Особенности построения математических моделей. Математические схемы моделирования систем Математические схемы моделирования сложных систем

Моделированияе Моделирование – это изучение реальной системы (оригинала), путем замещения его новым объектом его моделью, имеющего с ней определенное объектное соответствие и позволяющее прогнозировать ее функциональные особенности, т.е. при моделировании экспериментируют не самим объектом, а объектом, который называют заменителем.

Процесс моделирования включает несколько этапов:

1. Постановка задачи и определение свойств реального объекта, подлежащего исследованию.

2. Констатация затруднительности или невозможности исследования реального объекта.

3. Выбор модели, хорошо функционирующие основные свойства объекта с одной стороны и легко поддающиеся исследованию с другой. Модель должна отражать основные свойства объекта и не должна быть грамосткой.

4. Исследование модели в соответствии с поставленной целью.

5. Проверка адекватности объекта и модели. Если нет соответствия, то необходимо повторить первые четыре пункта.

Существует классический и системный подход к решению задач моделирования. Суть метода заключается в следующем: Реальный объект, подлежащий к исследованию, разбивается на отдельные компоненты Д и выбираются определенные цели Ц формирования отдельных компонентов модели К . Затем на основе исходных данных создаются компоненты модели, совокупн6ость которых, с учетом их соотношений, объединяются в модель. Данный метод является индуктивным, т.е. построение модели происходит от частного к общему.

Классический метод используется для моделирования относительно простых систем, например, САУ.Системный подход Суть метода заключается в том, чтобы на основе исходных данных Д , которые известны из анализа внешней среды, с учетом ограничений, которые накладываются на систему и в соответствии с поставленной целью Ц , формируются требования Т и модели объекта. На базе этих требований строится подсистема П и элементы подсистем Э и с помощью критерия выбора КВ осуществляется выбор наилучшей модели, т.е. построение модели происходит от общего к частному.

Системный подход используется для моделирования сложных систем.

Классификация видов моделирования 1. По способу построения модели.а) Теоретические (аналитические) – строятся по данным о внутренней структуре на основе соотношений, вытекающих из физических данных. б) Формальные – по зависимости между выходом и входом в систему. Строится на основе принципа черного ящика.в) Комбинированные.2. По изменению переменных во времени.а) Статические.б) Динамические.Статическая модель описывает состояние объекта и не содержит производных х и у (входных и выходных) сигналов по времени.Математическая модель б) описывает статику объема с распределенными по длине координатами.Динамическая модель описывает переходные процессы во времени и содержит производные у i dt .Динамическая модель, в зависимости от способа получения, представляется в виде дифференциального уравнения переходной импульсной или частотной характеристики в виде передаточной функции.Динамика объектов с сосредоточенными параметрами описывается обыкновенными дифференциальными уравнениями, а объекты с распределенными параметрами описываются дифференциальными уравнениями в частотных производных.3. По зависимости переменных модулей от пространственных координат.а) С распределенными параметрами.б) С сосредоточенными параметрами.4. По принципу построения.а) Стохастические.б) Детерминированные.Если х и у (вход и выход) постоянные или известные величины (детерминированные), то модель называется стохастическая.Если х и у случайные (вероятные) величины, то модель называется стохастической.

Стохастические модели содержат вероятные элементы и представляют собой систему зависимости, полученную в результате статического исследования действующего объекта.

Детерминированная – это система функциональных зависимостей, построенная с использованием теоретического подхода.

Детерминированные модели имеют ряд преимуществ. Их можно разрабатывать даже при отсутствии действующего объекта, как это часто бывает при проектировании. Они качественно, более правильно характеризуют процессы, протекающие в объекте даже при наличии недостаточно точных в количественном отношении параметров модели.

Если информация об объекте моделирования не обладает достаточно высокой полнотой или из-за его значительной сложности, невозможно описать в виде модели все входные воздействия, а влияние ненаблюдаемых переменных на выходные координаты существенны, то применяют статическую модель.

5. По зависимости параметров модели от переменных.

а) Зависимые (нелинейные).

б) Независимые (линейные).

Если параметры (коэффициенты) модели зависят от переменных или последнее мультипликативные, то модель является нелинейной.

Модель считают линейной при непрерывном отклике на входное воздействие и при аддетивности от параметров модели.

Адетивность величин - это свойство, заключающее в том, что значение величины целого объекта равно сумме значений соответствующих частот целого при любом разбиении объекта на части.

Мультипликативность величин – это свойство, заключающееся в том, что значение величины целого объекта равно произведению значения величины соответствующих частей целого при любом разбиении объекта на части.

6. По приспособляемости модели.

а) Адаптивные.

б) Неадаптивные.

Адаптивная – это модель, структура и параметры которой изменяются так, чтобы некоторая мера погрешности между выходными переменными модели и объекта была минимальна.

Они делятся на поисковые и беспоисковые.

В поисковых моделях автоматический оптимизатор варьирует параметры модели так, чтобы получилось минимальная мера ошибки между выходными моделями объекта.

Лекция № 2

Математические схемы моделирования

Основные подходы к построению математической модели системы

Исходная информация при построении математической модели, процесса функционирования систем служат данные о назначении и условии работы исследуемой системы. Эта информация определяет основную цель моделирования систем S и позволяет сформулировать требования и разрабатываемой математической модели М .

Математическая схема – это звено, при переходе от содержательного к формальному описанию процесса функционирования процесса, с учетом воздействия внешней среды, т.е. имеет место цепочка: описательная модель → математическая схема → математическая модель.

Каждая система S характеризуется набором свойств, отражающих поведение системы и условия ее функционирования во взаимодействии с внешней средой ε .

Полнота модели регулируется в основном выбором границы системой S и внешней средой Е .

Задачу упрощения модели помогает выделить основные свойства системы, отбросив второстепенные.

Введем следующее обозначение:

1) Совокупность входных воздействий на систему

.

2) Совокупность воздействий внешней среды

.

3) Совокупность внутренних или собственных параметров системы

.

4) Совокупность выходных характеристик системы

16 Математические схемы моделирования систем.

Основные подходы к построению математических моделей системы. Непрерывно-детерминированные модели. Дискретно-детерминированные модели. Дискретно-стохастические модели. Непрерывно-стохастические модели. Сетевые модели. Комбинированные модели.

Основные подходы к построению математических моделей системы.

Исходной информацией при построении математических моделей процессов функционирования систем служат данные о назначении и условиях работы исследуемой (проектируемой) системы S.

Математические схемы

Отображаются реальные процессы в виде конкретных схем. Мат. схемы – переход от содержательного описания к формальному описанию системы с учетом воздействия окружающей среды.

Формальная модель объекта

Модель объекта моделирования,

т. е. системы S, можно представить в виде множества величин,

описывающих процесс функционирования реальной системы и образующих

в общем случае следующие подмножества:

· совокупность входных воздействий на систему

х i ,еХ,(e -символ принадлежит) i =1; nx

· совокупность воздействий внешней среды

v l e V l=1;nv

· совокупность внутренних (собственных) параметров системы

hkeH k=1;nh

· совокупность выходных характеристик системы

yJeY j=1;ny

Можно выделить управляемые и неуправляемые переменные.

При моделировании систем входные воздействия, воздействия внешней среды и внутренние параметры содержат и детерминированные и стохастические составляющие.

входные воздействия, воздействия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными.

Процесс функционирования системы S описывается во времени оператором Fs, который в общем случае преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида:

y (t)=Fs(x ,v, h,t) – все с ве k торами.

Закон функционирования системы Fs может быть задан в виде функции, функционала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.

Понятие алгоритма функционирования As - метод получения выходных характеристик с учетом входных воздействий, воздействий внешней среды и собственных параметров системы.

Также вводятся состояния системы – свойства системы в конкретные моменты времени.

Совокупность всех возможных значений состояний составляют пространство состояний объекта.

Таким образом, цепочка уравнений объекта «вход - состояния - выход» позволяет определить характеристики системы:

Таким образом, под математической моделью объекта (реальной системы) понимают конечное подмножество переменных {х (t),v (t), h (t)} вместе с математическими связями между ними и характеристиками у (t).

Типовые схемы

На первоначальных этапах исследования используются типовые схемы: дифференциальные уравнения, конечные и вероятностные автоматы, системы массового обслуживания, сети Петри и т. д.

В качестве детерминированных моделей, когда при исследовании случайные факторы не учитываются, для представления систем, функционирующих в непрерывном времени, используются дифференциальные, интегральные, интегродифференциальные и другие уравнения, а для представления систем, функционирующих в дискретном времени,- конечные автоматы и конечно-разностные схемы.

В качестве стохастических моделей (при учете случайных факторов) для представления систем с дискретным временем используются вероятностные автоматы, а для представления системы с непрерывным временем - системы массового обслуживания и т. д.

Таким образом, при построении математических моделей процессов функционирования систем можно выделить следующие основные подходы: непрерывно-детерминированный (например, дифференциальные уравнения); дискретно-детерминированный (конечные автоматы); дискретно-стохастический (вероятностные автоматы); непрерывно-стохастический (системы массового обслуживания); обобщенный, или универсальный (агрегативные системы).

Непрерывно-детерминированные модели

Рассмотрим особенности непрерывно детерминированного подхода на примере, используя в качестве Мат. моделей дифференциальные уравнения .

Дифференциальными уравнениями называются такие уравнения, в которых неизвестными будут функции одной переменной или нескольких переменных, причём в уравнение входят не только их функции но их производные различных порядков.

Если неизвестные - функции многих переменных, то уравнения называются - уравнения в частных производных. Если неизвестные функции одной независимой переменной, то имеют место обыкновенные дифференциальные уравнения.

Математическое соотношение для детерминированных систем в общем виде:

Дискретно-детерминированные модели.

