- •Введение
- •1. Возникновение и развитие системных представлений
- •1.1. Предварительные замечания
- •1.2. Роль системных представлений в практической деятельности
- •Системность и алгоритмичность
- •1.3. Внутренняя системность познавательных процессов
- •Анализ и синтез в познании
- •Эволюция взглядов на системность мышления
- •1.4. Системность как всеобщее свойство материи
- •Вся природа системна
- •Системы как абстракция
- •Свойства любых систем
- •1.5. Краткий очерк истории развития системных представлений
- •Системность как объект исследования
- •Первые шаги кибернетики
- •Тектология богданова
- •Кибернетика винера
- •Попытки построения общей теории систем
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •2. Модели и моделирование
- •2.1. Широкое толкование понятия модели
- •Развитие понятия модели
- •Модель как философская категория
- •2.2. Моделирование - неотъемлемый этап всякой целенаправленной деятельности
- •Цель как модель
- •Познавательные и прагматические модели
- •Статические и динамические модели
- •2.3. Способы воплощения моделей
- •Абстрактные модели и роль языков
- •Материальные модели и виды подобия
- •Знаковые модели и сигналы
- •2.4. Условия реализации свойств моделей
- •2.5. Соответствие между моделью и действительностью: различия
- •Конечность моделей
- •Упрощенность моделей
- •Приближенность моделей
- •Адекватность моделей
- •2.6. Соответствие между моделью и действительностью: сходство
- •Истинность моделей
- •Сочетание истинного и ложного в модели
- •2.7. О динамике моделей
- •Сложности алгоритмизации моделирования
- •Естественная эволюция моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •3. Системы модели систем
- •3.1. Множественность моделей систем
- •3.2. Первое определение системы
- •Проблемы и системы
- •Сложности выявления целей
- •3.3. Модель "черного ящика"
- •Компоненты "черного ящика"
- •Сложности построения модели "черного ящика"
- •Множественность входов и выходов
- •3.4. Модель состава системы
- •Компоненты модели состава
- •Сложности построения модели состава
- •3.5. Модель структуры системы
- •Отношения и структуры
- •Свойство и отношение
- •3.6. Второе определение системы. Структурная схема системы
- •Структурная схема как соединение моделей
- •3.7. Динамические модели систем
- •Отображение динамики системы
- •Функционирование и развитие
- •Типы динамических моделей
- •Общая математическая модель динамики
- •Заключение
- •Упражнения
- •Вопросы для самопроверки
- •4. Искусственные и естественные системы
- •4.1. Искусственные системы и естественные объекты
- •4.2. Обобщение понятия системы. Искусственные и естественные системы
- •Структурированность естественных объектов
- •Субъективные и объективные цели
- •4.3. Различные классификации систем
- •Классификация систем по их происхождению
- •Типы переменных системы
- •Типы операторов системы
- •Типы способов управления
- •4.4. О больших и сложных системах
- •Ресурсы управления и качество системы
- •Различение больших и сложных систем
- •Другие подходы к понятию сложности
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •5. Информационные аспекты изучения систем
- •5.1. Информация как свойство материи
- •5.2. Сигналы в системах
- •Понятие сигнала
- •Типы сигналов
- •5.3. Случайный процесс - математическая модель сигналов
- •Непредсказуемость - основное свойство сигналов
- •Классы случайных процессов
- •5.4. Математические модели реализации случайных процессов
- •Моделирование конкретных реализации
- •Некоторые модели ансамбля реализации
- •5.5. О некоторых свойствах непрерывных сигналов
- •Частотно-временное представление сигналов
- •Дискретное представление сигналов
- •5.6. Энтропия
- •Понятие неопределенности
- •Энтропия и ее свойства
- •Дифференциальная энтропия
- •Фундаментальное свойство энтропии случайного процесса
- •5.7. Количество информации
- •Количество информации как мера снятой неопределенности
- •Количество информации как мера соответствия случайных объектов
- •Свойства количества информации
- •Единицы измерения энтропии и количества информации
- •Количество информации в индивидуальных событиях
