Количественные методы описания систем

Теория информационных процессов и систем. Курс лекций Составитель Соркина В.Е. Оглавление Лекция 1 .......................................................................................... 7 Введение. Основные понятия и определения .......................... 7 Основные задачи теории информационных систем. ........... 7 Краткая историческая справка.............................................. 10 Основные понятия теории систем ........................................ 14 Выбор определения системы. ............................................... 16 Лекция 2 ........................................................................................ 21 Основные понятия и определения .......................................... 21 Основное содержание первой лекции ................................. 21 Понятие информации............................................................. 21 Открытые и закрытые системы ............................................ 22 Модель и цель системы ......................................................... 22 Управление ............................................................................. 22 Информационные динамические системы .......................... 23 Классификация и основные свойства единиц информации23 Системы управления .............................................................. 24 Реляционная модель данных ................................................. 24 Выборка ................................................................................... 25 Операция объединения, пересечения, вычитания. ............. 25 Операция объединения .......................................................... 25 Операция пересечения ........................................................... 26 Операция вычитания .............................................................. 26 Операция соединения отношений. ....................................... 26 Операция натурального соединения .................................... 26 Основные свойства операции натурального соединения .. 26 Лекция 3 ........................................................................................ 27 Виды информационных систем ............................................... 27 1 Классификация информационных систем .......................... 27 Технические, биологические и др. системы ....................... 27 Детерминированные и стохастические системы ................ 28 Открытые и закрытые системы ............................................ 28 Хорошо и плохо организованные системы ......................... 29 Классификация систем по сложности ................................. 30 Модели сложных систем управления .................................. 35 Структурная сложность ......................................................... 37 Иерархия ................................................................................. 37 Схема связности ..................................................................... 37 Уровни взаимодействия ........................................................ 38 Динамическая сложность ......................................................... 38 Случайность в сравнении с детерминизмом и сложностью39 Шкалы времени ...................................................................... 40 Теоретическое решение ......................................................... 40 Модели сложных систем управления (по Вавилову А.А) . 41 Лекция 4 ........................................................................................ 43 Закономерности систем ............................................................ 43 Целостность ............................................................................ 43 Интегративность..................................................................... 44 Коммуникативность ............................................................... 44 Иерархичность ........................................................................ 44 Эквифинальность ................................................................... 45 Историчность .......................................................................... 45 Закон необходимого разнообразия ......................................... 46 Закономерность осуществимости и потенциальной эффективности систем ................................................................................................... 46 Закономерность целеобразования ........................................ 46 Системный подход и системный анализ ............................. 48 Лекция 5 ........................................................................................ 51 Уровни представления информационных систем ................. 51 Методы и модели описания систем ........................................ 51 2 Качественные методы описания систем ................................. 52 Методы типа мозговой атаки. ............................................... 52 Методы типа сценариев. ........................................................ 52 Методы экспертных оценок. ................................................. 53 Методы типа «Дельфи». ........................................................ 55 Методы типа дерева целей. ................................................... 56 Морфологические методы. ................................................... 57 Методика системного анализа. ............................................. 58 Количественные методы описания систем ............................ 58 Лекция 6 ........................................................................................ 64 Кибернетический подход к описанию систем ....................... 64 Моделирование систем............................................................. 73 Лекция 7 ........................................................................................ 80 Алгоритмы на топологических моделях. ............................... 80 Задачи анализа топологии ........................................................ 80 Представление информации о топологии моделей ............... 80 Переборные методы .................................................................. 82 Поиск контуров и путей по матрице смежности ................ 82 Модифицированный алгоритм поиска контуров и путей по матрице смежности.......................................................................................... 83 Поиск контуров и путей по матрице изоморфности .......... 87 Сравнение алгоритмов топологического анализа ................. 88 Декомпозиция модели на топологическом ранге неопределенности ............................................................................................................... 90 Сортировка модели на топологическом ранге неопределенности ............................................................................................................... 93 Нахождение сильных компонент графа ............................... 101 Заключение .............................................................................. 103 Лекция 8 ...................................................................................... 104 Теоретико-множественное описание систем ....................... 104 Предположения о характере функционирования систем ... 104 Система, как отношение на абстрактных множествах ....... 105 3 Временные, алгебраические и функциональные системы.. 106 Временные системы в терминах «ВХОД — ВЫХОД» ...... 108 Лекция 9 ...................................................................................... 