ДДМ являются предметом рассмотрения теории автоматов (ТА) . ТА - раздел теоретической кибернетики, изучающей устройства, перерабатывающие дискретную информацию и меняющего свои внутренние состояния лишь в допустимые моменты времени.

Конечным автоматом называется автомат, у которого множество внутренних состояний и входных сигналов (а следовательно, и множество выходных сигналов) являются конечными множествами.

Конечный автомат имеет множество внутренних состояний и входных сигналов, являющихся конечными множествами. Автомат задаётся F- схемой: F=,

где z, x,y - соответственно конечные множества входных, выходных сигналов (алфавитов) и конечное множество внутренних состояний (алфавита). z0ÎZ - начальное состояние; j(z, x) - функция переходов; y(z, x) - функция выхода.

Автомат функционирует в дискретном автоматном времени, моментами которого являются такты, т. е. примыкающие друг к другу равные интервалы времени, каждому из которых соответствуют постоянные значения входного, выходного сигнала и внутреннего состояния. Абстрактный автомат имеет один входной и один выходной каналы.

Для задания F - автомата необходимо описать все элементы множества F=, т. е. входной, внутренний и выходной алфавиты, а также функции переходов и выходов. Для задания работы F - автоматов наиболее часто используются табличный, графический и матричный способ.

В табличном способе задания используется таблицы переходов и выходов, строки которых соответствуют входным сигналам автомата, а столбцы - его состояниям.

Описание работы F - автомата Мили таблицами переходов j и выходов y иллюстрируется таблицей (1), а описание F - автомата Мура - таблицей переходов (2).

Таблица 1

Переходы
…………………………………………………………
…………………………………………………………

Таблица 2

…………………………………………………………

Примеры табличного способа задания F - автомата Мили F1 с тремя состояниями, двумя входными и двумя выходными сигналами приведены в таблице 3, а для F - автомата Мура F2 - в таблице 4.

Таблица 3

Переходы

Таблица 4

При другом способе задания конечного автомата используется понятие направленного графа. Граф автомата представляет собой набор вершин, соответствующих различным состояниям автомата и соединяющих вершин дуг графа, соответствующих тем или иным переходам автомата. Если входной сигнал xk вызывает переход из состояния zi в состояние zj, то на графе автомата дуга, соединяющая вершину zi с вершиной zj обозначается xk. Для того, чтобы задать функцию переходов, дуги графа необходимо отметить соответствующими выходными сигналами.

Рис. 1. Графы автоматов Мили (а) и Мура (б).

При решении задач моделирования часто более удобной формой является матричное задание конечного автомата. При этом матрица соединений автомата есть квадратная матрица С=|| cij ||, строки которой соответствуют исходным состояниям, а столбцы - состояниям перехода.

Пример. Для рассмотренного ранее автомата Мура F2 запишем матрицу состояний и вектор выходов:

;

Дискретно-стохастические модели

Пусть Ф – множество всевозможных пар вида (zk, yi), где уi – элемент выходного

подмножества Y. Потребуем, чтобы любой элемент множества G индуцировал

на множестве Ф некоторый закон распределения следующего вида:

Элементы из Ф (z1, y2) (z1, y2zk, yJ-1) (zK, yJ)

(xi, zs) b11 b1bK(J-1) bKJ

Информационные сети" href="/text/category/informatcionnie_seti/" rel="bookmark">обработку информации ЭВМ от удаленных терминалов и т. д.

При этом характерным для

работы таких объектов является случайное появление заявок (требований) на

обслуживание и завершение обслуживания в случайные моменты времени,

т. е. стохастический характер процесса их функционирования.

Под СМО понимают динамическую систему, предназначенную для эффективного обслуживания случайного потока заявок при ограниченных ресурсах системы. Обобщённая структура СМО приведена на рисунке 3.1.

Рис. 3.1. Схема СМО.

Поступающие на вход СМО однородные заявки в зависимости от порождающей причины делятся на типы, интенсивность потока заявок типа i (i=1…M) обозначено li. Совокупность заявок всех типов - входящий поток СМО.

Обслуживание заявок выполняется m каналами.

Различают универсальные и специализированные каналы обслуживания. Для универсального канала типа j считается известными функции распределения Fji(t) длительности обслуживания заявок произвольного типа. Для специализированных каналов функции распределения длительности обслуживания каналов заявок некоторых типов являются неопределёнными, назначение этих заявок на данный канал.

Q - схемы можно исследовать аналитически и имитационными моделями. Последнее обеспечивает большую универсальность.

Рассмотрим понятие массового обслуживания.

В любом элементарном акте обслуживания можно выделить две основные составляющие: ожидание обслуживания заявкой и собственно обслуживание заявки. Это можно отобразить в виде некоторого i-ого прибора обслуживания Пi, состоящего из накопителя заявок, в котором может находиться одновременно li=0…LiH заявок, где LiH - ёмкость i-ого накопителя, и канала обслуживания заявок, ki.

Рис. 3.2. Схема прибора СМО

На каждый элемент прибора обслуживания Пi поступают потоки событий: в накопитель Hi поток заявок wi, на канал ki - поток обслуживания ui.

Потоком событий (ПС) называется последовательность событий, происходящих одно за другим в какие-то случайные моменты времени. Различают потоки однородных и неоднородных событий. Однородный ПС характеризуется только моментами поступления этих событий (вызывающими моментами) и задаётся последовательностью {tn}={0£t1£t2…£tn£…}, где tn - момент поступления n - ого события - неотрицательное вещественное число. ОПС может быть также задан в виде последовательности промежутков времени между n-ым и n-1-ым событиями {tn}.

Неоднородным ПС называется последовательность {tn, fn} , где tn - вызывающие моменты; fn- набор признаков события. Например, может быть задана принадлежность к тому или иному источнику заявок, наличие приоритета, возможность обслуживания тем или иным типом канала и т. п.

Заявки, обслуженные каналом ki и заявки, покинувшие прибор Пi по различным причинам не обслуженными, образуют выходной поток yiÎY.

Процесс функционирования прибора обслуживания Пi можно представить как процесс изменения состояний его элементов во времени Zi(t). Переход в новое состояние для Пi означает изменение кол-ва заявок, которые в нём находятся (в канале ki и накопителе Hi). Т. о. вектор состояний для Пi имеет вид: , где - состояния накопителя, (https://pandia.ru/text/78/362/images/image010_20.gif" width="24 height=28" height="28">=1- в накопителе одна заявка…, =- накопитель занят полностью; - состояние канала ki (=0 - канал свободен, =1 канал занят).

Q-схемы реальных объектов образуются композицией многих элементарных приборов обслуживания Пi. Если ki различных приборов обслуживания соединены параллельно, то имеет место многоканальное обслуживание (многоканальная Q-схема), а если приборы Пi и их параллельные композиции соединены последовательно, то имеет место многофазное обслуживание (многофазная Q-схема).

Для задания Q-схемы также необходимо описать алгоритмы её функционирования, которые определяют правила поведения заявок в различных неоднозначных ситуациях.

В зависимости от места возникновения таких ситуаций различают алгоритмы (дисциплины) ожидания заявок в накопителе Нi и обслуживания заявок каналом ki. Неоднородность потока заявок учитывается с помощью введения класса приоритетов – относительные и абсолютные приоритеты.

Т. о. Q‑схема, описывающая процесс функционирования СМО любой сложности однозначно задаётся в виде набора множеств: Q = .

Сетевые модели.

Для формального описания структуры и взаимодействия параллельных систем и процессов, а также анализа причинно-следственных связей в сложных системах используются сети Петри (англ. Petri Nets), называемые N-схемами.

Формально N-схема задается четверкой вида

N = ,

где В – конечное множество символов, называемых позициями, B ≠ O;

D – конечное множество символов, называемых переходами D ≠ O,

B ∩ D ≠ O; I – входная функция (прямая функция инцидентности)

I: B × D → {0, 1}; О – выходная функция (обратная функция инцидентности),

О: B × D → {0, 1}. Таким образом входная функция I отображает переход dj в

множество входных позиций bj I(dj), а выходная функция O отображает

переход dj в множество выходных позиций bj О(dj). Для каждого перехода

dj https://pandia.ru/text/78/362/images/image013_14.gif" width="13" height="13"> B | I(bi, dj) = 1 },

O(dj) = { bi B | O(dj, bi) = 1 },

i = 1,n; j = 1,m; n = | B |, m = | D |.

Аналогично для каждой позиции bi B вводятся определения

множество входных переходов позиции I(bi) и выходных переходов

позиции O(bi):

I(bi) = { dj D | I(dj, bi,) = 1 },

O(bi) = { dj D | O(bi, dj) = 1 }.

Сеть Петри представляет собой двудольный ориентированный граф, состоящий из вершин двух типов - позиций и переходов, соединённых между собой дугами, вершины одного типа не могут быть соединены непосредственно.

Пример сети Петри. Белыми кружками обозначены позиции, полосками - переходы, чёрными кружками - метки.

Ориентировочные дуги соединяют позиции и переходы, причем каждая дуга направлена от элемента одного множества (позиции или перехода) к элементу другого множества

(переходу или позиции). Граф N-схемы является мультиграфом, так как он

допускает существование кратных дуг от одной вершины к другой.

Декомпозиция" href="/text/category/dekompozitciya/" rel="bookmark">декомпозиции сложная система представляется в виде многоуровневой конструкции из взаимосвязанных элементов, объединенных в подсистемы различных уровней.

В качестве элемента А-схемы выступает агрегат, а связь между агрегатами (внутри системы S и с внешней средой Е) осуществляется с помощью оператора сопряжения R.

Любой агрегат характеризуется следующими множествами: моментов времени T, входных X и выходных Y сигналов, состояний Z в каждый момент времени t. Состояние агрегата в момент времени tT обозначается как z(t) Z,

а входные и выходные сигналы как х(t) X и y(t) Y соответственно.

