sistemnii_analiz_v_ypravlenii_V (998781), страница 21

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 21)

- имитационная модель нередко, хотя это может и показаться парадоксальным, проще аналитической, разработанной для тех же предположений. Соответственно упрощаются овладение программным изделием и его сопровождение. Эта простота заключается в том, что логика имитационной модели ближе к логике реальности, в меньшей степени обременена формальными вычислительными фрагментами;

- правильно построенная имитационная модель более гибка в отношении описания и стыковки с другими моделями, загрубления исходных данных, а также изменения перечня отслеживаемых показателей состояния;

- время счета при уменьшении интервала дискретности оценки показателя состояния на аналитической модели растет, как правило, не медленнее, чем в прямой пропорции от увеличения числа точек их расчета. На имитационной модели, базирующейся на методе модельных событий, этого практически не замечается, либо нарастание идет со значительным отставанием. Как правило, аналогичные явления характерны и для объема необходимой оперативной памяти;

- имитационная модель обладает значительно большей импликативностью, что связано, в частности, с большей подробностью описания. На имитационной модели чаще получаются результаты, предположить существование которых априорно было трудно или даже невозможно. Иногда это неправильно интерпретируют как способность давать новую информацию. Речь может идти о более глубоком и всестороннем использовании данных, закладываемых на входе модели и в ее структуре.

Как следствие изложенных преимуществ начинает формироваться психологический стереотип или даже шаблон, согласно которому имитационное моделирование рассматривается при всех условиях как синоним передовых достижений. Такое положение внешне стимулирует применение имитационного моделирования, но использовать это стимулирование неправомерно. Имитационная модель существенно проигрывает при прочих равных условиях аналитической прежде всего в скорости счета и трудоемкости разработки, хотя и требует более слабых допущений. Поэтому целесообразно выделять области предпочтительного применения того или иного вида моделирования и главным образом рационально их сочетать.

Общемировая тенденция в области моделирования сложных, в том числе организационно-экономических, объектов заключается в постепенном дрейфе в область имитационного моделирования или, по крайней мере, применению смешанного моделирования, причем доля имитационного моделирования в нем неуклонно повышается. Этому также способствует принципиально новый качественный уровень вычислительных платформ, а также развитие коммуникативных сред, позволяющих реализовать концепцию «тонкого» клиента.

Аналитическое моделирование, несомненно, гораздо «старше» и многообразнее имитационного – в части многообразия обособленных теорий.

Соответственно ниже особое внимание обращено на имитационное моделирование – во-первых, вследствие актуальности соответствующих исследований и проектов, и, во-вторых, в силу новизны этого вида моделирования и недостаточной информированности о его сути и особенностях.

2.3. Система интерпретационных технологий
идентификации объектов

Следует отметить, что современные условия осуществления управленческой деятельности предъявляют очень высокие требования к характеристикам качества софтверного обеспечения, которые бывает трудно, а порой и невозможно удовлетворить.

Единственным способом достижения разрешимости проблемы удовлетворения требований к математическому инструментарию является переход в пространство решений, предусматривающих полимодельное проектирование информационных управленческих технологий и софтверного обеспечения. В этом случае группы моделей или алгоритмов позволяют декомпозировать требования по компонентным элементам, сформировав в новом измерении пространство непустых проектных решений.

Такой методологический подход может предусматривать формирование систем моделей по разным схемам и правилам.

Характерными чертами современного этапа развития информационных управленческих технологий является высокая ресурсоемкость их создания, сильная зависимость их потребительной стоимости от продолжительности разработки и недопустимость серьезных дефектов, искажающих обосновываемые с их помощью рекомендации по управленческим решениям.

К числу наиболее эффективных путей преодоления перечисленных проблем относится применение концепции повторного использования (или reusing-процедур) в широком смысле и концепции системного многоцелевого моделирования или алгоритмизации. В последнем случае как бы автоматически происходит и подключение концепции синергидного моделирования.

