1.

Основные понятия и определения: модель, моделирование, объект,

закон функционирования системы, фактор, параметр, ограничение,
система, критерий.

Модель является представлением объекта, процесса или явления в

некоторой форме, отличной от формы их реального существования и
более удобной для решения задач конкретного исследования. Модель
служит для получения такой информации об объекте, которую
затруднительно или невозможно получить путём непосредственного
исследования оригинала. Модель может быть, или точной копией этого
объекта (хотя и выполненной из другого материала и в другом масштабе),
или отображать некоторые характеристики свойства и структуры объекта в
абстрактной форме, которые соответствуют поставленной цели
исследования.

Моделирование. Метод моделирования представляет собой метод

исследования свойств объектов познания, на моделях реально
существующих объектов, процессов или явлений с целью получения
объяснений законов их функционирования или сути и возможностью
перенесения полученных сведений на моделируемый объект – оригинал.

Объект – это конкретный предмет, сущность, система или явление,

которое может быть исследовано, описано, анализировано или
взаимодействовать с другими объектами. Объект обычно является частью
более широкой системы и имеет определенные свойства, характеристики
или функции. Под реальным объектом подразумевается исследуемый
объект (система, явление, процесс).
Закон функционирования системы. Законом функционирования системы  называется

функция , которая в зависимости от внешних факторов по определенным правилам

изменяет во времени внутренние элементы и структуру системы .

Фактор – это конкретная переменная или условие, которое может

оказывать влияние на систему, процесс или явление.

Параметр – это переменная или характеристика, которая определяет или

описывает систему, процесс или явление. Параметры могут быть
числовыми значениями, физическими величинами, свойствами,
условиями или характеристиками, которые определяют особенности или
состояние системы.

Ограничение – это условие, фактор или ограничивающий фактор,

который влияет на возможности, действия или развитие системы,
процесса или явления. Ограничения могут ограничивать диапазон
вариантов, доступные ресурсы или влиять на принимаемые решения.
Ограничения представляют собой устанавливаемые пределы изменения
значений переменных. Ограничения могут быть искусственными, т.е.
вводиться разработчиками модели; либо естественными, т.е.
устанавливаемые самой системой вследствие присущих ей свойств.

Система – целенаправленное множество взаимосвязанных элементов

любой природы.

Существует большое количество различных определений этого понятия.

Содержательное суммирование всех этих определений позволяет
утверждать, что:

 система есть совокупность элементов (подсистем). При

определённых условиях элементы сами могут рассматриваться как
системы, а исследуемая система как элемент более сложной
системы;
 связи между элементами в системе превосходят по силе связи этих
элементов с элементами, не входящими в систему (это свойство
позволяет выделить систему из среды);
 для любой системы характерно существование интегративных
качеств, которые присущи системе в целом, но не свойственны ни
одному её элементу в отдельности, т.е. систему нельзя сводить к
простой совокупности элементов;
 система всегда имеет цели, для которых она функционирует и
существует.
Критерий – это стандарт или мера, используемая для оценки, сравнения или принятия
решений относительно различных вариантов, событий или ситуаций. Критерий обычно
используется для определения того, насколько хорошо или соответствует
определенному требованию или цели. Критерий может иметь различные формы и
определяться в зависимости от конкретной области применения
2. Классификация видов моделей.

Создание биологических (физиологических) моделей

основано на воспроизведении в лабораторных условиях
определённых состояний, например, заболевания у
подопытных животных. В эксперименте изучаются
механизмы возникновения состояния, его течение, способы
воздействия на организм для его изменения. Для создания
этих моделей на подопытный организм производят самые
различные воздействия.
Создание физических и физико-химических моделей
основано на воспроизведении физическими и химическими
способами биологических структур, функций или процессов.
Физико-химические модели более идеализированы, чем
физические и биологические, и представляют собой далёкое
подобие моделируемого биологического объекта, основаны
на внешнем качественном сходстве с объектом и в
настоящее время практически не применяются.
Модели, основанные на количественном подобии, более
сложны и строятся во многих случаях на принципах
электротехники и электроники с использованием в качестве
исходных данные электрофизиологических исследований.
Математическое моделирование биологических объектов
представляет собой аналитическое описание
идеализированных процессов и систем, адекватных
реальным. Математические модели строятся либо на основе
экспериментальных данных, либо умозрительно, используя
гипотезу или известную закономерность какого-либо
явления.
Функциональные модели отражают временные и причинно-
следственные отношения между параметрами,
характеризующими функции биологического объекта без
учёта его структуры. Объект рассматривается как «чёрный
ящик» - система, в которой внешнему наблюдателю
доступны лишь входные и выходные величины, а внутренняя
структура неизвестна. Структурные модели строятся с учётом
структуры объекта, отражающего его иерархические уровни.
При этом к структуре относят частные функции отдельных
подсистем.
3. Классификация методов моделирования.

