16 Математические схемы моделирования систем.

Основные подходы к построению математических моделей системы. Непрерывно-детерминированные модели. Дискретно-детерминированные модели. Дискретно-стохастические модели. Непрерывно-стохастические модели. Сетевые модели. Комбинированные модели.

Основные подходы к построению математических моделей системы.

Исходной информацией при построении математических моделей процессов функционирования систем служат данные о назначении и условиях работы исследуемой (проектируемой) системы S.

Математические схемы

Отображаются реальные процессы в виде конкретных схем. Мат. схемы – переход от содержательного описания к формальному описанию системы с учетом воздействия окружающей среды.

Формальная модель объекта

Модель объекта моделирования,

т. е. системы S, можно представить в виде множества величин,

описывающих процесс функционирования реальной системы и образующих

в общем случае следующие подмножества:

· совокупность входных воздействий на систему

х i ,еХ,(e -символ принадлежит) i =1; nx

· совокупность воздействий внешней среды

v l e V l=1;nv

· совокупность внутренних (собственных) параметров системы

hkeH k=1;nh

· совокупность выходных характеристик системы

yJeY j=1;ny

Можно выделить управляемые и неуправляемые переменные.

При моделировании систем входные воздействия, воздействия внешней среды и внутренние параметры содержат и детерминированные и стохастические составляющие.

входные воздействия, воздействия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными.

Процесс функционирования системы S описывается во времени оператором Fs, который в общем случае преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида:

y (t)=Fs(x ,v, h,t) – все с ве k торами.

Закон функционирования системы Fs может быть задан в виде функции, функционала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.

Понятие алгоритма функционирования As - метод получения выходных характеристик с учетом входных воздействий, воздействий внешней среды и собственных параметров системы.

Также вводятся состояния системы – свойства системы в конкретные моменты времени.

Совокупность всех возможных значений состояний составляют пространство состояний объекта.

Таким образом, цепочка уравнений объекта «вход - состояния - выход» позволяет определить характеристики системы:

Таким образом, под математической моделью объекта (реальной системы) понимают конечное подмножество переменных {х (t),v (t), h (t)} вместе с математическими связями между ними и характеристиками у (t).

Типовые схемы

На первоначальных этапах исследования используются типовые схемы: дифференциальные уравнения, конечные и вероятностные автоматы, системы массового обслуживания, сети Петри и т. д.

В качестве детерминированных моделей, когда при исследовании случайные факторы не учитываются, для представления систем, функционирующих в непрерывном времени, используются дифференциальные, интегральные, интегродифференциальные и другие уравнения, а для представления систем, функционирующих в дискретном времени,- конечные автоматы и конечно-разностные схемы.

В качестве стохастических моделей (при учете случайных факторов) для представления систем с дискретным временем используются вероятностные автоматы, а для представления системы с непрерывным временем - системы массового обслуживания и т. д.

Таким образом, при построении математических моделей процессов функционирования систем можно выделить следующие основные подходы: непрерывно-детерминированный (например, дифференциальные уравнения); дискретно-детерминированный (конечные автоматы); дискретно-стохастический (вероятностные автоматы); непрерывно-стохастический (системы массового обслуживания); обобщенный, или универсальный (агрегативные системы).

Непрерывно-детерминированные модели

Рассмотрим особенности непрерывно детерминированного подхода на примере, используя в качестве Мат. моделей дифференциальные уравнения .

Дифференциальными уравнениями называются такие уравнения, в которых неизвестными будут функции одной переменной или нескольких переменных, причём в уравнение входят не только их функции но их производные различных порядков.

Если неизвестные - функции многих переменных, то уравнения называются - уравнения в частных производных. Если неизвестные функции одной независимой переменной, то имеют место обыкновенные дифференциальные уравнения.

Математическое соотношение для детерминированных систем в общем виде:

Дискретно-детерминированные модели.

ДДМ являются предметом рассмотрения теории автоматов (ТА) . ТА - раздел теоретической кибернетики, изучающей устройства, перерабатывающие дискретную информацию и меняющего свои внутренние состояния лишь в допустимые моменты времени.

Конечным автоматом называется автомат, у которого множество внутренних состояний и входных сигналов (а следовательно, и множество выходных сигналов) являются конечными множествами.

Конечный автомат имеет множество внутренних состояний и входных сигналов, являющихся конечными множествами. Автомат задаётся F- схемой: F=,

где z, x,y - соответственно конечные множества входных, выходных сигналов (алфавитов) и конечное множество внутренних состояний (алфавита). z0ÎZ - начальное состояние; j(z, x) - функция переходов; y(z, x) - функция выхода.

Автомат функционирует в дискретном автоматном времени, моментами которого являются такты, т. е. примыкающие друг к другу равные интервалы времени, каждому из которых соответствуют постоянные значения входного, выходного сигнала и внутреннего состояния. Абстрактный автомат имеет один входной и один выходной каналы.

Для задания F - автомата необходимо описать все элементы множества F=, т. е. входной, внутренний и выходной алфавиты, а также функции переходов и выходов. Для задания работы F - автоматов наиболее часто используются табличный, графический и матричный способ.

В табличном способе задания используется таблицы переходов и выходов, строки которых соответствуют входным сигналам автомата, а столбцы - его состояниям.

Описание работы F - автомата Мили таблицами переходов j и выходов y иллюстрируется таблицей (1), а описание F - автомата Мура - таблицей переходов (2).

Таблица 1

Переходы
…………………………………………………………
…………………………………………………………

Таблица 2

…………………………………………………………

Примеры табличного способа задания F - автомата Мили F1 с тремя состояниями, двумя входными и двумя выходными сигналами приведены в таблице 3, а для F - автомата Мура F2 - в таблице 4.

Таблица 3

Переходы

Таблица 4

При другом способе задания конечного автомата используется понятие направленного графа. Граф автомата представляет собой набор вершин, соответствующих различным состояниям автомата и соединяющих вершин дуг графа, соответствующих тем или иным переходам автомата. Если входной сигнал xk вызывает переход из состояния zi в состояние zj, то на графе автомата дуга, соединяющая вершину zi с вершиной zj обозначается xk. Для того, чтобы задать функцию переходов, дуги графа необходимо отметить соответствующими выходными сигналами.

Рис. 1. Графы автоматов Мили (а) и Мура (б).

При решении задач моделирования часто более удобной формой является матричное задание конечного автомата. При этом матрица соединений автомата есть квадратная матрица С=|| cij ||, строки которой соответствуют исходным состояниям, а столбцы - состояниям перехода.

Пример. Для рассмотренного ранее автомата Мура F2 запишем матрицу состояний и вектор выходов:

;

Дискретно-стохастические модели

Пусть Ф – множество всевозможных пар вида (zk, yi), где уi – элемент выходного

подмножества Y. Потребуем, чтобы любой элемент множества G индуцировал

на множестве Ф некоторый закон распределения следующего вида:

Элементы из Ф (z1, y2) (z1, y2zk, yJ-1) (zK, yJ)

(xi, zs) b11 b1bK(J-1) bKJ

Информационные сети" href="/text/category/informatcionnie_seti/" rel="bookmark">обработку информации ЭВМ от удаленных терминалов и т. д.

При этом характерным для

работы таких объектов является случайное появление заявок (требований) на

обслуживание и завершение обслуживания в случайные моменты времени,

т. е. стохастический характер процесса их функционирования.

Под СМО понимают динамическую систему, предназначенную для эффективного обслуживания случайного потока заявок при ограниченных ресурсах системы. Обобщённая структура СМО приведена на рисунке 3.1.

Рис. 3.1. Схема СМО.

Поступающие на вход СМО однородные заявки в зависимости от порождающей причины делятся на типы, интенсивность потока заявок типа i (i=1…M) обозначено li. Совокупность заявок всех типов - входящий поток СМО.

Обслуживание заявок выполняется m каналами.

Различают универсальные и специализированные каналы обслуживания. Для универсального канала типа j считается известными функции распределения Fji(t) длительности обслуживания заявок произвольного типа. Для специализированных каналов функции распределения длительности обслуживания каналов заявок некоторых типов являются неопределёнными, назначение этих заявок на данный канал.

Q - схемы можно исследовать аналитически и имитационными моделями. Последнее обеспечивает большую универсальность.

Рассмотрим понятие массового обслуживания.

В любом элементарном акте обслуживания можно выделить две основные составляющие: ожидание обслуживания заявкой и собственно обслуживание заявки. Это можно отобразить в виде некоторого i-ого прибора обслуживания Пi, состоящего из накопителя заявок, в котором может находиться одновременно li=0…LiH заявок, где LiH - ёмкость i-ого накопителя, и канала обслуживания заявок, ki.

Рис. 3.2. Схема прибора СМО

На каждый элемент прибора обслуживания Пi поступают потоки событий: в накопитель Hi поток заявок wi, на канал ki - поток обслуживания ui.

