Перспективы развития методов и средств моделирования систем в свете новых информационных технологий

В последние годы основные достижения в различных областях науки и техники неразрывно связаны с процессом совершенствования ЭВМ. Сфера эксплуатации ЭВМ — бурно развивающаяся отрасль человеческой практики, стимулирующая развитие новых теоретических и прикладных направлений. Ресурсы современной информационно-вычислительной техники дают возможность ставить и решать математические задачи такой сложности, которые в недавнем прошлом казались нереализуемыми, например моделирование больших систем.

Исторически первым сложился аналитический подход к исследованию систем, когда ЭВМ использовалась в качестве вычислителя по аналитическим зависимостям. Анализ характеристик процессов функционирования больших систем с помощью только аналитических методов исследования наталкивается обычно на значительные трудности, приводящие к необходимости существенного упрощения моделей либо на этапе их построения, либо в процессе работы с моделью, что может привести к получению недостоверных результатов.

Поэтому в настоящее время наряду с построением аналитических моделей большое внимание уделяется задачам оценки характеристик больших систем на основе имитационных моделей, реализованных на современных ЭВМ с высоким быстродействием и большим объемом оперативной памяти. Причем перспективность имитационного моделирования, как метода исследования характеристик процесса функционирования больших систем возрастает с повышением быстродействия и оперативной памяти ЭВМ, с развитием математического обеспечения, совершенствованием банков данных и периферийных устройств для организации диалоговых систем моделирования. Это, в свою очередь, способствует появлению новых «чисто машинных» методов решения задач исследования больших систем на основе организации имитационных экспериментов с их моделями. Причем ориентация на автоматизированные рабочие места на базе персональных ЭВМ для реализации экспериментов с имитационными моделями больших систем позволяет проводить не только анализ их характеристик, но и решать задачи структурного, алгоритмического и параметрического синтеза таких систем при заданных критериях оценки эффективности и ограничениях.

Расширение возможностей моделирования различных классов больших систем неразрывно связано с совершенствованием средств вычислительной техники и техники связи. Перспективным направлением является создание для целей моделирования иерархических многомашинных вычислительных систем и сетей.

В зависимости от специфики исследуемых объектов в ряде случаев эффективным оказывается моделирование на аналоговых вычислительных машинах (АВМ). При этом надо иметь в виду, что АВМ значительно уступают ЭВМ по точности и логическим возможностям, но по быстродействию, схемной простоте реализации, сопрягаемости с датчиками внешней информации АВМ превосходят ЭВМ или по крайней мере не уступают им.

Для сложных динамических объектов перспективным является моделирование на базе гибридных (аналого-цифровых) вычислительных комплексов. Такие комплексы реализуют преимущества цифрового и аналогового моделирования и позволяют наиболее эффективно использовать ресурсы ЭВМ и АВМ в составе единого комплекса. При использовании гибридных моделирующих комплексов упрощаются вопросы взаимодействия с датчиками, установленными на реальных объектах, что позволяет, в свою очередь, проводить комбинированное моделирование с использованием аналого-цифровой части модели и натурной части объекта. Такие гибридные моделирующие комплексы могут входить в состав многомашинного вычислительного комплекса, что еще больше расширяет его возможности с точки зрения моделируемых классов больших систем.

Конец XX столетия ознаменовался интенсивным развитием и внедрением вовсе сферы жизни общества информатики. Это проявилось в интенсивном совершенствовании средств вычислительной техники и техники связи, в появлении новых и в дальнейшем развитии существующих информационных технологий, а также в реализации прикладных информационных систем. Достижения информатики заняли достойное место в организационном управлении, в промышленности, в проведении научных исследований и в автоматизированном проектировании. Информатизация охватила и социальную сферу: образование, науку, культуру, здравоохранение.

Лекция 2: Понятие о моделях и моделировании

Определение модели

Термин модель неоднозначен и охватывает чрезвычайно широкий круг материальных и идеальных объектов. Признаком, объединяющим такие, казалось бы, несопоставимые объекты как система дифференциальных уравнений математической физики и пара дамских туфель, выставленных на витрине, является их информационная сущность. Любая модель – идеальная или материальная, используемая в научных целях, на производстве или в быту – несет информацию о свойствах и характеристиках исходного объекта (объекта - оригинала), существенных для решаемой субъектом задачи. Модели – отражение знаний об окружающем мире.

Пусть имеется некоторая конкретная система. Лишь в единичных случаях мы имеем возможность провести с самой этой системой все интересующие нас исследования. С ростом сложности системы возможности натурного эксперимента резко падают. Он становится дорогим, трудоемким, длительным по времени, в слабой степени вариативным. Тогда предпочтительнее работа с моделью. В ряде же случаев мы вообще не имеем возможности наблюдать систему в интересующем нас состоянии. Например, разбор аварии на техническом объекте приходится вести по ее протокольному описанию. Специалист по электронной технике будет изучать большинство типов ЭВМ по литературе, и только часть из них опробует на практике. В этих примерах доступна лишь модель, но это не мешает нам эффективно познавать систему.