Будем полагать, что переход агрегата из состояния z(t1) в состояние z(t2)≠z(t1) происходит за малый интервал времени, т. е. имеет место скачок δz.

Переходы агрегата из состояния z(t1) в z(t2) определяются собственными (внутренними) параметрами самого агрегата h(t) H и входными сигналами x(t) X.

В начальный момент времени t0 состояния z имеют значения, равные z0, т. е. z0=z(t0), задаваемые законом распределения процесса z(t) в момент времени t0, а именно J. Предположим, что процесс функционирования агрегата в случае воздействия входного сигнала xn описывается случайным оператором V. Тогда в момент поступления в агрегат tnT входного сигнала

xn можно определить состояние

z(tn + 0) = V.

Обозначим полуинтервал времени t1 < t ≤ t2 как (t1, t2], а полуинтервал

t1 ≤ t < t2 как .

Совокупность случайных операторов V и U рассматривается как оператор переходов агрегата в новые состояния. При этом процесс функционирования агрегата состоит из скачков состояний δz в моменты поступления входных сигналов х (оператор V) и изменений состояний между этими моментами tn и tn+1 (оператор U). На оператор U не накладывается никаких ограничений, поэтому допустимы скачки состояний δz в моменты времени, не являющиеся моментами поступления входных сигналов x. В дальнейшем моменты скачков δz будем называть особыми моментами времени tδ, а состояния z(tδ) – особыми состояниями А-схемы. Для описания скачков состояний δz в особые моменты времени tδ будем использовать случайный оператор W, представляющий собой частный случай оператора U, т. е.

z(tδ + 0) = W.

В множестве состояний Z выделяется такое подмножество Z(Y), что если z(tδ) достигает Z(Y), то это состояние является моментом выдачи выходного сигнала, определяемого оператором выходов

у = G.

Таким образом, под агрегатом будем понимать любой объект, определяемый упорядоченной совокупностью рассмотренных множеств T, X, Y, Z, Z(Y), H и случайных операторов V, U, W, G.

Последовательность входных сигналов, расположенных в порядке их поступления в А-схему, будем называть входным сообщением или x-сообщением. Последовательность выходных сигналов, упорядоченную относительно времени выдачи, назовем выходным сообщением или y-сообщением.

ЕСЛИ КРАТКО

Непрерывно-детерминированные модели (Д-схемы)

Применяются для исследования систем, функционирующих в непрерывном времени. Для описания таких систем в основном используются дифференциальные, интегральные, интегро-дифференциальные уравнения. В обыкновенных дифференциальных уравнениях рассматривается функция только одной независимой переменной, а в уравнениях в частных производных - функции нескольких переменных.

В качестве примера применения Д-моделей можно привести исследование работы механического маятника или электрического колебательного контура. Техническую основу Д-моделей составляют аналоговые вычислительные машины (АВМ) или бурно развивающиеся в настоящее время гибридные вычислительные машины (ГВМ). Как известно, основной принцип исследований на ЭВМ состоит в том, что по заданным уравнениям исследователь (пользователь АВМ) собирает схему из отдельных типовых узлов - операционных усилителей с включением цепей масштабирования, демпфирования, аппроксимации и т. п.

Структура АВМ изменяется в соответствии с видом воспроизводимых уравнений.

В цифровой ЭВМ структура остается неизменной, а изменяется последовательность работы ее узлов в соответствии с заложенной в нее программой. Сравнение АВМ и ЦВМ наглядно показывает разницу между имитационным и статистическим моделированием.

АВМ реализует имитационную модель, но, как правило, не использует принципы статистического моделировании. В ЦВМ большинство имитационных моделей базируется на исследовании случайных чисел, процессов, т. е. на статистическом моделировании. Непрерывно-детерминированные модели широко используются в машиностроении при исследовании систем автоматического управления, выборе амортизирующих систем, выявлении резонансных явлений и колебаний в технике
и т. п.

Дискретно-детерминированные модели (F-схемы)

Оперируют с дискретным временем. Эти модели являются основой для исследования работы чрезвычайно важного и распространенного сегодня класса систем дискретных автоматов. С целью их исследования разработан самостоятельный математический аппарат теории автоматов. На основе этой теории система рассматривается как автомат, перерабатывающий дискретную информацию и меняющий, в зависимости от результатов ее переработки, свои внутренние состояния.

На этой модели основаны принципы минимизации числа элементов и узлов в схеме, устройстве, оптимизация устройства в целом и последовательности работы его узлов. Наряду с электронными схемами , ярким представителем автоматов, описываемых данной моделью, является робот, управляющий (по заданной программе) технологическими процессами в заданной детерминированной последовательности.

Станок с числовым программным управлением также описывается данной моделью. Выбор последовательности обработки деталей на этом станке осуществляется настройкой узла управления (контроллера), вырабатывающего сигналы управления в определенные моменты времени / 4 /.

Теория автоматов использует математический аппарат булевых функций, оперирующих с двумя возможными значениями сигналов 0 и 1.

Автоматы разделяются на автоматы без памяти, автоматы с памятью. Описание их работы производится с помощью таблиц, матриц, графов, отображающих переходы автомата из одного состояния в другое. Аналитические оценки при любом виде описания работы автомата весьма громоздки и уже при сравнительно небольшом числе элементов, узлов, образующих устройство, практически невыполнимы. Поэтому исследование сложных схем автоматов, к которым, несомненно, относятся и робототехнические устройства, производится с применением имитационного моделирования.

Дискретно-стохастические модели (P-схемы)

Применяются при исследовании работы вероятностных автоматов. В автоматах этого типа переходы из одного состояния в другое осуществляются под воздействием внешних сигналов и с учетом внутреннего состояния автомата. Однако в отличие от Г-автоматов, эти перехода не строго детерминированы, а могут осуществляться с определенными вероятностями.

Пример такой модели представляет дискретная марковская цепь с конечным множеством состояний. Анализ F-схем основан на обработке и преобразовании матриц вероятностей переходов и анализе вероятностных графов. Уже для анализа сравнительно простых устройств, поведение которых описывается F-схемами, целесообразно применение имитационного моделирования. Пример такого моделирования приведен в пункте 2.4.

Непрерывно-стохастические модели (Q-схемы)

Используются при анализе широкого класса систем, рассматриваемых как системы массового обслуживания. В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы: потоки поставок продукции предприятию, потоки комплектующих заказных деталей и изделий, потоки деталей на сборочном конвейере, потоки управляющих воздействий от центра управления АСУ на рабочие места и обратные заявки на обработку информации в ЭВМ и т. д.

Как правило, эти потоки зависят от многих факторов и конкретных ситуаций. Поэтому в большинстве случаев эти потоки случайны во времени с возможностью изменений в любые моменты. Анализ таких схем производится на основе математического аппарата теории массового обслуживания. К ним относится непрерывная марковская цепь. Несмотря на значительные успехи, достигнутые в разработке аналитических методов, теория массового обслуживания, анализ Q-схем аналитическими методами может быть проведен лишь при значительных упрощающих допущениях и предположениях. Детальное исследование большинства этих схем, тем более таких сложных, как АСУТП, робототехнические системы, может быть проведено только с помощью имитационного моделирования.

Обобщенные модели (А-схемы)

Основаны на описании процессов функционирования любых систем на базе агрегативного метода. При агрегативном описании система разбивается на отдельные подсистемы, которые могут считаться удобными для математического описания. В результате такого разбиения (декомпозиции) сложная система представляется в виде многоуровневой системы, отдельные уровни (агрегаты) которой поддаются анализу. На основе анализа отдельных агрегатов и с учетом законов взаимосвязей этих агрегатов удается провести комплексное исследование всей системы.

, Яковлев систем. 4-е изд. – М.: Высшая школа, 2005. – С. 45-82.

Модель сложной системы, рассмотренная ранее, представляет собой математическую схему моделирования общего вида. На практике для формализации концептуальных моделей ряда систем выгоднее применять типовые математические схемы моделирования, учитывающие с одной стороны способ представления времени в модели (непрерывная переменная или дискретная), а с другой стороны степень случайности моделируемых процессов. По этим признакам различают следующие математические схемы моделирования (классы ММ).

Непрерывно – детерминированные модели (D – схемы).

Дискретно – детерминированные модели (F – схемы).

Дискретно – вероятностные модели (P – схемы).

Непрерывно - вероятностные модели (Q – схемы).

Сетевые модели (N – схемы).

Агрегатные модели (А – схемы).

Непрерывно-детерминированные модели . В этих моделях время t полагается непрерывной переменной, а случайными факторами в системе пренебрегают. Математический аппарат моделей – теория дифференциальных и интегральных уравнений, с помощью которой достигается адекватное описание динамических систем. Наиболее глубоко разработан операторный метод описания и исследования процессов функционирования динамических систем и их структур.

Примером непрерывно – детерминированной модели одноканальной системы автоматического управления является неоднородное дифференциальное уравнение с постоянными коэффициентами.

В этом уравнении x(t)- входное воздействие; y(t) – выходная величина, характеризующая положение объекта управления; - внутренние параметры системы.

Если динамическая система описывается нелинейным дифференциальным уравнением, то его линеаризуют и решают как линейное.

Применение непрерывно – детерминированных моделей позволяет количественно осуществлять не только анализ динамических систем, но и оптимальный синтез их.

Дискретно-детерминированные модели . В дискретно–детерминированных (ДД) моделях время t является дискретной переменной , где – шаг дискретизации, а – дискретные моменты времени.

Основной математический аппарат, используемый при построении ДД – моделей – это теория разностных уравнений и аппарат дискретной математики, в частности, теория конечных автоматов.

Разностное уравнение – это уравнение, содержащее конечные разности искомой функции

где – соответственно состояние системы и внешнее воздействие в дискретные моменты времени .