Потоком событий (ПС) называется последовательность событий, происходящих одно за другим в какие-то случайные моменты времени. Различают потоки однородных и неоднородных событий. Однородный ПС характеризуется только моментами поступления этих событий (вызывающими моментами) и задаётся последовательностью {tn}={0£t1£t2…£tn£…}, где tn - момент поступления n - ого события - неотрицательное вещественное число. ОПС может быть также задан в виде последовательности промежутков времени между n-ым и n-1-ым событиями {tn}.

Неоднородным ПС называется последовательность {tn, fn} , где tn - вызывающие моменты; fn- набор признаков события. Например, может быть задана принадлежность к тому или иному источнику заявок, наличие приоритета, возможность обслуживания тем или иным типом канала и т. п.

Заявки, обслуженные каналом ki и заявки, покинувшие прибор Пi по различным причинам не обслуженными, образуют выходной поток yiÎY.

Процесс функционирования прибора обслуживания Пi можно представить как процесс изменения состояний его элементов во времени Zi(t). Переход в новое состояние для Пi означает изменение кол-ва заявок, которые в нём находятся (в канале ki и накопителе Hi). Т. о. вектор состояний для Пi имеет вид: , где - состояния накопителя, (https://pandia.ru/text/78/362/images/image010_20.gif" width="24 height=28" height="28">=1- в накопителе одна заявка…, =- накопитель занят полностью; - состояние канала ki (=0 - канал свободен, =1 канал занят).

Q-схемы реальных объектов образуются композицией многих элементарных приборов обслуживания Пi. Если ki различных приборов обслуживания соединены параллельно, то имеет место многоканальное обслуживание (многоканальная Q-схема), а если приборы Пi и их параллельные композиции соединены последовательно, то имеет место многофазное обслуживание (многофазная Q-схема).

Для задания Q-схемы также необходимо описать алгоритмы её функционирования, которые определяют правила поведения заявок в различных неоднозначных ситуациях.

В зависимости от места возникновения таких ситуаций различают алгоритмы (дисциплины) ожидания заявок в накопителе Нi и обслуживания заявок каналом ki. Неоднородность потока заявок учитывается с помощью введения класса приоритетов – относительные и абсолютные приоритеты.

Т. о. Q‑схема, описывающая процесс функционирования СМО любой сложности однозначно задаётся в виде набора множеств: Q = .

Сетевые модели.

Для формального описания структуры и взаимодействия параллельных систем и процессов, а также анализа причинно-следственных связей в сложных системах используются сети Петри (англ. Petri Nets), называемые N-схемами.

Формально N-схема задается четверкой вида

N = ,

где В – конечное множество символов, называемых позициями, B ≠ O;

D – конечное множество символов, называемых переходами D ≠ O,

B ∩ D ≠ O; I – входная функция (прямая функция инцидентности)

I: B × D → {0, 1}; О – выходная функция (обратная функция инцидентности),

О: B × D → {0, 1}. Таким образом входная функция I отображает переход dj в

множество входных позиций bj I(dj), а выходная функция O отображает

переход dj в множество выходных позиций bj О(dj). Для каждого перехода

dj https://pandia.ru/text/78/362/images/image013_14.gif" width="13" height="13"> B | I(bi, dj) = 1 },

O(dj) = { bi B | O(dj, bi) = 1 },

i = 1,n; j = 1,m; n = | B |, m = | D |.

Аналогично для каждой позиции bi B вводятся определения

множество входных переходов позиции I(bi) и выходных переходов

позиции O(bi):

I(bi) = { dj D | I(dj, bi,) = 1 },

O(bi) = { dj D | O(bi, dj) = 1 }.

Сеть Петри представляет собой двудольный ориентированный граф, состоящий из вершин двух типов - позиций и переходов, соединённых между собой дугами, вершины одного типа не могут быть соединены непосредственно.

Пример сети Петри. Белыми кружками обозначены позиции, полосками - переходы, чёрными кружками - метки.

Ориентировочные дуги соединяют позиции и переходы, причем каждая дуга направлена от элемента одного множества (позиции или перехода) к элементу другого множества

(переходу или позиции). Граф N-схемы является мультиграфом, так как он

допускает существование кратных дуг от одной вершины к другой.

Декомпозиция" href="/text/category/dekompozitciya/" rel="bookmark">декомпозиции сложная система представляется в виде многоуровневой конструкции из взаимосвязанных элементов, объединенных в подсистемы различных уровней.

В качестве элемента А-схемы выступает агрегат, а связь между агрегатами (внутри системы S и с внешней средой Е) осуществляется с помощью оператора сопряжения R.

Любой агрегат характеризуется следующими множествами: моментов времени T, входных X и выходных Y сигналов, состояний Z в каждый момент времени t. Состояние агрегата в момент времени tT обозначается как z(t) Z,

а входные и выходные сигналы как х(t) X и y(t) Y соответственно.

Будем полагать, что переход агрегата из состояния z(t1) в состояние z(t2)≠z(t1) происходит за малый интервал времени, т. е. имеет место скачок δz.

Переходы агрегата из состояния z(t1) в z(t2) определяются собственными (внутренними) параметрами самого агрегата h(t) H и входными сигналами x(t) X.

В начальный момент времени t0 состояния z имеют значения, равные z0, т. е. z0=z(t0), задаваемые законом распределения процесса z(t) в момент времени t0, а именно J. Предположим, что процесс функционирования агрегата в случае воздействия входного сигнала xn описывается случайным оператором V. Тогда в момент поступления в агрегат tnT входного сигнала

xn можно определить состояние

z(tn + 0) = V.

Обозначим полуинтервал времени t1 < t ≤ t2 как (t1, t2], а полуинтервал

t1 ≤ t < t2 как .

Совокупность случайных операторов V и U рассматривается как оператор переходов агрегата в новые состояния. При этом процесс функционирования агрегата состоит из скачков состояний δz в моменты поступления входных сигналов х (оператор V) и изменений состояний между этими моментами tn и tn+1 (оператор U). На оператор U не накладывается никаких ограничений, поэтому допустимы скачки состояний δz в моменты времени, не являющиеся моментами поступления входных сигналов x. В дальнейшем моменты скачков δz будем называть особыми моментами времени tδ, а состояния z(tδ) – особыми состояниями А-схемы. Для описания скачков состояний δz в особые моменты времени tδ будем использовать случайный оператор W, представляющий собой частный случай оператора U, т. е.

z(tδ + 0) = W.

В множестве состояний Z выделяется такое подмножество Z(Y), что если z(tδ) достигает Z(Y), то это состояние является моментом выдачи выходного сигнала, определяемого оператором выходов

у = G.

Таким образом, под агрегатом будем понимать любой объект, определяемый упорядоченной совокупностью рассмотренных множеств T, X, Y, Z, Z(Y), H и случайных операторов V, U, W, G.

Последовательность входных сигналов, расположенных в порядке их поступления в А-схему, будем называть входным сообщением или x-сообщением. Последовательность выходных сигналов, упорядоченную относительно времени выдачи, назовем выходным сообщением или y-сообщением.

ЕСЛИ КРАТКО

Непрерывно-детерминированные модели (Д-схемы)

Применяются для исследования систем, функционирующих в непрерывном времени. Для описания таких систем в основном используются дифференциальные, интегральные, интегро-дифференциальные уравнения. В обыкновенных дифференциальных уравнениях рассматривается функция только одной независимой переменной, а в уравнениях в частных производных - функции нескольких переменных.

В качестве примера применения Д-моделей можно привести исследование работы механического маятника или электрического колебательного контура. Техническую основу Д-моделей составляют аналоговые вычислительные машины (АВМ) или бурно развивающиеся в настоящее время гибридные вычислительные машины (ГВМ). Как известно, основной принцип исследований на ЭВМ состоит в том, что по заданным уравнениям исследователь (пользователь АВМ) собирает схему из отдельных типовых узлов - операционных усилителей с включением цепей масштабирования, демпфирования, аппроксимации и т. п.

Структура АВМ изменяется в соответствии с видом воспроизводимых уравнений.

В цифровой ЭВМ структура остается неизменной, а изменяется последовательность работы ее узлов в соответствии с заложенной в нее программой. Сравнение АВМ и ЦВМ наглядно показывает разницу между имитационным и статистическим моделированием.

АВМ реализует имитационную модель, но, как правило, не использует принципы статистического моделировании. В ЦВМ большинство имитационных моделей базируется на исследовании случайных чисел, процессов, т. е. на статистическом моделировании. Непрерывно-детерминированные модели широко используются в машиностроении при исследовании систем автоматического управления, выборе амортизирующих систем, выявлении резонансных явлений и колебаний в технике
и т. п.

Дискретно-детерминированные модели (F-схемы)

Оперируют с дискретным временем. Эти модели являются основой для исследования работы чрезвычайно важного и распространенного сегодня класса систем дискретных автоматов. С целью их исследования разработан самостоятельный математический аппарат теории автоматов. На основе этой теории система рассматривается как автомат, перерабатывающий дискретную информацию и меняющий, в зависимости от результатов ее переработки, свои внутренние состояния.