Рассмотрение вместо самой системы (явления, процесса, объекта) ее модели практически всегда несет идею упрощения. Мы огрубляем представления о реальном мире, так как оперировать категорией модели экономичнее, чем действительностью. Но вопрос выделения и формальной фиксации тех особенностей, которые существенны для целей рассмотрения, весьма непрост. Известно большое количество удачных моделей, составляющих предмет гордости человеческой мысли, — от конечноэлементной модели в прикладных задачах математической физики до модели генетического кода. Однако велико количество процессов и явлений, для которых на настоящий момент нет удовлетворительного описания. Правда, в области техники положение с моделированием можно считать удовлетворительным, но и здесь имеются «узкие» места, связанные с плохо определяемыми параметрами, коэффициентами, а также слишком грубые описания.

Определение. Модель в общем смысле есть создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа, описания знаковыми средствами либо материальной системы), отражающий свойства, характеристики и связи объекта – оригинала произвольной природы, существенные для задачи, решаемой субъектом.

Непосредственно из структуры принятого определения вытекают ряд общих свойств моделей, которые обычно принимаются во внимание в практике моделирования.

1. Модель представляет собой «четырехместную конструкцию», компонентами которой являются субъект; задача, решаемая субъектом; объект-оригинал и язык описания или способ воспроизведения модели. Особую роль в структуре обобщенной модели играет решаемая субъектом задача. Вне контекста задачи или класса задач понятие модели не имеет смысла.

2. Каждому материальному объекту, вообще говоря, соответствует бесчисленное множество в равной мере адекватных, но различных по существу моделей, связанных с разными задачами.

3. Паре задача-объект тоже соответствует множество моделей, содержащих в принципе одну и ту же информацию, но различающихся формами ее представления или воспроизведения.

4. Модель, по определению, всегда является лишь относительным, приближенным подобием объекта-оригинала и в информационном отношении принципиально беднее последнего. Это ее фундаментальное свойство.

5. Произвольная природа объекта-оригинала, фигурирующая в принятом определении, означает, что этот объект может быть материально-вещественным, может носить чисто информационный характер и, наконец, может представлять собой комплекс разнородных материальных и информационных компонентов. Однако независимо от природы объекта, характера решаемой задачи и способа реализации модель представляет собой информационное образование.

6. Частным, но весьма важным для развитых в теоретическом отношении научных и технических дисциплин является случай, когда роль объекта-моделирования в исследовательской или прикладной задаче играет не фрагмент реального мира, рассматриваемый непосредственно, а некий идеальный конструкт, т.е. по сути дела другая модель, созданная ранее и практически достоверная. Подобное вторичное, а в общем случае n-кратное моделирование может осуществляться теоретическими методами с последующей проверкой получаемых результатов по экспериментальным данным, что характерно для фундаментальных естественных наук. В менее развитых в теоретическом отношении областях знания (биология, некоторые технические дисциплины) вторичная модель обычно включает в себя эмпирическую информацию, которую не охватывают существующие теории.

Использование моделей

Модель вместо исходного объекта используется в случаях, когда эксперимент опасен, дорог, происходит в неудобном масштабе пространства и времени (долговременен, слишком кратковременен, протяжен…), невозможен, неповторим, ненагляден и т. д. Проиллюстрируем это:

«эксперимент опасен» — при деятельности в агрессивной среде вместо человека лучше использовать его макет; примером может служить луноход;

«дорог» — прежде чем использовать идею в реальной экономике страны, лучше опробовать её на математической или имитационной модели экономики, просчитав на ней все «за» и «против» и получив представление о возможных последствиях;

«долговременен» — изучить коррозию — процесс, происходящий десятилетия, — выгоднее и быстрее на модели;

«кратковременен» — изучать детали протекания процесса обработки металлов взрывом лучше на модели, поскольку такой процесс скоротечен во времени;

«протяжен в пространстве» — для изучения космогонических процессов удобны математические модели, поскольку реальные полёты к звёздам (пока) невозможны;

«микроскопичен» — для изучения взаимодействия атомов удобно воспользоваться их моделью;

«невозможен» — часто человек имеет дело с ситуацией, когда объекта нет, он ещё только проектируется. При проектировании важно не только представить себе будущий объект, но и испытать его виртуальный аналог до того, как дефекты проектирования проявятся в оригинале. Важно: моделирование теснейшим образом связано с проектированием. Обычно сначала проектируют систему, потом её испытывают, потом снова корректируют проект и снова испытывают, и так до тех пор, пока проект не станет удовлетворять предъявляемым к нему требованиям. Процесс «проектирование-моделирование» цикличен. При этом цикл имеет вид спирали — с каждым повтором проект становится все лучше, так как модель становится все более детальной, а уровень описания точнее;

«неповторим» — это достаточно редкий случай, когда эксперимент повторить нельзя; в такой ситуации модель — единственный способ изучения таких явлений. Пример — исторические процессы, — ведь повернуть историю вспять невозможно;

«ненагляден» — модель позволяет заглянуть в детали процесса, в его промежуточные стадии; при построении модели исследователь как бы вынужден описать причинно-следственные связи, позволяющие понять все в единстве, системе. Построение модели дисциплинирует мышление. Важно: модель играет системообразующую и смыслообразующую роль в научном познании, позволяет понять явление, структуру изучаемого объекта. Не построив модель, вряд ли удастся понять логику действия системы. Это означает, что модель позволяет разложить систему на элементы, связи, механизмы, требует объяснить действие системы, определить причины явлений, характер взаимодействия составляющих.

