Вопрос 3. В основе схемы лежат некоторые этапы определения:
1
этап: система (проблемная область)
2 этап: объект моделирования определяют цель исследования
3 этап: целевое назначение модели и содержание следующих этапов
4 этап: требования к модели
5 этап: форма представления модели
6 этап: описание модели
7 этап: характер реализации модели
8 этап: метод исследования модели
Проблемная область определяется возможными классами систем:
Физические,Химические,Технические,Технологические,Информационные,Эрготические,Биологические,Экономические, Социальные.
Объекты моделирования:
элемент системы,структура,отношения,организация,функции,процессы,поведение,развитие,функционирование.
Целевое назначение модели соответствует классам задач:
Обучение,описание,измерение,оценивание,познание,прогнозирование,планирование,управление,синтез,идентификация и т.д.
Модель может быть реальная или несуществующего объекта.
Требования к модели:
Адекватность, целостность, многоуровневость, отражение информационных свойств, расширяемость, универсальность, осуществимость, эффективность.
Форма представления модели: мысленная форма -> знаковая форма -> материализация.
Для знаковых моделей могут использоваться различные Виды описания моделей: семантические сети (для логических моделей); отношения предикатов (для логических моделей); уравнения (для математических моделей).
Характер реализации: аналитический; машинный (аналоговый или цифровой); физический (экспериментальный).
Метод исследования – машинный: расчетный / статистический / имитационный / самоорганизующийся:
В зависимости от сложности модели, цели моделирования, степени неопределенности ее характеристик, могут иметь место различные по характеру способы проведения исследования модели. (При аналитическом характере реализации применяют методы теории возмущения, анализа устойчивости и т.д.)
1. Расчетное моделирование – применяется при исследовании математических моделей и сводится к их машинной реализации при реальных числовых исходных данных.
2. Статистическое моделирование – машинное воспроизведение функционирования вероятностных моделей, либо исследование детерминированных процессов, заданных в виде математических моделей с логическими элементами с помощью статистических испытаний (Монте-Карло). Особенностью является случайное задание исходных данных известными законами распределения и, как следствие, вероятностное оценивание характеристик исследуемых процессов. Эффективно для слабо организованных систем с несложной логикой функционирования.
3. Для исследования сложных логических и логико-математических моделей с неточным заданием исходных данных применяется имитационное моделирование. Имитационное моделирование может использовать расчетное моделирование и статистическое.
4. Самоорганизующееся моделирование – функция построения моделей и ее преобразования в процессе экспериментирования и поиска оптимальной модели возлагается на саму машину.