Книги по системному анализу

Системный анализ

«Адаптивное управление сложными системами на основе теории распознавания образов»

В. С. Симанков, Е. В. Луценко

Оглавление    
Глава 1, «Неопределенность исходной информации как основная проблема при синтезе адаптивных АСУ сложными системами» Глава 1, «Традиционные пути решения основной проблемы, их ограничения и недостатки»

Глава 1: Классификация систем и автоматизация управления сложными системами

Прежде всего система — это целостная совокупность некоторых элементов, не сводящаяся к простой сумме своих частей, т.е. представляющая собой нечто большее, чем просто сумму частей. Это нечто, отсутствующее в частях системы, взятых самих по себе, и совершенно необходимое, чтобы элементы образовали систему, представляет собой интегрирующее начало.

Интегрирующее начало может быть как объективным, так и субъективным, а системы, соответственно, естественными и искусственными. Искусственная система есть средство достижения цели. Но и естественные, например, экологические системы, человек, как правило, рассматривает с точки зрения того, что они могут ему дать или какими они должны быть, чтобы обеспечить человеку определенные желательные условия, т.е. опять же с точки зрения соответствия определенным целям.

Различные модели систем отличаются тем, насколько полно в этих моделях отражены знания разработчиков модели о внутреннем строении моделируемых систем, и насколько эти модели являются подходящими для применения с точки зрения достижения целей АСУ.

Простейшей (полностью феноменологической) моделью системы является модель «черного ящика» [273]. Так называют систему, о которой внешнему наблюдателю доступны только лишь входные и выходные параметры, а внутренняя структура системы и процессы в ней неизвестны. Входные параметры можно рассматривать как управляющие воздействия, а желательные значения выходных — как цель управления. Ряд важных выводов о поведении системы можно сделать, наблюдая только ее реакцию на воздействия, т.е. наблюдая зависимости между изменениями входных и выходных параметров. Такой подход открывает возможности изучения систем, устройство которых либо совершенно неизвестно, либо слишком сложно для того, чтобы можно было по свойствам составных частей и связям между ними сделать выводы о поведении системы в целом. Поэтому понятие «черный ящик» широко применяется при решении задач идентификации и моделировании реакции на управляющее воздействие в АСУ сложными объектами управления.

Важно понимать, что «черный ящик» представляет собой именно систему, причем в общем случае, сложную систему. Из этого следует очень важный вывод: оптимизировать какой-либо отдельно взятый выходной параметр нельзя, так как это может привести к уничтожению всей системы, т.е. выходные параметры необходимо рассматривать системно, т.е. в единстве, комплексе.

Несмотря на свою кажущуюся простоту, построение модели «черного ящика» не является тривиальной задачей. Дело в том, что любая реальная система взаимодействует со средой бесчисленным множеством способов. Строя модель системы, из этого бесчисленного множества связей отбирают конечное их число и включают их в список входов и выходов. Критерием отбора при этом является целевое назначение модели, существенность той или иной связи для достижения цели. То, что существенно и важно, включается в модель, а то, что не существенно и не важно — не включается.

Но проблема как раз и заключается в том, что в действительности заранее никому не может быть точно известно, какие входные параметры оказывают существенное влияние на выходные целевые параметры, а какие нет. Это можно узнать, статистически исследовав эволюцию некоторого объекта в течение длительного времени, что проблематично, либо изучив достаточное количество аналогичных объектов, находящихся на различных стадиях своей эволюции, т.е. вариабельных конкретных «мгновенных» реализаций аналогичных объектов управления.

Но даже если такая информация имеется, то математически ее обработать, например с применением факторного анализа, также далеко не просто, так как обычно размерность реальных задач намного (на несколько порядков) превосходит возможности стандартных статистических методов и пакетов.

Более развитой, чем «черный ящик» является модель состава системы, в которой перечисляются составляющие ее элементы и подсистемы. Совокупность необходимых и достаточных для достижения целей управления элементов и подсистем с определенными отношениями между ними называется структурой системы.

Суммируя модели «черного ящика», состава и структуры, по мнению авторов, можно дать следующее синтетическое определение системы: «Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с ней как единое целое для достижения определенной объективной или субъективной цели».

Существуют различные подходы к классификации систем:

  • по происхождению: искусственные, смешанные и естественные;
  • по степени изученности структуры (наличию информации): «черный ящик», непараметризованный класс, параметризованный класс, «белый ящик»;
  • по способу управления: управляемые извне, самоуправляемые, с комбинированным управлением;
  • по ресурсной обеспеченности управления: энергетические ресурсы (обычные и энергокритичные), материальные ресурсы (малые и большие), информационные ресурсы (простые и сложные).

При недостатке априорной информации о сложном объекте управления построение его содержательной модели затруднительно. В этих условиях, по мнению авторов, возможно применить модель «черного ящика», которая предполагает минимум знаний о структуре и связях входных и выходных параметров моделируемого объекта.

При построении этой модели выходные параметры определяются исходя из целей управления, а проблема выбора входных параметров, значимо влияющих на выходные, в принципе может решаться различными методами, например, такими как: многофакторный анализ, дискриминантный анализ, методы проверки статистических гипотез, методы теории информации.