Свойства моделей

Свойства любой модели таковы:

- конечность: модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны;

- упрощенность: модель отображает только существенные стороны объекта;

- приблизительность: действительность отображается моделью грубо или приблизительно;

- адекватность: модель успешно описывает моделируемую систему;

- информативность: модель должна содержать достаточную информацию о системе - в рамках гипотез, принятых при построении модели.

Процесс моделирования есть процесс перехода из реальной области в виртуальную (модельную) посредством формализации, далее происходит изучение модели (собственно моделирование) и, наконец, интерпретация результатов как обратный переход из виртуальной области в реальную. Этот путь заменяет прямое исследование объекта в реальной области, то есть лобовое или интуитивное решение задачи. Итак, в самом простом случае технология моделирования подразумевает 3 этапа:

формализация,

собственно моделирование,

интерпретация.

Рис. 1. Процесс моделирования (базовый вариант)

Если требуется уточнение, эти этапы повторяются вновь и вновь: формализация (проектирование), моделирование, интерпретация. Спираль! Вверх по кругу.

Поскольку моделирование — способ замещения реального объекта его аналогом, то возникает вопрос: насколько аналог должен соответствовать исходному объекту?

Вариант 1: соответствие — 100%. Очевидно, что точность решения в этом случае максимальна, а ущерб от применения модели минимален. Но затраты на построение такой модели бесконечно велики, так как объект повторяется во всех своих деталях; фактически, создаётся точно такой же объект путём копирования его до атомов (что само по себе не имеет смысла).

Вариант 2: соответствие — 0%. Модель совсем не похожа на реальный объект. Очевидно, что точность решения минимальна, а ущерб от применения модели максимален, бесконечен. Но затраты на построение такой модели нулевые.

Конечно, варианты 1 и 2 — это крайности. На самом деле модель создаётся из соображений компромисса между затратами на её построение и ущербом от неточности её применения. Это точка между двумя бесконечностями. То есть, моделируя, следует иметь в виду, что исследователь (моделировщик) должен стремиться к оптимуму суммарных затрат, включающих ущерб от применения и затраты на изготовление модели (см. рис. 2).

Рис. 2. Соотношение суммарных затрат и точности

для различных вариантов детализации прикладной модели

Просуммируйте две кривые затрат — получится одна кривая общих затрат. Найдите оптимум на суммарной кривой: он лежит между этими крайними вариантами. Видно, что неточные модели не нужны, но и абсолютная точность тоже не нужна, да и невозможна. Частое и распространённое заблуждение при построении моделей — требовать «как можно точнее».

«Модель — поиск конечного в бесконечном» — эта мысль принадлежит Д. И. Менделееву. Что отбрасывается, чтобы превратить бесконечное в конечное? В модель включаются только существенные аспекты, представляющие объект, и отбрасываются все остальные (бесконечное большинство). Существенный или несущественный аспект описания определяют согласно цели исследования. То есть каждая модель составляется с какой-то целью. Начиная моделирование, исследователь должен определить цель, отделив её от всех возможных других целей, число которых, по-видимому, бесконечно.

К сожалению, указанная на рис. 2 кривая является умозрительной и реально до начала моделирования построена быть не может. Поэтому на практике действуют таким образом: двигаются по шкале точности слева направо, то есть от простых моделей («Модель 1», «Модель 2»…) ко все более сложным («Модель 3», «Модель 4»…). А процесс моделирования имеет циклический спиралевидный характер: если построенная модель не удовлетворяет требованиям точности, то её детализируют, дорабатывают на следующем цикле (см. рис. 3).

Рис. 3. Спиралевидный характер процесса проектирования и уточнения прикладных моделей

Улучшая модель, следят, чтобы эффект от усложнения модели превышал связанные с этим затраты. Как только исследователь замечает, что затраты на уточнение модели превышают эффект от точности при применении модели, следует остановиться, поскольку точка оптимума достигнута. Такой подход всегда гарантирует окупаемость вложений.

Из всего сказанного следует, что моделей может быть несколько: приближенная, более точная, ещё точнее и так далее. Модели как бы образуют ряд. Двигаясь от варианта к варианту, исследователь совершенствует модель. Для построения и совершенствования моделей необходима их преемственность, средства отслеживания версий и так далее, то есть моделирование требует инструмента и опирается на технологию.