Основные закономерности систем

 

Все системы обладают определенными объективными зако­номерностями. Основными закономерностями систем являются:

• целостность;

• неаддитивность;

• эмерджентность;

• синергизм;

• обособленность;

• совместимость;

• адаптивность.

Рассмотрим сущность и характеристику приведенных за­кономерностей, отражающих поведение систем во времени и пространстве.

Целостность. Целостность системы характеризуется рядом свойств и особенностей. Многогранность целостности отража­ется с помощью таких понятий как наличие у всей системы общей цели, дифференциация, интеграция, симметрия, ассимметрия [5]. Понятие «дифференциация» отражает свойст­во расчленения целого на части, проявление разнокачествен-ности его частей. Противоположное понятие «интеграция» связано с объединением совокупности соподчиненных элемен­тов в единое образование. Симметрия и ассимметрия отража­ют степень соразмерности в пространственных и временных связях системы.

Система перестает быть таковой, если она теряет хотя бы од­но из приведенных свойств целостной системы. Например, если динамическая система не обладает ни одним типом симметрии (sim = 0), тогда она не имеет динамических связей между эле­ментами. С другой стороны, при бесконечном количестве типов симметрии (sim = оо) динамическая система не является ком­плексом элементов, взаимодействующих для получения опреде­ленного эффекта. При условии sim = оо в системе реализуются такие связи, которые дают на всех выходах нулевой эффект. В связи с этим, каждый признак целостности может характеризо­ваться каким-либо числом. Например, число типов симметрии в системе конечно (0<sim <оо).Симметрия универсальна и широко распространена в природе.

Неаддитивность. Неаддитивность системы означает появ­ление нового качества системы, возникающее в результате интеграции отдельных элементов или подсистем в единое це­лое. То есть сумма эффектов от реализации отдельных эле­ментов или подсистем не равна эффекту от реализации систе­мы в целом. Эффект от системы в целом больше, чем эффект от суммы эффектов отдельных элементов или подсистем. Та­кое положение обусловлено тем, что при декомпозиции сис­темы происходит неизбежный разрыв горизонтальных и вер­тикальных связей в системе, что в свою очередь приводит к потере качества взаимодействия отдельных элементов или подсистем. В этом случае идет процесс потери эффекта от системного взаимодействия элементов и подсистем.

Эмерджетность. Эмерджетность означает появление у сис­темы эмерджетных свойств, которые не присущи составляю­щим ее элементам [3]. Она является одной из форм проявле­ния диалектического принципа перехода количественных из­менений в качественные. При синтезе (формировании) систе­мы как органического вследствие преобразования структуры взаимосвя­зей между элементами, ее части претерпевают качественные изменения. Так что некоторый объект как элемент целостной системы не тождествен аналогичному объекту, взятому изо­лированно. Например, в естественных науках эмерджетные свойства при проведении химических реакций описываются в форме естественнонаучных законов и закономерностей.

Эмерджетность в социально-экономических системах весь­ма разнообразна. На макроуровне с эмерджетными свойства­ми связаны такие явления, как социальный престиж, реали­зация крупномасштабных мероприятий, прежде всего в об­ласти фундаментальных исследований. На микроуровне вы­ражением эмерджетности являются эффект крупного произ­водства, эффект агломерации, социальные последствия уско­ренной урбанизации. Любой эффект взаимосвязи и взаимо­действия, неаддитивный по отношению к локальным эффек­там, следует рассматривать как проявление эмерджетности. Интересы системы, связанные с усилением позитивных и ос­лаблением негативных эмерджетных эффектов, называются эмерджетными интересами.

Синергизм. Синергизм означает однонаправленность дейст­вий, происходящих в определенной системе, результатом чего является повышение конечного эффекта. При однонаправлен­ной деятельности отдельных людей, объединенных единой целью и решением одних и тех же задач, появляется допол­нительный эффект, который в конечном итоге приводит к по­вышению эффективности конечного результата. Нарушение однонаправленности действий людей в любой системе приво­дит к потере эффекта синергизма. К сожалению, научного обоснования такого явления пока нет.