113 Формы представления модели............................................... 113 Нормальная форма Коши .................................................... 113 Системы нелинейных дифференциальных уравнений различных порядков ............................................................................................. 115 Графы ....................................................................................... 116 Гиперграфы .............................................................................. 118 Лекция 10 .................................................................................... 119 Динамическое описание систем ............................................ 119 Детерминированная система без последствий .................... 119 Детерминированные системы без последствия с входными сигналами двух классов ....................................................................................... 120 Учет специфики воздействий ............................................. 120 Детерминированные системы с последствием .................... 120 Стохастические системы ........................................................ 121 Лекция 11 .................................................................................... 122 Агрегатное описание систем ................................................. 122 Лекция 12 .................................................................................... 124 Рецепция информации. Свойства бистабильных систем ... 124 Устойчивость информационных нелинейных систем. ....... 126 Классификация стационарных состояний ......................... 126 Обратимые и необратимые операции. .................................. 131 Лекция 13 .................................................................................... 134 Концепции общей теории информации ............................... 134 Общее понятие Информации .............................................. 134 Эволюция информации .......................................................... 135 1. Неживые формы ............................................................... 136 2. Простейшие формы жизни .............................................. 138 3. Клеточная форма жизни .................................................. 140 4. Многоклеточные формы жизни ..................................... 145 4 5. Социальные образования ................................................ 153 Итог ........................................................................................ 154 Свойства информации и законы ее преобразования ........... 154 1. Прием информационных кодов ...................................... 156 2. Интерпретация информации ........................................... 158 3. Структура компонент данных ИМВС ............................ 160 4. Структура компонент шаблонов действий ИМВС ....... 162 5. Реализация информации .................................................. 164 7. Навигация данных в структуре ИМВС .......................... 164 Заключение ........................................................................... 168 Лекция 14 .................................................................................... 170 Новая Сеть ............................................................................... 170 Встречайте биоинформатику ................................................. 171 Лекция 15 .................................................................................... 174 Архитектуры и технологии разработки интероперабельных систем ............................................................................................................. 174 Введение ................................................................................ 174 Потребности применений ................................................... 175 Компоненты архитектуры ................................................... 177 Интеграция CORBA и WWW-технологий ........................ 180 Семантическая интероперабельность ................................ 181 Заключение ........................................................................... 181 Лекция 16 .................................................................................... 183 Проектирование информационной системы ........................ 183 Теория .................................................................................... 183 Системный анализ ................................................................... 185 Определение требований..................................................... 185 Оценка осуществимости ...................................................... 187 Оценка риска......................................................................... 187 Логическая модель ............................................................... 188 Метод прототипа .................................................................. 189 Выяснение проблем заказчика............................................ 189 5 Проектирование ...................................................................... 191 Нисходящее проектирование .............................................. 191 Принципы уровней абстракции: ......................................... 191 Моделирование данных ....................................................... 192 Реализация ............................................................................... 192 Повышение надежности системы ...................................... 193 Тестирование ........................................................................... 194 Принципы тестирования ..................................................... 194 Виды тестирования: ............................................................. 196 Отладка .................................................................................. 196 Внедрение ................................................................................ 197 Лекция 17 .................................................................................... 199 Что Business Intelligence предлагает бизнесу....................... 199 Данные, информация и технологии ...................................... 199 BI по-новому ............................................................................ 202 Лекция 18 .................................................................................... 208 Данные vs. Информация ......................................................... 208 Литература .................................................................................. 