На этой модели основаны принципы минимизации числа элементов и узлов в схеме, устройстве, оптимизация устройства в целом и последовательности работы его узлов. Наряду с электронными схемами , ярким представителем автоматов, описываемых данной моделью, является робот, управляющий (по заданной программе) технологическими процессами в заданной детерминированной последовательности.

Станок с числовым программным управлением также описывается данной моделью. Выбор последовательности обработки деталей на этом станке осуществляется настройкой узла управления (контроллера), вырабатывающего сигналы управления в определенные моменты времени / 4 /.

Теория автоматов использует математический аппарат булевых функций, оперирующих с двумя возможными значениями сигналов 0 и 1.

Автоматы разделяются на автоматы без памяти, автоматы с памятью. Описание их работы производится с помощью таблиц, матриц, графов, отображающих переходы автомата из одного состояния в другое. Аналитические оценки при любом виде описания работы автомата весьма громоздки и уже при сравнительно небольшом числе элементов, узлов, образующих устройство, практически невыполнимы. Поэтому исследование сложных схем автоматов, к которым, несомненно, относятся и робототехнические устройства, производится с применением имитационного моделирования.

Дискретно-стохастические модели (P-схемы)

Применяются при исследовании работы вероятностных автоматов. В автоматах этого типа переходы из одного состояния в другое осуществляются под воздействием внешних сигналов и с учетом внутреннего состояния автомата. Однако в отличие от Г-автоматов, эти перехода не строго детерминированы, а могут осуществляться с определенными вероятностями.

Пример такой модели представляет дискретная марковская цепь с конечным множеством состояний. Анализ F-схем основан на обработке и преобразовании матриц вероятностей переходов и анализе вероятностных графов. Уже для анализа сравнительно простых устройств, поведение которых описывается F-схемами, целесообразно применение имитационного моделирования. Пример такого моделирования приведен в пункте 2.4.

Непрерывно-стохастические модели (Q-схемы)

Используются при анализе широкого класса систем, рассматриваемых как системы массового обслуживания. В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы: потоки поставок продукции предприятию, потоки комплектующих заказных деталей и изделий, потоки деталей на сборочном конвейере, потоки управляющих воздействий от центра управления АСУ на рабочие места и обратные заявки на обработку информации в ЭВМ и т. д.

Как правило, эти потоки зависят от многих факторов и конкретных ситуаций. Поэтому в большинстве случаев эти потоки случайны во времени с возможностью изменений в любые моменты. Анализ таких схем производится на основе математического аппарата теории массового обслуживания. К ним относится непрерывная марковская цепь. Несмотря на значительные успехи, достигнутые в разработке аналитических методов, теория массового обслуживания, анализ Q-схем аналитическими методами может быть проведен лишь при значительных упрощающих допущениях и предположениях. Детальное исследование большинства этих схем, тем более таких сложных, как АСУТП, робототехнические системы, может быть проведено только с помощью имитационного моделирования.

Обобщенные модели (А-схемы)

Основаны на описании процессов функционирования любых систем на базе агрегативного метода. При агрегативном описании система разбивается на отдельные подсистемы, которые могут считаться удобными для математического описания. В результате такого разбиения (декомпозиции) сложная система представляется в виде многоуровневой системы, отдельные уровни (агрегаты) которой поддаются анализу. На основе анализа отдельных агрегатов и с учетом законов взаимосвязей этих агрегатов удается провести комплексное исследование всей системы.

, Яковлев систем. 4-е изд. – М.: Высшая школа, 2005. – С. 45-82.

Для использования ЭВМ при решении прикладных задач прежде всего прикладная задача должна быть "переведена" на формальный математический язык, т.е. для реального объекта, процесса или системы должна быть построена его математическая модель .

Математические модели в количественной форме, с помощью логико-математических конструкций, описывают основные свойства объекта, процесса или системы, его параметры, внутренние и внешние связи .

Для построения математической модели необходимо:

1. тщательно проанализировать реальный объект или процесс;
2. выделить его наиболее существенные черты и свойства;
3. определить переменные, т.е. параметры, значения которых влияют на основные черты и свойства объекта;
4. описать зависимость основных свойств объекта, процесса или системы от значения переменных с помощью логико-математических соотношений (уравнения, равенства, неравенства, логико-математические конструкций);
5. выделить внутренние связи объекта, процесса или системы с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций;
6. определить внешние связи и описать их с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций.

Математическое моделирование , кроме исследования объекта, процесса или системы и составления их математического описания, также включает:

1. построение алгоритма, моделирующего поведение объекта, процесса или системы;
2. проверка адекватности модели и объекта, процесса или системы на основе вычислительного и натурного эксперимента;
3. корректировка модели;
4. использование модели.

Математическое описание исследуемых процессов и систем зависит от:

1. природы реального процесса или системы и составляется на основе законов физики, химии, механики, термодинамики, гидродинамики, электротехники, теории пластичности , теории упругости и т.д.
2. требуемой достоверности и точности изучения и исследования реальных процессов и систем.

На этапе выбора математической модели устанавливаются: линейность и нелинейность объекта, процесса или системы, динамичность или статичность, стационарность или нестационарность, а также степень детерминированности исследуемого объекта или процесса. При математическом моделировании сознательно отвлекаются от конкретной физической природы объектов, процессов или систем и, в основном, сосредотачиваются на изучении количественных зависимостей между величинами, описывающими эти процессы.

Математическая модель никогда не бывает полностью тождественна рассматриваемому объекту, процессу или системе. Основанная на упрощении, идеализации , она является приближенным описанием объекта. Поэтому результаты, полученные при анализе модели, носят приближенный характер. Их точность определяется степенью адекватности (соответствия) модели и объекта.

Обычно начинается с построения и анализа простейшей, наиболее грубой математической модели рассматриваемого объекта, процесса или системы. В дальнейшем, в случае необходимости, модель уточняется, делается ее соответствие объекту более полным.

Возьмем простой пример. Нужно определить площадь поверхности письменного стола. Обычно для этого измеряют его длину и ширину, а затем перемножают полученные числа. Такая элементарная процедура фактически обозначает следующее: реальный объект (поверхность стола) заменяется абстрактной математической моделью – прямоугольником. Прямоугольнику приписываются размеры, полученные в результате измерения длины и ширины поверхности стола, и площадь такого прямоугольника приближенно принимается за искомую площадь стола.

Однако модель прямоугольника для письменного стола – это простейшая, наиболее грубая модель. При более серьезном подходе к задаче прежде, чем воспользоваться для определения площади стола моделью прямоугольника, эту модель нужно проверить. Проверки можно осуществить следующим образом: измерить длины противоположных сторон стола, а также длины его диагоналей и сравнить их между собой. Если, с требуемой степенью точности, длины противоположных сторон и длины диагоналей попарно равны между собой, то поверхность стола действительно можно рассматривать как прямоугольник . В противном случае модель прямоугольника придется отвергнуть и заменить моделью четырехугольника общего вида. При более высоком требовании к точности может возникнуть необходимость пойти в уточнении модели еще дальше, например, учесть закругления углов стола.

С помощью этого простого примера было показано, что математическая модель не определяется однозначно исследуемым объектом, процессом или системой. Для одного и того же стола мы можем принять либо модель прямоугольника, либо более сложную модель четырехугольника общего вида, либо четырехугольника с закругленными углами. Выбор той или иной модели определяется требованием точности. С повышением точности модель приходится усложнять, учитывая новые и новые особенности изучаемого объекта, процесса или системы.

Рассмотрим другой пример: исследование движения кривошипно-шатунного механизма (Рис. 2.1) .

Рис. 2.1.

Для кинематического анализа этого механизма, прежде всего, необходимо построить его кинематическую модель. Для этого:

1. Заменяем механизм его кинематической схемой, где все звенья заменены жесткими связями ;
2. Пользуясь этой схемой, мы выводим уравнение движения механизма;
3. Дифференцируя последнее, получаем уравнения скоростей и ускорения, которые представляют собой дифференциальные уравнения 1-го и 2-го порядка.

Запишем эти уравнения:

где С 0 – крайнее правое положение ползуна С:

r – радиус кривошипа AB;

l – длина шатуна BC;

– угол поворота кривошипа;

Полученные трансцендентные уравнения представляют математическую модель движения плоского аксиального кривошипно-шатунного механизма, основанную на следующих упрощающих предположениях:

1. нас не интересовали конструктивные формы и расположение масс, входящих в механизм тел, и все тела механизма мы заменили отрезками прямых. На самом деле, все звенья механизма имеют массу и довольно сложную форму. Например, шатун – это сложное сборное соединение, форма и размеры которого, конечно, будут влиять на движение механизма;
2. при движения рассматриваемого механизма мы также не учитывали упругость входящих в механизм тел, т.е. все звенья рассматривали как абстрактные абсолютно жесткие тела. В действительности же, все входящие в механизм тела – упругие тела. Они при движении механизма будут как-то деформироваться, в них могут даже возникнуть упругие колебания. Это все, конечно, также будет влиять на движение механизма;
3. мы не учитывали погрешность изготовления звеньев, зазоры в кинематических парах A, B, C и т.д.