Проявление закономерности синергизма обусловлено тем, что системе, как правило присуще свойство мультиплика­тивности. Мультипликативность заключается в том, что от­дельные эффекты системы в таком случае обладают свойством умножения, а не сложения. В любой социально-экономической системе синергизм проявляется в результате однонаправленности сознательной деятельности всех членов коллектива, которые в своей деятельности обязаны руково дствоваться целями и задачами системы. Наибольшее влия­ние на развитие положительного синергизма в социально-экономических системах оказывают высокий уровень общей и профессиональной культуры, хорошее знание психологии лю­дей, этики, высокий уровень морально-этических качеств и профессиональное использование методов управления и моти­вации труда каждого члена коллектива.

Обособленность. Обособленность означает закономерность систем или подсистем, заключающаяся в некоторой изолиро­ванности систем или подсистем от взаимодействия с другими системами или подсистемами в общей иерархии построения сис­тем. Она проявляется, прежде всего, за счет принятия решений, касающихся только определенной системы, не предусматривающей интересы более высокой системы.

Совместимость. К числу важнейших закономерностей сис­тем относится их совместимость. Под совместимостью пони­мается взаимосвязанность элементов и подсистем одной сис­темы с элементами и подсистемами других систем. Помимо этого система должна быть совместима с системами более вы­сокого порядка через имеющиеся у нее входы и выходы.

Адаптивность. Под адаптивностью понимается закономер­ность, связанная с приспособлением системы к изменяющим­ся внешним и внутренним параметрам ее существования. Адаптивность тесно связана с понятием «саморегулирование». Ее сущность можно проиллюстрировать на примере подготов­ки космонавтов для полета в космос. Перед полетом в космос космонавты в течение длительного времени проходят подго­товку в условиях, близких к условиям работы в космосе. Для этого они тренируются в условиях невесомости, перегрузок организма, соответствующих будущим условиям. То есть кос­монавт, как биологическая система, должен пройти процесс адаптации в земных условиях для того, чтобы сохранить свою работоспособность с прежней эффективностью в околоземном пространстве.

Знание закономерностей, которыми обладают системы, по­зволяет исследователям заранее предсказать форму их пове­дения при каких-либо изменениях в окружающей среде. Это в свою очередь позволяет принимать более эффективные ре­шения для процесса регулирования будущих событий.

 

Принципы системного анализа

 

Принцип — это обобщенные опытные данные, это за­кон явлений, найденный из наблюдений. Поэтому их ис­тинность связана только с фактом, а не с какими-либо домыслами. Из принципов путем логико-математического рассуждения получают в применении к конкретным системам бесчисленные следствия, охватывающие всю область яв­ления и составляющие безукоризненную теорию. Теории такого рода необычайно прочны и незыблемы: они по­строены из самого добротного материала — верного опы­та и тонкого рассуждения (Добровольский В. К. Экономи­ко-математическое моделирование. Киев: Наук, думка, 1975). В формулировке принципов существует некоторый элемент условности, связанный с общим уровнем развития науки в данную историческую эпоху. Поэтому происходит посте­пенное уточнение принципов, но не их отмена или пере­смотр.

По своей структуре методы и принципы имеют общие черты и различия. Метод — это не фактическая деятель­ность, а возможные ее альтернативные способы.

Прин­цип — это постоянно и последовательно применяемый метод. Следовательно, по мере того как метод теряет свою альтернативность, становится все больше и больше пре­обладающим вариантом или даже

единственным вариан­том действий, тем меньше он метод и тем больше он прин­цип (Методы управления социалистическим предприяти­ем / Под ред. Г. X. Попова. М.: Экономика, 1970). Принцип мы не выбираем, мы ему следуем постоянно.

Известно, что принципы всеобщей связи и развития как основополагающие принципы диалектики в условиях НТР подвергаются дальнейшему развитию и конкретиза­ции в применении их к естествознанию и технике. Пред­ставляется, что для более плодотворного использования философских категорий, в том числе и принципов, необ­ходимо, чтобы между ними и частными естественными и техническими знаниями (науками) находились связующие звенья. Одним из них и является системный анализ. Имен­но он и позволяет реализовать непосредственный кон­такт, стыковку философских положений и методов (прин­ципов) конкретных наук.

Чем же определяется исключительная важность прин­ципа как такового?

Приведем лишь два исторических высказывания.

1. Знание некоторых принципов легко возмещает незнание некоторых факторов [Клод Гельвеции (1715 — 1771) — французский философ-материалист).

2. В вопросе о системах нагромоздили столько оши­бок лишь потому, что не вскрыли достоинств и недостат­ков этих принципов, на которых они покоятся [Этьен Бонно де Кондильяк (1715—1780) — французский фило­соф-просветитель. (Собрание сочинений: В 3 т. М., 1982. Г Т. 2. С. 490)].