В прикладных задачах ДД – модели в виде (2.6) часто возникают как промежуточные при исследовании НД – моделей на ЭВМ, когда аналитическое решение дифференциального уравнения получить не удается и приходится применять разностные схемы.

Кратко рассмотрим теорию конечных автоматов, которая используется для построения ДД – моделей.

Конечный автомат – это математическая модель дискретной системы, которая под действием входных сигналов вырабатывает выходные сигналы , и которая может иметь некоторые изменяемые внутренние состояния ; здесь – конечные множества.

Конечный автомат характеризуется: входным алфавитом ; выходным алфавитом ; внутренним алфавитом состояний ; начальным состоянием ; функцией переходов ; функцией выходов .

Процесс функционирования конечного автомата таков. В –м такте на вход автомата, находящегося в состоянии , поступает входной сигнал , на который автомат реагирует переходом на –м такте в состояние и выдачей выходного сигнала Например, конечный автомат Мили описывается следующими рекуррентными соотношениями:

Дискретно–вероятностные модели . В дискретно–вероятностной модели учитываются случайные элементы исследуемой сложной системы. Основной математический аппарат, используемый при построении и исследовании ДВ – моделей, – это теория разностных стохастических уравнений и теория вероятностных автоматов.

Разностное стохастическое уравнение – это такое уравнение, которое содержит случайные параметры или случайные входные воздействия .

Пусть на вероятностном пространстве определен случайный – вектор параметров и случайная последовательность входных воздействий

Нелинейное разностное стохастическое уравнение порядка имеет вид , (2.8)

где заданные начальные состояния системы; заданная функция переменных.

Решением этого уравнения является определенная на множестве случайная последовательность состояний моделируемой системы:

Если функция линейная по , то (2.8) примет вид:

(2.9)

где вектор параметров.

Другой математический аппарат построения ДВ – моделей сложных систем представляет теория вероятностных автоматов.

Вероятностный автомат, определенный на множестве , есть конечный автомат, в котором функция переходов и функция выходов являются случайными функциями, имеющими некоторые вероятностные распределения.

Примем обозначения для вероятностных распределений – начальное распределение вероятностей, – вероятность события, состоящего в том, что находящийся в –м такте в состоянии автомат под воздействием входного сигнала выдаст выходной сигнал и перейдет на –м такте в состояние

Математическая модель вероятностного автомата полностью определяется пятью элементами: .

Непрерывно – вероятностные модели . При построении и исследовании НВ – моделей используется теория стохастических дифференциальных уравнений и теория массового обслуживания.

Стохастическое дифференциальное уравнение (в форме Ито) имеет вид:

где – случайный процесс, определяющий состояние системы в момент времени ; – стандартный винеровский случайный процесс; – коэффициенты диффузии и переноса. НВ – модель часто используется при моделировании стохастических систем управления, процессов обмена.

Теория массового обслуживания разрабатывает и исследует математические модели различных по своей природе процессов функционирования систем, например: поставок сырья и комплектующих изделий некоторому предприятию; заданий, поступающих на ЭВМ от удаленных терминалов; вызов на телефонных станциях и т.д. Для функционирования таких систем характерна стохастичность: случайность моментов времени появления заявок на обслуживание и т.д.

Система, описываемая как система массового обслуживания (СМО), состоит из приборов обслуживания . Прибор обслуживания состоит из накопителя заявок , в котором могут одновременно находиться заявок , и канала обслуживания заявок; – емкость накопителя , то есть число мест в очереди на обслуживание заявок в канале .

На каждый элемент прибора поступают потоки событий; в накопитель – поток заявок , на канал – поток «обслуживаний» . Поток заявок представляет последовательность интервалов времени между моментами появления заявок на входе СМО и образует подмножество неуправляемых переменных СМО. А поток представляет собой последовательность интервалов времени между моментами начала и окончания обслуживания заявок и образует подмножество управляемых переменных.

Заявки, обслуженные СМО, образуют выходной поток – последовательность интервалов времени между моментами выхода заявок. Не обслуженные заявки, но покинувшие СМО по различным причинам, образуют выходной поток потерянных заявок.

Сетевые модели используют для формализации причинно – следственных связей в сложных системах с параллельными процессами. В основе этих моделей лежит сеть Петри. При графической интерпретации сеть Петри представляет собой граф особого вида, состоящий из вершин двух типов – позиций и переходов , соединенных ориентированными дугами, причем каждая дуга может связывать лишь разнотипные вершины (позицию с переходом или переход с позицией). Вершины-позиции обозначаются кружками, вершины-переходы – черточками. С содержательной точки зрения переходы соответствуют событиям, присущим исследуемой системе, а позиции – условиям их возникновения.

Таким образом, совокупность переходов, позиций и дуг позволяет описать причинно-следственные связи, присущие системе, но в статике. Чтобы сеть Петри «ожила», вводят еще один вид объектов сети – так называемые фишки или метки позиций, которые перемещаются по переходам сети при условии наличия метки во входной позиции и отсутствии метки в выходной позиции. Расположение фишек в позициях сети называется разметкой сети .

Агрегатные модели . Анализ существующих задач приводит к выводу о том, что комплексное решение проблем возможно лишь в том случае, если моделирующие системы имеют в своей основе единую математическую схему моделирования. Такой подход к формализации процесса функционирования сложной системы предложен Бусленко Н.П. и базируется на понятии «агрегата».

При агрегатном описании сложная система разбивается по подсистемы, сохраняя при этом связи обеспечивающие взаимодействие их. Если подсистема оказывается сложной, то процесс расчленения продолжается до тех пор, пока не образуются подсистемы, которые в условиях рассматриваемой задачи могут считаться удобными для математического описания.

В результате этого получается многоуровневая конструкция из взаимосвязанных элементов объединенных в подсистемы различных уровней. Элементами агрегатной модели являются агрегаты. Связи между агрегатами и внешней средой осуществляются с помощью операторов сопряжения. Сам агрегат тоже может рассматриваться как агрегатная модель, то есть разбиваться на элементы следующего уровня.

Любой агрегат характеризуется множествами: моментов времени T , входных X и выходных Y сигналов, состояний агрегата Z в каждый момент времени t . Процесс функционирования агрегата состоит из скачков состояний в моменты поступлений входных сигналов x и изменений состояний между этими моментами и .

Моменты скачков , не являющиеся моментами поступления входных сигналов называют особыми моментами времени , а состояния особыми состояниями агрегатной схемы. В множестве состояний Z выделяют подмножество , что если достигает , то это состояние является моментом выдачи выходного сигнала y .

Исходной информацией при построении ММ процессов функционирования систем служат данные о назначении и условиях работы исследуемой(проектируемой) системы . Эта информация определяет основную цель моделирования, требования к ММ, уровень абстрагирования, выбор математической схемы моделирования.

Понятие математическая схема позволяет рассматривать математику не как метод расчета, а как метод мышления, средства формирования понятий, что является наиболее важным при переходе от словесного описания к формализованному представлению процесса ее функционирования в виде некоторой ММ.

При пользовании математической схемой в первую очередь исследователя системы должен интересовать вопрос об адекватности отображение в виде конкретных схем реальных процессов в исследуемой системе, а не возможность получения ответа(результата решения) на конкретный вопрос исследования.

Например представление процесса функционирования ИВС коллективного пользования в виде сети схем массового обслуживания дает возможность хорошо описать процессы, происходящие в системе, но при сложных законах входящий потоков и потоков обслуживания не дает возможности получения результатов в явном виде.

Математическую схему можно определить как звено при переходе содержательного к формализованному описанию процесса функционирования системы с учетом воздействия внешней среды. Т.е. имеет место цепочка: описательная модель - математическая схема- имитационная модель.

Каждая конкретная система характеризуется набором свойств, под которыми понимаются величины, отображающие поведение моделируемого объекта (реальной системы) и учитываются условия ее функционирования во взаимодействии с внешней средой(системой) Е.

При построении ММ системы необходимо решить вопрос о ее полноте. Полнота моделирования регулируется, в основном, выбором границ "Система -среда Е". Так же должна быть решена задача упрощения ММ, которая помогает выделить основные свойства системы, отбросив второстепенные, в плане цели, моделирования.

ММ объекта моделирования, т.е. системы можно представить в виде множества величин, описывающих процесс функционирования реальной системы и образующих в общем случае следующие под множества:

Совокупность -входных воздействий на

Совокупность воздействий внешней среды

Совокупность внутренних (собственных) параметров системы

Совокупность выходных характеристик системы

В перечисленных множествах можно выделить управляемые и неуправляемые величины. В общем случае X, V, H, Y не пресекаемые множества, содержат как детерминированные, так и стохастические составляющие.

Таким образом под ММ объекта понимаем конечное множество переменных вместе с математическими связями между ними и характеристиками .

Моделирование называется детерминированным, если операторы F, Ф детерминированные, т.е. для конкретного входа вход детерминированный. Детерминированное моделирование - частный случай стохастического моделирования. В практике моделирование объектов в области системном анализа на первичных этапах исследования рациональнее использовать типовые математические схемы: дифференциальные уравнения, конечные и вероятностные автоматы, СМО и т.д.

В качестве детерминированных моделей, когда при исследовании случайный факт не учитывается, для представления систем, функционирующих в непрерывном времени используются дифференциальные, интегральные и другие уравнения, а для представления систем, функционирующих в дискретном времени - конечные автоматы и разностные схемы.

Общие методические указания

Цель дисциплины "Методы оптимальных решений" – освоить методологию моделирования торгово - экономических процессов для их анализа и оптимального управления ими.

Цель настоящих методических указаний - оказать помощь студентам в изучении основ экономико-математического моделирования, показать необходимые практические навыки по применению математических методов в построении моделей связи показателей задач торговой практики и на их основе научного обоснования выбора управленческих решений.