Таким образом, важно еще раз подчеркнуть, что, чем выше требования к точности результатов решения задачи, тем больше необходимость учитывать при построении математической модели особенности изучаемого объекта, процесса или системы. Однако, здесь важно во время остановиться, так как сложная математическая модель может превратиться в трудно разрешимую задачу.

Наиболее просто строится модель, когда хорошо известны законы, определяющие поведение и свойства объекта, процесса или системы, и имеется большой практический опыт их применения.

Более сложная ситуация возникает тогда, когда наши знания об изучаемом объекте, процессе или системе недостаточны. В этом случае при построении математической модели приходится делать дополнительные предположения, которые носят характер гипотез, такая модель называется гипотетической. Выводы, полученные в результате исследования такой гипотетической модели, носят условный характер. Для проверки выводов необходимо сопоставить результаты исследования модели на ЭВМ с результатами натурного эксперимента. Таким образом, вопрос применимости некоторой математической модели к изучению рассматриваемого объекта, процесса или системы не является математическим вопросом и не может быть решен математическими методами.

Основным критерием истинности является эксперимент, практика в самом широком смысле этого слова.

Построение математической модели в прикладных задачах – один из наиболее сложных и ответственных этапов работы. Опыт показывает, что во многих случаях правильно выбрать модель – значит решить проблему более, чем наполовину. Трудность данного этапа состоит в том, что он требует соединения математических и специальных знаний. Поэтому очень важно, чтобы при решении прикладных задач математики обладали специальными знаниями об объекте, а их партнеры, специалисты, – определенной математической культурой, опытом исследования в своей области, знанием ЭВМ и программирования.

Наибольшие затруднения и наиболее серьезные ошибки при моделировании возникают при переходе от содержательного к формальному описанию объектов исследования, что объясняется участием в этом творческом процессе коллективов разных специальностей: специалистов в области систем, которые требуется моделировать (заказчиков), и специалистов в области машинного моделирования (исполнителей). Эффективным средством для нахождения взаимопонимания между этими группами специалистов является язык математических схем, позволяющий во главу угла поставить вопрос об адекватности перехода от содержательного описания системы к ее математической схеме, а лишь затем решать вопрос о конкретном методе получения результатов с использованием ЭВМ: аналитическом или имитационном, а возможно, и комбинированном, т. е. аналитико-имитационном. Применительно к конкретному объекту моделирования, т. е. к сложной системе, разработчику модели должны помочь конкретные, уже прошедшие апробацию для данного класса систем математические схемы, показавшие свою эффективность в прикладных исследованиях на ЭВМ и получившие название типовых математических схем.

ОСНОВНЫЕ ПОДХОДЫ К ПОСТРОЕНИЮ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ СИСТЕМ

Исходной информацией при построении математических моделей процессов функционирования систем служат данные о назначении и условиях работы, исследуемой (проектируемой) системы 5. Эта информация определяет основную цель моделирования системы £ и позволяет сформулировать требования к разрабатываемой математической модели А/. Причем уровень абстрагирования зависит от круга тех вопросов, на которые исследователь системы хочет получить ответ с помощью модели, и в какой-то степени определяет выбор математической схемы .

Математические схемы.

Введение понятия "математическая схема" позволяет рассматривать математику не как метод расчета, а как метод мышления, как средство формулирования понятий, что является наиболее важным при переходе от словесного описания системы к формальному представлению процесса ее функционирования в виде некоторой математической модели (аналитической или имитационной). При пользовании математической схемой исследователя системы 5* в первую очередь должен интересовать вопрос об адекватности отображения в виде конкретных схем реальных процессов в исследуемой системе, а не возможность получения ответа (результата решения) на конкретный вопрос исследования. Например, представление процесса функционирования информационно-вычислительной системы коллективного пользования в виде сети схем массового обслуживания дает возможность хорошо описать процессы, происходящие в системе, но при сложных законах распределения входящих потоков и потоков обслуживания не дает возможности получения результатов в явном виде .

Математическую схему можно определить, как звено при переходе от содержательного к формальному описанию процесса функционирования системы с учетом воздействия внешней среды, т. е. имеет место цепочка "описательная модель - математическая схема - математическая [аналитическая или (и) имитационная] модель".

Каждая конкретная система Л 1 характеризуется набором свойств, под которыми понимаются величины, отражающие поведение моделируемого объекта (реальной системы) и учитывающие условия ее функционирования во взаимодействии с внешней средой (системой) Е. При построении математической модели системы необходимо решить вопрос об ее полноте. Полнота модели регулируется в основном выбором границы "система.У-среда £>>. Также должна быть решена задача упрощения модели, которая помогает выделить основные свойства системы, отбросив второстепенные. Причем отнесение свойств системы к основным или второстепенным существенно зависит от цели моделирования системы (например, анализ вероятностно-временных характеристик процесса функционирования системы, синтез структуры системы и т. д.).

Формальная модель объекта. Модель объекта моделирования, т. е. системы 5, можно представить в виде множества величин, описывающих процесс функционирования реальной системы и образующих в общем случае следующие подмножества: совокупность входных воздействий на систему

совокупность воздействий внешней среды

совокупность внутренних (собственных) параметров системы

совокупность выходных характеристик системы

При этом в перечисленных подмножествах можно выделить управляемые и неуправляемые переменные. В общем случае х„ г/, А*,

у у являются элементами непересекающихся подмножеств и содержат как детерминированные, так и стохастические составляющие.

При моделировании системы 5 входные воздействия, воздействия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными , которые в векторной форме имеют соответственно вид х (/)=(*! (О, х 2 (0> -" х *х(0)*

" (0=("1 (0. "2(0. . "^(0; л (/)=(*! (0. Л 2 (0. ■ . Л -Н (0). а выходные характеристики системы являются зависимыми (эндогенными) переменными и в векторной форме имеют вид у (0=(у 1 0), у 2 (0" > У.гШ

Процесс функционирования системы 5 описывается во времени оператором /* 5 , который в общем случае преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида

Совокупность зависимостей выходных характеристик системы от времени уДг) для всех видов у= 1, п у называется выходной траекторией у ((). Зависимость (2.1) называется законом функционирования системы Б и обозначается Г 5 . В общем случае закон функционирования системы Е 5 может быт задан в виде функции, функционала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.

Весьма важным для описания и исследования системы 5 является понятие алгоритма функционирования Л 5 , под которым понимается метод получения выходных характеристик с учетом входных воздействий х (/), воздействий внешней среды V (г) и собственных параметров системы И (/). Очевидно, что один и тот же закон функционирования системы 5 может быть реализован различными способами, т. е. с помощью множества различных алгоритмов функционирования Л $ .

Соотношения (2.1) являются математическим описанием поведения объекта (системы) моделирования во времени /, т. е. отражают его динамические свойства. Поэтому математические модели такого вида принято называть динамическими моделями (системами) .

Для статических моделей математическая модель (2.1) представляет собой отображение между двумя подмножествами свойств моделируемого объекта У и {X, V , Я}, что в векторной форме может быть записано как

Соотношения (2.1) и (2.2) могут быть заданы различными способами: аналитически (с помощью формул), графически, таблично и т. д. Такие соотношения в ряде случаев могут быть получены

через свойства системы 5 в конкретные моменты времени, называемые состояниями. Состояние системы 5 характеризуется векторами

где *; = *!(/"), *2=*2(0" " **=**(0 в момент /"е(/ 0 , 7); *1 =^(0, *2=*2(П" , *£=**(*") в момент /"б(/ 0 , 7) и т. д., £=1, п г.

Если рассматривать процесс функционирования системы 5 как последовательную смену состояний (/), г 2 (/), г к (/), то они

могут быть интерпретированы как координаты точки в ^-мерном фазовом пространстве, причем каждой реализации процесса будет соответствовать некоторая фазовая траектория. Совокупность всех возможных значений состояний {г} называется пространством состояний объекта моделирования Z t причем г к е Z.

Состояния системы 5 в момент времени полностью

определяются начальными условиями 7° = (2° 1 ,. 2 2 °, г ° к) [где

*°1 = *1(*о)" *°г = *2 (^о)" -" *°*=**(*о)]" входными воздействиями х (/), внутренними параметрами к (/) и воздействиями внешней среды V (0, которые имели место за промежуток времени - / 0 , с помощью двух векторных уравнений

Первое уравнение по начальному состоянию г° и экзогенным переменным х, V, И определяет вектор-функцию (/), а второе по полученному значению состояний г (/) - эндогенные переменные на выходе системы у (/). Таким образом, цепочка уравнений объекта "вход - состояния - выход" позволяет определить характеристики системы

В общем случае время в модели системы Я может рассматриваться на интервале моделирования (О, Т) как непрерывное, так и дискретное, т. е. квантованное на отрезки д линой А/ временных единиц каждый, когда Т=тА1, где т- 1, т Т - число интервалов дискретизации.

