Виды моделей, используемых для принятия решений.

Прогнозирование и принятие решений. Основной целью моделиро­вания является прогнозирование в широком смысле этого слова. Моделирование позволяет сделать вывод о принципиальной работоспособности объекта (системы S), оценить его потенциально воз­можные характеристики, установить зависимость характеристик от различных параметров и переменных, определить оптимальные значения параметров и т. п. Машинные модели М_м, используемые в качестве имитаторов и тренажеров, дают возможность предска­зать поведение системы S в условиях взаимодействия с внешней средой Е.

Использование метода моделирования для получения прогноза при принятии решений в системе управления в реальном масштабе времени выдвигает на первое место задачу выполнения ограничения на ресурс времени моделирования процесса функционирования си­стемы S. Поэтому рассмотрим более подробно особенности прогно­зирования на основе машинной модели М_м в реальном масштабе времени.

Для управления объектом может использоваться в системе либо информация о состояниях (ситуациях) системы S и внешней среды Е, либо информация о выходных характеристиках (поведении) си­стемы S во взаимодействии с внешней средой Е. Это обстоятельст­во определяет, и цели мод елир ования В одном случае требуется

оценить изменения состояний z_keZ, k= 1, nz, за время прогнозиро­вания τ_П (назовем такое моделирование ситуац ионн ым). В другом случае требуется оценить выходные характеристики y_jeY,j=l,n_Y, на интервале времени (О, Т) (назовем такое моделирование бихеви-оральным).

Таким образом, цель ситуационного моделирования — получе­ние прогноза вектора состояний z (t) (см. 2.3)), а цель бихевиорального моделирования — оценка вектора выходных характеристик у (t) [см. (2.2) и (2.5)]. Например, если в качестве концептуальной модели М_х процесса функционирования системы S используется Q-схема, то при ситуационном моделировании требуется прогнози­ровать такие состояния, как число заявок в накопителях, количество занятых каналов и т. д., а при бихевиоральном моделировании в этом случае необходимо оценивать такие характеристики, как вероятность потери заявки, среднее время задержки заявки в систе­ме и т. д. Соответственно целям ситуационного и бихевиорального моделирования должен отличаться и подход к разработке и ре­ализации моделирующих алгоритмов, хотя принципы их постро­ения («принцип Δt» и «принцип δz») сохраняются.

Другой особенностью моделирования для принятия решений по управлению объектом в реальном масштабе времени является суще­ственная ограниченность вычислительных ресурсов, так как такие системы управления, а следовательно, и машинные модели М_м, реализуются, как правило, на базе мини и микро ЭВМ или специ­ализированных микропроцессорных наборов, когда имеется ограни­чение по быстродействию и объему памяти. Это требует тщатель­ного подхода к минимизации затрат ресурсов по моделированию в реальном масштабе времени [12, 29, 52].

Кроме того, следует учитывать, что достоверность и точность решения задачи моделирования (прогнозирования ситуаций или поведения) системы существенно зависят от количества реализаций N, которые затрачены на получение статистического прогноза (см. гл. 7). Таким образом, возникает проблема поиска компромисса между необходимостью увеличения затрат времени на моделирова­ние, т. е. числа реализаций N [на интервале (О, Т)] для повышения точности и достоверности результатов моделирования (прогнозиро­вания), и необходимостью уменьшения затрат машинного времени из условий управления в реальном масштабе времени.

При использовании машинной модели М_м в контуре управления системой S в реальном масштабе времени возникает также пробле­ма оперативного обновления информации как в базе данных об объекте, так и в базе данных об эксперименте, т. е. в данном случае о конкретном прогнозе.

Рассмотрим более подробно возможности построения модели­рующих алгоритмов для ситуационных и бихевиоральных моделей. При ситуационном моделировании важно не потерять информацию о смене состояний системы S, так как от этого зависит эффектив­ность управления. Поэтому построение детерминированных моде­лирующих алгоритмов, когда используется «принцип Δt», приводит либо к увеличению времени моделирования при уменьшении Δt, либо к снижению достоверности прогноза состояний при увеличе­нии Δt. Это говорит в пользу использования стохастических ал­горитмов, а именно тех вариантов, которые наиболее просто ре­ализуются, т. е. асинхронных спорадических алгоритмов.

При бихевиоральном моделировании важно получить усреднен­ную статистическую оценку характеристик системы S на интервале (О, Т). Поэтому при построении моделирующих алгоритмов важно при заданной точности и достоверности результатов моделирова­ния выбрать наиболее просто реализуемый алгоритм, требующий минимальных затрат времени и оперативной памяти на его прогон. В этом случае эффективными могут оказаться как стохастические, так и детерминированные моделирующие алгоритмы. Выбор при­нципа построения моделирующего алгоритма для принятия реше­ний в системе управления может быть проведен только с учетом особенностей конкретной S.

 

С точки зрения программирования моделей М_м при моделирова­нии в реальном масштабе времени также имеется ряд особенностей. Это в первую очередь связано с отсутствием или невозможностью использования ЯОН и ЯИМ для программной реализации моделей исходя из возможностей программного обеспечения мини- и микро-ЭВМ и жестких ограничений на время счета по моделирующему алгоритму. В этом случае основное применение находят языки низкого уровня, что усложняет процесс разработки программного обеспечения моделирования в реальном масштабе времени, но

обычно позволяет получить достаточно эффективные рабочие про­граммы моделирования. Для ускорения процесса разработки про­граммного обеспечения моделирования в реальном масштабе вре­мени и повышения его качества рационально разрабатывать соот­ветствующие пакеты прикладных программ, которые с использова­нием ресурсов высокопроизводительных ЭВМ генерируют рабочие программы моделирования.

Таким образом, моделирование процесса функционирования си­стем для целей управления в реальном масштабе времени имеет ряд специфических особенностей, но методика моделирования и при­нципы реализации моделирующих алгоритмов сохраняются.