Объектом изучения курса являются экономические механизмы управления торговых организаций и предприятий.

Предметом изучения курса являются информационные и функциональные связи торгово-экономических систем.

Результатом допуска к зачету по дисциплине «Методы оптимальных решений» является решенная контрольная работа со всеми заданиями с отметкой преподавателя «Зачтено». Зачтенная контрольная работа остается у преподавателя, в учебно-методический отдел сдается рецензия. В случае неясности условий заданий и с возникновением трудностей при решении задач необходимо проконсультироваться студенту у ведущего преподавателя. Если решенная работы не зачтена, студенту необходимо устранить замечания и сдать контрольную на повторное рецензирование.

ПРАВИЛА ОФОРМЛЕНИЯ РАБОТЫ

На титульном листе тетради должны быть написаны наименование дисциплины, наименование факультета, курс, фамилия, имя, отчество.

В начале работы или на титульном листе должны быть указаны номера задач, выполненных в контрольном задании.

Перед решением каждой задачи надо полностью записать ее условие. Решение задач должно включать развернутые расчеты и краткие пояснения, экономический анализ полученных результатов. В конце контрольной работы привести список использованной литературы и поставить свою подпись.

Задание №1

Построить экономико-математическую модель определения структуры блюд на предприятии общественного питания, обеспечивающую максимальную прибыль на основе заданных нормативов затрат продуктов на первые и вторые блюда, представленных в следующей таблице 1.

Данные для задач следует выбирать из таблицы 2 по первым буквам фамилии, имени и отчества студента. Например, студент Корниенко Николай Сергеевич должен решить задачу с данными a 11 =2, a 12 =3, a 21 =2, a 23 =13, a 31 =6, a 32 =7, a 33 =8, a 41 =9, a 42 =6, a 44 =4, a 54 =19, b 1 =450, b 2 =310, b 3 =410, b 4 =315, b 5 =400, c 1 =89, c 2 =41, c 3 =50.

Математические схемы моделирования систем

Достоинства и недостатки имитационного моделирования

Основные достоинства имитационного моделирования при исследовании сложных систем:

· возможность исследовать особенности процесса функционирования системы S в любых условиях;

· за счет применения ЭВМ существенно сокращается продолжительность испытаний по сравнению с натурным экспериментом;

· результаты натурных испытаний реальной системы или ее частей можно использовать для проведения имитационного моделирования;

· гибкость варьирования структуры, алгоритмов и параметров моделируемой системы при поиске оптимального варианта системы;

· для сложных систем – это единственный практически реализуемый метод исследования процесса функционирования систем.

Основные недостатки имитационного моделирования:

· для полного анализа характеристик процесса функционирования систем и поиска оптимального варианта требуется многократно воспроизводить имитационный эксперимент, варьируя исходные данные задачи;

· большие затраты машинного времени.

Эффективность машинного моделирования. При моделировании необходимо обеспечить максимальную эффективность модели системы. Эффективность обычно определяется как некоторая разность между какими-то показателями ценности результатов, полученных при эксплуатации модели, и теми затратами, которые были вложены в ее разработку и создание.

Эффективность имитационного моделирования может оцениваться рядом критериев:

· точностью и достоверностью результатов моделирования,

· временем построения и работы с моделью М ,

· затратой машинных ресурсов (время и память),

· стоимостью разработки и эксплуатации модели.

Наилучшей оценкой эффективности является сравнение полученных результатов с реальными исследованиями. С помощью статистического подхода с определенной степенью точности (в зависимости от числа реализаций машинного эксперимента) получают усредненные характеристики поведения системы.

Суммарные затраты машинного времени складываются из времени по вводу и выводу по каждому алгоритму моделирования, времени на проведение вычислительных операций, с учетом обращения к оперативной памяти и внешним устройствам, а также сложности каждого моделирующего алгоритма и планирования экспериментов.

Математические схемы. Математическая модель – это совокупность математических объектов (чисел, переменных, множеств, векторов, матриц и т.п.) и отношений между ними, адекватно отображающая физические свойства создаваемого технического объекта. Процесс формирования математической модели и использования ее для анализа и синтеза называется математическим моделированием.

При построении математической модели системы необходимо решить вопрос об ее полноте. Полнота модели регулируется, в основном, выбором границы «система S – среда Е ». Также должна быть решена задача упрощения модели, которая помогает выделить в зависимости от цели моделирования основные свойства системы, отбросив второстепенные.

При переходе от содержательного к формальному описанию процесса функционирования системы с учетом воздействия внешней среды применяют математическую схему как звено в цепочке «описательная модель – математическая схема – математическая (аналитическая или (и) имитационная) модель».

Формальная модель объекта. Модель объекта (системы S ) можно представить в виде множества величин, описывающих процесс функционирования реальной системы:

· совокупность входных воздействий на систему

x i = X , i = ;

· совокупность воздействий внешней среды

v j = V , j = ;

· совокупность внутренних (собственных) параметров систем

h k = H, k = ;

· совокупность выходных характеристик системы

y j = Y, j = .

В общем случае x i , v j , h k , y j являются элементами непересекающихся подмножеств и содержат как детерминированные, так и стохастические составляющие.

Входные воздействия, воздействия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными ) переменными, которые в векторной форме имеют соответственно вид (t ) = (x 1 (t ), x 2 (t ), …, x nX (t )); (t ) = (v 1 (t ), v 2 (t ), …, v nV (t )); (t ) = (h 1 (t ), h 2 (t ), …, h nН (t )), а выходные характеристики являются зависимыми (эндогенными ) переменными и в векторной форме имеют вид: (t ) = (у 1 (t ), у 2 (t ), …, у nY (t )). Можно выделить управляемые и неуправляемые переменные.

Процесс функционирования системы S описывается во времени оператором F S , который преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида

(t ) = F S (,,, t ). (2.1)

Совокупность зависимостей выходных характеристик системы от времени y j (t ) для всех видов j = называется выходной траекторией (t ). Зависимость (2.1) называется законом функционирования системы F S , который задается в виде функции, функционала, логических условий, в алгоритмической, табличной формах или в виде словесного правила соответствия. Алгоритмом функционирования A S называется метод получения выходных характеристик с учетом входных воздействий (t ), воздействий внешней среды (t ) и собственных параметров системы (t ). Один и тот же закон функционирования F S системы S может быть реализован различными способами, т.е. с помощью множества различных алгоритмов функционирования A S .

Математические модели называются динамическими (2.1), если математические соотношения описывают поведение объекта (системы) моделирования во времени t , т.е. отражают динамические свойства.

Для статических моделей математическая модель представляет собой отображение между двумя подмножествами свойств моделируемого объекта Y и {X, V, H } в определенный момент, что в векторной форме может быть записано как

= f (, , ). (2.2)

Соотношения (2.1) и (2.2) могут быть заданы различными способами: аналитически (с помощью формул), графически, таблично и т.д. Эти соотношения могут быть получены через свойства системы S в конкретные моменты времени, называемые состояниями. Состояние системы S характеризуется векторами

" = (z" 1, z" 2, …, z" k ) и "" = (z"" 1 , z"" 2 , …, z"" k ),

где z" 1 = z 1 (t" ), z" 2 = z 2 (t" ), …, z" k = z k (t" ) в момент t" Î (t 0 , T ); z"" 1 = z 1 (t"" ), z"" 2 = z 2 (t"" ), …, z"" k = z k (t"" ) в момент t"" Î (t 0 , T ) и т.д. k = .

Если рассматривать процесс функционирования системы S как последовательную смену состояний z 1 (t ), z 2 (t ), …, z k (t ), то они могут быть интерпретированы как координаты точки в k -мерном фазовом пространстве . Причем каждой реализации процесса будет соответствовать некоторая фазовая траектория. Совокупность всех возможных значений состояний {} называется пространством состояний объекта моделирования Z , причем
z k Î Z .

Состояния системы S в момент времени t 0 < t* £ T полностью определяются начальными условиями 0 = (z 0 1 , z 0 2 , …, z 0 k ) [где z 0 1 = z 1 (t 0),
z 0 2 = z 2 (t 0), …, z 0 k = z k (t 0)], входными воздействиями (t ), внутренними параметрами (t ) и воздействиями внешней среды (t ), которые имели место в промежутке времени t* – t 0 , c помощью двух векторных уравнений

(t ) = Ф( 0 , , , , t ); (2.3)

(t ) = F(, t ). (2.4)

Первое уравнение по начальному состоянию 0 и экзогенным переменным , , определяет вектор-функцию (t ), а второе по полученному значению состояний (t ) – эндогенные переменные на выходе системы (t ). Таким образом, цепочка уравнений объекта «вход – состояния – выход» позволяет определить характеристики системы

(t ) = F[Ф( 0 , , , , t )]. (2.5)

В общем случае время в модели системы S может рассматриваться на интервале моделирования (0, Т ) как непрерывное, так и дискретное, т.е. квантованное на отрезки длиной Dt временных единиц каждый, когда T = m Dt , где m = – число интервалов дискретизации.

Таким образом, под математической моделью объекта (реальной системы) понимают конечное подмножество переменных {(t ), (t ), (t )} вместе с математическими связями между ними и характеристиками (t ).

Если математическое описание объекта моделирования не содержит элементов случайности или они не учитываются, т.е. если можно считать, что в этом случае стохастические воздействия внешней среды (t ) и стохастические внутренние параметры (t ) отсутствуют, то модель называется детерминированной в том смысле, что характеристики однозначно определяются детерминированными входными воздействиями

(t ) = f (, t ). (2.6)

Очевидно, что детерминированная модель является частным случаем стохастической модели.

Типовые математические схемы. В практике моделирования объектов в области системотехники и системного анализа на первоначальных этапах исследования системы рациональнее использовать типовые математические схемы : дифференциальные уравнения, конечные и вероятностные автоматы, системы массового обслуживания, сети Петри, агрегативные системы и т.д.