В данной работе предлагаются различные варианты классификации параметров, в зависимости от того, какие состояния объекта управления и среды они характеризуют и в какой степени они зависят от человека.

Например, параметры могут быть разделены на четыре группы, характеризующие:

  1. Предысторию объекта управления и окружающей среды.
  2. Характеристику актуального состояния объекта управления (которое рассматривается как исходное состояние СОУ) и среды.
  3. Не зависящие от человека факторы.
  4. Зависящие от человека факторы (управляющие воздействия на объект управления).

Эта классификация позволяет изучить влияние на достижение целей управления каждой из перечисленных групп факторов и выделить наиболее существенные факторы как в каждой группе, так и по всем группам в целом. Для этой цели в данном исследовании предлагается применить итерационные методы снижения размерности пространства признаков с переменным шагом, основанные на максимизации среднего количества информации, которое система получает при предъявлении ей признаков объектов обучающей и распознаваемой выборки [196].

Рассмотрим соотношение понятия «фактор», широко применяющегося в настоящем исследовании, и понятия «управляющее воздействие», традиционного для теории АСУ. В данном исследовании с единых позиций рассматриваются все причины, влияющие на переход СОУ в различные состояния, в том числе целевые. Конечно, это прежде всего управляющие воздействия. Но это и факторы среды, причем не только актуальные, но и будущие (прогнозируемые). Это и состояния самого СОУ, как прошедшие (СОУ рассматривается как автомат с памятью), так и актуальные, а также прогнозируемые. Среди всех этих факторов есть и зависящие от человека, которые он может использовать в качестве управляющих воздействий, а также и не зависимые от него, без учета которых, однако, управление СОУ станет менее надежным. Все эти факторы и рассматриваются в предлагаемой модели. Поэтому естественно, что в данном исследовании понятие фактор толкуется более широко, чем термин «управляющее воздействие».

Более пристального внимания заслуживает также классификация систем по ресурсной обеспеченности управления. Для того, чтобы модель реально заработала, или, как говорят была актуализирована, необходимы затраты различных ресурсов, прежде всего энергетических, материальных, информационных, финансовых, а также других.

Конечно, ресурсная обеспеченность меняется с течением времени, что связано прежде всего с совершенствованием компьютерной техники и информационных систем, а также зависит от возможностей конкретных исследователей и разработчиков. Поэтому классификация этого типа, безусловно, является относительной. Несмотря на это, подобная классификация имеет практическую ценность.

Большой называется система, поведение которой определяется всей совокупностью ее элементов, взаимодействующих между собой, ни один из которых не является определяющим [112, 273]. В рассматриваемом контексте термин «большая» означает не пространственные размеры системы, а большое количество ее элементов. При моделировании больших систем возникает проблема высокой размерности описания. Например, если применяется многофакторная модель, то вычислительные и понятийные (связанные с интерпретацией) трудности возникают уже при количестве факторов от семи до десяти. В то же время многие реальные задачи требуют учета многих сотен и даже тысяч различных факторов.

Известны два способа перевода больших систем в разряд малых: использование более мощных вычислительных средств (компьютеров и программных систем) либо осуществление декомпозиции многомерной задачи на совокупность слабо связанных задач меньшей размерности (если характер задачи это позволяет). Если существует возможность сгруппировать элементы системы в незначительное количество подсистем, каждая из которых оказывает вполне определенное существенное влияние на поведение системы в целом, а с другими подсистемами мало взаимодействует, то этим самым описание функциональной структуры системы существенно упрощается.

На практике чаще всего исследователь самостоятельно решает неформализуемым путем, какие факторы он будет исследовать, а какие нет.

Напомним ключевое для нашего изложения определение сложной системы. Сложной называется система, адекватное моделирование которой требует учета отсутствующей или недоступной информации [273]. Необходимо специально отметить, что данное определение сложной системы считается классическим. Сложный объект управления (СОУ) — это объект управления, являющийся сложной системой. В контексте данного исследования несущественно, является ли СОУ динамическим, статическим, стохастическим и т.д. Но эти варианты порождают частные случаи, некоторые из которых конкретизируются в исследовании.

Если управление приводит к неожиданным, непредвиденным или нежелательным результатам, т.е. отличающимся от ожидаемых (прогнозируемых) в соответствии с моделью, то это объясняется недостатком существенной информации, что порождает неадекватность модели и интерпретируется как сложность системы. Таким образом, простота или сложность системы относительна и указывает на достаточность или недостаточность информации о системе в действующей модели этой системы, т.е. связана с возможностью построения адекватной модели.

Между большими и сложными системами имеется много общего: очень часто большие системы одновременно являются и сложными. Но есть и существенное различие между ними: адекватное моделирование больших систем оказывается возможным при удовлетворении высоких требований к инструментам обработки (компьютерам и программным системам), тогда как при моделировании сложных систем возникают более фундаментальные проблемы, связанные с недостатком значимой информации.

Оглавление    
Глава 1, «Неопределенность исходной информации как основная проблема при синтезе адаптивных АСУ сложными системами» Глава 1, «Традиционные пути решения основной проблемы, их ограничения и недостатки»


Система Orphus

Яндекс.Метрика