Таким образом, под математической моделью объекта (реальной системы) понимают конечное подмножество переменных {х (/), ь (/), И (г)} вместе с математическими связями между ними и характеристиками у (/) .

Если математическое описание объекта моделирования не содержит элементов случайности или они не учитываются, т. е. если

можно считать, что в этом случае стохастические воздействия внешней среды V (/) и стохастические внутренние параметры И (/) отсутствуют, то модель называется детерминированной в том смысле, что характеристики однозначно определяются детерминированными входными воздействиями

Очевидно, что детерминированная модель является частным случаем стохастической модели.

Типовые схемы.

Приведенные математические соотношения представляют собой математические схемы общего вида и позволяют описать широкий класс систем. Однако в практике моделирования объектов в области системотехники и системного анализа на первоначальных этапах исследования системы рациональнее использовать типовые математические схемы: дифференциальные уравнения, конечные и вероятностные автоматы, системы массового обслуживания, сети Петри и т. д.

Не обладая такой степенью общности, как рассмотренные модели, типовые математические схемы имеют преимущества простоты и наглядности, но при существенном сужении возможностей применения. В качестве детерминированных моделей, когда при исследовании случайные факторы не учитываются, для представления систем, функционирующих в непрерывном времени, используются дифференциальные, интегральные, интегро-дифференциальные и другие уравнения, а для представления систем, функционирующих в дискретном времени- конечные автоматы и конечно-разностные схемы. В качестве стохастических моделей (при учете случайных факторов) для представления систем с дискретным временем используются вероятностные автоматы, а для представления системы с непрерывным временем - системы массового обслуживания и т. д.

Перечисленные типовые математические схемы, естественно, не могут претендовать на возможность описания на их базе всех процессов, происходящих в больших информационно-управляющих системах. Для таких систем в ряде случаев более перспективным является применение агрегативных моделей . Агрегативные модели (системы) позволяют описать широкий круг объектов исследования с отображением системного характера этих объектов. Именно при агрегативном описании сложный объект (система) расчленяется на конечное число частей (подсистем), сохраняя при этом связи, обеспечивающие взаимодействие частей.

Таким образом, при построении математических моделей процессов функционирования систем можно выделить следующие основные подходы: непрерывно-детерминированный (например, дифференциальные уравнения); дискретно-детерминированный (конечные автоматы); дискретно-стохастический (вероятностные автоматы); непрерывно-стохастический (системы массового обслуживания); обобщенный, или универсальный (агрегативные системы).

Математические схемы, рассматриваемые в последующих параграфах данной главы, должны помочь оперировать различными подходами в практической работе при моделировании конкретных систем.

Классификация в любой области знаний необходима. Она позволяет обобщить накопленный опыт, упорядочить понятия предметной области. Стремительное развитие методов математического моделирования и многообразие областей их применения привели появлению большого количества моделей различных видов и к необходимости классификации моделей по тем категориям, которые являются универсальными для всех моделей или необходимы в области построенной модели, например. Приведем пример некоторых категорий: область использования; учёт в модели временного фактора (динамики); отрасль знаний; способ представления моделей; наличие или отсутствие случайных (или неопределенных) факторов; вид критерия эффективности и наложенных ограничений и т.д.

Анализируя математическую литературу, мы выделили наиболее часто встречающиеся признаки классификаций:

1. По методу реализации (в том числе формальному языку) все математические модели можно разбить на аналитические и алгоритмические.

Аналитические – модели, в которых используется стандартный математический язык. Имитационные – модели, в которых использован специальный язык моделирования или универсальный язык программирования.

Аналитические модели могут быть записаны в виде аналитических выражений, т.е. в виде выражений, содержащих счетное число арифметических действий и переходов к пределу, например: . Алгебраическое выражение является частным случаем аналитического выражения, оно обеспечивает в результате точное значение. Существуют также конструкции, позволяющие находить результирующее значение с заданной точностью (например, разложение элементарной функции в степенной ряд). Модели, использующие подобный прием, называют приближенными.

В свою очередь, аналитические модели разбиваются на теоретические и эмпирические модели. Теоретические модели отражают реальные структуры и процессы в исследуемых объектах, то есть, опираются на теорию их работы. Эмпирические модели строятся на основе изучения реакций объекта на изменение условий окружающей среды. При этом теория работы объекта не рассматривается, сам объект представляет собой так называемый «черный ящик», а модель – некоторую интерполяционную зависимость. Эмпирические модели могут быть построены на основе экспериментальных данных. Эти данные получают непосредственно на исследуемых объектах или с помощью их физических моделей.

Если какой-либо процесс не может быть описан в виде аналитической модели, его описывают с помощью специального алгоритма или программы. Такая модель является алгоритмической. При построении алгоритмических моделей используют численный или имитационный подходы. При численном подходе совокупность математических соотношений заменяется конечномерным аналогом (например, переход от функции непрерывного аргумента к функции дискретного аргумента). Затем выполняется построение вычислительного алгоритма, т.е. последовательности арифметических и логических действий. Найденное решение дискретного аналога принимается за приближенное решение исходной задачи. При имитационном подходе дискретизируется сам объект моделирования, строятся модели отдельных элементов системы.

2. По форме представления математических моделей различают:

1) Инвариантная модель – математическая модель представляющаяся системой уравнений (дифференциальных, алгебраических) без учета методов решения этих уравнений.

2) Алгебраическая модель – соотношение моделей связаны с выбранным численным методом решения и записаны в виде алгоритма (последовательности вычислений).

3) Аналитическая модель – представляет собой явные зависимости искомых переменных от заданных величин. Такие модели получают на основе физических законов, либо в результате прямого интегрирования исходных дифференциальных уравнений, используя табличные интегралы. К ним относятся также регрессионные модели, получаемые на основе результатов эксперимента.

4) Графическая модель представляется в виде графиков, эквивалентных схем, диаграмм и тому подобное. Для использования графических моделей должно существовать правило однозначного соответствия условных изображений элементов графической и компонентов инвариантной математической модели.

3. В зависимости от вида критерия эффективности и наложенных ограничений модели подразделяются на линейные и нелинейные. В линейных моделях критерий эффективности и наложенные ограничения являются линейными функциями переменных модели (иначе нелинейные модели). Допущение о линейной зависимости критерия эффективности и совокупности наложенных ограничений от переменных модели на практике вполне приемлемо. Это позволяет для выработки решений использовать хорошо разработанный аппарат линейного программирования.

4. Учитывая фактор времени и области использования, выделяют статические и динамические модели . Если все входящие в модель величины не зависят от времени, то имеем статическую модель объекта или процесса (одномоментный срез информации по объекту). Т.е. статическая модель – это модель, в которой время не является переменной величиной. Динамическая модель позволяет увидеть изменения объекта во времени.

5. В зависимости от числа сторон, принимающих решение, выделяют два типа математических моделей: описательные и нормативные . В описательной модели нет сторон, принимающих решения. Формально число таких сторон в описательной модели равно нулю. Типичным примером подобных моделей является модели систем массового обслуживания. Для построения описательных моделей может также использоваться теория надежности, теория графов, теория вероятностей, метод статистических испытаний (метод Монте-Карло).

Для нормативной модели характерно множество сторон. Принципиально можно выделить два вида нормативных моделей: модели оптимизации и теоретико-игровые. В моделях оптимизации основная задача выработки решений технически сводится к строгой максимизации или минимизации критерия эффективности, т.е. определяются такие значения управляемых переменных, при которых критерий эффективности достигает экстремального значения (максимума или минимума).

Для выработки решений, отображаемых моделями оптимизации, наряду с классическими и новыми вариационными методами (поиск экстремума) наиболее широко используются методы математического программирования (линейное, нелинейное, динамическое). Для теоретико-игровой модели характерна множественность числа сторон (не менее двух). Если имеются две стороны с противоположными интересами, то используется теория игр, если число сторон более двух и между ними невозможны коалиции и компромиссы, то применяется теория бескоалиционных игр n лиц.

6. В зависимости от наличия или отсутствия случайных (или неопределенных) факторов выделяют детерминированные и стохастические математические модели. В детерминированных моделях все взаимосвязи, переменные и константы заданы точно, что приводит к однозначному определению результирующей функции. Детерминированная модель строится в тех случаях, когда факторы, влияющие на исход операции, поддаются достаточно точному измерению или оценке, а случайные факторы либо отсутствуют, либо ими можно пренебречь.

Если часть или все параметры, входящие в модель по своей природе являются случайными величинами или случайными функциями, то модель относят к классу стохастических моделей. В стохастических моделях задаются законы распределения случайных величин, что приводит к вероятностной оценке результирующей функции и реальность отображается как некоторый случайный процесс, ход и исход которого описывается теми или иными характеристиками случайных величин: математическими ожиданиями, дисперсиями, функциями распределения и т.д. Построение такой модели возможно, если имеется достаточный фактический материал для оценки необходимых вероятностных распределений или если теория рассматриваемого явления позволяет определить эти распределения теоретически (на основе формул теории вероятностей, предельных теорем и т.д.).

