Классификация систем
Системы принято подразделять на физические и абстрактные, динамические и статические, простые и сложные, естественные и искусственные, с управлением и без управления, непрерывные и дискретные, детерминированные и стохастические, открытые и замкнутые.
Деление систем на физические и абстрактные позволяет различать реальные системы (объекты, явления, процессы) и системы, являющиеся определенными отображениями (моделями) реальных объектов.
Для реальной системы может быть построено множество систем - моделей, различаемых по цели моделирования, по требуемой степени детализации и по другим признакам.
Деление систем на простые и сложные (большие) подчеркивает, что в системном анализе рассматриваются не любые, а именно сложные системы большого масштаба. При этом выделяют структурную и функциональную (вычислительную) сложность.
Общепризнанной границы, разделяющей простые, большие и сложные системы, нет. Однако условно будем считать, что сложные системы характеризуются тремя основными признаками: свойством робастности, наличием неоднородных связей и эмерджентностью.
Во-первых, сложные системы обладают свойством робастности - способностью сохранять частичную работоспособность (эффективность) при отказе отдельных элементов или подсистем. Оно объясняется функциональной избыточностью сложной системы и проявляется в изменении степени деградации выполняемых функций, зависящей от глубины возмущающих воздействий. Простая система может находиться не более чем в двух состояниях: полной работоспособности (исправном) и полного отказа (неисправном).
Во-вторых, в составе сложных систем кроме значительного количества элементов присутствуют многочисленные и разные по типу (неоднородные) связи между элементами. Основными типами считаются следующие виды связей: структурные (в том числе иерархические), функциональные, каузальные (причинно-следственные, отношения истинности), информационные, пространственно-временные. По этому признаку будем отличать сложные системы от больших систем, представляющих совокупность однородных элементов, объединенных связью одного типа. В-третьих, сложные системы обладают свойством, которое отсутствует у любой из составляющих ее частей. Это интегративность (целостность), или эмерджентность. Другими словами, отдельное рассмотрение каждого элемента не дает полного представления о сложной системе в целом. Эмерджентность может достигаться за счет обратных связей, играющих важнейшую роль в управлении сложной системой.
Считается, что структурная сложность системы должна быть пропорциональна объему информации, необходимой для ее описания (снятия неопределенности). В этом случае общее количество информации о системе S, в которой априорная вероятность появления j-гo свойства равна р(уj), определяется известным соотношением для количества информации
I(Y) = - ∑p(yj) log2p(yj). (1.6)
Это энтропийный подход к дескриптивной (описательной) сложности.
Одним из способов описания такой сложности является оценка числа элементов, входящих в систему (переменных, состояний, компонентов), и разнообразия взаимозависимостей между ними.
В общей теории систем утверждается, что не существует систем обработки данных, которые могли бы обработать более чем 2 . 1047 бит в секунду на грамм своей массы. При этом компьютерная система, имеющая массу, равную массе Земли, за период, равный примерно возрасту Земли, может обработать порядка 1093 бит информации (предел Бреммермана). Задачи, требующие обработки более чем 1093 бит, называются трансвычислительньши. В практическом плане это означает, что, например, полный анализ системы из ПО переменных, каждая из которых может принимать 7 разных значений, является трансвычислительной задачей.
Сложные системы допустимо делить на искусственные и естественные (природные).
Искусственные системы, как правило, отличаются от природных наличием определенных целей функционирования (назначением) и наличием управления.
Рассмотрим еще один важный признак классификации систем. Принято считать, что система с управлением,- имеющая нетривиальный входной сигнал x(t) и выходной сигнал y(t), может рассматриваться как преобразователь информации, перерабатывающий поток информации (исходные данные) x(t) в поток информации (решение по управлению) y(t).
В соответствии с типом значений x(t), y(t), z(t) и системы делятся на дискретные и непрерывные.
Такое деление проводится в целях выбора математического аппарата моделирования. Так, теория обыкновенных дифференциальных уравнений и уравнений в частных производных позволяет исследовать динамические системы с непрерывной переменной (ДСНП). С другой стороны, современная техника создает антропогенные динамические системы с дискретными событиями (ДСДС), не поддающиеся такому описанию. Изменения состояния этих систем происходят не непрерывно, а в дискретные моменты времени, по принципу «от события к событию». Математические (аналитические) модели заменяются на имитационные, дискретно-событийные: модели массового обслуживания, сети Петри, цепи Маркова и др.