212 6 Лекция 1 Введение. Основные понятия и определения Основные задачи теории информационных систем. Развитие различных сфер человеческой деятельности на современном этапе невозможно без широкого применения вычислительной техники и создания информационных систем различного направления. Обработка информации в подобных системах стала самостоятельным научно-техническим направлением. Научно-техническая революция (НТР) - коренное, качественное преобразование производительных сил на основе превращения науки в ведущий фактор развития общественного производства. В ходе НТР, начало которой относится к середине XX в., бурно развивается и завершается процесс превращения науки в непосредственную производительную силу. Научнотехническая революция изменяет облик общественного производства, условия, характер и содержание труда, структуру производительных сил, общественного разделения труда, ведет к быстрому росту производительности труда, оказывает воздействие на все стороны жизни общества, включая культуру, быт, психологию людей, взаимоотношение общества с природой, ведет к резкому ускорению научно-технического прогресса (НТП). Начало НТП связано с революцией в технике. Усложнение проектируемых систем "заставили" государства организовать в рамках крупных национальныхо научно-технических проектов согласованное взаимодействие науки и промышленности. Начался резкий рост ассигнований на науку, числа исследовательских учреждений. Научная деятельность стала массовой профессией. Во второй половине 50-х годов в большинстве стран началось создание общегосударственных органов планирования и управления научной деятельностью. Усилились непосредственные связи между научными и техническими разработками, ускорилось использование научных достижений в производстве. В 50-е годы создаются и получают широкое применение в научных исследованиях, производстве, а затем и управлении электронные вычислительные машины (ЭВМ), ставшие символом НТП. Их появление знаменует начало постепенного перехода к комплексной автоматизации производства и управления, изменяющий положение и роль человека в процессе производства. Можно выделить несколько главных научно-технических направлений НТП:  комплексная автоматизация производства, контроля и управления производством; 7  открытие и использование новых видов энергии;  создание и применение новых конструкционных материалов. Рассмотрим более подробно одно из главных научно-технических направлений НТП - комплексную автоматизацию производства, контроль и управление производством. Автоматизация производства - это процесс в развитии машинного производства, при котором функции управления и контроля, ранее выполнявшиеся человеком, передаются приборам и автоматическим устройствам. Цель автоматизации производства заключается в повышении эффективности труда, улучшении качества выпускаемой продукции, в создании условий для оптимального использования всех ресурсов производства. Одной из характерных тенденций развития общества является появление чрезвычайно сложных (больших) систем. Основными причинами этого являются: непрерывно увеличивающаяся сложность технических средств, применяемых в народном хозяйстве; необходимость в повышении качества управления как техническими, так и организационными системами (предприятие, отрасль, государство и др.); расширяющаяся специализация и кооперирование предприятий - основные тенденции развития народного хозяйства. В отличие от традиционной практики проектирования простых систем при разработке крупных автоматизированных, технологических, энергетических, аэрокосмических, информационных и других сложных комплексов возникают проблемы, меньше связанные с рассмотрением свойств и законов функционирования элементов, а больше - с выбором наилучшей структуры, оптимальной организации взаимодействия элементов, определением оптимальных режимов их функционирования, учетом влияния внешней среды и т. п. По мере увеличения сложности системы этим комплексным общесистемным вопросам отводится более значительное место. Темпы НТП вызывают усложнение процессов проектирования, планирования и управления во всех сферах и отраслях народного хозяйства. Развитие отраслей и усиление их взаимного влияния друг на друга приводят к увеличению количества возможных вариантов, рассматриваемых в случаях принятия решений при проектировании, производстве и эксплуатации, планировании и управлении предприятием, объединением, отраслью и т. п. Анализируя эти варианты, необходимо привлекать специалистов различных областей знаний, организовывать взаимодействие и взаимопонимание между ними. 8 Все это привело к появлению нового - системного - подхода к анализу больших систем. Они часто не поддаются полному описанию и имеют многогранные связи между отдельными функциональными подсистемами, каждая из которых может представлять собой также большую систему. В основе системного подхода лежит специальная теория - общая (абстрактная) теория систем. Потребность в использовании понятия «система» возникала для объектов различной физической природы с древних времен: еще Аристотель обратил внимание на то, что целое (т. е. система - авт.) несводимо к сумме частей, его образующих. В частности, термин "система" и связанные с ним понятия комплексного, системного подхода исследуются и подвергаются осмыслению философами, биологами, психологами, кибернетиками, физиками, математиками, экономистами, инженерами различных специальностей. Потребность в использовании этого термина возникает в тех случаях, когда невозможно чтото продемонстрировать, изобразить, представить математическим выражением и нужно подчеркнуть, что это будет большим, сложным, не полностью сразу понятным (с неопределенностью) и целым, единым. Например - "солнечная система", "система управления станком", система организационного управления предприятием (городом, регионом и т. п.)", "экономическая система", "система кровообращения" и т.д. В математике термин система используется для отображения совокупности математических выражений или правил - "система уравнений", "система счисления", "система мер" и т. п. Казалось бы, в этих случаях можно было бы воспользоваться терминами "множество" или "совокупность". Однако понятие системы подчеркивает упорядоченность, целостность, наличие определенных закономерностей. Интерес к системным представлениям проявлялся не только как к удобному обобщающему понятию, но и как к средству постановки задач с большой неопределенностью. По мере усложнения производственных процессов, развития науки, появились задачи, которые не решались с помощью традиционных математических методов и в которых все большее место стал занимать собственно процесс постановки задачи, возросла роль эвристических методов, усложнился эксперимент, доказывающий адекватность формальной математической модели. Для решения таких задач стали разрабатываться новые разделы математики; оформилась в качестве самостоятельной прикладная математика, приближающая математические методы к практическим задачам; возникло понятие, а затем и направление принятие решений, которое постановку задачи признает равноценным этапом ее решения. 9 Однако средств постановки задачи новые направления не содержали, поскольку на протяжении многовековой истории развития по образному выражению С.Лема "математики изгоняли беса, значение, из своих пределов"', т. е. не считали функцией математики разработку средств постановки задачи. Исследование процессов постановки задач, процесса разработки сложных проектов позволили обратить внимание на особую роль человека: человек является носителем целостного восприятия, сохранения целостности при расчленении проблемы, при распределении работ, носителем системы ценностей, критериев принятия решения. Для того чтобы организовать процесс проектирования начали создаваться системы организации проектирования, системы управления разработками и т. п. Понятие "система" широко использовалось в различных областях знаний, и на определенной стадии развития научного знания теория систем оформилась в самостоятельную науку. Краткая историческая справка. Развитие научного знания и его приложений к практической деятельности в XVIII - XIX в.в. привело к все возрастающей дифференциации научных и прикладных направлений. Возникло много специальных дисциплин, которые часто используют сходные формальные методы, но настолько преломляют их с учетом потребностей конкретных приложений, что специалисты, работающие в разных прикладных областях (так называемые "узкие специалисты"), перестают понимать друг друга. В то же время в конце XIX века стало резко увеличиваться число комплексных проектов и проблем, в первую очередь для управления экономикой, требующих участия специалистов различных областей знаний. Роль интеграции наук, организации взаимосвязей и взаимодействия между различными научными направлениями во все времена выполняла философия - наука наук, которая одновременно являлась и источником возникновения ряда научных направлений. В частности, И.