1 Горохов Андрей Витальевич Имитационное моделирование г. Йошкар-Ола Кафедра

систем и системный анализ

Лекция № 9

связанных с этими системами. Главными особенностями таких систем является то,

что они динамические (изменяющиеся во времени), содержат петли обратной связи, а также их структура характеризуется задержками, нелинейностью и переменчивостью причин сложного поведения.

Джей Форрестер (англ. Jay Wright Forrester) (род. 1918г.)  — американский инженер, разработчик теории системной динамики.

виде, в каком это имеет место в аналитических моделях, а

могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором. Следовательно, системная динамика – не теория, а методология решения проблем

Т

сложные слабо-формализованные ситуации, в которых невозможно применение аналитических методов или они настолько сложны и трудоемки, что динамическое моделирование дает более простой способ решения проблемы;
моделирование поведения систем в ситуациях, которые ранее не встречались; в данном случае имитация служит для предварительной проверки новых стратегий управления системой перед проведением эксперимента на реальном объекте;
моделирование ситуаций, наблюдение которых осложнено большой длительностью их развития или наоборот, то есть когда необходимо контролировать развитие ситуации путем ускорения или замедления явлений в ходе имитации.

Области применения системной динамики:

в процессе моделирования с комплексом, реализующим модель, что позволяет в

наибольшей степени использовать опыт и интуицию специалистов в изучении реальных сложных систем.

Системно-динамическое моделирование имеет существенное ограничение - ограниченную точность моделирования и невозможность ее априорной оценки (косвенную характеристику точности может дать анализ чувствительности модели к изменениям отдельных параметров исследуемых систем). Кроме того, разработка «хорошей» динамической модели часто обходится дороже создания аналитических моделей и требует больших временных затрат. Тем не менее, динамическое моделирование является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных систем.

операций.

пригодности определенных методов для внутрифирменного планирования.

Исследование сложных систем, с целью выявления причинно-следственных связей;
Прогнозирование последствий

изменения стратегий управления сложной системой;
Обучение специалистов работе со сложными природно-техническими комплексами.

к изменению значений некоторых “уровней”, а сами изменения регулировать потоками,

наполняющими или исчерпывающими уровни.
Второй принцип: все изменения в любой системе обусловливаются “петлями обратной связи”. Петля обратной связи - это замкнутая цепочка взаимодействий, которая связывает исходное действие с его результатом, изменяющим характеристики окружающих условий, и которые, в свою очередь, являются “информацией”, вызывающей изменения.
Третий принцип: петли обратной связи в любой системе часто соединены нелинейно. По существу это означает, что информация об уровнях системы через обратные связи опосредованно влияет на уровни в непропорциональном и порой трудно предсказуемом режиме.
Четвертый принцип: системная динамика - сугубо прагматический аппарат, который способен наиболее адекватно отразить нетривиальное поведение сети взаимодействующих потоков и обратных связей. Его целесообразно применять лишь тогда, когда традиционные подходы оказываются неэффективны, когда поведение объектов не поддается точному математическому описанию и возможны лишь огрубленные оценки.

Основные принципы системной динамики

информационной технологии, ориентированной на совместное использование научных и технических достижений

и преимуществ, которые дают идеи и методы искусственного интеллекта, современные локальные и глобальные компьютерные сети, распределенные базы данных и распределенные вычисления, аппаратные и программные средства поддержки теории распределенности и открытости. Принципиальным отличием новой парадигмы построения прикладных систем является то, что в ней определяющим являются данные (факты), которые указывают направление вычислений.

среде, интерпретирует ее и исполняет команды, воздействующие на среду. Агент

может содержать программные и аппаратные компоненты.

Точное определение агента на сегодняшний день отсутствует. В основном используется определение, принятое на конференции международной ассоциации по лингвистике FIRA (Federation of Intelligent Physical Agents) в октябре 1996 года в Токио:

экземпляров предметов реального мира, имеющих одни и те же свойства

и правила поведения.

Агент – это программный модуль, способный выполнять определенные ему функции или функции другого агента (человека, чьи функции он воспроизводит).

Агентные модели

владельца и осуществлять контроль внутреннего состояния и своих действий;
      социальное

поведение – возможность взаимодействия и коммуникации с другими агентами;
      реактивность – адекватное восприятие среды и соответствующие реакции на ее изменения;
      активность – способность генерировать цели и действовать рациональным образом для их достижения;
      базовые знания – знания агента о себе, окружающей среде, включая других агентов, которые не меняются в рамках жизненного цикла агента;
      убеждения – переменная часть базовых знаний, которые могут меняться во времени, хотя агент может об этом не знать и продолжать их использовать для своих целей;
      цели – совокупность состояний, на достижение которых направлено текущее поведение агента;
      желания – состояния и/или ситуации, достижение которых для агента важно;
      обязательства – задачи, которые берет на себя агент по просьбе и/или поручению других агентов;
      намерения – то, что агент должен делать в силу своих обязательств и/или желаний.

Интеллектуальный агент должен обладать следующими свойствами:

(рациональность, правдивость, благожелательность )

друг с другом при выполнении своих определенных задач.
Агенты изменяют

свое поведение на основе полученной информации и реагируют на свою среду.
Структура сложных систем формируется в результате взаимодействия между агентами. Результаты функционирования возникающей структуры могут быть как положительными, так и отрицательными, в силу чего их необходимо анализировать при разработке системы на базе агентов.
Системы с возникающими структурами часто существуют на грани порядка и хаоса. Для них характерно промежуточное состояние межу упорядоченным состоянием и хаосом.
При создании систем на базе агентов необходимо учитывать их паразитизм, симбиоз, репродукцию, генетику, естественный отбор, т.е. подходы, которые сложились у природы при решении комбинаторных задач.

При исследовании сложных систем с использованием технологии МАС реализуются следующие фундаментальные идеи:

первом случае агенты делают то, о чем их просят. Для

получения результата большего, чем сумма работ, выполняемых индивидуально отдельными агентами, необходимо их взаимодействие.

Реализуются следующие свойства:
В возникающих структурах агенты организуются в целое

которое больше, чем просто сумма составляющих.
Простые правила могут генерировать логически связанное новое явление.
При проектировании систем на базе агентов для слабопрогнозируемых ситуаций наиболее применим подход снизу вверх, а не традиционный подход сверху вниз. Такой подход объясняется тем, что большинство систем возникают из популяции более простых систем.
Устойчивые возникающие структуры могут стать компонентами более сложных возникающих структур и приводят к иерархии возникающих структур и их масштабируемости.
Агенты и их взаимодействующие структуры могут формировать двунаправленную связь, т.е. взаимное влияние структуры на агентов.
Явление возникновения – это, как правило, устойчивые связи с меняющимися компонентами.
Множество агентов могут быть гомоногентными или гетерогенными. Большинство систем создается на основе гетерогенности используя действие различных видов агентов.