Еще раз повторим, что сначала системный анализ ба­зировался главным образом на применении сложных ма­тематических приемов. Спустя некоторое время ученые пришли к выводу, что математика неэффективна при ана­лизе широких проблем со множеством неопределеннос­тей, которые характерны для исследования и разработ­ки техники как единого целого. Об этом говорят многие ведущие специалисты-системщики (Черняк Ю. И. Сис­темный анализ в управлении экономикой. М.: Экономи­ка, 1975; Морозов В. Д. Научно-техническая революция и V диалектика. Минск: Высш. шк., 1976; Квейд Э. Анализ «сложных систем. М.: Сов. радио, 1969 и др.). Поэтому стала вырабатываться концепция такого системного анализа, в котором делается упор преимущественно на разработку новых по своему существу диалектических принципов научного мышления, логического анализа сложных объектов с учетом их взаимосвязей и противоречивых тенденций. При таком подходе на первый план выдвигаются уже не математические методы, а сама логика системного анализа, упорядочение процедуры принятия решений. И видимо, не случайно, что в последнее время под системным подходом зачастую понимается некоторая сово­купность системных принципов (Морозов В. Д. Научно-техническая революция и диалектика. Минск.: Высш. шк., 1976).

Какие же основные принципы системного анализа могут лечь в основу теории оценки ТС?

Анализ научно-технической литературы показывает, что на современном этапе НТР системные принципы, к большому сожалению, далеко не систематизированы и полностью не раскрыты, являются неразработанными и развитыми до вида, удобного для практического примене­ния (Саркисян С. А., Ахундов В. М, Минаев Э. С. Боль­шие технические системы. Анализ и прогноз развития. М.: Наука, 1977; Райзберг В. А., Голубков Е. П., Пекарский Л. С. Системный подход в перспективном планировании. М.: Экономика, 1975; Морозов В. Д. Научно-техническая революция и диалектика. Минск: Высш. шк., 1976 и др.). И поэтому не случайно, что системный анализ в ряде круп­ных разработок вообще отсутствует (Черняк Ю. И. Сис­темный анализ в управлении экономикой. М.: Экономи­ка, 1975).

Применительно к решаемой проблеме рассмотрим один из необходимых принципов системного анализа — прин­цип оптимальности. Известно, что характерной чертой современного развития (а развитие — это один из прин­ципов диалектики!) является выбор наиболее подходящего варианта ТС. В живой природе подобное совершается в виде естественного отбора, хотя имеет место и искусст­венный отбор, например в деятельности селекционеров. В развитии ТС мы также должны иметь дело с отбором. В ходе технического освоения научных достижений важ­но выбирать такие творческие решения, которые являют­ся лучшими по комплексу показателей для заданных усло­вий. Но что значит «лучшие»? Разные авторы каждый по-своему определяет этот термин (Квейд Э. Анализ сложных систем. М.: Сов. радио, 1969; Оптнер С. Системный анализ для решения деловых и промышленных проблем. М.: Сов. радио, 1969; Хитч Ч., Маккин Р. Военная экономика в ядер­ный век. М.: Воениздат, 1964 и др.). Как воспользоваться такими определениями в каждом конкретном случае — неизвестно.

Развитие методов системного анализа позволило вне­сти в принцип оптимальности новое содержание. «Задача заключается не в том, чтобы найти решение лучше суще­ствующего, а в том, чтобы найти самое лучшее реше­ние из всех возможных» (Черчмен У. и др. Введение в исследование операции. М.: Наука, 1968). С точки зрения системного анализа в такой задаче наиболее интереснымстановится методологический аспект. Если раньше опти­мизация была связана в основном только с анализом, то в настоящее время она невозможна при требовании своей полноты без использования методов синтеза. Необходи­мость синтетических методов вытекает из принципа эмерджентности (Эшби У. Росс. Введение в кибернетику. М.: Изд-во иностр. лит-ры, 1959), который является дальней­шим развитием оптимальности. Этот сравнительно новый и малоизвестный принцип системного анализа выражает следующее важное свойство системы: чем больше систе­ма и чем больше различие в размерах между частью и целым, тем выше вероятность того, что свойства целого могут сильно отличаться от свойств частей. Данный прин­цип подчеркивает возможность несовпадения локальных оптимумов целей отдельных частей с глобальным оптиму­мом цели системы. Поэтому он указывает на необходи­мость в целях достижения глобальных результатов при­нимать решения и вести разработки по совершенствова­нию систем не только на основе данных анализа, но и их синтеза.

