- •1. Цель, суть и сферы применения моделирования.
- •2. Определения модели и моделирования; этапы моделирования.
- •3. Суть и роль общепринятых методологических подходов в познавательной деятельности и моделировании.
- •4. Классич. И системн. Подходы в сравнении их познавательных установок
- •5. Понятие системы и внешней среды; "внутренние" и "внешние" системы.
- •6. Структурный и функциональный подходы в моделировании; иерархия уровней моделирования
- •7. Отношение "моделирования" в классическом и системном подходах; основания для перехода к моделированию на основе системного подхода.
- •9. Классификация моделей и моделирования по форме представления объекта.
- •10. Реальные модели; их возможности
- •11. Наглядные модели; их возможности.
- •12. Символические модели; их возможности
- •13. Математические модели, их возможности.
- •14. Имитационное моделирование.
- •15. Кибернетические модели; их возможности
- •16. Организация цифрового статистического моделирования; метод статистических испытаний (Монте-Карло).
- •17. Понятие моделирующего алгоритма.
- •18. Классификация моделей по полноте описания; примеры
- •19. Случайные события; их описание и графическое представление
- •20. Случайные величины и их графическое представление
- •21. Моделирование случайных событий
- •22. Моделирование непрерывных случайных величин методом обратной функции
- •23. Универсальный способ формирования непрерывной случайной величины.
- •24. Описание дискретных случайных величин (полная функция, приближ числ хар-ки)
- •25. Моделирование дискретных случайных величин методом обратной функции
- •26. Способы формирования базовых случайных величин (бсв); их возможности
- •27,28. Свойство конгруэнтности (сравнимости) целочисленных величин и его использование в генераторах бсв
- •29. Мультипликативная и мультипликативно-аддитивная процедура генерации бсв.
- •30. Проверка бсв; плотность распределения и математическое ожидание равномерного распределения.
- •32. Проверка законов распределения псв; критерий Пирсона.
12. Символические модели; их возможности
Эти модели являются более продвинутыми в плане формализации по сравнению с наглядными моделями.
Символическиемодели делятся на:
Естественно-языковые: на начальных этапах исследований используются обычные записи св-в, процессов и ситуаций, которые отображают реальный объект в виде текста. Недостатком явл. недостаточный формализм описания (т.е. неоднозначное отображение понятий).
Построенные на основе искусственных или формальных языков (тезауруса). Искусственный язык - язык с точными определенными понятиями.
Тезаурус – это словарь однозначных понятий.
Знаковые. Конструируются как высказывания, построенные с помощью знаков, иероглифов, символов. В таких моделях между знаками устанавливаются определенные отношения, которые позволяют конструировать допустимые высказывания. Нарушение этих правил заведомо приводит к созданию неадекватных реальному объекту моделей. Знаковые модели позволяют более точно фиксировать выявленные на ранних этапах ошибки, чем это позволяют языковые. Такие модели могут быть предпоследним этапом в процессе моделирования перед мат. моделями, но иногда на этом этапе удается завершить процесс моделирования.
На практике применяются комбинированные модели, например знаково-языковые.
13. Математические модели, их возможности.
Математ.модели относятся в альтерн.типу мыслен.моделей(модели, которые вначале должн.б.задуманы, предст.мысленно, а затем м.б реализованы в виде сист.ур-ий или дате физич.реализации). Матем.модели: 1)аналитические 2)имитационные 3)комбинированные 4)кибернетические. Поведение в таких моделях задается величинами. Эти модели дешевы в использ-и, они легко управл-мы, варьируемы, однако дороги в изготовлении. Аналит-ая модель такая, к-я описывает обьект системами ур-й, нер-в, логич.высказ-й. Такие модели явл.самыми идеаль.контструкциями. С инжен.точки зрения, т.к позвол.буквально рассчит.поведение реал.обьекта. Однако аналит.модели очень дороги по затратам, т.к создаются обычно 10-летиями или 100-ями. Если не удается представить обьект с ???? модели (напр, это реально сложный обьект), тогда процесс отображ.повед.обьекта разбив.на множ-во квантов элементарн.процессов. При этом элемерт.процесс опис. В простой аналит.форме или в виде логич.условия
Исслед-тель, компонуя прав-но эл-т-рные процессы строит моделирующий алг-тм или имитац.модель. Недостатком является невозм.получить решение в общем виде, т.е возм. Получить частные поведения обьекта. Комбинир.модели строят когда удается процесс функцион.реальн.сист.разбить на части (условно две части) – одна представл аналитич моделью, другая имитац-ой. Основн.затруднение – как разбить сист.на фрагменты. Кибернетические-обьект представл.в такой модели «Черным ящиком». Известны вход и выход.воздействия и реакции на них. Строится мат.модель и подбир.параметры т.о чтобы для тех же вход воздействий выход.величины по возм-сти точно совп.с реальностью. Далее предпол, что построенная модель в иных ситуац., для к-х нет сведен.от реал.обьекта даст реакции похож.на правильные
Наиболее формальным явл. мат. моделирование, в кот. модели конструируются из знаков, записанных поочередно в форме мат. высказывания (уравнение, неравенство, лог. условие). Между знаками устанавливается очень точное отношение алгебраических операций. Сами знаки представляют переменные и величины, которые характеризуют определенные св-ва объекта, а операции отношения фиксируют точные связи между компонентами модели.
Мат. моделирование наиболее удобно в инженерной работе и НИР, т.к. оно обеспечивает:
наиболее полное соответствие;
легкую управляемость;
дешёвые (только в использовании) модели. Высокие затраты на построение.
Это моделирование более эффективно, если возможно мат. описание процессов и когда это описание простое.