Блок-схема классификация общих методов моделирования. Ниже исключительно по вашей

литературе:

1) Физическое моделирование - метод экспериментального изучения различных

физических явлений, основанный на их физическом подобии. Физическое
моделирование применяется, когда нет исчерпывающего точного математического
описания явления на данном этапе науки либо оно слишком громоздко и
затруднительно для расчётов, а также когда воспроизведение исследуемого явления
невозможно, опасно или дорогостояще (например, исследование цунами).
2) Компьютерное моделирование - это создание компьютерных программ, реализующих
абстрактные модели некоторых систем. Используется в различных науках (физике,
механике, химии, биологии и др.) и при решении прикладных задач в области
радиоэлектроники, приборостроении, автомобилестроении и т.д. Компьютерные
модели используются для получения новых знаний о моделируемом объекте или для
приближённой оценки поведения систем, слишком сложных для аналитического
исследования.
3) Эволюционное моделирование, изучающее общие закономерности эволюции.
Использует признаки теории Дарвина для построения интеллектуальных систем,
моделирование возникновения молекулярно-информационных систем, построения
эволюционных алгоритмов, таких как генетические алгоритмы, эволюционные
стратегии и др.
4) Психологическое моделирование - создание формальной модели психического или
социально-психологического процесса с целью его экспериментального изучения.
 5) Молекулярное моделирование - собирательное название методов исследования
структур и свойств молекулы вычислительными методами (методами вычислительной
химии) с последующей трёхмерной визуализацией результатов. Используются для
изучения как отдельных молекул, так и для изучения взаимодействия в молекулярных
системах.
6) Информационное моделирование - изучает модели, описывающие информационные
процессы (возникновение, передачу, преобразование и использование информации) в
различных системах.
7) Компартментальное моделирование распространено в медицине и биологии.
Согласно определению американского фармаколога и биохимика Шеппарда,
компартмент - это некоторое количество вещества, выделяемое в биологической
системе и обладающее свойством единства, поэтому в процессах транспорта и
химических преобразований его можно рассматривать как целое. Например, в
качестве особых компартментов рассматривают весь кислород в лёгких, всю
углекислоту в венозной крови, количество введённого препарата в межклеточной
жидкости, запас гликогена в печени и т.д. Модели, в которых исследуемая система
представляется в виде совокупности компартментов, потоков вещества между ними, а
также источников и стоков всех веществ, называются компартментальными.

4. Требования к разработке моделей.

Черты, определяющие границы использования модели:

1) модель должна быть связана с функционированием системы;

2) ориентирована на решение реальных проблем;
3) построена так, чтобы оказывать помощь тем, кто управляет системой.

Критерии, которым должна удовлетворять хорошая модель. Она должна быть:

1) простой и понятной пользователю;

2) целенаправленной;
3) недопускающей абсурдных ответов;
4) удобной в управлении и обращении;
5) полной с точки зрения решения главных задач;
6) адаптивной к возможному изменению конфигурации модели и обновлению данных;
7) способной к совершенствованию и наращиванию по принципу от простого к сложному.

5. Непрерывно-детерминированные модели (D–схемы).