Ньютон сделал открытия своих основных законов в рамках натурфилософии, как тогда называлась физика, являвшаяся частью философского знания. Так, и в 30-е годы 20-го столетия философия явилась источником возникновения обобщающего направления, названного теорией систем. Основоположником этого направления считается биолог Л. фон Берталанфи. Отметим, что важный вклад в становление системных представлений внес в начале XIX века (еще до Л. фон Берталанфи) А.А.Богданов. Однако в силу исторических причин предложенная им всеобщая организационная наука тектология не нашла распространения и практического применения. 10 Важную роль в развитие этого направления В.Н.Садовского, Э.Г.Юдина, И.В.Блауберга, С.П.Никаиорова. В нашей стране вначале теорию систем активно развивали философы, ими были разработаны концептуальные основы, терминологический аппарат, исследованы закономерности функционирования и развития сложных систем, поставлены другие проблемы, связанные с философскими и общенаучными основами системных исследований. Однако философская терминология не всегда легко применяется в практической деятельности. Поэтому потребности практики почти одновременно со становлением теории систем привели к возникновению направления, названного исследованием операций. Это направление возникло в связи с задачами военного характера. Несмотря на довольно широкое распространение в других прикладных областях, благодаря развитому математическому аппарату, базирующемуся на методах оптимизации, математического программирования и математическое статистики, исходная терминология направления часто трудно интерпретируется в практических условиях проектирования сложных технических комплексов, в экономических задачах, при решении проблем организации производства и управления предприятиями, объединениями, научно-исследовательскими организациями, объектами непромышленной сферы и т. п. В 60-е годы при постановке и исследовании сложных проблем проектирования и управления довольно широкое распространение получил термин системотехника. Применительно к задачам управления в определенный период более широкое распространение получил термин кибернетика, введенный М.А.Ампером (от "kiber" - кормчий, рулевой, управляющий чем-то), принятый для названия новой "науки об управлении в живых организмах и машинах" Н.Винером [1.12]. В нашей стране вначале кибернетика не признавалась наукой, а затем этот термин использовался в период становления работ по автоматизации управления как обобщающий для названия всех системных направлений. Однако в связи с неоднозначной трактовкой термина этот термин в настоящее время используется в более узком смысле как одно из направлений теории систем, занимающееся процессами управления техническими объектами. А для обобщения дисциплин, связанных с исследованием и проектированием сложных систем, используется термин системные исследования, иногда используется термин системный подход. 11 Наиболее конструктивным из направлений системных исследований в настоящее время считается системный анализ, который появился в связи с задачами военного управления в 1948 г Этот термин используется в публикациях неоднозначно. В одних работах системный анализ определяется как "приложение системных концепций к функциям управления, связанным с планированием". В других - термин «системный анализ» употребляется как синоним термина "анализ систем". Развитие общества характеризуется понятием "информационных барьеров". Первый информационный барьер был достигнут в тот период, когда экономические связи полностью замыкались в рамках ограниченных коллективов (род, семья, племя) и сложность управления этим коллективом стала превосходить способности одного человека. Это произошло многие тысячелетия тому назад, и вызвало соответствующие изменения в технологии управления, которые состояла в изобретении двух механизмов управления экономикой: первый механизм - создание иерархических систем управления (при котором руководитель заводит себе помощников, а те. в свою очередь, распределяют функции между своими подчиненными); второй механизм введение правил взаимоотношения между людьми и социальными коллективами: предприятиями, регионами, государствами и т. д. (эти функции первоначально выполняла религия, а в последующем - законодательная система). Одним из наиболее действенных способов реализации этого механизма являются экономические регуляторы, основанные на введении рыночных товарно-денежных отношений. Второй информационный барьер связан с ограниченной способностью к переработке информации у всего населения страны - сложность задач управления экономикой растет быстрее числа занятых в ней людей. Теоретические исследования о тенденциях роста численности управленческого персонала подтверждались и статистикой. Например, в США в начале нынешнего столетия на одного конторского работника приходилось 40 рабочих: в 1940 г. - 10; в 1958 г. - 6; а в 1965 - всего лишь 1 рабочий. Отечественная статистика аналогично констатировала рост численности управленческого персонала до 40 и более процентов от общей численности работников предприятия. Иными словами, возникла ситуация, когда как бы каждым рабочим командует управленческий работник. На самом деле ситуация гораздо сложнее: система организационного управления занимается не только непосредственно организацией производства, но и его технической подготовкой, материальным, финансовым, кадровым и т. п. обеспечением, развитием предприятия и т. д. По мере укрупнения предприятий, более частого обновления номенклатуры выпускаемой ими продукции и технологий растет потребность в обслуживающих видах деятельности, а соответственно и численность 12 управленческого персонала, что и приводит к такому парадоксальному результату. Аналогичная ситуация наблюдалась и с ростом численности управленческого персонала регионов, страны. При этом возник как бы особый класс управленческих работников - номенклатура, а эффективность управления повысить не удавалось. Для решения проблемы началась разработка автоматизированных систем управления - АСУ, но в дальнейшем стало ясно, что необходимы более радикальные изменения в управлении страной, учет закономерностей функционирования и развития сложных систем с активными элементами. К числу задач, решаемых теорией систем, относятся: определение общей структуры системы; организация взаимодействия между подсистемами и элементами; учет влияния внешней среды; выбор оптимальной структуры системы; выбор оптимальных алгоритмов функционирования системы. Проектирование больших систем обычно делят на две стадии: макропроектированне (внешнее проектирование), в процессе которого решаются функционально-структурные вопросы системы в целом, и микропроектирование (внутреннее проектирование), связанное с разработкой элементов системы как физических единиц оборудования и с получением технических решений поосновным элементам (их конструкции и параметры, режимы эксплуатации). В соответствии с таким делением процесса проектирования больших систем в теории систем рассматриваются методы, связанные с макропроектированием сложных систем. Макропроектирование включает в себя три основных раздела: 1) определение целей создания системы и круга решаемых ею задач; 2) описание действующих на систему обязательному учету при разработке системы; 3) факторов, подлежащих выбор показателя или группы показателей эффективности системы. Теория систем как наука развивается в двух направлениях. Первое направление - феноменологический подход (иногда называемый причинноследственным или терминальным). Это направление связано с описанием любой системы как некоторого преобразования входных воздействий (стимулов) в выходные величины (реакции). Второе - разработка теории сложных целенаправленных систем. В этом направлении описание системы производится с позиций достижения ее некоторой цели или выполнения некоторой функции. 