Следует отметить, что принцип эмерджентности явля­ется выражением закона материалистической диалекти­ки — перехода количества в качество.

Принцип системности выступает как одна из граней диалектической философии, как конкретизация и разви­тие диалектического метода. «Чтобы действительно знать предмет, надо охватить, изучить все его стороны, все свя­зи и опосредствования. Мы никогда не достигнем этого полностью, но требование всесторонности предостерега­ют нас от ошибок...» (Ленин В. И, // Поли. собр. соч. Т. 42. С. 290).

Принцип системности предполагает подход к новой технике как к комплексному объекту, представлено совокупностью взаимосвязанных частных элементов (функций), реализация которых обеспечивает достижение нужного эффекта, в минимальные сроки и при минимальных трудовых, финансовых и материальных затратах, с минимальным ущербом окружающей среды...предполагает исследование объекта, с одной стороны, как единого целого, а с другой стороны, как части более крупной системы, в которой анализируемый объ­ект находится с остальными системами в определенных отношениях. Таким образом, принцип системности ох­ватывает все стороны объекта и предмета в простран­стве и во времени!

Принцип иерархии [иерархия от гр. священная власть — порядок подчинения составных нижестоящих элемен­тов и свойств вышестоящим по строго определенным сту­пеням (иерархическая лестница) и переход от низше­го уровня к высшему] есть тип структурных отношений в сложных многоуровневых системах, характеризуемых упорядоченностью, организованностью взаимодействий между отдельными уровнями по вертикали. Иерархичес­кие отношения имеют место во многих системах, для ко­торых характерна как структурная, так и функциональ­ная дифференциация, т. е. способность к реализации оп­ределенного круга функций. Причем на более высоких уровнях осуществляются функции интеграции, согласо­вания. Необходимость иерархического построения слож­ных систем обусловлена тем, что управление в них свя­зано с переработкой и использованием больших масси­вов информации, причем на нижележащих уровнях используется более детальная и конкретная информа­ция, охватывающая лишь отдельные аспекты функциони­рования системы, а на более высокие уровни поступа­ет обобщенная информация, характеризующая условия функционирования всей системы, и принимаются реше­ния относительно системы в целом. В реальных системах иерархическая структура никогда не бывает абсолютно жесткой в силу того, что иерархия сочетается с большей или меньшей автономией нижележащих уровней по от­ношению к вышележащим, и в управлении используют­ся присущие каждому уровню возможности самоорга­низации.

Принцип интеграции (интеграция — от лат. целост­ность, объединение в целое каких-либо частей или свойств, восстановление) направлен на изучение интегративных свойств и закономерностей. А интегративные свойства появляются в результате совмещения элементов до це­лого, совмещения функций во времени и в пространст­ве! Синергетический эффект — эффект совмещения дей­ствий. Например, в роторно-конвейерных линиях совме­щаются транспортные и обрабатывающие функции — эффект их вам известен! А теперь совместите ЛА с ПУ, БАСУ с носителем комплекса и т. д.

Принцип формализации (формальный — относящийся к форме, в противоположность сущности, т. е. несуществен­ный) нацелен на получение количественных и комплекс­ных характеристик.

Эти классические принципы системного анализа, но­сящие прежде всего философский характер, постоянно развиваются, причем в разных направлениях.

КЛАССИФИКАЦИЯ ВИДОВ

МОДЕЛИРОВАНИЯ СИСТЕМ

 

Классификация видов моделирования может быть проведена по разным основаниям. Один из вариантов классификации при­веден на рис. 1.7.

Рис. Классификация видов моделирования

В соответствии с классификационным признаком полноты моделирование делится на полное, неполное и приближенное. При полном моделировании модели идентичны объекту во вре­мени и пространстве. Для неполного моделирования эта идентич­ность не сохраняется. В основе приближенного моделирования лежит подобие, при котором некоторые стороны реального объекта не моделируются совсем. Теория подобия утверждает, Что абсолютное подобие возможно лишь при замене одного объекта другим точно таким же. Поэтому при моделировании абсолютное подобие не имеет места. Исследователи стремятся к Тому, чтобы модель хорошо отображала только исследуемый ас­пект системы. Например, для оценки помехоустойчивости диск­ретных каналов передачи информации функциональная и инфор­мационная модели системы могут не разрабатываться. Для дос­тижения цели моделирования вполне достаточна событийная модель, описываемая матрицей условных вероятностей ||p.J| пе­реходов /-го символа алфавита ву'-й.