Данный подход применяется в ситуациях, когда описание объекта моделирования не
включает элементов случайности или они не учитываются, а его функционирование
осуществляется в непрерывном времени. Математической схемой в этом случае является
схема, описываемая обыкновенными дифференциальными уравнениями, уравнениями в
частных производных, интегро-дифференциальными уравнениями. В типовом варианте, если
выполняются необходимые условия непрерывности и дифференцируемости переменных,
общий вид дифференциального уравнения, определяющего модель объекта, задается
следующим образом:
Его решение при заданных начальных условиях имеет вид

где – состояние системы; – детерминированное входное

воздействие; – выходная реакция системы. Так как математические схемы такого

вида отражают динамику изучаемой системы, т. е. ее поведение во времени, то они
называются D-схемами (англ, dynamic system).

Во многих случаях используется описание систем на основе дифференциальных уравнений,

имеющих форму

Подобные уравнения используются для описания простейших линейных динамических

систем в радиотехнике, элементов систем автоматического регулирования, механических
систем (колебания маятника).

Таким образом, D- схема, используемая в качестве математической модели в рамках

данного подхода, определяется следующей совокупностью данных:

Следует только отметить, что математическая модель объекта в данном случае практически
полностью определяет и его моделирующий алгоритм, который в ЭВМ сводится к
реализации процедуры численного или аналитического интегрирования обыкновенного
дифференциального уравнения.

6. Дискретно-детерминированные модели (F-схемы).

При реализации данного подхода характерным является отсутствие возмущений

стохастического характера и описание процессов преобразования информации в дискретном
времени. Данный подход наиболее тесно связан с использованием типовой математической
схемы конечного автомата (finit automat), еще называемой F -схемой. Абстрактный конечный
автомат характеризуется тем, что множества значений входных воздействий X, внутренних
состояний Z и выходных реакций Y являются конечными:
 и имеют, соответственно, I, J, К элементов. Функционирование конечного автомата
осуществляется в дискретные моменты времени t = 0,1,2,... Процесс преобразования
информации в автомате описывается с помощью двух отображений

вида

В начальный момент t0 = 0 автомат находится в состоянии z(0) = z0. Далее работа конечного
автомата осуществляется по следующей схеме: в каждом t -м такте на вход автомата,
находящегося в состоянии z(t), подается некоторый сигнал x(t), который приводит к
изменению состояния z(t + 1) на новом (t +1) -м шаге и одновременно к выдаче выходного
сигнала. Сказанное можно описать следующими уравнениями:

− для автомата первого рода, называемого также автоматом Мили,

− для автомата второго рода

Автомат, у которого , называется автоматом Мура.

Следует отметить принципиальное различие процессов, описываемых автоматами Мили и

Мура: в первом из них выходная реакция однозначно связана с выполнением перехода
между состояниями, а во втором выходная реакция связана только с состоянием после
выполнения перехода.

Таким образом, Τ’-схема определяется совокупностью данных

7. Дискретно-стохастические модели (Р-схемы).

Данный подход характеризуется стохастическим характером процессов преобразования

информации при сохранении дискретного во времени описания этих процессов. Типовой
математической схемой в данном случае является схема вероятностного автомата, или Р -
схема (probabilistic automat). P -автомат также определяется множествами значений входных
воздействий – X, состояний – Z, выходных реакций – Y, имеющих конечное число элементов.
Однако в отличие от F -автомата, в котором все переходы осуществляются однозначно, в

данном случае реализуется вероятностный характер переходов: из каждого состояния

под воздействием входного сигнала хk (t) могут осуществляться переходы во все состояния

{ zj (t +1)} с определенными вероятностями . Таким образом, P -схему можно

рассматривать как дискретный потактный преобразователь информации с памятью,
функционирование которого в каждом такте зависит только от состояния памяти в нем и
должно быть описано статистически. В общем случае Р -автоматом называется объект,
определяемый четверкой

где – семейство I×К матриц

размерности J × J. Элементы каждой матрицы В определяются как условные вероятности
переходов

zi и получив сигнал хr, объект

т. е. событий, состоящих в том, что, находясь в состоянии
переходит в состояние zj с одновременной выдачей сигнала ур. Для описания
функционирования конкретного автомата должна быть задана

совокупность – вероятностей начальных состояний z(0) для момента

времени t0. Если выполняется

то говорят, что реализуется вероятностный автомат Мили. Если

выполняется

везде, где вероятность , то говорят, что реализуется вероятностный

автомат Мура.

