Моделирование сложных систем и процессов

Основным методом изучения сложных систем и процессов, лежащим в основе системного анализа, является метод моделирования. Сущность метода заключается в том, что создается модель исследуемой системы, с помощью которой и изучается процесс функционирования реальной системы. Заметим, что термин “модель” в настоящее время широко используется как в научном языке, так и в житейской практике, причем в разных ситуациях в него вкладывается различный смысл.

Неоднозначную трактовку имеет понятие модели и в научной практике, вследствие чего общее определение этого понятия опять-таки (как и в случае определения термина “система”) дать, в сущности, невозможно. В данном случае моделирование интересует нас только как метод научного познания, а модель соответственно - как средство научного познания. В связи с этим сделаем следующие замечания.

В процессе познавательной деятельности человека постепенно вырабатывается система представлений о тех или иных свойствах изучаемого объекта и их взаимосвязях. Эта система представлений закрепляется, фиксируется в виде описания объекта на обычном языке, в виде рисунка, схемы, графика, формулы, в виде макетов, механизмов, технических устройств. Все это обобщается в едином понятии “модель”, а исследование объектов познания на их моделях называют моделированием.

Таким образом, модель - это специально создаваемый объект, на котором воспроизводятся вполне определенные характеристики реального исследуемого объекта в целях его изучения. Моделирование является важным инструментом научной абстракции, позволяющим выделить, обосновать и анализировать существенные для данного исследования характеристики объекта: свойства, взаимосвязи, структурные и функциональные параметры.

Метод моделирования как метод научного познания имеет историю, исчисляемую тысячелетиями. Академик Н.Н. Моисеев в связи с этим замечает: “Есть одно обстоятельство, которое лежит в основе любого процесса познания: мы можем оперировать только с моделями, изучать только модели, независимо от того, какой язык мы используем - русский, французский или язык математики.

Наши знания всегда относительны, всегда являются отражением тех или иных черт реальной действительности, всегда являются ее моделью” (Моисеев Н.Н. Математика ставит эксперимент. - М.: Наука, 1979. -С.33.).

Таким образом, моделирование нельзя считать недавно открытым методом научного исследования, однако только в середине ХХ в. оно стало предметом как философских, так и специальных исследований. Объясняется это, в частности, тем, что метод моделирования переживает сейчас подлинную революцию, связанную с развитием кибернетики и электронной вычислительной техники.

В настоящее время существует обширная научная литература, в которой подробно рассматриваются понятие модели, классификация моделей по тем или иным признакам, сущность моделирования как метода научного познания, применение этого метода в конкретных исследованиях (экономических, социальных, технических и пр.).

Цель и объем данного учебника не позволяют нам подробно рассмотреть эти вопросы и вынуждают весьма кратко остановиться только на тех из них, которые понадобятся в дальнейшем изложении. Прежде всего добавим полезное уточнение понятия “модель”, которое позволяет определить модель как объект любой природы, способный замещать исследуемый объект так, что его изучение дает новую информацию об этом объекте. Очевидно, модели выбираются таким образом, чтобы они были значительно проще и удобнее для исследования, чем интересующие нас объекты (тем более, что существуют и такие объекты, которые вообще нельзя активно исследовать, например различные космические объекты).

Далее укажем, что существуют различные классификации моделей на основе тех или иных характеристик: по характеру моделируемых объектов, глубине моделирования, сферам приложения и т. д.

Не углубляясь в подробную классификацию всех возможных типов моделей, подчеркнем, что в зависимости от средств, с помощью которых реализованы модели, различают прежде всего материальное (предметное) и идеальное (абстрактное) моделирование (рис. 1.1).

Материальным называется моделирование, в котором исследование ведется на основе модели, воспроизводящей основные геометрические, физические, динамические и функциональные характеристики изучаемого объекта. Частным случаем материального моделирования является физическое моделирование, при котором моделируемый объект и модель имеют одну и ту же физическую природу.

Рис. 1.1. Классификация моделей

Идеальные модели связаны с использованием каких-либо символических схем (графических, логических, математических и др.). Для нас наиболее важны математические модели, отображающие исследуемые объекты с помощью логико-матема-тических символов и соотношений. Существуют определения математических моделей, использующие понятия изоморфизма и гомоморфизма. Мы их здесь приводить не будем.

Математические модели имеют свою классификацию.