В зависимости от типа носителя и сигнатуры модели разли­чаются следующие виды моделирования: детерминированное и стохастическое, статическое и динамическое, дискретное, непре­рывное и дискретно-непрерывное.

Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий. Стохастическое моделирование учитывает вероятностные про­цессы и события. Статическое моделирование служит для опи­сания состояния объекта в фиксированный момент времени, а динамическое - для исследования объекта во времени. При этом оперируют аналоговыми (непрерывными), дискретными и сме­шанными моделями.

В зависимости от формы реализации носителя и сигнатуры моделирование классифицируется на мысленное и реальное. Мысленное моделирование применяется тогда, когда модели не реализуемы в заданном интервале времени либо отсутствуют ус­ловия для их физического создания (например, ситуация микро­мира). Мысленное моделирование реальных систем реализуется в виде наглядного, символического и математического. Для пред­ставления функциональных, информационных и событийных моделей этого вида моделирования разработано значительное количество

При наглядном моделировании на базе представлений чело­века о реальных объектах создаются наглядные модели, отобра­жающие явления и процессы, протекающие в объекте. Примером таких моделей являются учебные плакаты, рисунки, схемы, диаг­раммы.средств и методов.

В основу гипотетического моделирования закладывается ги­потеза о закономерностях протекания процесса в реальном объек­те, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Этот вид моделирования исполь­зуется, когда знаний об объекте недостаточно для построения формальных моделей. Аналоговое моделирование основывается на применении аналогий различных уровней. Для достаточно простых объектов наивысшим уровнем является полная анало­гия. С усложнением системы используются аналогии последующих уровней, когда аналоговая модель отображает несколько* (или только одну) сторон функционирования объекта. Макетирование применяется, когда протекающие в реальном объекте процессы не поддаются физическому моделированию или могут предшествовать проведению других видов моделирования. В ос­нове построения мысленных макетов также лежат аналогии, обыч­но базирующиеся на причинно-следственных связях между явле­ниями и процессами в объекте.

Символическое моделирование представляет собой искусствен­ный процесс создания логического объекта, который замещает реальный и выражает его основные свойства с помощью опреде­ленной системы знаков и символов. В основе языкового модели­рования лежит некоторый тезаурус, который образуется из на­бора понятий исследуемой предметной области, причем этот на­бор должен быть фиксированным. Под тезаурусом понимается словарь, отражающий связи между словами или иными элемен­тами данного языка, предназначенный для поиска слов по их смыслу.

Традиционный тезаурус состоит из двух частей: списка слов и устойчивых словосочетаний, сгруппированных по смысловым (те­матическим) рубрикам; алфавитного словаря ключевых слов, за­дающих классы условной эквивалентности, указателя отношений между ключевыми словами, где для каждого слова указаны соот­ветствующие рубрики. Такое построение позволяет определить семантические (смысловые) отношения иерархического (род/вид) и неиерархического (синонимия, антонимия, ассоциации) типа.

Между тезаурусом и обычным словарем имеются принципи­альные различия. Тезаурус - словарь, который очищен от нео­днозначности, т.е. в нем каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному сло­ву может соответствовать несколько понятий.

Если ввести условное обозначение отдельных понятий, т.е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью зна­ков отображать набор понятий - составлять отдельные цепочки из слов и предложений. Используя операции объединения, пере­сечения и дополнения теории множеств, можно в отдельных сим­волах дать описание какого-то реального объекта.

Математическое моделирование - это процесс установления соответствия данному реальному объекту некоторого математи­ческого объекта, называемого математической моделью. В прин­ципе, для исследования характеристик любой системы матема­тическими методами, включая и машинные, должна быть обяза­тельно проведена формализация этого процесса, т.е. построена математическая модель. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, от требуемой достоверности и точности решения зада­чи. Любая математическая модель, как и всякая другая, описыва­ет реальный объект с некоторой степенью приближения.

Для представления математических моделей могут исполь­зоваться различные формы записи. Основными являются инва­риантная, аналитическая, алгоритмическая и схемная (графи­ческая).