Задание вероятностных автоматов, как и конечных автоматов, может быть проведено в

табличном виде или в графическом виде, дополненных соответствующими значениями
ненулевых вероятностей переходов и выходов. Имитационное моделирование элементов,
описываемых на основе P -схем, реализуется на основе алгоритма, определяющего все
возможные переходы в соответствии с математической моделью и включающего также
процедуру генерации случайной составляющей переходов путем розыгрыша
соответствующих вероятностей. P -схемы также используются для описания логических и
коммутационных элементов цифровых и аналоговых устройств, которые либо
функционируют в условиях воздействия помех, либо имеют внутренние источники
нестабильности.

Другой математической схемой, реализуемой в рамках дискретно-стохастического подхода,

является модель объекта, описываемого стохастическим конечно-разностным уравнением
 где – непрерывнозначные переменные; – независимые в дискретном
времени случайные последовательности с известными вероятностными характеристиками,
определяющие возмущения состояний и выходов. Для z0 в данном случае задается
начальное распределение P0 (z0). Стохастические конечно-разностные уравнения
используются для моделирования объектов в цифровых системах управления при наличии
возмущений и помех в каналах управления и наблюдения за состояниями управляемых
объектов.

8. Непрерывно-стохастические модели (Q-схемы).

Для данного класса моделей имеет место стохастический характер изменения состояний
объекта моделирования. При этом все процессы перехода «вход-состояние-выход»

описываются в непрерывном времени . Особенности применения непрерывно-

стохастического подхода наиболее ярко иллюстрирует типовая математическая схема
системы массового обслуживания, или Q -схема (англ. queuing system). Для Q -схем
характерно задание входного воздействия в виде потока заявок или требований на
обслуживание, появляющихся в случайные моменты времени и завершающих обслуживание
в случайные моменты времени.

В качестве стандартного объекта в данном случае рассматривается элементарный прибор

обслуживания (ЭПО), который, как это показано на рисунке, состоит из накопителя (Н) заявок
и канала (К) обслуживания (сервера).

На вход ЭПО поступает поток событий (заявок), каждая реализация

которого представляет последовательность моментов времени tn и

признаков событий fn, n = 0, 1, 2,... Кроме того, в ЭПО действует поток

обслуживания , каждая реализация которого является подмножеством

управляемых переменных и характеризует моменты времени обслуживания заявок tm и

признаки их обслуживания в К. На выходе ЭПО образуется поток заявок,

обслуженных в К, или покинувших прибор по разным причинам не обслуженными (например,
из-за переполнения Н). Предельная емкость накопителя задается величиной LH.

Процесс функционирования ЭПО можно представить как процесс изменения его внутренних

состояний. Вектор состояний состоит из двух компонентов ,

где – состояние накопителя (zH=0 – накопитель пуст, zH = 1 – в

накопителе одна заявка и т. д.); zK – состояние канала обслуживания (zK = 0 – канал
свободен, zK = 1 – канал занят).

При описании ЭПО также требуется задать алгоритм функционирования Аs, определяющий
правила поведения в неоднозначных ситуациях. Прежде всего, это означает задание
дисциплины размещения заявок в очереди, их выбора из очереди на обслуживание, а также
ухода из системы при переполнении накопителя.

В качестве собственных внутренних параметров ЭПО, определяемых множеством Hs, могут

рассматриваться емкость накопителя, а также другие параметры, например интенсивность
потока обслуживания, характеризующая пропускную способность канала.

Таким образом, стандартная Q -схема описывается набором данных:

9. Методы теории массового обслуживания.

Методология теории массового обслуживания включает все основные элементы теории
случайных процессов: Марковские случайные процессы, потоки заявок, граф состояний,
системы обыкновенных дифференциальных уравнений для вероятностей состояний, др.

Для математического описания случайного процесса применяется математический аппарат

Марковских случайных процессов. Случайный процесс, протекающий в системе S, называется
Марковским случайным процессом или «процессом без последействия», если он обладает
следующим свойством: для каждого момента времени t0 вероятность любого состояния
системы в будущем (при t > t0) зависит только от ее состояния в настоящем (при t = t0) и не
зависит от того, когда и каким образом система пришла в это состояние (т.е. как развивался
процесс в прошлом). В Марковском случайном процессе его развитие в будущем зависит
только от настоящего состояния и не зависит от «предыстории» процесса. В зависимости от
того, непрерывное или дискретное множество значений принимает случайный процесс Х(t) и
его параметр время t, различают следующие виды Марковских случайных процессов:
Дискретный процесс с дискретным временем (цепь Маркова), непрерывный Марковский
процесс.