7. В зависимости от целей моделирования различают дескриптивные, оптимизационные и управленческие модели. В дескриптивных (от лат. descriptio – описание) моделях исследуются законы изменения параметров модели. Например, модель движения материальной точки под воздействием приложенных сил на основании второго закона Ньютона: . Задавая положение и ускорение точки в данный момент времени (входные параметры), массу (собственный параметр) и закон изменения прикладываемых сил (внешние воздействия), можно определить координаты точки и скорость в любой момент времени (выходные данные).

Оптимизационные модели применяются для определения наилучших (оптимальных), на основе некоторого критерия, параметров моделируемого объекта или способов управления этим объектом. Оптимизационные модели строятся с помощью одной и ли нескольких дескриптивных моделей и имеют несколько критериев определения оптимальности. На область значений входных параметров могут быть наложены ограничения в виде равенств или неравенств, связанных с особенностями рассматриваемого объекта или процесса. Примером оптимизационной модели служит составление рациона питания в определенной диете (в качестве входных данных выступают калорийность продукта, ценовые значения стоимости и т.д.).

Управленческие модели применяются для принятия решений в различных областях целенаправленной деятельности человека, когда из всего множества альтернатив выбирают несколько и общий процесс принятия решения представляет собой последовательность таких альтернатив. Например, выбор доклада для поощрения из нескольких подготовленных студентами. Сложность задачи состоит как в неопределенности о входных данных (самостоятельно подготовлен доклад или использован чей-то труд), так и целей (научность работы и ее структура, уровень изложения и уровень подготовки студента, результаты эксперимента и полученные выводы). Так как оптимальность принятого решения в одной и той же ситуации может трактоваться различным образом, то вид критерия оптимальности в управленческих моделях заранее не фиксируется. Методы формирования критериев оптимальности в зависимости от вида неопределенности рассматриваются в теории выбора и принятия решений, базирующейся на теории игр и исследовании операций.

8. По методу исследования различают аналитические, численные и имитационные модели. Аналитической моделью называют такое формализованное описание системы, которое позволяет получить решение уравнения в явном виде, используя известный математический аппарат. Численная модель характеризуется зависимостью, которая допускает только частные численные решения для конкретных начальных условий и количественных параметров модели. Имитационная модель – это совокупность описания системы и внешних воздействий, алгоритмов функционирования системы или правил изменения состояния системы под влиянием внешних и внутренних возмущений. Эти алгоритмы и правила не дают возможности использования имеющихся математических методов аналитического и численного решения, но позволяют имитировать процесс функционирования системы и фиксировать интересующие характеристики . Далее будут более подробно рассмотрены некоторые аналитические и имитационные модели, изучение именно этих видов моделей связано со спецификой профессиональной деятельности студентов указанного направления подготовки.

1.4. Графическое представление математических моделей

В математике формы связи между величинами могут быть представлены уравнениями вида независимая переменная (аргумент), y – зависимая переменная (функция). В теории математического моделирования независимую переменную называют фактором, зависимую – откликом. Причем в зависимости от области построения математической модели терминология несколько видоизменяется. Некоторые примеры определений фактора и отклика, в зависимости от области исследования, приведены в таблице 1.

Таблица 1. Некоторые определения понятий «фактор» и «отклик»

Представляя графически математическую модель, мы будем считать факторы и отклики переменными величинами, значения которых принадлежат множеству действительных чисел.

Графическим представлением математической модели являетсянекоторая поверхность отклика, соответствующая расположению точек в k- мерном факторном пространстве Х . Наглядно можно представить себе только одномерную и двухмерную поверхности отклика. В первом случае это множество точек на действительной плоскости, а во втором – множество точек, образующих поверхность в пространстве (для изображения таких точек удобно применять линии уровня – способ изображения рельефа поверхности пространства, построенного в двумерном факторном пространстве Х (Рис. 8).

Область, в которой определена поверхность отклика, называется областью определения Х * . Эта область составляет, как правило, лишь часть полного факторного пространства Х (Х* Ì Х ) и выделяется с помощью ограничений, наложенных на управляющие переменные x i , записанных в виде равенств:

x i = C i , i = 1,…, m ;

f j (x ) = C j , j = 1,…, l

или неравенств:

x i min £ x i £ x i max , i = 1,…, k ;

f j (x ) £ C j , j = 1,…, n ,

При этом функции f j (x ) могут зависеть как одновременно от всех переменных, так и от некоторой их части.

Ограничения типа неравенств характеризуют или физические ограничения на процессы в изучаемом объекте (например, ограничения температуры), или технические ограничения, связанные с условиями работы объекта (например, предельная скорость резания, ограничения по запасам сырья).

Возможности исследования моделей существенно зависят от свойств (рельефа) поверхности отклика, в частности, от количества имеющихся на ней «вершин» и ее контрастности. Количество вершин (впадин) определяет модальность поверхности отклика. Если в области определения на поверхности отклика имеется одна вершина (впадина), модель называется унимодальной .

Характер изменения функции при этом может быть различным (Рис. 9).

Модель может иметь точки разрыва первого рода (Рис. 9 (а)), точки разрыва второго рода (Рис. 9(б)). На рисунке 9(в) показана непрерывно-дифференцируемая унимодальная модель.

Для всех трех случаев, представленных на рисунке 9, выполняется общее требование унимодальности:

если W(x*) – экстремум W, то из условия х 1 < x 2 < x* (x 1 > x 2 > x*) следует W(x 1) < W(x 2) < W(x*) , если экстремум – максимум, или W(x 1) > W(x 2) > W(x*) , если экстремум – минимум, то есть, по мере удаления от экстремальной точки значение функции W(x) непрерывно уменьшается (увеличивается).

Наряду с унимодальными рассматривают полимодальные модели (Рис.10).

Другим важным свойством поверхности отклика является ее контрастность, показывающая чувствительность результирующей функции к изменению факторов. Контрастность характеризуется величинами производных. Продемонстрируем характеристики контрастности на примере двумерной поверхности отклика (Рис. 11).

Точка а расположена на «склоне», характеризующем равную контрастность по всем переменным х i (i =1,2), точка b расположена в «овраге», в котором различная контрастность по различным переменным (имеем плохую обусловленность функции), точка с расположена на «плато», на котором низкая контрастность по всем переменным х i говорит о близости экстремума.

1.5. Основные методы построения математических моделей

Приведем классификацию методов формализованного представления моделируемых систем Волковой В.Н. и Денисова А.А.. Авторами выделены аналитические, статистические, теоретико-множественные, лингвистические, логические, графические методы. Основная терминология, примеры теорий, развивающихся на базе описанных классов методов, а также сфера и возможности их применения предложены в приложении 1.

В практике моделирования систем наибольшее распространение получили аналитические и статистические методы.

1) Аналитические методы построения математических моделей.

Основу терминологического аппарата аналитических методов построения математических моделей составляют понятия классической математики (формула, функция, уравнение и система уравнений, неравенство, производная, интеграл и т.д.). Для этих методов характерна четкость и обоснованность терминологии с использованием языка классической математики.

На основе аналитических представлений возникли и получили развитие такие математические теории, как классический математический анализ (например, методы исследования функций), так и современные основы математического программирования и теории игр. К тому же, математическое программирование (линейное, нелинейное, динамическое, целочисленное и т.д.) содержит как средства постановки задачи, так и расширяет возможности доказательства адекватности модели, в отличие от ряда других направлений математики. Идеи оптимального математического программирования для решения экономических (в частности, решения задачи оптимального раскроя листа фанеры) задач были предложены Л.В. Канторовичем.

Поясним особенности метода на примере.

Пример. Предположим, что для производства двух видов продукций А и В нужно использовать сырьё трёх видов. При этом на изготовление единицы продукции вида А расходуется 4ед. сырья первого вида, 2 ед. 2-го и 3ед. 3-го вида. На изготовление единицы продукции вида В расходуется 2ед. сырья 1-го вида, 5 ед. 2-го вида и 4 ед. 3-го вида сырья. На складе фабрики имеется 35 ед. сырья 1-го вида, 43 – 2-го, 40 – 3-го вида. От реализации единицы продукции вида А фабрика имеет прибыль 5 тыс. руб., а от реализации единицы продукции вида В прибыль составляет 9 тыс. руб. Необходимо составить математическую модель задачи, в которой предусматривается получение максимальной прибыли.

Нормы расхода сырья каждого вида на изготовление единицы данного вида продукции приведены в таблице. В ней же указаны прибыль от реализации каждого вида продукции и общее количества сырья данного вида, которое может быть использовано предприятием.

Обозначим через х 1 и х 2 объем выпускаемой продукции видов А и В соответственно. Затраты материала первого сорта на план составят 4х 1 + 2х 2 , и они не должны превосходить запасов, т.е. 35 кг:

4х 1 + 2х 2 35.