Инвариантная форма - запись соотношений модели с помо­щью традиционного математического языка безотносительно к методу решения уравнений модели. В этом случае модель может быть представлена как совокупность входов, выходов, перемен­ных состояния и глобальных уравнений системы в виде (1.3).

Аналитическая форма - запись модели в виде результата _f _ шения исходных уравнений модели. Обычно модели в аналити­ческой форме представляют собой явные выражения выходных] параметров как функций входов и переменных состояния.

Для аналитического моделирования характерно то, что в основном моделируется только функциональный аспект системы,' При этом глобальные уравнения системы, описывающие закон^! (алгоритм) ее функционирования, записываются в виде некото­рых аналитических соотношений (алгебраических, интегро-дифференциальных, конечноразностных и т.д.) или логических усло­вий. Аналитическая модель исследуется несколькими методами:

• аналитическим, когда стремятся получить в общем виде явные зависимости, связывающие искомые характеристики с на­чальными условиями, параметрами и переменными состояния системы;

• численным, когда, не умея решать уравнения в общем виде,
стремятся получить числовые результаты при конкретных началь­ных данных (напомним, что такие модели называются цифровыми);

• качественным, когда, не имея решения в явном виде, мож­но найти некоторые свойства решения (например, оценить устойчивость решения).

В настоящее время распространены компьютерные методы исследования характеристик процесса функционирования слож­ных систем. Для реализации математической модели на ЭВМ не­обходимо построить соответствующий моделирующий алгоритм.

Алгоритмическая форма - запись соотношений модели и выб­ранного численного метода решения в форме алгоритма. Среди алгоритмических моделей важный класс составляют имитацион­ные модели, предназначенные для имитации физических или ин­формационных процессов при различных внешних воздействи­ях. Собственно имитацию названных процессов называют ими­тационным моделированием.

При имитационном моделировании воспроизводится алго­ритм функционирования системы во времени - поведение систе­мы, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последова­тельности протекания, что позволяет по исходным данным полу­чить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения бо­лее сложных задач. Имитационные модели позволяют достаточ­но просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и другие, ко­торые часто создают трудности при аналитических исследовани­ях. В настоящее время имитационное моделирование - наиболее эффективный метод исследования систем, а часто и единствен­ный практически доступный метод получения информации о по­ведении системы, особенно на этапе ее проектирования.

В имитационном моделировании различают метод статисти­ческих испытаний (Монте-Карло) и метод статистического мо­делирования.

Метод Монте-Карло - численный метод, который применя­ется для моделирования случайных величин и функций, вероят­ностные характеристики которых совпадают с решениями ана­литических задач. Состоит в многократном воспроизведении процессов, являющихся реализациями случайных величин и фун­кций, с последующей обработкой информации методами мате­матической статистики.

Если этот прием применяется для машинной имитации в це­лях исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, то такой метод называется методом статистического моделирования.

Метод имитационного моделирования применяется для оцен­ки вариантов структуры системы, эффективности различных ал­горитмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено в основу структурного, алгоритмического и парамет­рического синтеза систем, когда требуется создать систему с за­ данными характеристиками при определенных ограничениях.

Комбинированное (аналитико-имитационное) моделирование позволяет объединить достоинства аналитического и имитаци­онного моделирования. При построении комбинированных мо­делей производится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические моде ли, а для остальных подпроцессов строятся имитационные моде­ли. Такой подход дает возможность охватить качественно новые классы систем, которые не могут быть исследованы с использо­ванием аналитического или имитационного моделирования в отдельности.

Информационное (кибернетическое) моделирование связано с исследованием моделей, в которых отсутствует непосредствен­ное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию, рассматривают реальный объект как «чер­ный ящик», имеющий ряд входов и выходов, и моделируют неко­торые связи между выходами и входами. Таким образом, в осно­ве информационных (кибернетических) моделей лежит отраже­ние некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построе­ния модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту фун­кцию в виде некоторых операторов связи между входом и выхо­дом и воспроизвести данную функцию на имитационной моде­ли, причем на совершенно другом математическом языке и, есте­ственно, иной физической реализации процесса. Так, например, экспертные системы являются моделями ЛПР.