Потоки событий. Последовательность появления событий, следующих одно за другим в

случайные моменты времени, формирует поток событий. Поведение системы обычно
определяется не одним, а сразу несколькими потоками событий.
Выделяют следующие виды потоков:

 Регулярный поток событий

 Стационарный поток событий
 Поток без последствия
 Ординарный поток событий

Если поток одновременно обладает свойствами ординарности, стационарности и отсутствием

последствий, то такой поток называют простейшим или потоком Пуассона. Простейший поток
играет среди других существующих потоков особую роль. Рассмотрим на оси времени
некоторый промежуток времени t, допустим, вероятность попадания случайного события на
этот промежуток равняется P, а полное число возможных событий - n. При наличии свойств
ординарности потока вероятность P должна быть достаточно малой величиной, а n -
достаточно большим числом. В этих условиях для вычисления вероятности попадания на
промежуток времени t некоторого числа событий m можно воспользоваться формулой
m
a −a
Пуассона: P= m!
e ,
где а – число событий, попадающий на данный промежуток времени.

Граф состояний. При анализе случайных процессов удобно пользоваться вариантом

схематического изображения возможных состояний систем массового обслуживания на
рисунке в виде графа с разметкой его возможных состояний. При построении размеченного
графа состояния система обычно изображается либо прямоугольниками, либо кружками, а
возможные направления переходов из одного состояния в другое ориентированы стрелками,
соединяющими эти состояния.

Например, размеченный граф состояний одноканальной системы случайного процесса будет

следующим:

10.Сетевые модели (N-схемы).

В практике моделирования объектов часто приходится решать задачи оценки эффективности
систем, связанные с формализованным описанием параллельно протекающих процессов. Для
описания подобных систем весьма удобно использовать формализм N -схем, опирающихся на
математический аппарат сетей Петри (англ. Petri Nets). Одним из основных достоинств
аппарата N -схем является то, что они могут быть представлены как в аналитической форме
(что позволяет автоматизировать процесс их анализа), так и в графической форме (что
обеспечивает наглядность).

Сеть Петри задается пятеркой вида:

где – конечное непустое ( ) множество символов, называемых

позициями; конечное непустое ( ) множество символов, называемых

переходами; – входная функция (прямая функция инцидентности),

которая для каждого перехода d, задает множество его входных позиций

; – выходная функция (обратная функция инцидентности), которая

отображает переход в множество выходных позиций –

функция маркировки (разметки) сети, которая ставит в соответствие каждой позиции
неотрицательное целое число, равное числу меток в данной позиции, которое меняется в
процессе работы сети.

Таким образом, для каждого перехода можно определить множество входных (input)
позиций I(dj) и выходных (output) позиций O(dj) как

Для каждой позиции можно также определить множества входных переходов и

множества выходных переходов как

Функционирование TV-схемы отражается путем перехода от одной разметки к другой.

Начальная разметка обозначается М 0. Смена разметок происходит в результате срабатывания

одного из переходов Необходимым условием срабатывания является следующее:

где – разметка позиции . Переход , для которого выполняется указанное условие,

определяется как находящийся в состоянии готовности к срабатыванию или как активный
переход.
Срабатывание перехода мгновенно изменяет

разметку на разметку по следующему

правилу:

Это означает, что переход dj изымает по одной метке из каждой своей входной позиции и
добавляет по одной метке в каждую из выходных. Смена разметки М на
разметку М' обозначается как:

Графическая форма представления N -схемы имеет вид двудольного ориентированного

мультиграфа, представляющего собой совокупность узлов двух типов: позиций и переходов,
соединенных дугами. Каждая дуга может связывать лишь разнотипные вершины (позицию с
переходом или переход с позицией). Вершины-позиции обозначаются кружочками. Вершины-
переходы обозначаются черточками. Граф N -схемы является мультиграфом, так как он
допускает существование кратных дуг от одной вершины к другой. Разметка при графическом
задании сети отображается помещением внутри вершин-позиций соответствующего числа
точек (меток), а когда их количество велико, ставят цифры. С содержательной точки зрения
переходы N -схемы соответствуют событиям, присущим исследуемой системе, а позиции –
состояниям, определяющим условия возникновения переходов (событий). На рисунке
представлен пример графического изображения N -схемы и ее разметки.