При решении управленческой задачи возникает непременная проблема выявления применимости ранее созданного модельного инструментария, неразрывно сопряженная с возможностью интерпретировать новую управленческую задачу как версии ранее решавшейся с применением уже созданного модельного или алгоритмического инструментария.

Соответственно вводится понятие интерпретиационной технологии – возможности представить управленческую задачу (а тем самым – и объект управления) в виде аналога или частной версии, ранее решавшейся.

Пожалуй, единственная на сегодняшний момент реальная интерпретационная технология – это так называемые языки имитационного моделирования и отдельные виды программного обеспечения с локализованными программируемыми адапторами. Они предполагают выделение типовых описательных конструкций (например, в глоссарии теории массового обслуживания, линейного программирования, дифференциального и интегрального исчисления, налогообложения и т.д.) и представление исходной описательной или расчетной задачи в этих канонизированных конструкциях.

Серьезный их недостаток – сравнительно низкий (далекий от смыслового) языковый инструментарий – в частности, некий подобъект описывается в виде типовой локальной системы массового обслуживания (СМО) с задаваемыми параметрами, а набор типов таких СМО раз и навсегда фиксирован (например, СМО без очереди, циклическая СМО и т.д.).

Имеет также место и такое значительное ограничение, как нераспространяемость на нетривиальные оптимизационные задачи. Действительно, большинство компетентно решаемых оптимизационных управленческих задач не допускают своей формализации через явную запись целевой функции, а ориентируются на применение аналитических или же имитационных моделей объекта управления и введение нетривиального правила предпочтения.

Более того, минимальные отступления от стереотипных трактовок принципиально изменяют формализации постановок задач, не говоря уже о методах их числового (а отнюдь не только численного) решения.

Поэтому в целях обеспечения эффективной реализации информационной управленческой технологии целесообразно ориентироваться на применение такой технологии ее разработки, которая позволяла бы рассматривать уже созданную или вновь проектируемую систему как своего рода метаязык, в конструкциях и по правилам которого должна быть сформулирована управленческая задача. Открытость метаязыка подразумевает признание того непреложного факта, что не всякая новая управленческая задача реализуема в его существующей редакции в принципе или же наиболее эффективно реализуема, а также возможность наращивания его интерпретационно-описательного потенциала в процессе развития модельного аппарата.

Последнее, в частности, означает решение задачи адаптивного синтеза системы математических моделей и алгоритмов.

Можно выделить шесть схем комбинированного применения моделей и алгоритмов.

Первая схема предусматривает стратегию «выбрать и использовать». То есть по сути дела это – переключение на тот или иной описательный элемент в зависимости от соответствия неким наперед заданным условиям. Две характерные особенности этой схемы – во-первых, непересечение условий применения описательных модулей в комплексе (т.е. взаимная исключаемость применения двух и более таких модулей), во-вторых, возможность выхода за область априорно допустимых ситуаций только за счет привлечения нового элемента – расширения первичного и потому единственного базиса.

Вторая схема ориентирована на создание кортежей (групп последовательно применяемых) моделей, когда выходные данные предшествующих моделей в общем случае используются как входные для последующих. Далее для этих кортежей реализуется первая схема. Понятно, что здесь мы уже сталкиваемся с двумя базисами – исходным базисом модельных описаний для формирования кортежей и базисом самих кортежей. При этом второй базис является вторичным, производным.

Третья схема предусматривает сугубо синергидное комбинирование модельных описаний. При этом осуществляется сначала «переключательный» выбор применяемых модельных модулей, потом параллельное применение этих моделей или алгоритмов, а затем результаты компьютерных расчетов комбинируются на базе опять-таки ряда алгоритмов синергидного комбинирования. В этом случае мы имеем два базиса – исходных модельных описаний и алгоритмов синергидного комбинирования.

Четвертая схема – это комбинация в различных версиях предыдущих трех схем.