Структурное моделирование системного анализа базирует­ся на некоторых специфических особенностях структур опреде­ленного вида, которые используются как средство исследования систем или служат для разработки на их основе специфических подходов к моделированию с применением других методов фор­мализованного представления систем (теоретико-множественных, лингвистических, кибернетических и т.п.). Развитием структур­ного моделирования является объектно-ориентированное моде­лирование.

Структурное моделирование системного анализа включает:

• методы сетевого моделирования;

• сочетание методов структуризации с лингвистическими;

• структурный подход в направлении формализации постро­ения и исследования структур разного типа (иерархических, матричных, произвольных графов) на основе теоретико-множественных представлений и понятия номинальной шкалы теории измерений.

При этом термин «структура модели» может применяться как к функциям, так и к элементам системы. Соответствующие струк­туры называются функциональными и морфологическими. Объектно-ориентированное моделирование объединяет структу­ры обоих типов в иерархию классов, включающих как элементы,

так и функции.

В структурном моделировании за последнее десятилетие сфор­мировалась новая технология CASE. Аббревиатура CASE имеет двоякое толкование, соответствующее двум направлениям ис­пользования CASE-систем. Первое из них - Computer-Aided Software Engineering - переводится как автоматизированное про­ектирование программного обеспечения. Соответствующие CASE-системы часто называют инструментальными средами быстрой разработки программного обеспечения (RAD - Rapid Application Development). Второе - Computer-Aided System Engineering - подчеркивает направленность на поддержку кон­цептуального моделирования сложных систем, преимуществен­но слабоструктурированных. Такие CASE-системы часто назы­вают системами BPR (Business Process Reengineering). В целом CASE-технология представляет собой совокупность методологий анализа, проектирования, разработки и сопровождения сложных автоматизированных систем, поддерживаемую комплексом вза­имосвязанных средств автоматизации. CASE - это инструмента­рий для системных аналитиков, разработчиков и программистов, позволяющий автоматизировать процесс проектирования и раз­работки сложных систем, в том числе и программного обеспе­чения.

Ситуационное моделирование опирается на модельную тео­рию мышления, в рамках которой можно описать основные ме­ханизмы регулирования процессов принятия решений. В центре модельной теории мышления лежит представление о формиро­вании в структурах мозга информационной модели объекта и внешнего мира. Эта информация воспринимается человеком на базе уже имеющихся у него знаний и опыта. Целесообразное по­ведение человека строится путем формирования целевой ситуа­ции и мысленного преобразования исходной ситуации в целевую. Основой построения модели является описание объекта в виде совокупности элементов, связанных между собой определенны­ми отношениями, отображающими семантику предметной области. Модель объекта имеет многоуровневую структуру и пред­ставляет собой тот информационный контекст, на фоне которо­го протекают процессы управления. Чем богаче информацион­ная модель объекта и выше возможности манипулирования ею, тем лучше и многообразнее качество принимаемых решений при управлении.

При реальном моделировании используется возможность ис­следования характеристик либо на реальном объекте целиком, либо на его части. Такие исследования проводятся как на объек­тах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т.д.). Реальное моделирование яв­ляется наиболее адекватным, но его возможности ограничены.

Натурным моделированием называют проведение исследова­ния на реальном объекте с последующей обработкой результа­тов эксперимента на основе теории подобия. Натурное модели­рование подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент. Научный экспери­мент характеризуется широким использованием средств автома­тизации, применением весьма разнообразных средств обработки информации, возможностью вмешательства человека в процесс проведения эксперимента. Одна из разновидностей эксперимен­та - комплексные испытания, в процессе которых вследствие по­вторения испытаний объектов в целом (или больших частей си­стемы) выявляются общие закономерности о характеристиках качества, надежности этих объектов. В этом случае моделиро­вание осуществляется путем обработки и обобщения сведений о группе однородных явлений. Наряду со специально органи­зованными испытаниями возможна реализация натурного мо­делирования путем обобщения опыта, накопленного в ходе про­изводственного процесса, т.е. можно говорить о производствен­ном эксперименте. Здесь на базе теории подобия обрабатывают статистический материал по производственному процессу и по­лучают его обобщенные характеристики. Необходимо помнить про отличие эксперимента от реального протекания процесса. Оно заключается в том, что в эксперименте могут появиться от­дельные критические ситуации и определиться границы устой­чивости процесса. В ходе эксперимента вводятся новые факторы

и возмущающие воздействия в процесс функционирования

объекта.

Другим видом реального моделирования являе