Графическое изображение Ν-схемы

Таким образом, N -схема выполняется путем параллельных запусков переходов под

управлением меток и распределения меток по сети. Переход отображается удалением меток
из его входных позиций и размещением новых меток в доступные выходные позиции.
Переход может запускаться только тогда, когда он разрешен. Переход называется
разрешенным, если каждая из входных позиций имеет число меток, по крайней мере, равное
числу дуг из позиций в переход. Это означает, что не каждая разметка обеспечивает
безопасный режим работы сети, т. е. обеспечивает продолжение процесса переходов.

11.Комбинированные модели (A-схемы).

А-схема – агрегативная система (англ. aggregate system), используемая для описания
поведения непрерывных и дискретных, детерминированных и стохастических систем.

При агрегативном описании сложный объект (система) расчленяется на конечное число частей
(подсистем), сохраняя при этом связи, обеспечивающие взаимодействие частей. Если
некоторые из полученных подсистем оказываются в свою очередь еще достаточно сложными,
то процесс их разбиения продолжается до тех пор, пока не образуются подсистемы, которые в
условиях рассматриваемой задачи моделирования могут считаться удобными для
математического описания. В результате такой декомпозиции сложная система
представляется в виде многоуровневой конструкции из взаимосвязанных элементов,
объединенных в подсистемы различных уровней.

Система в терминах А-схем представляет собой совокупность агрегатов (функциональных

объектов), характеризуемых вход и выход каналами и алгоритмами функционирования.
Внешняя среда также представляется по средствам агрегатов.

R - оператор сопряжения

12. Метод статистического моделирования.

Статистическое моделирование — базовый метод моделирования, заключающийся в том, что
модель испытывается множеством случайных сигналов с заданной плотностью вероятности.
Целью является статистическое определение выходных результатов.

Схема использования метода Монте-Карло при исследовании систем со случайными

параметрами

Построив модель системы со случайными параметрами, на ее вход подают входные сигналы

от генератора случайных чисел (ГСЧ), как показано на рис. ГСЧ устроен так, что он
выдает равномерно распределенные случайные числа rрр из интервала [0; 1]. Так как одни
события могут быть более вероятными, другие — менее вероятными, то равномерно
распределенные случайные числа от генератора подают на преобразователь закона случайных
чисел (ПЗСЧ), который преобразует их в заданный пользователем закон распределения
вероятности, например, в нормальный или экспоненциальный закон. Эти преобразованные
случайные числа x подают на вход модели. Модель отрабатывает входной сигнал x по
некоторому закону y = ?(x) и получает выходной сигнал y, который также является случайным.

В блоке накопления статистики (БНСтат) установлены фильтры и счетчики. Фильтр (некоторое

логическое условие) определяет по значению y, реализовалось ли в конкретном опыте
некоторое событие (выполнилось условие, f = 1) или нет (условие не выполнилось, f = 0). Если
событие реализовалось, то счетчик события увеличивается на единицу. Если событие не
реализовалось, то значение счетчика не меняется. Если требуется следить за несколькими
разными типами событий, то для статистического моделирования понадобится несколько
фильтров и счетчиков Ni. Всегда ведется счетчик количества экспериментов — N.

Далее отношение Ni к N, рассчитываемое в блоке вычисления статистических характеристик

(БВСХ) по методу Монте-Карло, дает оценку вероятности pi появления события i, то есть
указывает на частоту его выпадения в серии из N опытов. Это позволяет сделать выводы о
статистических свойствах моделируемого объекта. При большом количестве опытов N частота
появления события, полученная экспериментальным путем, стремится к значению
теоретической вероятности появления события.