Типовые математические схемы имеют преимущества простоты и наглядности. В качестве детерминированных моделей, когда при исследовании случайные факторы не учитываются, для представления систем, функционирующих в непрерывном времени, используются дифференциальные, интегральные, интегродифференциальные и другие уравнения, а для представления систем, функционирующих в дискретном времени, конечные автоматы и конечно-разностные схемы. В качестве стохастических моделей (при учете случайных факторов) для представления систем с дискретным временем используются вероятностные автоматы, а для представления систем с непрерывным временем – системы массового обслуживания. Для анализа причинно-следственных связей в сложных системах, где одновременно параллельно протекает несколько процессов, применяют сети Петри. Для описания поведения непрерывных и дискретных, детерминированных и стохастических систем (например АСОИУ) можно применять обобщенный (универсальный) подход на основе агрегативной системы. При агрегативном описании сложный объект (система) расчленяется на конечное число частей (подсистем), сохраняя при этом связи, обеспечивающие взаимодействие частей.

Таким образом, при построении математических моделей процессов функционирования систем можно выделить следующие основные подходы: непрерывно-детерминированный (D -схемы); дискретно-детерминированный (F -схемы); дискретно-стохастический (Р -схемы); непрерывно-стохастический (Q -схемы); сетевой (N -схемы); обобщенный или универсальный (а -схемы).

2.2. Непрерывно-детерминированные модели (D -схемы)

Основные соотношения . Рассмотрим особенности непрерывно-детерминированного подхода на примере использования в качестве математических моделей дифференциальных уравнений. Дифференциальными уравнениями называются такие уравнения, в которых неизвестными будут функции одного или нескольких переменных, причем в уравнение входят не только функции, но и их производные различных порядков. Если неизвестные функции многих переменных, то уравнения называются уравнениями частных производных , иначе при рассмотрении функции одной независимой переменной уравнения называются обыкновенными дифференциальными уравнениями .

Математическое соотношение для детерминированных систем (2.6) в общем виде будет

" (t ) = (, t ); (t 0) = 0 , (2.7)

где " = d /dt , = (y 1 , y 2 , …, y n ) и = (f 1 , f 2 , …, f n ) – n -мерные векторы; (, t ) – вектор-функция, которая определена на некотором (n +1)-мерном (, t ) множестве и является непрерывной.

Математические схемы такого вида называются D-схемами (англ. dynamic), они отражают динамику изучаемой системы, и в качестве независимой переменной, от которой зависят неизвестные искомые функции, обычно служит время t .

В простейшем случае обыкновенное дифференциальное уравнение имеет вид:

y" (t ) = f (y , t ). (2.8)

Рассмотрим простейший пример формализации процесса функционирования двух элементарных схем различной природы: механической S M (колебание маятника, рис.2.1, а ) и электрической S K (колебательный контур, рис.2.1, б ).

Рис. 2.1. Элементарные системы

Процесс малых колебаний маятника описывается обыкновенным дифференциальным уравнением

m M l M 2 (d 2 F (t )/dt 2) + m M gl M F (t ) = 0,

где m M , l M – масса и длина подвеса маятника; g – ускорение свободного падения; F (t ) – угол отклонения маятника в момент времени t .

Из этого уравнения свободного колебания маятника можно найти оценки интересующих характеристик. Например, период колебания маятника

T M = 2p.

Аналогично, процессы в электрическом колебательном контуре описываются обыкновенным дифференциальным уравнением

L K (d 2 q (t )/dt 2) + (q (t )/C K) = 0,

где L K , C K – индуктивность и емкость конденсатора; q (t ) – заряд конденсатора в момент времени t .

Из этого уравнения можно получить различные оценки характеристик процесса в колебательном контуре. Например, период электрических колебаний

T M = 2p.

Очевидно, что введя обозначения h 2 = m M l M 2 = L K , h 1 = 0,
h 0 = m M gl M = 1/C K , F (t ) = q (t ) = z (t ), получим обыкновенное дифференциальное уравнение второго порядка, описывающее поведение этой замкнутой системы:

h 2 (d 2 z (t )/dt 2) + h 1 (dz (t )/dt ) + h 0 z (t ) = 0, (2.9)

где h 0 , h 1 , h 2 – параметры системы; z (t ) – состояние системы в момент
времени t .

Таким образом, поведение этих двух объектов может быть исследовано на основе общей математической модели (2.9). Кроме того, необходимо отметить, что поведение маятника (системы S M) может быть изучено с помощью электрического колебательного контура (системы S К).

Если изучаемая система S (маятник или контур) взаимодействует с внешней средой Е , то появляется входное воздействие x (t ) (внешняя сила для маятника и источник энергии для контура), и непрерывно-детерминированная модель такой системы будет иметь вид:

h 2 (d 2 z (t )/dt 2) + h 1 (dz (t )/dt ) + h 0 z (t ) = x (t ). (2.10)

С точки зрения общей математической модели (см. п. 2.1) x (t ) является входным (управляющим) воздействием, а состояние системы S в данном случае можно рассматривать как выходную характеристику, т.е. выходная переменная совпадает с состоянием системы в данный момент времени y = z .

Возможные приложения D -схемы . Для описания линейных систем управления, как любой динамической системы, неоднородные дифференциальные уравнения имеют постоянные коэффициенты

где , ,…, – неизвестная функция времени и ее производные; и – известные функции.

Используя, например пакет программ VisSim, предназначенный для имитационного моделирования процессов в системах управления, которые можно описать дифференциальными уравнениями, промоделируем решение обыкновенного неоднородного дифференциального уравнения

где – некоторая искомая функция времени на отрезке при нулевых начальных условиях, примем h 3 =1, h 2 =3, h 1 =1, h 0 =3:

Представив заданное уравнение относительно наивысшей из производных, получим уравнение

которое можно промоделировать, используя набор стандартных блоков пакета VisSim: арифметические блоки – Gain (умножение на константу), Summing-Junction (сумматор); блоки интегрирования – Integrator (численное интегрирование), Transfer Function (задание уравнения, представленного в виде передаточной функции); блоки задания сигналов – Const (константа), Step (единичная функция в виде «ступеньки»), Ramp (линейно нарастающий сигнал); блоки-приемники сигналов – Plot (отображение во временной области сигналов, которые анализируются исследователем в ходе моделирования).

На рис. 2.2 изображено графическое представление данного дифференциального уравнения. Входу крайнего левого интегратора соответствует переменная , входу среднего интегратора – , а входу крайнего правого интегратора – . Выход крайнего правого интегратора соответствует переменной y .

Частным случаем динамических систем, описываемых D -схемами, являются системы автоматического управления (САУ ) и регулирования (САР ). Реальный объект представляется в виде двух систем: управляющей и управляемой (объекта управления). Структура многомерной системы автоматического управления общего вида представлена на рис. 2.3, где обозначены эндогенные переменные: (t ) – вектор входных (задающих) воздействий; (t ) – вектор возмущающих воздействий; " (t ) – вектор сигналов ошибки; "" (t ) – вектор управляющих воздействий; экзогенные переменные: (t ) – вектор состояния системы S ; (t ) – вектор выходных переменных, обычно (t ) = (t ).

Рис. 2.2. Графическое представление уравнения

Управляющая система – это совокупность программно-технических средств, обеспечивающих достижение объектом управления определенной цели. Насколько точно объект достигает заданной цели, можно судить (для одномерной системы) по координате состояния y (t ). Разность между заданным y зад (t ) и действительным y (t ) законом изменения управляемой величины есть ошибка управления " (t ) = y зад (t ) – y (t ). Если предписанный закон изменения управляемой величины соответствует закону изменения входного (задающего) воздействия, т.е. x (t ) = y зад (t ), то " (t ) = x (t ) – y (t ).

Системы, для которых ошибки управления " (t ) = 0 во все моменты времени, называются идеальными . На практике реализация идеальных систем невозможна. Задачей системы автоматического управления является изменение переменной y (t ) согласно заданному закону с определенной точностью (с допустимой ошибкой). Параметры системы должны обеспечивать требуемую точность управления, а также устойчивость системы в переходном процессе. Если система устойчива, то анализируют поведение системы во времени, максимальное отклонение регулируемой переменной y (t ) в переходном процессе, время переходного процесса и т.п. Порядок дифференциального уравнения и значение его коэффициентов полностью определяются статическими и динамическими параметрами системы.

Рис. 2.3. Структура системы автоматического управления:

УC – управляющая система; OУ – объект управления

Таким образом, использование D -схем позволяет формализовать процесс функционирования непрерывно детерминированных систем S и оценить их основные характеристики, применяя аналитический или имитационный подход, реализованный в виде соответствующего языка для моделирования непрерывных систем или использующий аналоговые и гибридные средства вычислительной техники.

2.3. Дискретно-детерминированные модели (F -схемы)

Основные соотношения . Рассмотрим особенности дискретно-детерминированного подхода на примере использования в качестве математического аппарата теории автоматов. Система представляется в виде автомата как некоторого устройства с входными и выходными сигналами, перерабатывающего дискретную информацию и меняющего свои внутренние состояния лишь в допустимые моменты времени. Конечным автоматом называется автомат, у которого множества внутренних состояний, входных и выходных сигналов являются конечными множествами.