13 Основные понятия теории систем Определение понятия "система". В настоящее время нет единства в определении понятия "система". В первых определениях в той или иной форме говорилось о том, что система - это элементы и связи (отношения) между ними. Например, основоположник теории систем Людвиг фон Берталанфи определял систему как комплекс взаимодействующих элементов или как совокупность элементов, находящихся в определенных отношениях друг с другом и со средой. А. Холл определяет систему как множество предметов вместе со связями между предметами и между их признаками. Ведутся дискуссии, какой термин - "отношение" или "связь" - лучше употреблять. Позднее в определениях системы появляется понятие цели. Так, в "Философском словаре" система определяется как "совокупность элементов, находящихся в отношениях и связях между собой определенным образом и образующих некоторое целостное единство". В последнее время в определение понятия системы наряду с элементами, связями и их свойствами и целями начинают включать наблюдателя, хотя впервые на необходимость учета взаимодействия между исследователем и изучаемой системой указал один из основоположников кибернетики У. Р. Эшби. М. Масарович и Я. Такахара в книге "Общая теория систем" считают, что система - "формальная взаимосвязь между наблюдаемыми признаками и свойствами". Таким образом, в зависимости от количества учитываемых факторов и степени абстрактности определение понятия "система" можно представить в следующей символьной форме. Каждое определение обозначим буквой D (от лат. definitions) и порядковым номером, совпадающим с количеством учитываемых в определении факторов. D1. Система есть нечто целое: S=А(1,0). Это определение выражает факт существования и целостность. Двоичное суждение А(1,0) отображает наличие или отсутствие этих качеств. D2. Система есть организованное множество (Темников Ф. Е.): S=(орг, М), где орг - оператор организации; М - множество. DЗ. Система есть множество вещей, свойств и отношений (Уемов А. И.): S=({т},{n},{r}), где т - вещи, n - свойства, r - отношения. 14 D4. Система есть множество элементов, образующих структуру и обеспечивающих определенное поведение в условиях окружающей среды: S=(, SТ, ВЕ, Е), где  - элементы, SТ - структура, ВЕ - поведение, Е - среда. D5. Система есть множество входов, множество выходов, множество состояний, характеризуемых оператором переходов и оператором выходов: S=(Х, Y, Z, H, G), где Х - входы, Y - выходы, Z - состояния, Н - оператор переходов, G оператор выходов. Это определение учитывает все основные компоненты, рассматриваемые в автоматике. D6. Это шестичленное определение, как и последующие, трудно сформулировать в словах. Оно соответствует уровню биосистем и учитывает генетическое (родовое) начало GN, условия существования КD, обменные явления МВ, развитие ЕV, функционирование FС и репродукцию (воспроизведения) RР: S=(GN, KD, MB, EV, FC, RP). D7. Это определение оперирует понятиями модели F, связи SС, пересчета R, самообучения FL, самоорганизации FQ, проводимости связей СО и возбуждения моделей JN: S=(F, SС, R, FL, FO, СО, JN). Данное определение удобно при нейрокибернетических исследованиях. D8. Если определение D5 дополнить фактором времени и функциональными связями, то получим определение системы, которым обычно оперируют в теории автоматического управления: S=(Т, X, Y, Z, ., V, , ), где Т - время, Х - входы, Y - выходы, Z - состояния, . - класс операторов на выходе, V - значения операторов на выходе,  - функциональная связь в уравнении y(t2)= (x(t1),z(t1),t2),  - функциональная связь в уравнении z(t2)=(x(t1), z(t1), t2). D9. Для организационных систем удобно в определении системы учитывать следующее: S=(РL, RO, RJ, EX, PR, DT, SV, RD, EF), где РL - цели и планы, RO - внешние ресурсы, RJ - внутренние ресурсы, ЕХ - исполнители, PR - процесс, DТ - помехи, SV - контроль, RD - управление, ЕF - эффект. 15 Последовательность определений можно продолжить до Dn (n=9, 10, 11, ...), в котором учитывалось бы такое количество элементов, связей и действий в реальной системе, которое необходимо для решаемой задачи, для достижения поставленной цели. В качестве "рабочего" определения понятия системы в литературе по теории систем часто рассматривается следующее: система множество элементов, находящихся в отношениях и связях друг с другом, которое образует определенную целостность, единство. Под системой, понимается объект свойства которого не сводятся без остатка к свойствам составляющих его дискретных элементов (неаддитивность свойств). Интегративное свойство системы обеспечивает ее целостность, качественно новое образование по сравнению с составляющими ее частями. Любой элемент системы можно рассматривать как самостоятельную систему (математическую модель, описывающую какой либо функциональный блок, или аспект изучаемой проблемы), как правило более низкого порядка. Каждый элемент системы описывается своей функцией. Под функцией понимается присущее живой и костной материи вещественноэнергетические и информационные отношения между входными и выходными процессами. Если такой элемент обладает внутренней структурой, то его называют подсистемой, такое описание может быть использовано при реализации методов анализа и синтеза систем. Это нашло отражение в одном из принципов системного анализа - законе системности, говорящим о том, что любой элемент может быть либо подсистемой в некоторой системе либо, подсистемой среди множества объектов аналогичной категории. Элемент всегда является частью системы и вне ее не представляет смысла. Выбор определения системы. Рассматривая различные определения системы и не выделяя ни одного из них в качестве основного обычно подчеркивают сложность понятия системы, неоднозначность выбора формы описания на различных стадиях исследования. При описании системы рекомендуется воспользоваться максимально полным способом, а потом выделить наиболее компоненты, влияющие на ее функционирование и сформулировать рабочие описание системы. Рассмотрим основные функционирование систем. понятия, характеризующие строение и Элемент. Под элементом принято понимать простейшую неделимую часть системы. Ответ на вопрос, что является такой частью, может быть неоднозначным и зависит от цели рассмотрения объекта как системы, от точки зрения на него или от аспекта его изучения. Таким образом, элемент - это предел деления системы с точек зрения решения конкретной задачи и поставленной цели. Систему можно расчленить на элементы различными 16 способами в зависимости от формулировки цели и ее уточнения в процессе исследования. Подсистема. Система может быть разделена на элементы не сразу, а последовательным расчленением на подсистемы, которые представляют собой компоненты более крупные, чем элементы, и в то же время более детальные, чем система в целом. Возможность деления системы на подсистемы связана с вычленением совокупностей