- •5.8. Об основных результатах теории информации
- •Избыточность
- •Скорость передачи и пропускная способность
- •Кодирование в отсутствие шумов
- •Кодирование при наличии шумов
- •Пропускная способность гауссова канала связи
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •6. Роль измерений в создании моделей систем
- •6.1. Эксперимент и модель
- •Классическое представление об эксперименте
- •Современное понятие эксперимента
- •6.2. Измерительные шкалы
- •Шкалы наименований
- •Порядковые шкалы
- •Модифицированные порядковые шкалы
- •Шкалы интервалов
- •Шкалы отношений
- •Шкалы разностей
- •Абсолютная шкала
- •Согласование шкалы с природой наблюдений
- •О других шкалах
- •6.3. Расплывчатое описание ситуаций
- •Понятие расплывчатости
- •Основные понятия теории расплывчатых множеств
- •6.4. Вероятностное описание ситуации. Статистические измерения
- •Понятие случайной неопределенности
- •О природе случайности
- •Статистические измерения
- •6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Классификационные модели
- •Числовые модели
- •Особенности протоколов наблюдений
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •7. Выбор (принятие решений)
- •7.1. Многообразие задач выбора
- •Выбор как реализация цели
- •Множественность задач выбора
- •7.2. Критериальный язык описания выбора
- •Выбор как максимизация критерия
- •Сведение многокритериальной задачи к однокритериальной
- •Условная максимизация
- •Варианты оптимизации при разноважных критериях
- •Выбор между упорядочениями
- •Поиск альтернативы с заданными свойствами
- •Нахождение паретовского множества
- •7.3. Описание выбора на языке бинарных отношений
- •Способы задания бинарных отношений
- •Отношения эквивалентности, порядка и доминирования
- •Об оцифровке порядковых шкал
- •7.4. Язык функций выбора
- •Функции выбора как математический объект
- •Ограничения на функции выбора
- •7.5. Групповой выбор
- •Описание группового выбора
- •Различные правила голосования
- •Парадоксы голосования
- •7.6. Выбор в условиях неопределенности
- •Задание неопределенности с помощью матрицы
- •Критерии сравнивания альтернатив при неопределенности исходов
- •Общее представление о теории игр
- •7.7. О выборе в условиях статистической неопределенности
- •Статистические решения как выбор
- •Общая схема принятия статистических решений
- •Понятие об основных направлениях математической статистики
- •Правила "статистической техники безопасности"
- •7.8. Выбор при расплывчатой неопределенности
- •Многокритериальный выбор в расплывчатой ситуации
- •Некритериальные задачи расплывчатого выбора
- •7.9. Достоинства и недостатки идеи оптимальности
- •Достоинства оптимизационного подхода
- •Ограниченность оптимизационного подхода
- •7.10. Экспертные методы выбора
- •Факторы, влияющие на работу эксперта
- •Методы обработки мнений экспертов
- •Метод "делфи"
- •7.11. Человеко-машинные системы и выбор
- •Пакеты прикладных программ для выбора
- •Базы знаний, экспертные системы
- •Системы поддержки решений
- •7.12. Выбор и отбор
- •Повторный выбор
- •Основные идеи теории элитных групп
- •Процедура "претендент- рекомендатель"
- •Процедуры "прополка" и "снятие урожая"
- •Процедура "делегирование"
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •8. Декомпозиция и агрегирование как процедуры системного анализа
- •8.1. Анализ и синтез в системных исследованиях
- •Сочетание анализа и синтеза в системном исследовании
- •Особенности синтетических методов
- •8.2. Модели систем как основания декомпозиции
- •Содержательная модель как основание декомпозиции
- •Связь между формальной и содержательной моделями
- •Проблема полноты моделей
- •8.3. Алгоритмизация процесса декомпозиции
- •Компромиссы между полнотой и простотой
- •Типы сложности
- •Алгоритм декомпозиции
- •8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •Эмерджентность как результат агрегирования
- •8.5. Виды агрегирования
- •Конфигуратор
- •Агрегаты-операторы
- •Классификация как агрегирование
- •Функция нескольких переменных как агрегат
- •Статистики как агрегаты
- •Агрегаты-структуры