Абстрактно конечный автомат (англ. finite automata) можно представить как математическую схему (F -схему ), характеризующуюся шестью элементами: конечным множеством Х входных сигналов (входным алфавитом); конечным множеством Y выходных сигналов (выходным алфавитом); конечным множеством Z внутренних состояний (внутренним алфавитом или алфавитом состояний); начальным состоянием z 0 , z 0 Î Z ; функцией переходов j(z , x ); функцией выходов y(z , x ). Автомат, задаваемый F -схемой: F = áZ , X , Y , y, j, z 0 ñ, функционирует в дискретном времени, моментами которого являются такты, каждому из которых соответствуют постоянные значения входного и выходного сигналов и внутренние состояния. Обозначим состояние, а также входной и выходной сигналы, соответствующие t -му такту при t = 0, 1, 2, …, через z (t ), x (t ), y (t ). При этом по условию z (0) = z 0 , а z (t )ÎZ , x (t )ÎX , y (t )ÎY .

Абстрактный конечный автомат имеет один входной и один выходной каналы. В каждый момент t = 0, 1, 2, … дискретного времени F -автомат находится в определенном состоянии z (t ) из множества Z состояний автомата, причем в начальный момент времени t = 0 он всегда находится в начальном состоянии z (0) = z 0 . В момент t , будучи в состоянии z (t ), автомат способен воспринять на входном канале сигнал x (t )ÎX и выдать на выходном канале сигнал y (t ) = y[z (t ), x (t )], переходя в состояние z(t +1) = j[z (t ), x (t )], z (t )Î Z , y (t )ÎY . Абстрактный конечный автомат реализует некоторое отображение множества слов входного алфавита X на множество слов выходного
алфавита Y . Другими словами, если на вход конечного автомата, установленного в начальное состояние z 0 , подавать в некоторой последовательности буквы входного алфавита x (0), x (1), x (2), …, т.е. входное слово, то на выходе автомата будут последовательно появляться буквы выходного алфавита y (0), y (1), y (2), …, образуя выходное слово.

Таким образом, работа конечного автомата происходит по следующей схеме: в каждом t -м такте на вход автомата, находящегося в состоянии z (t ), подается некоторый сигнал x (t ), на который он реагирует переходом (t +1)-го такта в новое состояние z (t +1) и выдачей некоторого выходного сигнала. Сказанное выше можно описать следующими уравнениями: для F -автомата первого рода, называемого также автоматом Мили ,

z (t +1) = j[z (t ), x (t )], t = 0, 1, 2, …; (2.15)

y (t ) = y[z (t ), x (t )], t = 0, 1, 2, …; (2.16)

для F -автомата второго рода

z (t +1) = j[z (t ), x (t )], t = 0, 1, 2, …; (2.17)

y (t ) = y[z (t ), x (t – 1)], t = 1, 2, 3,…. (2.18)

Автомат второго рода, для которого

y (t ) = y[z (t )], t = 0, 1, 2, …, (2.19)

т.е. функция выхода не зависит от входной переменной x (t ), называется автоматом Мура .

Таким образом, уравнения (2.15)-(2.19), полностью задающие
F -автомат, являются частным случаем уравнений (2.3) и (2.4), когда
система S – детерминированная и на её единственный вход поступает дискретный сигнал X .

По числу состояний различают конечные автоматы с памятью и без памяти. Автоматы с памятью имеют более одного состояния, а автоматы без памяти (комбинационные или логические схемы) обладают лишь одним состоянием. При этом, согласно (2.16), работа комбинационной схемы заключается в том, что она ставит в соответствие каждому входному сигналу x (t ) определенный выходной сигнал y (t ), т.е. реализует логическую функцию вида

y (t ) = y[ x (t )], t = 0, 1, 2, … .

Эта функция называется булевой, если алфавит X и Y , которым принадлежат значения сигналов x и y , состоят из двух букв.

По характеру отсчета дискретного времени конечные автоматы делятся на синхронные и асинхронные. В синхронных F -автоматах моменты времени, в которые автомат «считывает» входные сигналы, определяются принудительно синхронизирующими сигналами. После очередного синхронизирующего сигнала с учетом «считанного» и в соответствии с уравнениями (2.15)-(2.19) происходит переход в новое состояние и выдача сигнала на выходе, после чего автомат может воспринимать следующее значение входного сигнала. Таким образом, реакция автомата на каждое значение входного сигнала заканчивается за один такт, длительность которого определяется интервалом между соседними синхронизирующими сигналами. Асинхронный F -автомат считывает входной сигнал непрерывно и поэтому, реагируя на достаточно длинный входной сигнал постоянной величины x , он может, как следует из (2.15)-(2.19), несколько раз изменять состояние, выдавая соответствующее число выходных сигналов, пока не перейдет в устойчивое, которое уже не может быть изменено данным входным сигналом.

Возможные приложения F -схемы. Чтобы задать конечный F -автомат, необходимо описать все элементы множества F = <Z , X , Y , y, j, z 0 >, т.е. входной, внутренний и выходной алфавиты, а также функции переходов и выходов, причем среди множества состояний необходимо выделить состояние z 0 , в котором автомат находится в состоянии t = 0. Существуют несколько способов задания работы F -автоматов, но наиболее часто используются табличный, графический и матричный.

В табличном способе задаются таблицы переходов и выходов, строки которых соответствуют входным сигналам автомата, а столбцы – его состояниям. Первый слева столбец соответствует начальному состоянию z 0 . На пересечении i -й строки и k -го столбца таблицы переходов помещается соответствующее значение j(z k , x i ) функции переходов, а в таблице выходов – соответствующее значение y(z k , x i ) функции выходов. Для F -автомата Мура обе таблицы можно совместить.

Описание работы F -автомата Мили таблицами переходов j и выходов y иллюстрируется табл. 2.1, а описание F -автомата Мура – таблицей переходов (табл. 2.2).

Таблица 2.1

X i	z k
z 0	z 1	…	z k
Переходы
x 1	j(z 0 , x 1)	j(z 1 , x 1)	…	j(z k , x 1)
x 2	j(z 0 , x 2)	j(z 1 , x 2)	…	j(z k , x 2)
…	…	…	…	…
x i	j(z 0 , x i )	j(z 1 , x i )	…	j(z k , x i )
Выходы
x 1	y(z 0 , x 1)	y(z 1 , x 1)	…	y(z k , x 1)
x 2	y(z 0 , x 2)	y(z 1 , x 2)	…	y(z k , x 2)
…	…	…	…	…
x i	y(z 0 , x i )	y(z 1 , x i )	…	y(z k , x i )

Таблица 2.2

x i	y(z k )
y(z 0)	y(z 1)	…	y(z k )
z 0	z 1	…	z k
x 1	j(z 0 , x 1)	j(z 1 , x 1)	…	j(z k , x 1)
x 2	j(z 0 , x 2)	j(z 1 , x 2)	…	j(z k , x 2)
…	…	…	…	…
x i	j(z 0 , x i )	j(z 1 , x i )	…	j(z k , x i )

Примеры табличного способа задания F -автомата Мили F 1 приведены в табл. 2.3, а для F -автомата Мура F 2 – в табл. 2.4.

Таблица 2.3

x i	z k
z 0	z 1	z 2
Переходы
x 1	z 2	z 0	z 0
x 2	z 0	z 2	z 1
Выходы
x 1	y 1	y 1	y 2
x 2	y 1	y 2	y 1

Таблица 2.4

	Y
x i	y 1	y 1	y 3	y 2	y 3
	z 0	z 1	z 2	z 3	z 4
x 1	z 1	z 4	z 4	z 2	z 2
x 2	z 3	z 1	z 1	z 0	z 0

При графическом способе задания конечного автомата используется понятие направленного графа. Граф автомата представляет собой набор вершин, соответствующих различным состояниям автомата и соединяющих вершины дуг графа, соответствующих тем или иным переходам автомата. Если входной сигнал x k вызывает переход из состояния z i в состояние z j , то на графе автомата дуга, соединяющая вершину z i c вершиной z j , обозначается x k . Для того чтобы задать функцию выходов, дуги графа необходимо отметить соответствующими выходными сигналами. Для автоматов Мили эта разметка производится так: если входной сигнал x k действует на состояние z i , то получается дуга, исходящая из z i и помеченная x k ; эту дугу дополнительно отмечают выходным сигналом y = y(z i , x k ). Для автомата Мура аналогичная разметка графа такова: если входной сигнал x k , действуя на некоторое состояние автомата, вызывает переход в состояние z j , то дугу, направленную в z i и помеченную x k , дополнительно отмечают выходным
сигналом y = y(z j , x k ).

На рис. 2.4. а , б приведены заданные ранее таблицами F -автоматы Мили F 1 и Мура F 2 соответственно.

Рис. 2.4. Графы автоматов а – Мили и б – Мура

При матричном задании конечного автомата матрица соединений автомата квадратная С =||с ij ||, строки соответствуют исходным состояниям, а столбцы – состояния перехода. Элемент с ij = x k /y s , стоящий на пересечении
i -й строки и j -го столбца, в случае автомата Мили соответствует входному сигналу x k , вызывающему переход из состояния z i в состояние z j , и выходному сигналу y s , выдаваемому при этом переходе. Для автомата Мили F 1, рассмотренного выше, матрица соединений имеет вид:

x 2 / y 1 – x 1 / y 1

C 1 = x 1 / y 1 – x 2 / y 2 .

x 1 / y 2 x 2 /y 1 –

Если переход из состояния z i в состояние z j происходит под действием нескольких сигналов, элемент матрицы c ij представляет собой множество пар «вход-выход» для этого перехода, соединенных знаком дизъюнкции.

Для F -автомата Мура элемент с ij равен множеству входных сигналов на переходе (z i ,z j ), а выход описывается вектором выходов

= y(z k ) ,

i -я компонента которого – выходной сигнал, отмечающий состояние z i .

Для рассмотренного выше F -автомата Мура F2 матрицы соединений и вектор выходов имеют вид:

– x 1 – x 2 – у 1

– x 2 – – x 1 у 1

C 2 = – x 2 – – x 1 ; = у 3

x 2 – x 1 – – у 2

x 2 – x 1 – – у 3

Для детерминированных автоматов выполняется условие однозначности переходов: автомат, находящийся в некотором состоянии, под действием любого входного сигнала не может перейти более чем в одно состояние. Применительно к графическому способу задания F -автомата это означает, что в графе автомата из любой вершины не могут выходить два и более ребра, отмеченные одним и тем же входным сигналом. А в матрице соединений автомата С в каждой строке любой входной сигнал не должен встречаться более одного раза.