взаимосвязанных элементов, способных выполнять относительно независимые функции, подцели, направленные на достижение общей цели системы. Названием "подсистема" подчеркивается, что такая часть должна обладать свойствами системы (в частности, свойством целостности). Этим подсистема отличается от простой группы элементов, для которой не сформулирована подцель и не выполняются свойства целостности (для такой группы используется название "компоненты"). Например, подсистемы АСУ, подсистемы пассажирского транспорта крупного города. Структура. Это понятие происходит от латинского слова structure, означающего строение, расположение, порядок. Структура отражает наиболее существенные взаимоотношения между элементами и их группами (компонентами, подсистемами), которые мало меняются при изменениях в системе и обеспечивают существование системы и ее основных свойств. Структура - это совокупность элементов и связей между ними. Структура может быть представлена графически, в виде теоретико-множественных описаний, матриц, графов и других языков моделирования структур. Структуру часто представляют в виде иерархии. Иерархия - это упорядоченность компонентов по степени важности (многоступенчатость, служебная лестница). Между уровнями иерархической структуры могут существовать взаимоотношения строгого подчинения компонентов (узлов) нижележащего уровня одному из компонентов вышележащего уровня, т. е. отношения так называемого древовидного порядка. Такие иерархии называют сильными или иерархиями типа "дерева". Они имеют ряд особенностей, делающих их удобным средством представления систем управления. Однако могут быть связи и в пределах одного уровня иерархии. Один и тот же узел нижележащего уровня может быть одновременно подчинен нескольким узлам вышележащего уровня. Такие структуры называют иерархическими структурами «со слабыми связями». Между уровнями иерархической структуры могут существовать и более сложные взаимоотношения, например, типа "страт", "слоев", "эшелонов". Примеры иерархических структур: энергетические системы, АСУ, государственный аппарат. Связь. Понятие "связь" входит в любое определение системы наряду с понятием "элемент" и обеспечивает возникновение и сохранение структуры и целостных свойств системы. Это понятие характеризует одновременно и строение (статику), и функционирование (динамику) системы. 17 Связь характеризуется направлением, силой и характером (или видом). По первым двум признакам связи можно разделить на направленные и ненаправленные, сильные и слабые, а по характеру - на связи подчинения, генетические, равноправные (или безразличные), связи управления. Связи можно разделить также по месту приложения (внутренние и внешние), по направленности процессов в системе в целом или в отдельных ее подсистемах (прямые и обратные). Связи в конкретных системах могут быть одновременно охарактеризованы несколькими из названных признаков. Важную роль в системах играет понятие "обратной связи". Это понятие, легко иллюстрируемое на примерах технических устройств, не всегда можно применить в организационных системах. Исследованию этого понятия большое внимание уделяется в кибернетике, в которой изучается возможность перенесения механизмов обратной связи, характерных для объектов одной физической природы, на объекты другой природы. Обратная связь является основой саморегулирования и развития систем, приспособления их к изменяющимся условиям существования. Состояние. Понятием "состояние" обычно характеризуют мгновенную фотографию, "срез" системы, остановку в ее развитии. Его определяют либо через входные воздействия и выходные сигналы (результаты), либо через макропараметры, макросвойства системы (например, давление, скорость, ускорение - для физических систем; производительность, себестоимость продукции, прибыль - для экономических систем). Более полно состояние можно определить, если рассмотреть элементы  (или компоненты, функциональные блоки), определяющие состояние, учесть, что "входы" можно разделить на управляющие u и возмущающие х (неконтролируемые) и что "выходы" (выходные результаты, сигналы) зависят от , u и х, т.е. zt=f(t, ut, xt). Тогда в зависимости от задачи состояние может быть определено как {, u}, {, u, z} или {, х, u, z}. Таким образом, состояние - это множество существенных свойств, которыми система обладает в данный момент времени. Поведение. Если система способна переходить из одного состояния в другое (например, z1z2z3), то говорят, что она обладает поведением. Этим понятием пользуются, когда неизвестны закономерности переходов из одного состояния в другое. Тогда говорят, что система обладает каким-то поведением и выясняют его закономерности. С учетом введенных выше обозначений поведение можно представить как функцию zt=f(zt-1, xt, ut). Внешняя среда. Под внешней средой понимается множество элементов, которые не входят в систему, но изменение их состояния вызывает изменение поведения системы. 18 Модель. Под моделью системы понимается описание системы, отображающее определенную группу ее свойств. Углубление описания детализация модели. Создание модели системы позволяет предсказывать ее поведение в определенном диапазоне условий. Модель функционирования (поведения) системы - это модель, предсказывающая изменение состояния системы во времени, например: натурные (аналоговые), электрические, машинные на ЭВМ и др. Равновеcие - это способность системы в отсутствие внешних возмущающих воздействий (или при постоянных воздействиях) сохранить свое состояние сколь угодно долго. Устойчивость. Под устойчивостью понимается способность системы возвращаться в состояние равновесия после того, как она была из этого состояния выведена под влиянием внешних возмущающих воздействий. Эта способность обычно присуща системам при постоянном и, если только отклонения не превышают некоторого предела. Состояние равновесия, в которое система способна возвращаться, по аналогии с техническими устройствами называют устойчивым состоянием равновесия. Равновесие и устойчивость в экономических и организационных системах - гораздо более сложные понятия, чем в технике, и до недавнего времени ими пользовались только для некоторого предварительного описательного представления о системе. В последнее время появились попытки формализованного отображения этих процессов и в сложных организационных системах, помогающие выявлять параметры, влияющие на их протекание и взаимосвязь. Развитие. Исследованию процесса развития, соотношения процессов развития и устойчивости, изучению механизмов, лежащих в их основе, уделяют в кибернетике и теории систем большое внимание. Понятие развития помогает объяснить сложные термодинамические и информационные процессы в природе и обществе. Цель. Применение понятия "цель" и связанных с ним понятий целенаправленности, целеустремленности, целесообразности сдерживается трудностью их однозначного толкования в конкретных условиях. Это связано с тем, что процесс целеобразования и соответствующий ему процесс обоснования целей в организационных системах весьма сложен и не до конца изучен. Его исследованию большое внимание уделяется в психологии, философии, кибернетике. В Большой Советской Энциклопедии цель определяется как "заранее мыслимый результат сознательной деятельности человека". В практических применениях цель - это идеальное устремление, которое позволяет коллективу увидеть перспективы или реальные возможности, обеспечивающие своевременность завершения очередного этапа на пути к идеальным устремлениям. 