Аналогичны ограничения по материалу второго сорта:

2х 1 + 5х 2 43,

и по материалу третьего сорта

3х 1 + 4х 2 40.

Прибыль от реализации х 1 единиц продукции А и х 2 единиц продукции В составит z = 5x 1 + 9x 2 (целевая функция).

Получили модель задачи:

Графическое решение задачи приведено на рисунке 11.

Оптимальное (наилучшее, т.е. максимум функции z ) решение задачи – в точке А (решение пояснено в главе 5).

Получили, что х 1 =4, х 2 =7, значение функции z в точке А: .

Таким образом, значение максимальной прибыли равно 83 тыс. руб.

Кроме графического существует еще ряд специальных методов решения задачи (например, симплекс-метод) или применяются пакеты прикладных программ, их реализующих. В зависимости от вида целевой функции различают линейное и нелинейное программирование, в зависимости от характера переменных выделяют целочисленное программирование.

Можно выделить общие черты математического программирования:

1) введение понятия целевой функции и ограничений являются средствами постановки задачи;

2) возможно объединение в одной модели разнородных критериев (разных размерностей, в примере – запасы сырья и прибыль);

3) модель математического программирования допускает выход на границу области допустимых значений переменных;

4) возможность реализации пошагового алгоритма получения результатов (пошаговое приближение к оптимальному решению);

5) наглядность, достигаемая посредством геометрической интерпретацией задачи, помогающая в тех случаях, когда невозможно решить задачу формально.

2) Статистические методы построения математических моделей.

Статистические методы построения математических моделей получили распространение и начали широко применяться с развитием теории вероятностей в 19 веке. В их основе лежат вероятностные закономерности случайных (стохастических) событий, отображающие реальные явления. Термин «стохастические» - уточнение понятия «случайные», указывает на заранее заданные, определенные причины, воздействующие на процесс, а понятие «случайные» характеризуется независимостью от воздействия или отсутствия таких причин.

Статистические закономерности представлены в виде дискретных случайных величин и закономерностей появления их значений или в виде непрерывных зависимостей распределения событий (процессов). Теоретические основы построения стохастических моделей подробно описаны в главе 2.

Контрольные вопросы

1. Сформулируйте основную задачу математического моделирования.

2. Дайте определение математической модели.

3. Перечислите основные недостатки экспериментального подхода в исследовании.

4. Перечислите основные этапы построения модели.

5. Перечислите виды математических моделей.

6. Дайте краткую характеристику видов моделей.

7. Какой вид принимает математическая модель, представленная геометрически?

8. Как задаются математические модели аналитического типа?

Задания

1. Составить математическую модель решения задачи и провести классификацию модели:

1) Определить наибольшую вместимость цилиндрического ведра, поверхность которого (без крышки) равна S.

2) Предприятие обеспечивает регулярных выпуск продукции при безотказной поставке комплектующих от двух смежников. Вероятность отказа в поставке от первого из смежников – , от второго – . Найти вероятность сбоя в работе предприятия.

2. Модель Мальтуса (1798) описывает размножение популяции со скоростью, пропорциональной ее численности. В дискретном виде этот закон представляет собой геометрическую прогрессию: ; или .Закон, записанный в виде дифференциального уравнения, представляет собой модель экспоненциального роста популяции и хорошо описывает рост клеточных популяций в отсутствии какого-либо лимитирования: . Задайте начальные условия и продемонстрируйте работу модели.

МАТЕМАТИЧЕСКИЕ СХЕМЫ МОДЕЛИРОВАНИЯ СИСТЕМ

ОСНОВНЫЕ ПОДХОДЫ К ПОСТРОЕНИЮ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ СИСТЕМ

Исходной информацией при построении математических моде­лей процессов функционирования систем служат данные о назна­чении и условиях работы исследуемой (проектируемой) системы S . Эта информация определяет основную цель моделирования систе­мы S и позволяет сформулировать требования к разрабатываемой математической модели М. Причем уровень абстрагирования за­висит от круга тех вопросов, на которые исследователь системы хочет получить ответ с помощью модели, и в какой-то степени определяет выбор математической схемы.

Математические схемы. Введение понятия математическая схема позволяет рассма­тривать математику не как метод расчета, а как метод мыш­ления, как средство формулирования понятий, что является наиболее важным при переходе от словесного описания си­стемы к формальному представлению процесса ее функцио­нирования в виде некоторой математической модели (ана­литической или имитационной). При пользовании математи­ческой схемой в первую очередь исследователя системы S должен интересовать вопрос об адекватности отображения в виде конкретных схем реальных процессов в исследуемой системе, а не возможность получения ответа (результата решения) на конкрет­ный вопрос исследования. Например, представление процесса функционирования информационно-вычислительной системы кол­лективного пользования в виде сети схем массового обслуживания дает возможность хорошо описать процессы, происходящие в си­стеме, но при сложных законах входящих потоков и потоков обслу­живания не дает возможности получения результатов в явном виде.

Математическую схему можно определить как звено при пере­ходе от содержательного к формальному описанию процесса функ­ционирования системы с учетом воздействия внешней среды, т. е. имеет место цепочка «описательная модель - математическая схе­ма - математическая (аналитическая или (и) имитационная) модель».

Каждая конкретная система S характеризуется набором свойств, под которыми понимаются величины, отражающие пове­дение моделируемого объекта (реальной системы) и учитывающие условия ее функционирования во взаимодействии с внешней средой (системой) Е. При построении математической модели системы не­обходимо решить вопрос об ее полноте. Полнота модели регули­руется, в основном, выбором границы «система S - среда Е ». Так­же должна быть решена задача упрощения модели, которая помогает выделить основные свойства системы, отбросив второстепен­ные. Причем отнесение свойств системы к основным или второ­степенным существенно зависит от цели моделирования системы (например, анализ вероятностно-временных характеристик процес­са функционирования системы, синтез структуры системы и т. д.).

Формальная модель объекта. Модель объекта моделирования, т. е. системы S, можно пред­ставить в виде множества величин, описывающих процесс функцио­нирования реальной системы и образующих в общем случае сле­дующие подмножества: совокупность входных воздействий на систему

;

совокупность воздействий внешней среды

;

совокупность внутренних, (собственных) параметров системы

;

совокупность выходных характеристик системы

.

Причем в перечисленных подмножествах можно выделить управляемые и неуправляемые переменные. В общем случае , , , являются элементами непересекающихся подмножеств и со­держат как детерминированные, так и стохастические составляю­щие.

При моделировании системы S входные воздействия, воздейст­вия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными, которые в векторной форме имеют соответственно вид , , , а выходные характеристики системы являются зависимыми (эндо­генными) переменными и в векторной форме имеют вид ).

Процесс функционирования системы S описывается во времени оператором F s , который в общем случае преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида

. (1)

Совокупность зависимостей выходных характеристик системы от времени y j (t ) для всех видов
называется выходной траекторией
. Зависимость (1) называется законом функ­ционирования системы S и обозначается F s . В общем случае закон функционирования системы F s может быть задан в виде функции, функционала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.

Весьма важным для описания и исследования системы S являет­ся понятие алгоритма функционирования A s , под которым понимает­ся метод получения выходных характеристик с учетом входных воз­действий
, воздействий внешней среды
и собственных па­раметров системы
. Очевидно, что один и тот же закон функ­ционирования F s системы S может быть реализован различными способами, т. е. с помощью множества различных алгоритмов функционирования A s .

Соотношения (1) являются математическим описанием пове­дения объекта (системы) моделирования во времени t , т. е. отра­жают его динамические свойства. Поэтому математические модели такого вида принято называть динамическими моделями (системами).

Для статических моделей математическая модель (1) представляет собой отображение между двумя подмножествами свойств моделируемого объекта Y и { X , V , Н}, что в векторной фор­ме может быть записано как

. (2)

Соотношения (1) и (2) могут быть заданы различными спо­собами: аналитически (с помощью формул), графически, таблично и т. д. Такие соотношения в ряде случаев могут быть получены через свойства системы S в конкретные моменты времени, называемые состояниями. Состояние системы S характеризуется векто­рами

и
,

где
,
, …,
в момент времени
;
,
, …,
в момент времени
и т.д.,
.

Если рассматривать процесс функционирования системы S как последовательную смену состояний
, то они могут быть интерпретированы как координаты точки в к -мерном фазовом пространстве. Причем каждой реализации процесса будет соответствовать некоторая фазовая траектория. Совокупность всех возможных значений состояний называется пространством со­стояний объекта моделирования Z , причем
.

Состояния системы S в момент времени t 0 < t *T полностью определяются начальными условиями
[где
,
, …,
], входными воздействиями
, собственными па­раметрами системы
и воздействиями внешней среды
, которые имели место за промежуток времени t *- t 0 , с помощью двух векторных уравнений

; (3)

. (4)

Первое уравнение по начальному состоянию и экзогенным переменным
определяет вектор-функцию
, а второе по полученному значению состояний
- эндогенные переменные на выходе системы
. Таким образом, цепочка уравнений объек­та «вход-состояния- выход» позволяет определить характери­стики системы

. (5)

В общем случае время в модели системы S может рассматри­ваться на интервале моделирования (0, Т) как непрерывное, так и дискретное, т. е. квантованное на отрезки длиной
временных единиц каждый, когда
, где
- число интервалов дискретизации.