В блоке оценки достоверности (БОД) анализируют степень достоверности статистических

экспериментальных данных, снятых с модели (принимая во внимание точность результата ?,
заданную пользователем) и определяют необходимое для этого количество статистических
испытаний. Если колебания значений частоты появления событий относительно теоретической
вероятности меньше заданной точности, то экспериментальную частоту принимают в качестве
ответа, иначе генерацию случайных входных воздействий продолжают, и процесс
моделирования повторяется. При малом числе испытаний результат может оказаться
недостоверным. Но чем более испытаний, тем точнее ответ

13. Моделирование динамических систем.

Под динамической системой в широком смысле понимается объект, функционирующий в
непрерывном времени, непрерывно наблюдаемый и изменяющий свое состояние под
воздействием внешних и внутренних причин.
Моделирование динамических систем направлено на исследование сложных объектов,
поведение которых описывается системами алгебро-дифференциальных уравнений.
Инженерным подходом к моделированию таких систем является сборка блок-схем из
решающих блоков, являющихся не аппаратными, а программными.

С математической точки зрения динамическая система представляет собой набор переменных

состояний и алгебраических дифференциальных уравнений различного вида, заданных для
этих переменных и описывающих их изменение с течением времени. В отличие от системной
динамики, переменные здесь несут некоторый «физический» смысл: координаты
местоположения, скорость, ускорение, сила, концентрация и т. д., - они, как это следует из их
смысла, непрерывны и не являются агрегированными величинами, отражающими, например,
общее количество или среднее значение нескольких сущностей.

В динамических моделях, которые обычно более сложны, изменение параметров во времени

является существенным. Модель нефтеналивного порта является динамической: в ней
моделируется поведение во времени отдельных объектов системы (движение танкеров в
акватории порта, движение цистерн на причале, уровень нефти в накопителях).

Моделирование динамических систем состоит в имитации правил перехода системы из

одного состояния в другое с течением времени. Под состоянием системы понимается набор
значений существенных параметров и переменных системы. Изменение состояния системы во
времени в динамических системах - это изменение значений переменных системы в
соответствии с законами, определяющими связи переменных и их зависимости друг от друга
во времени.

14. Имитационное моделирование.

Имитационное моделирование является частным случаем математического моделирования.
Оно основано главным образом на теории вычислительных систем, математике, теории
вероятностей и статистике. До настоящего времени оно являлось весьма широким и
недостаточно чётко определённым понятием. Имитационное моделирование реализуется
посредством набора математических методов и специальных компьютерных программ,
которые обеспечивают в сконструированной модели реализацию практически любого
алгоритма поведения моделируемой системы и рассмотрение процессов, происходящих в
системе на любом уровне детализации.

Наиболее характерными ситуациями, когда рекомендуется применять имитационные модели,

являются следующие:

1) Не существует законченной постановки задачи исследования и процесс познания

объекта моделирования или отдельных элементов продолжается.
2) Аналитические методы имеются, но математические процедуры трудно реализуемы,
сложны и трудоёмки.
3) Необходимо осуществить наблюдение за поведением отдельных компонентов
системы в течение определённого периода времени.
 4) Необходимо контролировать протекание процессов в сложной системе путём
замедления или ускорения явлений в ходе имитации.
5) Приобретение необходимых навыков в эксплуатации новой техники (компьютерный
тренажёр).
6) Модель используется для предсказания «узких» мест в функционировании системы и
трудностей, связанных с изменением структуры системы при добавлении в неё новых
элементов.

Имитационные модели не способны выдавать определённое решение в том виде, в каком это
имеет место в аналитических моделях, а могут лишь служить средством для анализа
поведения системы в условиях, которые определяются экспериментатором. Это является
главным достоинством имитационного моделирования.

Основные этапы построения имитационной модели:

1) Содержательное описание объекта моделирования

2) Построение концептуальной модели системы
3) Формальное описание объекта моделирования
4) Конструирование имитатора
5) Программирование и отладка модели
6) Испытание и исследование модели
7) Эксплуатация имитатора
8) Анализ результатов моделирования

Основные достоинства метода имитационного моделирования:

 имитационная модель может использовать зависимости более сложного характера и

позволяет описать моделируемый процесс или систему с большей адекватностью, чем
аналитические и числовые модели;
 блочный принцип построения имитатора обеспечивает проверку адекватности
каждого блока до его включения в общую модель;
 имитационная модель обладает гибкостью варьирования структуры, алгоритмов и
параметров системы;
 применение компьютера существенно сокращает продолжительность испытаний по
сравнению с натурным экспериментом, а также их стоимость.