19 В настоящее время в связи с усилением программно-целевых принципов в планировании исследованию закономерностей целеобразования и представления целей в конкретных условиях уделяется все больше внимания. Например: энергетическая программа, продовольственная программа, жилищная программа, программа перехода к рыночной экономике. Понятие цель лежит в основе развития системы. 20 Лекция 2 Основные понятия и определения Основное содержание первой лекции В первой лекции были рассмотрены понятия: система, элемент, подсистема структура и связь, иерархия состояние, поведение, внешняя среда. Под системой, понимается объект свойства которого не сводятся без остатка к свойствам составляющих его дискретных элементов (неаддитивность свойств). Интегративное свойство системы обеспечивает ее целостность, качественно новое образование по сравнению с составляющими ее частями. Любой элемент системы можно рассматривать как самостоятельную систему (математическую модель, описывающую какой - либо функциональный блок, или изучаемой аспект), как правило более низкого порядка. Каждый элемент системы описывается своей функцией. Под функцией понимается вещественно-энергетические и информационные отношения между входными и выходными процессами. Если такой элемент обладает внутренней структурой, то его называют подсистемой. Такое описание может быть использовано при реализации методов анализа и синтеза систем. Это нашло отражение в одном из принципов системного анализа законе системности, говорящим о том что любой элемент может быть либо подсистемой в некоторой системе либо, подсистемой среди множества объектов аналогичной категории. Элемент всегда является частью системы и вне ее не представляет смысла. Под структурой понимается внутренняя форма, взаимодействие и связь элементов в рамках данной системы. Входы и выходы - материальные или информационные потоки входящие и выходящие из системы. Цель системы. Состояние системы описывается рядом переменных x1..xn. Одна из переменных или группа переменных xi, должна поддерживаться в определенном значении xi=F(X,t) (или диапазоне значений), называемой целевой функцией. Понятие информации Информация - совокупность сведений, воспринимаемых из окружающий среды, выдаваемых в окружающую среду либо сохраняемой внутри информационной системы. Данные - представление в формальном виде конкретная информация об объектах предметной области, их свойствах и взаимосвязях, отражающая события и ситуации в этой области. 21 Данные представляются в виде позволяющим автоматизировать их сбор, хранение и дальнейшую обработку информационными системами. Данные это запись в соответствующем коде. Информация в ЭВМ делится на:  процедурную (выполняемые программы);  декларативную (данные которые обрабатывают программы). Организация хранения и обработки больших объемов информации привела к появлению баз данных. Рисунок 1 На рис. представлена структура СУБД (стр.24) Открытые и закрытые системы Закрытые системы - нет поступление энергии (информации) из вне системы или выход энергии (информации) из системы во внешнюю среду. Модель и цель системы Понятие модели трактуется неоднозначно. В основе его лежит сходство процессов протекающих в реальной действительности и в заменяемым реальный объект модели. В философии, под моделью понимается широкая категория кибернетики, заменяющая изучаемый объект его упрощенным представлением, с целью более глубокого познания оригинала. Под математической моделью (вдальнейшим просто моделью) понимается идеальное математическое отражение исследуемого объекта. Фундаментальные (детальные) модели, количественно описывающих поведение или свойства системы, начиная с такого числа основных физических допущений (первичных принципов), какое только является возможным. Такие модели предельно подробны и точны для явлений, которые они описывают. Феноменологические модели используются для качественного описания физических процессов, когда точные соотношения неизвестны, либо слишком сложны для применения. Такие приближенные или осредненные модели обычно обоснованы физически и содержат входные данные, полученные из эксперимента или более фундаментальных теорий. Феноменологическая модель основывается на качественном понимании физической ситуации. При получении феноменологических моделей используются общие принципы и условия сохранения. Управление В широком смысле слова под управлением понимают организационную деятельность, осуществляющую определенные функции и направленную на достижение определенных целей. 22 Информационные динамические системы Интеллектуальные информационные системы можно классифицировать следующим образом:  экспертные системы;  системы для широкого круга пользователей;  системы для специалистов;  САПР;  интеллектуальные системы;  расчетно-логические системы;  обучающие системы;  и др. Управляющие системы и системы обработки данных Система обработки данных – система, которая преобразует поток входной информации в поток выходной информации. РИС (Распределенная информационная система) - объединение ИС, выполняющих собственные, не зависимые друг от друга функции, с целью коллективного использования информации. Отдельные ИС могут быть территориально разнесены друг от друга и обмениваться информацией по каналам связи. Классификация и основные свойства единиц информации Представление информации можно разделить на:  простую переменную (атрибут);  составная переменная (структура). Переменная имеет имя и значение. Все допустимые значения переменных образуют домен этого атрибута. Переменная характеризуется (X,z), где X - имя переменой, z - значение. Множество Z={z1,z2,...zn} объединяющая все возможные значения называется доменом. В качестве примера можно привести описание перечисляемого типа в языке программирования Паскаль. Type day=(понедельник, воскресенье) вторник, среда, четверг, пятница, суббота, Элементы, для которых не возможно указать конкретный домен значений указывается их тип, например: 23 int a; Системы управления Системы управления (СУ) представляют собой особый класс динамических систем, отличающихся наличием самостоятельных функций и целей управления и необходимым для реализации этих функций и целей высоким уровнем специальной системной организации . Устройства связи и управления существенно отличаются от обычных технических устройств, тем что энергетические отношения в них не играют существенной роли, а основное внимание обращается на способность передавать и перерабатывать без искажений большое количество информации. Так в линии радиосвязи ничтожная доля энергии излучаемой антенной передатчика получатся антенной радиоприемника. КПД такого устройства, с точки зрения передачи энергии чрезвычайно мало, однако цель - передача информации выполняется. Структуру процесса управления можно представить следующим образом. Рисунок 2 Структура процесса управления. Цель управления определяет состояния объекта, которые должны быть достигнуты в процессе управления. Рисунок 3Разомкнутые системы управления Рисунок 4Системы управления с компенсацией возмущений Рисунок 5Системы управления с обратной связью Реляционная модель данных Реляционная модель данных характеризуется:  информационной конструкцией;  допустимыми операциями (выборкой, соединением и др.);  ограничениями атрибутами). (функциональными зависимостями Реализационная база данных может быть описана как: 24 между S(rel)=<A, R, Dom, Rel, V(s)> где A - множество имен переменных; R - множество имен отношений; Dom - вхождение атрибутов в домены; Rel - вхождение атрибутов в отношения; V(s) - множество ограничений. Описание процесса обработки отношений может быть выполнено двумя способами:  указанием перечня