- •Автоматизированные информационные системы
- •1 Информационное обеспечение управления. Информационная система, информационная технология. Информационные ресурсы. Информационные продукты и услуги
- •2 Компоненты информационной системы. Автоматизированные и неавтоматизированные информационные системы
- •Компоненты информационной системы
- •3 Классификационные признаки информационных систем. Основные направления автоматизации управления: сапр, асу тп, асуп, асу гпс, иасу
- •4 База знаний, Методы принятия решений. Компьютерная поддержка принятия управленческих решений
- •5 Система поддержки принятия решений и ее состав. Внешние данные, система управления данными и ее возможности. Модели: стратегические, тактические, оперативные, математические.
- •6 Экспертные системы, их разновидности и классификация. Экспертные системы как инструмент интеллектуализации процессов обработки информации. Области применения экспертных систем .
- •Области применения экспертных систем.
- •7 Компоненты информационной технологии в экспертной системе. Решение, объяснение решения, система правил, семантические модели, интерпретатор, модуль создания системы, оболочка экспертных систем
- •А теперь кратко
- •Второй вариант ответа на этот же вопрос:
- •Подсистема приобретения знаний
- •База знаний
- •Подсистема вывода
- •2.4.1 Подсистема вывода, способы логического вывода
- •2.4.2. Компонент вывода
- •2.4.3. Управляющий компонент.
- •2.5. Диалог с эс. Объяснение.
- •Основные компоненты экспертных систем
- •8 Общее понятие о системе искусственного интеллекта. Основные сферы использования систем искусственного интеллекта
- •9 Моделирование ис. Математические модели системы. Классификация математических моделей
- •Математическое моделирование
- •Правила для успешного математического моделирования:
- •Определения
- •Классификация моделей Формальная классификация моделей
- •Классификация по способу представления объекта
- •Содержательные и формальные модели
- •Содержательная классификация моделей
- •Тип 1: Гипотеза(такое могло бы быть)
- •Тип 2: Феноменологическая модель (ведем себя так, как если бы…)
- •Тип 3: Приближение (что-то считаем очень большим или очень малым)
- •Тип 4: Упрощение (опустим для ясности некоторые детали)
- •Тип 5: Эвристическая модель (количественного подтверждения нет, но модель способствует более глубокому проникновению в суть дела)
- •Тип 6: Аналогия (учтём только некоторые особенности)
- •Тип 7: Мысленный эксперимент(главное состоит в опровержении возможности)
- •Тип 8: Демонстрация возможности (главное — показать внутреннюю непротиворечивость возможности)
- •10 Подходы к построению ис. Ис как среда реализации функций управления. Основные модули ис
- •11 Стандарты рекомендаций по управлению производством (mrp II, erp, csrp, и другие подходы). Типичные представители данного подхода.
- •12.Автоматизация управления как процесс – ориентированной деятельности. Понятие бизнес – процесса. Основные характеристики данного подхода. Workflow диаграммы.
- •13. Технологии виртуальных предприятий и разработка ис под конкретную организацию.
- •14.Реинжиниринг бизнес – процессов. Управление процессом разработки ис.
- •16.Построение ис на основе прототипов. Достоинства и недостатки данного подхода к построению ис.
- •17.Построение ис на основе пакетов программ. Критерии оценки пакетов программ. Достоинства и недостатки данного подхода к построению ис.
9 Моделирование ис. Математические модели системы. Классификация математических моделей
Моделирование– замещение одного объекта (оригинала) другим объектом (моделью) для изучения свойств оригинала путем исследования свойств модели.
Каждая модель описывает одну из особенностей объекта, поэтому объект один, а моделей может быть несколько. Модель, с помощью которой успешно достигается поставленная цель, называется адекватной. Адекватность означает, что требования полноты, точности и истинности выполняются не вообще, а лишь в той мере, которая достаточна для достижения цели.
Целями моделирования информационных систем чаще всего являются оценка их производительности и надежности. В ответственных случаях оцениваются и другие показатели. Оценка обычно производится в интересах решения задач оптимизации.
Различают геометрические, физические и математические модели. Геометрические модели дают внешнее представление и большей частью служат для демонстрационных целей. При физическом моделировании величины оригинала и модели имеют одинаковую физическую природу.
Математическая модель – система математических соотношений, описывающих объект и его поведение в заданных условиях. В общем виде математическая модель системы есть множество
,
где – множество возможных стратегий управления системой;
–множество учитываемых в модели факторов;
–множество выходных характеристик модели;
–множество показателей эффективности системы;
–оператор, устанавливающий соответствие между парой и;
–оператор, устанавливающий соответствие между и.
Модели по характеру отображаемых свойств объекта делят на функциональные, структурные и имитационные.
Функциональные моделиотображают процесс функционирования объекта и имеют форму систем уравнений. Функциональные модели зачастую представляют сложную, иногда – иерархическую систему, составными частями которой являются формулы, неравенства и т.п. Такие модели могут включать в себя три уровня описания: теоретико-множественный (методы теории множеств и теории графов), логический (методы математической логики) и количественный. При этом количественные величины в своем действительном значении рассматриваются только на количественном уровне; на логическом уровне эти величины рассматриваются как логические переменные, и на теоретико-множественном уровне – как элементы множества величин, входящих в данную формулу, в набор формул и т.п.
Структурные моделипозволяют абстрагироваться от содержательной стороны задачи, сводя ее к анализу геометрической структуры. Для представления структуры объектов в ходе их моделирования часто используют графы.
Для оценки характеристик сложных систем широко используются имитационные модели(ИМ).
В ИМ поведение сложной технической системы описывается определенным набором алгоритмов, служащих для последующей реализации ситуаций, возникающих в реальной системе. Моделирующие алгоритмы позволяют по исходным данным, которые содержат сведения о начальном состоянии системы, и фактическим значениям ее параметров отобразить реальные явления, происходящие в системе и получить информацию о возможном поведении системы для данной конкретной ситуации. Проектировщик на основании этой информации может принять соответствующие решения. Однако, предсказательные возможности имитационного моделирования ниже, чем у аналитических моделей.
Имитационное моделирование имеет следующие достоинства: возможность описания поведения компонент системы на высоком уровне детализации; отсутствие каких-либо ограничений на вид зависимостей между параметрами ИМ и состоянием внешней среды системы; возможность исследования динамики системы.
Однако имитационное моделирование обладает рядом недостатков: создание ИМ часто стоит дороже разработки аналитической модели и требует больших затрат времени; ИМ не в состоянии точно отражать процессы, которые происходят в сложных технических системах.
Имитация является численным методом выполнения на ЭВМ экспериментов с математическими моделями, которые описывают поведение сложной технической системы в течение заданного или формируемого периода времени. Чаще всего поведение компонентов системы и их взаимодействие в ИМ описывается определенным набором алгоритмов, реализуемых на некотором языке моделирования. Данные описания являются программой ИМ. После отладки и испытания этой ИМ ее используют для постановки имитационного эксперимента на ЭВМ. Под процессом имитации на ЭВМ понимается разработка ИМ, ее испытание и применение для изучения какого-либо явления и проблемы. Имитируя различные реальные ситуации на ИМ, получают возможность решения следующих задач: оценка эффективности различных принципов управления системой; сравнение вариантов структуры системы; определение влияния изменений параметров системы и начальных условий на показатель эффективности системы.