Во-первых, математические модели обычно подразделяются на аналитические и имитационные. В случае аналитических моделей изучаемую систему (объект) и ее свойства удается описать отношениями-функциями в явной или неявной форме (дифференциальными или интегральными уравнениями, операторами) таким образом, что становится возможным непосредственно с помощью соответствующего математического аппарата сделать необходимые выводы о самой системе и ее свойствах (а при синтезе эти свойства в каком-либо смысле оптимизировать). Имитационные модели представляют собой совокупность программ для ЭВМ, с помощью которых воспроизводятся алгоритмы и процедуры, описывающие процесс функционирования исследуемой системы. В этом случае деятельность системы с присущими ей особенностями имитируется на ЭВМ. Многократные машинные эксперименты, результаты которых обрабатываются с помощью методов математической статистики, позволяют изучить и проанализировать свойства данной системы. Имитационные модели обычно используют в тех случаях, когда не удается построить для изучаемой системы достаточно простые и удобные для работы аналитические модели (нередко используется сочетание простых аналитических и более сложных имитационных моделей).

Имитационное моделирование, начиная с 60-х гг., широко применяется в научных исследованиях как в нашей стране, так и за рубежом (в нашей стране такие исследования впервые стали проводить в Вычислительном центре Российской Академии наук). В 1972 г. академиком Н.Н. Моисеевым и его сотрудниками было введено понятие имитационной системы, под которой понимается совокупность системы моделей (основной и вспомогательных), банка данных (общего источника информации) и средств проведения имитационных экспериментов, включающих в свой состав соответствующее математическое обеспечение всего процесса имитационного экспериментирования.

Во-вторых, различают модели детерминированные и стохастические (вероятностные). Первые из них описывают однозначно определенные процессы, течение которых можно полностью предсказать, зная начальные условия и закономерности протекания этих процессов; вторые используют для описания случайных процессов, течение которых описывается законами распределения вероятностей соответствующих случайных величин и однозначно предсказано быть не может.

Наконец, анализируя пути возникновения математических моделей, академик Н.Н. Моисеев ввел понятие феноменологических и асимптотических моделей, а также моделей ансамблей. Модели, полученные в результате прямого наблюдения явления или процесса, его непосредственного изучения и осмысления, называются феноменологическими.

Модели, полученные как частный случай из некоторой более общей модели (в результате дедуктивного процесса), называются асимптотическими. Модели, возникающие в процессе обобщения “элементарных” моделей (как результат процесса индукции), называются моделями ансамблей.

Все вышеуказанные виды математических моделей могут быть использованы при решении проблем обеспечения пожарной безопасности городов, населенных пунктов и объектов народного хозяйства.

Разумеется, результаты математического моделирования имеют практический смысл только в том случае, если модель адекватна реальному процессу, т. е. достаточно хорошо отображает действительность. Вопросы проверки адекватности моделей будут в дальнейшем рассмотрены отдельно.

Как известно, чтобы построить математическую модель процесса функционирования какой-либо системы, надо сначала дать содержательное описание этого процесса, затем формализовать все понятия и отношения, связанные с системой, параметры, характеризующие исследуемый процесс, и после этого найти его математическое описание. Схема построения математических моделей представлена на рис. 1.2.

В заключение рассмотрим некоторые вопросы, связанные с моделированием сложных процессов. Существует еще одно определение этого понятия: сложным процессом считают процесс, модельное описание которого недоступно технологии математического моделирования (аналитического) при современном уровне ее развития. Здесь единственно возможным методом изучения таких процессов является имитационное моделирование.

Рис. 1.2. Схема построения математических моделей

При этом, достаточно часто встречается такая ситуация, когда в изучаемом сложном процессе среди взаимодействующих процессов можно выделить небольшое количество «главных», характеристики которых нас интересуют, и именно ради прогноза этих характеристик разрабатывается модель. Характерный временной масштаб остальных процессов значительно меньше, а их характеристики нас интересуют постольку, поскольку они влияют на характеристики главных процессов.

Таким образом, изучаемые процессы делятся на «медленные», прогноз развития которых нас интересует, и «быстрые», характеристики которых нас интересуют существенно меньше, однако их влияние на медленные процессы нужно уметь учитывать.

Деление изучаемых взаимодействующих процессов на быстрые и медленные при создании их математической модели – типичный пример ситуации, когда в модели появляются случайные факторы. В этом случае интересующие нас параметры медленных процессов рассматриваются как случайные величины, а для вычисления их числовых характеристик необходимо выполнять имитацию в том смысле, в каком этот термин понимается в теории вероятностей и математической статистики, т.е. осуществляя серию имитационных экспериментов, получать реализации интересующих нас случайных величин и затем обрабатывать результаты методами математической статистики.

Все сказанное мы будем использовать при изучении процессов функционирования ГПС и РСЧС.