- •44. Фракталы, определение и примеры
- •43. Моделирование и подобие. Получение критериев подобия с помощью метода интегральных аналогов (пример с уравнением Навье-Стокса)
- •42. Моделирование и подобие; динамические аналогии; критерии подобия. Пи-теорема.
- •Компьютерные модели в автоматизированном управлении
- •40. Прямой метод Ляпунова
- •39. Подход к оценке устойчивости по линеаризованным уравнениям.
- •38. Определение устойчивости, устойчивость по Ляпунову
- •37. Инвариантность систем.
- •36. Управляемость и наблюдаемость
- •35.Представление в пространстве состояний и модель «вход-выход»
- •34. Единый подход к линеаризации.
- •33. Общая схема нечеткого вывода.
- •32. Нечеткое представление информации; типовые функции принадлежности, мера нечеткости.
- •31. Факторный анализ
- •30. Метод главных компонент
- •1.Среднее арифметическое переменных
- •7. Считаем дискриминантные функции
- •24. Непараметрическая статистика Манна-Уитни.
- •23. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- •22. Составление статистической оценки на основе распределения Колмогорова – Смирнова.
- •21. Составление статистической оценки на основе распределения Фишера.
- •20. Составление статистических оценок ; анализ наиболее часто используемых законов распределения.
- •19. Общий подход к составлению статистических оценок
- •18. Проблема оценки адекватности моделей
- •17. Матричная форма мнк при построении модели (этап проверки адекватности полученной модели).
- •16. Матричная форма мнк при построении модели (этап проверки значимости коэффициентов модели).
- •15. Матричная форма мнк при построении модели (этап оценки коэффициентов модели).
- •13. Метод ранговой корреляции по Спирмэну.
- •12. Виды зависимостей. Корр анализ; коэффициенты частной и множественной корреляции.
- •11. Виды зависимостей. Корр анализ; коэфф парной корр-ии.
- •10.Метод наименьших квадратов - базовый метод получения коэффициентов регрессионных уравнений.
- •9.Виды зависимостей. Регрессионный анализ.
- •8. Классификация задач управления; задача оценивания.
- •Классификация задач управления; задача адаптивного управления
- •Классификация задач управления; задача детерминированного и стохастического управления.
- •Классификация задач управления. Задача идентификации.
- •3.Методология построения детерминированных моделей.
- •4.Основные виды зависимостей.
- •2. Общие подходы к построению моделей с учетом характера исходной информации.
- •Классификация моделей.
- •1. Дискретно - детерминированные модели
- •2. Непрерывно - детерминированные модели
- •3. Дискретно - стохастические модели
- •4. Непрерывно - стохастические модели
Классификация моделей.
1. Дискретно - детерминированные модели
В тех случаях, когда предположение о конечномерности пространства состояний заменяется предположением о конечности числа его элементов, мы имеем дело с классом систем, анализ которых возможен с помощью чисто алгебраических методов. Этот класс систем носит название "класс конечных автоматов". Все последовательные вычислительные цифровые машины относятся к этому классу.
Конечный автомат A определяется как пятерка объектов
Эти функции удобно задавать при помощи диаграммы переходов - ориентированного графа, вершина которого соответствует состояниям, а стрелки указывают в какое новое состояние переходит автомат под воздействием входного символа и каков будет выход.
2. Непрерывно - детерминированные модели
динамические процессы описывают дифференциальными уравнениями, В общем виде такое описание может быть представлена как
Модели этого класса оказались достаточно обоснованными для анализа многих физических и технических задач. Однако возможность использования локального описания в случае менее изученных объектов в особенности систем социально-экономической природы, вовсе не очевидно.
3. Дискретно - стохастические модели
Дискректно - стохастические модели классифицируются как вероятностные автоматы, которые отличаются от конечных автоматов тем, что функции представляют собой распределение вероятностей, т.е. при данном состоянии q(t) и данном входе x(t) следующие состояния случайны. При этом известны вероятности попадания в каждое из состояний:
Сказанное относится и к выходу. Вероятность осуществления события является условной и выполняется при условии, что имело место равенство Важным частным случаем является вероятностный автомат без входа и выхода. Такой автомат называется цепью Маркова. Цепь Маркова является частным случаем марковского случайного процесса с дискретным состоянием и дискретным временем.
Если известно начальное состояние, то в последующие моменты времени цепь проходит через свои состояния случайным образом. Поэтому в каждый момент времени t=n можно говорить о вероятности p 4i 0(n) того, что цепь находится в состоянии i, i=1,2...m. Применение формулы полной вероятности дает соотношение
По этой формуле можно найти распределение вероятностей состояния для любого момента времени.
Основным моментов теории марковских цепей является теорема Маркова о стационарном режиме.
4. Непрерывно - стохастические модели
Особенности непрерывно - стохастического подхода рассмотрим в данном курсе на примере использования в качестве типовых математических схем систем массового обслуживания (СМО), которые называют Q -схемами. СМО представляют собой класс математических схем, разработанных для формализации процессов функционирования систем, протекающих в непрерывном времени и с дискретными состояниями и являющихся по своей сути процессами обслуживания.
В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы функционирования производственных, энономических, технических и др. систем (например, потоки деталей и комплектующих изделий на сборочном конвейре цеха). При этом характерным для работы таких объектов является случайное появление заявок (требований) на обслуживание и завершение обслуживания в случайные моменты времени.