Для F -автомата состояние z k называется устойчивым, если для любого входа x i ÎX , для которого j(z k , x i ) = z k , имеет место j(z k ,x i ) = у k . F -автомат называется асинхронным, если каждое его состояние z k ÎZ устойчиво.

Таким образом, понятие в дискретно-детерминированном подходе к исследованию на моделях свойств объектов является математической абстракцией, удобной для описания широкого класса процессов функционирования реальных объектов в автоматизированных системах управления. С помощью F- автомата можно описать объекты, для которых характерно наличие дискретных состояний, и дискретный характер работы во времени – это элементы и узлы ЭВМ, устройства контроля, регулирования и управления, системы временной и пространственной коммутации в технике обмена информацией и т.д.

2.4. Дискретно-стохастические модели (Р -схемы)

Основные соотношения . Рассмотрим особенности построения математических схем при дискретно-стохастическом подходе на вероятностных (стохастических) автоматах. В общем виде вероятностный автомат
Р-схемы (англ. probabijistic automat) можно определить как дискретный потактный преобразователь информации с памятью, функционирование которого в каждом такте зависит только от состояния памяти в нем, и может быть описано статистически.

Введем математическое понятие Р -автомата, используя понятия, введенные для F -автомата. Рассмотрим множество G , элементами которого являются всевозможные пары (x i , z s ), где x i и z s – элементы входного подмножества Х и подмножества состояний Z соответственно. Если существуют две такие функции j и y, что с их помощью осуществляются отображения G ®Z и G®Y, то говорят, что F = X, Y, j, y> определяет автомат детерминированного типа.

Рассмотрим более общую математическую схему. Пусть
Ф – множество всевозможных пар вида (z k , y i ), где у i – элемент выходного подмножества Y . Потребуем, чтобы любой элемент множества G индуцировал на множестве Ф некоторый закон распределения следующего вида:

При этом b kj = 1, где b kj – вероятности перехода автомата в состояние z k и появления на выходе сигнала y j , если он был в состоянии z s и на его вход в этот момент времени поступил сигнал x i . Число таких распределений, представленных в виде таблиц, равно числу элементов множества G . Обозначим множество этих таблиц через В. Тогда четверка элементов P = называется вероятностным автоматом
(Р -автоматом).

Возможные приложения P -схемы. Пусть элементы множества G индуцируют некоторые законы распределения на подмножествах Y и Z , что можно представить соответственно в виде:

При этом z k = 1 и q j = 1, где z k и q j - вероятности перехода
Р -автомата в состояние z k и появления выходного сигнала y k при условии, что
Р z s и на его вход поступил входной сигнал x i .

Если для всех k и j имеет место соотношение q j z k = b kj , то такой
Р -автомат называется вероятностным автоматом Мили . Это требование означает выполнение условия независимости распределений для нового состояния Р -автомата и его выходного сигнала.

Пусть теперь определение выходного сигнала Р- автомата зависит лишь от того состояния, в котором находится автомат в данном такте работы. Другими словами, пусть каждый элемент выходного подмножества Y индуцирует распределение вероятностей выходов, имеющих следующий вид:

Здесь s i = 1, где s i – вероятность появления выходногосигнала y i при у словии, что Р -автомат находился в состоянии z k .

Если для всех k и i имеет место соотношение z k s i = b ki ,то такой
Р -автомат называется вероятностным автоматом Мура. Понятие
Р -автоматов Мили и Мура введено по аналогии с детерминированным
F -автоматом. Частным случаем Р- автомата, задаваемого как P =X, Y , B >, являются автоматы, у которых либо переход в новое состояние, либо выходной сигнал определяются детерминированно. Если выходной сигнал
Р -автомата определяется детерминированно, то такой автомат называется
Y -. Аналогично,
Z -детерминированным вероятностным автоматом называется Р -автомат, у которого выбор нового состояния является детерминированным.

Пример 2.1. Пусть задан Y -детерминированный P -автомат

На рис. 2.5 показан ориентированный граф переходов этого автомата. Вершины графа сопоставляются состояниям автомата, а дуги – возможными переходами из одного состояния в другое. Дуги имеют веса, соответствующие вероятностям перехода p ij , а около вершин графа пишутся значения выходных сигналов, индуцируемых этими состояниями. Требуется оценить суммарные финальные вероятности пребывания этого P -автомата в состояниях z 2 и z 3 .

Рис. 2.5. Граф вероятностного автомата

При использовании аналитического подхода можно записать известные соотношения из теории марковских цепей и получить систему уравнений для определения финальных вероятностей. При этом начальное состояние z 0 можно не учитывать, так как начальное распределение не оказывает влияние на значения финальных вероятностей. Тогда имеем

где с k – финальная вероятность пребывания Р -автомата в состоянии z k .

Получаем систему уравнений

Добавим к этим уравнениям условие нормировки с 1 + с 2 + с 3 + с 4 = 1. Тогда, решая систему уравнений, получим с 1 = 5/23, с 2 = 8/23, с 3 = 5/23,
с 4 = 5/23. Таким образом, с 2 + с 3 = 13/23 = 0,5652. Другими словами, при бесконечной работе заданного в этом примере Y -детерминированного
Р -автомата на его выходе формируется двоичная последовательность с вероятностью появления единицы, равной 0,5652.

Подобные Р -автоматы могут использоваться как генераторы марковских последовательностей, которые необходимы при построении и реализации процессов функционирования систем S или воздействий внешней среды Е.

2.5. Непрерывно-стохастические модели (Q -схемы)

Основные соотношения . Особенности непрерывно-стохастического подхода рассмотрим на примере типовых математических Q- схем – систем массового обслуживания (англ. queueing system).

В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы функционирования экономических, производственных, технических и других систем, например: потоки поставок продукции некоторому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха, заявки на обработку информации ЭВМ от удаленных терминалов и т.д. При этом характерным для работы таких объектов является случайное появление заявок (требований) на обслуживание и завершение обслуживания в случайные моменты времени, т.е. стохастический характер процесса их функционирования.

Потоком событий называется последовательность событий, происходящих одно за другим в какие-то случайные моменты времени. Различают потоки однородных и неоднородных событий. Поток событий называется однородным, если он характеризуется только моментами поступления этих событий (вызывающими моментами) и задается последовательностью {t n } = {0 £ t 1 £ t 2 ... £ t n £ … }, где t n – момент наступления п- го события – неотрицательное вещественное число. Однородный поток событий также может быть задан в виде последовательности промежутков времени между п- м и (n – 1)-м событиями {t n }, которая однозначно связана с последовательностью вызывающих моментов {t n }, где t n = t n – t n -1 , п ³ 1, t 0 = 0, т.е. t 1 = t 1 . Потоком неоднородных событий называется последовательность {t n , f n }, где t n – вызывающие моменты; f n – набор признаков события. Например, применительно к процессу обслуживания для неоднородного потока заявок может быть задана принадлежность к тому или иному источнику заявок, наличие приоритета, возможность обслуживания тем или иным типом канала.

В любом элементарном акте обслуживания можно выделить две основные составляющие: ожидание обслуживания заявкой и собственно обслуживание заявки. Это можно изобразить в виде некоторого i -го прибора обслуживания П i (рис. 2.6), состоящего из накопителя заявок H i , в котором может одновременно находиться j i = заявок, где L i H – емкость
i -гo накопителя, и канала обслуживания заявок (или просто канала) K i . На каждый элемент прибора обслуживания П i поступают потоки событий: в накопитель H i поток заявок w i , на канал K i - поток обслуживаний и i .

Рис. 2.6. Прибор обслуживания заявок

Заявки, обслуженные каналом K i , и заявки, покинувшие прибор П i по различным причинам необслуженными (например, из-за переполнения накопителя H i ), образуют выходной поток y i Î Y, т.е. интервалы времени между моментами выхода заявок образуют подмножество выходных переменных.

Обычно, поток заявок w i ÎW, т.е. интервалы времени между моментами появления заявок на входе K i , образует подмножество неуправляемых переменных, а поток обслуживания u i ÎU, т.е. интервалы времени между началом и окончанием обслуживания заявки, образует подмножество управляемых переменных.

Процесс функционирования прибора обслуживания П i можно представить как процесс изменения состояний его элементоввовремени z i (t ). Переход в новое состояние для П i означает изменение количества заявок, которые в нем находятся (в канале K i и в накопителе H i ). Таким образом, вектор состояний для П i имеет вид: , где z i H – состояние накопителя H i (z i H = 0 – накопитель пуст, z i H = 1 – в накопителе имеется одна заявка, ..., z i H = L i H – накопитель полностью заполнен); L i H – емкость накопителя Н i , измеряемая числом заявок, которые в нем могут поместиться; z i k – состояние канала K i (z i k = 0 – канал свободен, z i k = 1 – канал занят).

Возможные приложения Q- схем. В практике моделирования систем, имеющих более сложные структурные связи и алгоритмы поведения, для формализации используются не отдельные приборы обслуживания, а
Q- схемы, образуемые композицией многих элементарных приборов обслуживания П i . Если каналы К i различных приборов обслуживания соединены параллельно, то имеет место многоканальное обслуживание (многоканальная Q- схема), а если приборы П i и их параллельные композиции соединены последовательно, то имеет место многофазное обслуживание (многофазная Q- схема). Таким образом, для задания Q- схемы необходимо использовать оператор сопряжения R , отражающий взаимосвязь элементов структуры (каналов и накопителей) между собой.