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •9. О неформализуемых этапах системного анализа
- •9.1. Что такое системный анализ
- •Разнородные знания и системный анализ
- •Системный анализ как прикладная диалектика
- •9.2. Формулирование проблемы
- •Превращение проблемы в проблематику
- •Методы построения проблематики
- •9.3. Выявление целей
- •Опасность подмены целей средствами
- •Влияние ценностей на цели
- •Множественность целей
- •Опасность смешения целей
- •Изменение целей со временем
- •9.4. Формирование критериев
- •Критерии как модель целей
- •Причины многокритериальности реальных задач
- •Критерии и ограничения
- •9.5. Генерирование альтернатив
- •Способы увеличения числа альтернатив
- •Создание благоприятных условий
- •Способы сокращения числа альтернатив
- •Мозговой штурм
- •Синектика
- •Разработка сценариев
- •Морфологический анализ
- •Деловые игры
- •9.6. Алгоритмы проведения системного анализа
- •Трудности алгоритмизации системного анализа
- •Компоненты системных исследований
- •9.7. Претворение в жизнь результатов системных исследований
- •Внедрение результатов системного анализа в практику
- •Необходимость методологии внедрения
- •Рост и развитие
- •Условие добровольности участия в анализе
- •Роль отношений между участниками анализа
- •Проблемы и способы их решения
- •Роль этики в системном анализе
- •9.8. О специфике социальных систем
- •Несводимость социальных законов к биологическим и физическим
- •Существуют ли исторические закономерности?
- •"Мягкая" методология в системном анализе
- •Согласие при разногласиях
- •Учитывать будущее
- •Неожиданность как следствие сложности
- •Заключение
- •Литература
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
-
Типы динамических моделей
Те же типы моделей прослеживаются и при более глубокой формализации динамических моделей [4]. При математическом моделирований некоторого процесса его конкретная реализация описывается в виде соответствия между элементами множества Х возможных "значений" х и элементов упорядоченного множества Т "моментов времени" t, т.е. в виде отображения Т Х: x(t) XT, t Т. С помощью этих понятий можно строить математические модели систем.
Рассматривая выход y(t) системы (это может быть вектор) как ее реакцию на управляемые u(t) и неуправляемые v(t) входы х(t)={u(t), v(t)}, можно модель "черного ящика" выразить как совокупность двух процессов: XT={x(t)} и YT={y(t)}. Если даже считать y(t) результатом некоторого преобразования Ф процесса x(t), т.е. y(t)= Ф(x(t)), то модель "черного ящика" предполагает, что это преобразование н е -известно.В том же случае, когда мы имеем дело с "белым ящиком", соответствие между входом и выходом можно описать тем или иным способом. Какой именно способ - зависит от того, что нам известно, и в какой форме можно использовать эти знания.
Например, иногда бывает известно, что система мгновенно преобразует вход в выход, т.е. что y(t) является функцией только x(t) в тот же момент времени. Остается задать или найти эту функцию. На практике чаще всего известна лишь безынерционность системы и требуется, наблюдая входы и выходы, восстановить неизвестную функцию у=Ф(х). По существу, это задача о переходе от модели "черного ящика" к модели "белого ящика" по наблюдениям входов и выходов при наличии информации о безынерционности системы. Даже в такой достаточно простой постановке задача имеет совсем не простые варианты, которые зависят от того, что известно о функции Ф (в параметризованном случае Ф принадлежит семейству функций, известных с точностью до параметров; в непараметризованном - вид функции Ф неизвестен), и от наличия или отсутствия некоторых общих сведений о ее свойствах (непрерывности, гладкости, монотонности, симметричности и т.п.). Дополнительные варианты (и дополнительные трудности) возникают, если входы или выходы наблюдаются с помехами или искажениями. При этом разные предположения о природе этих помех приводят к принципиально отличающимся решениям задачи (например, в случае, когда распределение помехи известно точно, известно с точностью до числовых параметров или неизвестно совсем).