Примеры фазовых траекторий ДСДС и ДСНП показаны на рис. 1.3, а, б.
Для ДСДС траектория является кусочно-постоянной и формируется последовательностью событий и. Последовательность отрезков постоянства отражает последовательность состояний z системы, а длительность каждого отрезка отражает время пребывания системы в соответствующем состоянии. Под состоянием при этом понимается «физическое» состояние (например, число сообщений, ожидающих передачи в каждом узле обработки). Состояния принимают значения из дискретного множества.
Рис- 1.З. Типичные примеры фазовых траекторий ДСДС(й)иДСНП(б)
Для перехода от детерминированной к стохастической системе достаточно в правые части соотношений (см. ниже) добавить в качестве аргументов функционалов случайную функцию р(t), принимающую значения на непрерывном или дискретно множестве действительных чисел.
Эти соотношения называют уравнениями наблюдения и уравнением состояния системы. Если в описание системы введены функционалы f и g, то она уже не рассматривается как «черный ящик». Однако для многих систем определение глобальных уравнений оказывается делом трудным и зачастую невозможным (уч. пособие СА в управлении, В.С.Анфилатов стр. 23).
Следует иметь ввиду, что в отличии от математики для СА, как и для кибернетики, характерен конструктивный подход к изучаемым объектам. Это требует корректности задания системы, под которой понимается возможность фактического вычисления входного сигнала y(t) для всех t больше 0 при задании начального состояния системы z(0) и входного сигнала x(t) для всех ti.
Системы с нетривиальным входным сигналом x(t), источником которого нельзя управлять (непосредственно наблюдать), или системы, в которых неоднозначность их реакции нельзя объяснить разницей в состоянии, называется открытыми. Признаком, по которому можно определить открытую систему, служит наличие взаимодействия с внешней средой. Взаимодействие порождает проблему «предсказуемости» значений выходных сигналов и, как следствие, - трудности описания открытых систем.
Примером трудностей описания является понятие «странный аттрактор» - специфическое свойство некоторых сложных систем. Простейший аттрактор, называемый математиками неподвижной точкой, представляет собой такой вид равновесия, который характерен для состояния устойчивых систем после кратковременного возмущения (состояние покоя емкости с водой после встряхивания). Второй вид аттрактора - предельный цикл маятника. Все разновидности предельного цикла предсказуемы. Третья разновидность называется странным аттрактором. Обнаружено много систем, имеющих встроенные в них источники нарушений, которые не могут быть заранее предсказаны (погода, место остановки шарика в рулетке). В экспериментах наблюдали за краном, из которого нерегулярно капали капли, хотя промежутки должны быть регулярными и предсказуемыми, так как вентиль зафиксирован и поток воды постоянен.
Понятие открытости систем конкретизируется в каждой предметной области. Например, в области информатики открытыми информационными системами называются программно-аппаратные комплексы, которым присущи следующие свойства:
• переносимость (мобильность) - программное обеспечение (ПО) может быть легко перенесено на различные аппаратные платформы и в различные операционные среды;
• стандартность - программное обеспечение соответствует опубликованному стандарту независимо от конкретного разработчика ПО;
• наращиваемость возможностей - включение новых программных и технических средств, не предусмотренных в первоначальном варианте;
• совместимость - возможность взаимодействовать с другими комплексами на основе развитых интерфейсов для обмена данными с прикладными задачами в других системах.
В отличие от открытых замкнутые (закрытые) системы изолированы от среды - не оставляют свободных входных компонентов ни у одного из своих элементов. Все реакции замкнутой системы однозначно объясняются изменением ее состояний. Вектор входного сигнала x(t) в замкнутых системах имеет нулевое число компонентов и не может нести никакой информации. Замкнутые системы в строгом смысле слова не должны иметь не только входа, но и выхода. Однако даже в этом случае их можно интерпретировать как генераторы информации, рассматривая изменение их внутреннего состояния во времени. Примером физической замкнутой системы является локальная сеть для обработки конфиденциальной информации.
Основным противоречием, которое приходится разрешать в замкнутых системах, является проблема возрастания энтропии. Согласно второму закону термодинамики по мере движения замкнутой системы к состоянию равновесия она стремится к максимальной энтропии (дезорганизации), соответствующей минимальной информации. Открытые системы могут изменить это стремление к максимальной энтропии, получая внешнюю по отношению к системе свободную энергию, и этим поддерживают организацию.