Пятая схема предусматривает многоцелевое использование одной модели или алгоритма, но в различных принудительно созданных условиях (в том числе экстремальных), за счет чего удается обеспечить многовариантное (для разных входов, целей и условий, задающих различные управленческие задачи) применение такого математического модуля. То есть в этом случае возникают, по крайней мере, два очень нетривиальных базиса – базис специфицирующих условий и базис обеспечения применимости модельных модулей при их реализации.

Шестая схема – суть суперпозиция пяти уже рассмотренных во всех возможных вариантах.

Применительно к управленческим задачам чаще всего целесообразно применять шестую схему.

Из изложенного видно, что чисто интерпретационная («классическая интерпретационная») технология поддерживается только пятой схемой и генерируемой с ее участием шестой. Все же остальные можно считать интерпретационными лишь условно, относить их к категории частного случая – постольку, поскольку проходит вариант приведения управленческой задачи к типовой схеме формализации – например, «сведение задачи ... к задаче динамического программирования», «приведение описания ... к представлению в виде полумарковского процесса» и т.п.

В интерпретационных технологиях, как правило, все-таки несравненно чаще применяются математические модели, чем математические алгоритмы.

Интерпретационная технология позволяет наращивать описательную мощность метаязыка, материализованного в виде системы математических модулей и правил его применения, тем самым повышая точность и устойчивость обосновываемых в конечном счете управленческих решений, а также усиливать гибкость и универсальность его применения за счет повышения мощности базиса специфицирующих правил.

2.4. Концепция полимодельной идентификации объектов

Важный момент построения системы моделей – правильный выбор состава моделей или алгоритмов и порядка ее применения.

Задача формирования системы идентификаций может быть сведена к решению задачи анализа или задачи синтеза, либо к промежуточному варианту задач.

Задача анализа подразумевает выбор необходимого и достаточного подмножества из фиксированного множества моделей или алгоритмов с известными характеристиками и установление межмодельных информационных воздействий.

Задача синтеза предусматривает формирование требований к модели или алгоритму, которые могут быть декомпозированы и детализированы вплоть до состава функционально определенных групп, требований к ним и межмодельным связям.

Промежуточный вариант представляет собой сочетание задач анализа и синтеза и заключается в частичном заимствовании из группы существующих моделей или алгоритмов, нахождении необходимого и достаточного дополнения к ним, а также в связях между группами.

Задачи анализа и синтеза подразумевают существование множества признаков L_j; j[1,J], фиксирующих условия применимости модели или алгоритма. В состав признаков могут быть включены, например, состав управленческих решений, предполагаемые особенности объекта управления и некоторые другие.

Задача формирования системы моделей (опустим алгоритмы для наглядности изложения) на базе анализа группы таковых заключается в следующем. Из множества моделей М₁ ,..., М_I подбираются все возможные полнофункциональные группы, т.е. позволяющие проследить связь «управленческие решения – показатели состояния» и таким образом формируется множество М_{гр 1} ,..., М_{гр K}, где каждая
М_{гр k}, k[1,К] представляет последовательность из одной или нескольких моделей из числа М₁ ,..., М_I, причем, возможно, взятых в некоторых модификациях или предельных версиях. Для каждой из групп М_{гр k} оценивается средняя ожидаемая вычислительная ресурсоемкость. В качестве примера показателя вычислительной ресурсоемкости можно принять средние ожидаемые затраты процессорного времени на выполнение вычислительного эксперимента с моделью, включенными в состав
М_{гр k} – Т_k , а также псевдологические переменные С_kj ; j[1,J]. Псевдологическая переменная С_kj может принимать три возможных значения: 1 – если условие применимости выполняется; 0 – если оно не выполняется; @ – если его значение не сказывается на решении о выборе группы моделей.

Затем выделенные группы ранжируются в порядке увеличения Т_k , т.е.:

- первая строка соответствует min {Т_k},

k[1,К]

- последняя строка соответствует mах {Т_k}.

Характеристики

Список файлов книги