Основные недостатки:

 решение, полученное на имитационной модели, всегда носит частный характер, т.к.

оно соответствует фиксированным элементам структуры, алгоритмам поведения и
значениям параметров системы; имитационная модель сложной системы имеет
большую трудоёмкость и стоимость, чем аналитическая модель;
 срок жизни имитатора, как правило, ограничен сроком использования ЭВМ, для
которой была разработана его программная реализация.

Имитационные модели созданы для описания физиологических процессов, происходящих в

жизненно важных органах: нервном волокне, сердце, мозге, желудочно-кишечном тракте,
кровеносном русле. На них исследуются процессы, протекающие в норме и при различных
патологиях, исследуется влияние на процессы различных внешних воздействий, в том числе
лекарственных препаратов.

15.Особенности моделирования БТС.

Биотехнические системы - это особый класс больших систем, представляющих собой
совокупность биологических и технических элементов, связанных между собой в едином
контуре управления, обеспечивающем её целенаправленное поведение. Преимущества БТС
перед техническими и биологическими системами заключаются в сочетании положительных
качеств этих систем при взаимной компенсации и недостатков.

По характеру основной целевой функции БТС можно разделить на три группы:

 биотехнические системы медицинского назначения;

 биотехнические системы эргатического типа (с человеком-оператором в качестве
управляющего звена);
 биотехнические системы целенаправленного управления поведением целостного
организма.

Моделирование поведения и состояния биологического объекта производится методом

поэтапного моделирования, предусматривающего поэтапный переход от смешанной
биотехнической модели через накопление экспериментальных данных о биообъекте к
математической модели БТС. В каждом конкретном случае модель модифицируется, но
основные этапы синтеза БТС являются общими для всех случаев.

Подготовительный этап. Разрабатывается структурно-функциональная схема БТС, уточняется

её целевая функция и возможные режимные работы. Определяется биологический объект и
предварительный алгоритм его функционирования в ЕТС. На основании априорных данных
создаётся модель БТС с математической моделью биологического элемента. При отсутствии
таких данных для приближённого математического описания функционирования
биологического звена строится смешанная модель, на которой проводится исследование
объекта с целью снятия соответствующих количественных характеристик.

Управленческое согласование характеристик элементов БТС. Выполняются

последовательные процедуры согласования характеристик элементов БТС в едином контуре
управления. Технические элементы и воздействующие факторы внешней среды в виде
математической модели моделируются на компьютере, выходы модели сопрягаются со
входами модели биологического звена. Проводится комплексное исследование
функционирования БТС с целью оптимизации характеристик каждого из звеньев, в результате
чего определяются характеристики - требования, которым должно отвечать биологическое
звено для нормального функционирования БТС в заданном диапазоне режимов.

Информационное согласование. Исследуются информационные процессы, обеспечивающие

соблюдение принципов адекватности и единства информационной среды. На смешанной
откорректированной модели в условиях управляемого эксперимента проводятся
статистические испытания при строгом учёте факторов внешней среды и состояния
технической части системы. Уточняются программы в системе обработки информации о
состоянии биологического объекта. Разрабатываются требования к специальным техническим
устройствам, согласующим информационные и управленческие характеристики технической и
биологической части БТС.

Заключительный этап. Проводится исследование БТС на модели и в натурных условиях.

Обрабатываются данные экспериментов, и окончательно корректируется математическая
модель. Подготавливаются задания на инженерную разработку БТС.

Математическое моделирование при проектировании БТС в первую очередь направлено на

разработку и исследование модели первого элемента БТС - биологического объекта.
Моделирование второго элемента БТС - медицинского прибора, необходимо в основном в том
случае, когда медицинский комплекс работает в составе замкнутой системы «пациент-
прибор» с биологической обратной связью. В остальных случаях современные приборы, как
правило, используют математическую обработку сигналов и сами представляют собой
математическую модель, реализующую определённый алгоритм - усиление, фильтрацию,
дискретизацию, преобразование Фурье и т.п.