Однако класс, систем, которые можно считать безынерционными, весьма узок. Необходимо строить математические модели систем, выход которых определяется не только значением входа в данный момент времени, но и теми значениями, которые были на входе в предыдущие моменты. Более того, в самой системе с течением времени как под влиянием входных воздействий, так и независимо от них могут происходить изменения, что также следует отразить в модели.
-
Общая математическая модель динамики
В наиболее общей модели [2; 4] это достигается введением понятия состояния системы как некоторой (внутренней) характеристики системы, значение которой в настоящий момент времени определяет текущее значение выходной величины. Состояние можно рассматривать как своего рода хранилище информации, необходимой для предсказания влияния настоящего на будущее [1, с. 12 - 13]. Обозначим это состояние через z(t). Все сказанное выше означает существование такого отображения : Z T Y, что y(t)=(t, z(t)), t Т. Явная зависимость от t введена для учета возможности изменения зависимости выхода от состояния с течением времени. Это отображение называется отображением выхода.
Для завершения построения модели нужно описать связь между входом и состоянием, т.е. ввести параметрическое семейство отображений : Z X(•) Z, заданных для всех значений параметров tТ, T и t. Это означает принятие аксиомы о том, что состояние в любой момент t> однозначно определяется состоянием z в момент и отрезком реализации входа х(•) от до t: z(t)=(z, х(•))=(t; , z, х(•)).Такое отображение называют переходным отображением.
Итак, математическая модель системы, соответствующая уровню "белого ящика", - это задание множеств входов, состояний и выходов, и связей между ними: X |Z |Y . Конкретизируя множества X, Z и Y и отображения и , можно перейти к моделям различных систем. Так, говорят о дискретных и непрерывных по времени системах в зависимости от того, дискретно или непрерывно множество Т. Далее, если множества X, Z и Y дискретной по времени системы имеют конечное число элементов, то такую систему называют конечным автоматом. Это довольно простой класс систем в том смысле, что для исследования конечных автоматов необходимы лишь методы логики и алгебры; в то же время это широкий и практически важный класс, так как в него входят все дискретные (цифровые) измерительные, управляющие и вычислительные устройства, в том числе и ЭВМ.
Если X, Z и Y - линейные пространства, а и - линейные операторы, то и система называется линейной. Если к линейной системе дополнительно предъявить требования, состоящие в том, чтобы пространства имели топологическую структуру, а и были бы непрерывны в этой топологии, то мы приходим к гладким системам. Этот класс систем имеет большое значение, так как оказалось [2], что для гладких систем переходное отображение является общим решением дифференциального уравнения: dz/dt=f(t, z, x);
а для дискретных систем - уравнения: z(tk+1)=f(tk, z, x)= (tk+1, tk, z, x(•))
где x(•) - траектория для моментов времени t<tk.
Интенсивно исследовались стационарные системы, т.е. такие системы, свойства которых со временем не изменяются. Стационарность означает независимость от t функции и инвариантность функции к сдвигу во времени.
Конкретизация моделей динамических систем на этом, конечно, не заканчивается; приведенные модели скорее всего являются просто примерами, которые можно рассматривать отдельно. Но на одном свойстве реальных динамических систем следует остановиться. Речь идет о подчиненности реальных систем принципу причинности. Согласно этому принципу, отклик системы на некоторое воздействие не может начаться раньше самого воздействия. Это условие, очевидное для реальных систем, совсем не автоматически выполняется в рамках их математических моделей. При этом модель, в которой нарушается принцип причинности, не обязательно является "плохой", бесполезной. Одна из проблем теории динамических систем состоит в выяснении условий физической реализуемости теоретических моделей, т.е. конкретных ограничений, которые приходится накладывать на модель при соблюдении принципа причинности.
Подведем итог: Отображение процессов, происходящих в системе и в окружающей ее среде, осуществляется с помощью динамических моделей. Все, что говорилось о моделях вообще (см. гл. 2), конечно, относится и к динамическим моделям. В частности, динамические модели систем делятся на те же типы, что и статические модели (см. § 3.3-3.5). Интересным и важным примером различия между моделью и оригиналом служит то, что динамическая модель может не удовлетворять принципу причинности, но тем не менее обладать полезными свойствами.