ предмет рассмотрения теории игр
- •9.2 Понятие игры. Классификация игр. Формальное представление игр
- •9.3 Определение бескоалиционной игры
- •9.4 Приемлемые ситуации и ситуации равновесия
- •9.5 Примеры игровых задач
- •10.1 Граф и его виды
- •10.2 Задача о кратчайшем пути
- •10.3 Задача о максимальном потоке
- •11.1 Поверхность отклика
- •11.2 Этапы планирования эксперимента
- •11.3 Обработка и анализ результатов моделирования
- •12.1 Полный факторный эксперимент
- •12.2 Дробный факторный эксперимент
- •12.3 Метод наименьших квадратов
- •13.1 Основная цель кластерного анализа
- •13.2 Объединение (древовидная кластеризация)
- •13.3 Двувходовое объединение
- •13.4 Метод k средних
- •13.5 Алгоритм нечеткой кластеризации
- •14.1 Понятие когнитивного моделирования
- •14.2 Подсистема представления субъективной информации
- •14.3 Подсистема извлечения предпочтений эксперта
- •14.4 Подсистема обработки
- •14.5 Подсистема представления результатов моделирования
- •14.6 Подсистема поддержки аналитической деятельности эксперта
- •14.7 Моделирование бизнес процессов на основе bpmn-диаграмм
- •14.8 Метод анализа иерархий (маи): введение
- •14.9 Основные принципы маи
- •1. Принцип идентичности и декомпозиции
- •2. Принцип дискриминации и сравнительных суждений
- •3. Принцип синтеза
- •14.10 Общая оценка маи как метода принятия решений
- •15.1 Общий ход решения задачи на основе метода конечных элементов
- •15.2 Сети одномерных конечных элементов
- •15.3 Виды конечных элементов
- •16.1 Основные понятия
- •16.2 Приближенное решение оду при заданных начальных условиях
- •16.3 Метод Эйлера и его модификации
- •16.4 Метод Рунге-Кутта
- •16.5 Приближенное решение ду n-го порядка при заданных начальных условиях
- •16.6 Приближенное решение ду при заданных граничных условиях (краевых задач)
- •16.6.1 Метод начальных параметров
- •16.6.2 Редукция к задаче Коши для линейного ду второго порядка
- •17.1 Основные понятия
- •17.2 Типы элементов
- •17.3 Источники энергии и преобразователи. Аналоги топологических уравнений
- •17.4 Метод получения топологических уравнений
- •18.1 Свойства задач принятия решения со многими критериями
- •18.2. Формирование множества критериев
- •18.3 Методология решения многокритериальных задач
- •18.4 Технологии отыскания эффективных решений
- •18.5 Методы принятия решения при нескольких критериях
1.2. Классификация систем
Системы разделяются на классы по различным признакам, и в зависимости от решаемой задачи можно выбрать разные принципы классификации. При этом систему можно охарактеризовать одним или несколькими признаками.
Классификацию систем можно осуществить по разным критериям. Её часто жестко невозможно проводить и она зависит от цели и ресурсов. Приведем основные способы классификации (возможны и другие критерии классификации систем).
По отношению системы к окружающей среде:
открытые (есть обмен ресурсами с окружающей средой);
закрытые (нет обмена ресурсами с окружающей средой).
По происхождению системы (элементов, связей, подсистем):
искусственные (орудия, механизмы, машины, автоматы, роботы и т.д.);
естественные (живые, неживые, экологические, социальные и т.д.);
виртуальные (воображаемые и, хотя они в действительности реально не существующие, но функционирующие так же, как и в случае, если бы они реально существовали);
смешанные (экономические, биотехнические, организационные и т.д.).
По описанию переменных системы:
с качественными переменными (имеющие только лишь содержательное описание);
с количественными переменными (имеющие дискретно или непрерывно описываемые количественным образом переменные);
смешанного (количественно-качественное) описания.
По типу описания закона (законов) функционирования системы:
типа “Черный ящик” (неизвестен полностью закон функционирования системы; известны только входные и выходные сообщения системы);
непараметризованные (закон не описан, описываем с помощью хотя бы неизвестных параметров, известны лишь некоторые априорные свойства закона);
параметризованные (закон известен с точностью до параметров и его возможно отнести к некоторому классу зависимостей);
типа “Белый (прозрачный) ящик” (полностью известен закон).
По способу управления системой (в системе):
управляемые извне системы (без обратной связи, регулируемые, управляемые структурно, информационно или функционально);
управляемые изнутри (самоуправляемые или саморегулируемые – программно управляемые, регулируемые автоматически, адаптируемые – приспосабливаемые с помощью управляемых изменений состояний и самоорганизующиеся – изменяющие во времени и в пространстве свою структуру наиболее оптимально, упорядочивающие свою структуру под воздействием внутренних и внешних факторов);
с комбинированным управлением (автоматические, полуавтоматические, автоматизированные, организационные).
Сложность является определяющим свойством систем и поэтому заслуживает отдельного рассмотрения. Сложность в применении к системам имеет разный смысл – структурная, динамическая или вычислительная сложность. Обычно степень сложности оценивается количеством информации, необходимой для описания реальной системы. При таком подходе сложность ставится в зависимость от наблюдателя. Например, для нейрофизиолога мозг сложен и его адекватное описание требует много информации, для мясника мозг прост, т.к. ему нужно только отличить его от других сортов мяса, для чего он использует сравнительно мало информации.
По сложности:
Малые (от 10 до 103 параметров);
Сложные (от 104 до 107 параметров);
Ультрасложные (от 108 до 1030 параметров);
Суперсистемы (от 1031 до 10200 параметров).
Мы будем различать сложность как свойство систем и сложность самих задач, и соответственно, будем говорить о сложности систем и сложности задач, последнюю называют также вычислительной сложностью. Вне зависимости от типа сложности можно выделить два принципа оценки сложности систем.
Первый принцип состоит в том, что сложность системы должна быть пропорциональна объему информации, необходимой для описания этой системы (так называемая дискриптивная сложность). Одним из способов оценки дескриптивной (описательной) сложности является оценка числа элементов, входящих в систему (переменных, состояний, компонентов), и разнообразия взаимозависимостей между ними.
Второй принцип состоит в том, что сложность системы должна быть проворциональная объему информации, необходимому для разрешения нечеткости системы. Оба типа сложности не согласуются друг с другом. Уменьшая одну сложность, мы, как правило, увеличиваем другую. Отметим, что с увеличением размерности (сложности системы) могут возрастать как первая, так и вторая сложность.
Для примера рассмотрим экологическую систему «Озеро». Это открытая, естественного происхождения система, переменные которой можно описывать смешанным образом (количественно и качественно), в частности, температура водоёма – количественно описываемая характеристика, структуру обитателей озера можно описать и качественно, и количественно, а красоту озера можно описать качественно. По типу описания закона функционирования системы, эту систему можно отнести к непараметризованным в целом, хотя возможно выделение подсистем различного типа, в частности, различного описания подсистемы «Водоросли», «Рыбы», «Впадающий ручей», «Вытекающий ручей», «Дно», «Берег» и др.
Система «Компьютер» ‒ открытая, искусственного происхождения, смешанного описания, параметризованная, управляемая извне (программно). Система “Логический диск” ‒ открытая, виртуальная, количественного описания, типа “Белый ящик” (при этом содержимое диска мы в эту систему не включаем!), смешанного управления. Систем “Фирма” ‒ открытая, смешанного происхождения (организационная) и описания, управляемая изнутри (адаптируемая, в частности, система).