Таким образом, под математической моделью объекта (реаль­ной системы) понимают конечное подмножество переменных {
} вместе с математическими связями между ними и ха­рактеристиками
.

Если математическое описание объекта моделирования не со­держит элементов случайности или они не учитываются, т. е. если можно считать, что в этом случае стохастические воздействия внешней среды
и стохастические внутренние параметры
отсутствуют, то модель называется детерминированной в том смысле, что характеристики однозначно определяются детермини­рованными входными воздействиями

. (6)

Очевидно, что детерминированная модель является частным случаем стохастической модели.

Типовые схемы. Приведенные математические соотношения представляют собой математические схемы общего вида и позволяют описать широкий класс систем. Однако в практике моделирования объектов в об­ласти системотехники и системного анализа на первоначальных этапах исследования системы рациональнее использовать типовые математические схемы: дифференциальные уравнения, конечные и вероятностные автоматы, системы массового обслуживания, сети Петри и т. д.

Не обладая такой степенью общности, как рассмотренные мо­дели, типовые математические схемы имеют преимущества просто­ты и наглядности, но при существенном сужении возможностей применения. В качестве детерминированных моделей, когда при исследовании случайные факторы не учитываются, для представ­ления систем, функционирующих в непрерывном времени, исполь­зуются дифференциальные, интегральные, интегродифференциальные и другие уравнения, а для представления систем, функциони­рующих в дискретном времени, - конечные автоматы и конечно-разностные схемы. В качестве стохастических моделей (при учете случайных факторов) для представления систем с дискретным вре­менем используются вероятностные автоматы, а для представления системы с непрерывным временем - системы массового обслужи­вания и т. д.

Перечисленные типовые математические схемы, естественно, не могут претендовать на возможность описания на их базе всех про­цессов, происходящих в больших информационно-управляющих си­стемах. Для таких систем в ряде слу­чаев более перспективным является применение агрегативных мо­делей.

Агрегативные модели (системы) позволяют описать широкий круг объектов исследования с отображением системного характе­ра этих объектов. Именно при агрегативном описании сложный объект (система) расчленяется на конечное число частей (подси­стем), сохраняя при этом связи, обеспечивающие взаимодействие частей.

Таким образом, при построении математических моделей про­цессов функционирования систем можно выделить следующие основные подходы: непрерывно-детерминированный (например, дифференциальные уравнения); дискретно-детерминированный (ко­нечные автоматы); дискретно-стохастический (вероятностные авто­маты); непрерывно-стохастический (системы массового обслужи­вания); обобщенный или универсальный (агрегативные системы).

НЕПРЕРЫВНО-ДЕТЕРМИНИРОВАННЫЕ МОДЕЛИ (D-СХЕМЫ)

Рассмотрим особенности непрерывно-детерминированного под­хода на примере использования в качестве математических моде­лей дифференциальных уравнений. Дифференциальными уравне­ниями называются такие уравнения, в которых неизвестными будут функции одной или нескольких переменных, причем в уравнение входят не только функции, но и их производные различных поряд­ков. Если неизвестные - функции многих переменных, то уравне­ния называются уравнениями в частных производ­ных, в противном случае при рассмотрении функций только одной независимой переменной уравнения называются обыкновенны­ми дифференциальными уравнениями.

Основные соотношения. Обычно в таких математических моделях в качестве независи­мой переменной, от которой зависят неизвестные искомые функции, служит время t . Тогда математическое соотношение для детерми­нированных систем (6) в общем виде будет

, (7)

где
,
и
- п -мерные векторы;
- вектор-функция, которая определена на неко­тором (п +1)-мерном
множестве и является непрерывной.

Так как математические схемы такого вида отражают динами­ку изучаемой системы, т. е. ее поведение во времени, то они назы­ваются D -схемами (англ. dynamic ).

В простейшем случае обыкновенное дифференциальное уравне­ние имеет вид

. (8)

Наиболее важно для системотехники приложение D -схем в ка­честве математического аппарата в теории автоматического управления. Для иллюстрации особенностей построения и применения D-схем рассмотрим простейший пример формализации процесса функциони­рования двух элементарных систем различ­ной физической природы: механической S M (колебания маятника, рис. 1,а) и электри­ческой S K (колебательный контур рис. 1,б).

Рис. 1. Элементарные системы

Процесс малых колебаний маятника опи­сывается обыкновенным дифференциальным уравнением

где
- масса и длина подвеса маятника; g - ускорение сво­бодного падения;
- угол отклонения маятника в момент вре­мени t .

Из этого уравнения свободного колебания маятника можно найти оценки интересующих характеристик. Например, период ко­лебания маятника

.

Аналогично, процессы в электрическом колебательном контуре описываются обыкновенным дифференциальным уравнением

где L к , С к - индуктивность и емкость конденсатора; q (t ) - заряд конденсатора в момент времени t .

Из этого уравнения можно получить различные оценки харак­теристик процесса в колебательном контуре. Например, период электрических колебаний

.

Очевидно, что введя обозначения
,
, ,
, получим обыкновенное диффе­ренциальное уравнение второго порядка, описывающее поведение этой замкнутой системы:

где
- параметры системы; z (t ) - состояние системы в момент времени t .

Таким образом, поведение этих двух объектов может быть исследовано на основе общей математической модели (9). Кроме того, необходимо отметить, что поведение одной из систем может быть проанализировано с помощью другой. Например, поведение маятника (системы S M ) может быть изучено с помощью электри­ческого колебательного контура (системы S K ).

Если изучаемая система S , т. е. маятник или контур, взаимо­действует с внешней средой Е, то появляется входное воздейст­вие х(t ) (внешняя сила для маятника и источник энергии для контура) и непрерывно-детерминированная модель такой системы будет иметь вид

С точки зрения общей схемы математической модели х(t ) является входным (управляющим) воздействием, а состоя­ние системы S в данном случае можно рассматривать как выход­ную характеристику, т. е. полагать, что выходная переменная сов­падает с состоянием системы в данный момент времени у = z .

Возможные приложения. При решении задач системотехники важное значение имеют проблемы управления большими системами. Следует обра­тить внимание на системы автоматического управле­ния - частный случай динамических систем, описываемых D -схемами и выделенных в отдельный класс моделей в силу их практи­ческой специфики.

Описывая процессы автоматического управления, придержива­ются обычно представления реального объекта в виде двух систем: управляющей и управляемой (объекта управления). Структура многомерной системы автоматического управления общего вида представлена на рис. 2, где обозначены эндоген­ные переменные :
- вектор входных (задающих) воз­действий;
- вектор возмущающих воздействий;
- век­тор сигналов ошибки;
- вектор управляющих воздействий; экзогенные переменные :
- вектор состояний систе­мы S;
- вектор выходных переменных, обычно
=
.

Рис. 2. Структура системы автоматического управления

Современная управляющая система - это совокупность про­граммно-технических средств, обеспечивающих достижение объек­том управления определенной цели. Насколько точно объект управ­ления достигает заданной цели, можно судить для одномерной системы по координате состояния у(t ). Разность между задан­ным у зад (t ) и действительным у(t ) законом изменения управ­ляемой величины есть ошибка управления . Если предписанный закон изменения управляемой величины соответствует закону изменения входного (задающего) воздействия, т.е.
, то
.

Системы, для которых ошибки управления
во все мо­менты времени, называются идеальными. На практике реализация идеальных систем невозможна. Таким образом, ошибка h "(t ) - необходимый элемент автоматического управления, основанного на принципе отрицательной обратной связи, так как для приведения в соответствие выход­ной переменной y (t ) ее заданному значению ис­пользуется информация об отклонении между ними. Задачей системы автоматического управ­ления является измене­ние переменной y (t ) со­гласно заданному зако­ну с определенной точ­ностью (с допустимой ошибкой). При проек­тировании и эксплуата­ции систем автоматиче­ского управления необходимо выбрать такие параметры системы S , которые обеспечили бы требуемую точность управления, а также устойчивость системы в переходном процессе.

Если система устойчива, то представляет практический интерес поведение системы во времени, максимальное отклонение регули­руемой переменной у(t ) в переходном процессе, время переход­ного процесса и т. п. Выводы о свойствах систем автоматического управления различных классов можно сделать по виду дифферен­циальных уравнений, приближенно описывающих процессы в си­стемах. Порядок дифференциального уравнения и значения его коэффициентов полностью определяются статическими и динами­ческими параметрами системы S .

Таким образом, использование D -схем позволяет формализо­вать процесс функционирования непрерывно-детерминированных систем S и оценить их основные характеристики, применяя анали­тический или имитационный подход, реализованный в виде соот­ветствующего языка для моделирования непрерывных систем или использующий аналоговые и гибридные средства вычислитель­ной техники.