10.2. Моделирование случайных событий.

Случайным называют событие, которое в результате испытания может наступить, а может и не наступить (в отличие от достоверного события, которое при реализации данного комплекса наступает всегда, и невозможного события, которое при реализации данного комплекса условий не наступает никогда). Исчерпывающей характеристикой случайного события является вероятность его наступления (отказ в экономических системах, объемы выпускаемой продукции каждым предприятием в каждый день, котировка валют в обменных пунктах…)

Моделирование случайного события заключается в определении («розыгрыше») факта его наступления.

Для моделирования случайного события А, наступающего в опыте с вероятностью Р_А, достаточно одного случая (псевдослучайного) числа R, равномерного распределенного на интервале [0; 1]. В случае попадания ПСЧ R в интервал [0; Р_А] событие А считают наступившим в данном опыте; в противном случае – не наступившим в данном опыте.

R₁ R₂

0 Р_А 1

На рис.показаны оба исхода: при ПСЧ R₁ событие следует считать наступившим; при ПСЧ R₂ – событие в данном испытании не наступило.

Чем больше вероятность наступления моделируемого события, тем чаще ПСЧ, равномерно распределенные на интервале [0; 1], будут попадать в интервал [0; Р_А], что и означает факт наступления события в испытании.

10.3. Моделирование случайных величин.

В создании и использовании имитационных моделей важно моделирование важнейшего класса факторов – случайных величин (СВ) различных типов.

Случайной называют переменную величину, которая в результате испытания принимает то или иное значение, причем заранее неизвестно, какое именно. При этом под испытанием понимают реализацию некоторого (вполне определенного) комплекса условий.

В зависимости от множества возможных значений различают три типа СВ:

* непрерывные

* дискретные,

* смешанного типа.

Исчерпывающей характеристикой любой СВ является ее закон распределения, который может быть задан в различных формах: функции распределения – для всех типов СВ, плотности вероятности (распределения) – для непрерывных СВ; таблицы или ряда распределения – для дискретных СВ.

Раздел IV. Основы построения и использования интелектуальных информационных систем.

Глава 12

Методологические основы теории искусственного интеллекта.

12.1. Основные понятия и определения теории интеллектуальных систем.

Понятие «искусственный интеллект» объединяет три других:

1. искусственный бессловесный интеллект – модель компоненты психики живых существ, отражающая их способность принимать решения, изменять поведение и т.д. на уровне инстинктов, не имеющих словесного выражения (самосохранение, размножение, приспособление и т.п.)

2. искусственный словесный интеллект – модель рационального компонента психической деятельности человека без учета ее социального содержания;

3. искусственный разум - искусственный словесный интеллект, дополненный социальным компонентом.

Существует по крайней мере три подхода к определению этого понятия,

-это область исследований, в рамках которых разрабатываются модели и методы решения задач, считавшихся интеллектуальными и не поддающимися формализации и автоматизации.

-это область исследований, в которой изучаются системы, строящие результирующий вывод для задач с неизвестным алгоритмом решения на основе неформализованной исходной информации, использующие технологии символьного программирования и средства вычислительной техники со специальной архитектурой.

-это область знаний, которая находит применение при решении задач, связанных с обработкой информации на естественном языке.