операций, выполнение которых приводит к требуемому результату (процедурный подход);  описанием требуемых свойств (декларативный подход). Множество операций и отношений образуют реляционную алгебру. Как правило, список операций содержит проекцию, объединение, пересечение, вычитание, соединение и деление. выборку, Проекцией называется операция, которая переносит результирующие отношения столбцы исходного отношения. T=R[X]. R - исходное отношение; T- результирующие отношение; X - список атрибутов (условие проекции). Выборка Выборка удовлетворяющие перенос в результирующие условию выборки. отношение T=R[p]. R - исходное отношение; T - результирующие отношение; p - условие выборки. Операция объединения, пересечения, вычитания. Исходные отношения R1 и Р2, результирующие - T. Операция объединения Т=U(R1,R2) 25 строки Отношение Т содержит строки встречающиеся в отношениях R1 или в R2. Операция пересечения Т=I(R1,R2) Отношение Т содержит строки встречающиеся одновременно в отношениях R1 и в R2. Операция вычитания Т=М(R1,R2) Отношение Т содержит строки из отношения R1 за исключением строк встречающихся в отношении R2. Операция соединения отношений. T=R1 [p] R2 p - условие соединения. Если строка из R1 по очереди сопоставляется со строками из R2 и если условие [p] выполняется, то строки сцепляются. Операция натурального соединения Операция не содержит условия T=R1*R2 Если структуры R1 и R2 не содержат общих атрибутов то производится сцепление каждой строки из R1 со всеми строками из R2. Основные свойства операции натурального соединения Свойство коммутативности R*S=S*R Свойство ассоциативности (R*S)*T=R*(S*T) 26 Лекция 3 Виды информационных систем Классификация ИС: по виду формализованного аппарата представления (детерминированные, стохастические); по сложности структуры и поведения; по степени организованности («хорошо» и «плохо» организованные, самоорганизующиеся). Классификация информационных систем Системы разделяются на классы по различным признакам, и в зависимости от решаемой задачи можно выбрать разные принципы классификации. При этом систему можно охарактеризовать одним или несколькими признаками. Системы классифицируются следующим образом:  по виду отображаемого объекта—технические, биологические и др.;  по виду научного направления — математические, физические, химические и т. п.;  по виду формализованного аппарата представления системы — детерминированные и стохастические;  по типу целеустремленности — открытые и закрытые;  по сложности структуры и поведения — простые и сложные;  по степени организованности — хорошо организованные, плохо организованные (диффузные), самоорганизующиеся системы. Классификации всегда относительны. Так в детерминированной системе можно найти элементы стохастических систем. Цель любой классификации ограничить выбор подходов к отображению системы и дать рекомендации по выбору методов. Технические, биологические и др. системы Технические системы. Параметрами технических объектов являются движущие объекты, объекты энергетики, объекты химической промышленности, объекты машиностроения, бытовая техника и многие другие. Объекты технических систем хорошо изучены в теории управления. Экономические объекты. Экономическими объектами являются: цех, завод, предприятия различных отраслей. В качестве одной из переменных в них выступают экономические показатели - например - прибыль. Биологические системы. Живые системы поддерживают свою жизнедеятельность благодаря заложенным в них механизмам управления. 27 Детерминированные и стохастические системы Если внешние воздействия, приложенные к системе (управляющие и возмущающие) являются определенными известными функциями времени u=f(t). В этом случае состоянии системы описываемой обыкновенными дифференциальными уравнениями, в любой момент времени t может быть однозначно описано по состоянию системы в предшествующий момент времени. Системы, для которых состояние системы однозначно определяется начальными значениями и может быть предсказано для любого момента времени называются детерминированными. Стохастические системы - системы изменения, в которых носят случайный характер. Например, воздействие на энергосистему различных пользователей. При случайных воздействиях данных о состоянии системы недостаточно для предсказания в последующий момент времени. Случайные воздействия могут прикладываться к системе из вне, или возникать внутри некоторых элементов (внутренние шумы). Исследование систем при наличии случайных воздействий можно проводить обычными методами, минимизировав шаг моделирования чтобы не пропустить влияния случайных параметров. При этом так как максимальное значение случайной величины встречается редко (в основном в технике преобладает нормальное распределение), то выбор минимального шага в большинстве моментов времени не будет обоснован. В подавляющем большинстве случаев при проектировании систем закладываются не максимальным а наиболее вероятным значением случайного параметра. В этом случае поучается более рациональная система, заранее предполагая ухудшение работы системы в отдельные промежутки времени. Например установка катодной защиты. Расчет систем при случайных воздействиях производится с помощью специальных статистических методов. Вводятся оценки случайных параметров, выполненные на основании множества испытаний. Например карта поверхности уровня грунтовых вод СПб. Статистические свойства случайной величины определяют по ее функции распределения или плотности вероятности. Открытые и закрытые системы Понятие открытой системы ввел Л. фон Берталанфи. Основные отличительные черты открытых систем - способность обмениваться с внешней средой энергией и информацией. Закрытые (замкнутые) системы изолированны от внешней среды (с точностью принятой в модели). 28 Хорошо и плохо организованные системы Хорошо организованные системы. Представить анализируемый объект или процесс в виде «хорошо организованной системы» означает определить элементы системы, их взаимосвязь, правила объединения в более крупные компоненты, т. е. определить связи между всеми компонентами и целями системы, с точки зрения которых рассматривается объект или ради достижения которых создается система. Проблемная ситуация может быть описана в виде математического выражения, связывающего цель со средствами, т. е. в виде критерия эффективности, критерия функционирования системы, который может быть представлен сложным уравнением или системой уравнений. Решение задачи при представлении ее в виде хорошо организованной системы осуществляется аналитическими методами формализованного представления системы. Примеры хорошо организованных систем: солнечная система, описывающая наиболее существенные закономерности движения планет вокруг Солнца; отображение атома в виде планетарной системы, состоящей из ядра и электронов; описание работы сложного электронного устройства с помощью системы уравнений, учитывающей особенности условий его работы (наличие шумов, нестабильности источников питания и т. п.). Для отображения объекта в виде хорошо организованной системы необходимо выделять существенные и не учитывать относительно несущественные для данной цели рассмотрения компоненты: например, при рассмотрении солнечной системы не учитывать метеориты, астероиды и другие мелкие по сравнению с планетами элементы межпланетного пространства. Описание объекта в виде хорошо организованной системы применяется в тех случаях, когда можно предложить детерминированное описание и экспериментально доказать правомерность его применения, адекватность модели реальному процессу. Попытки применить класс хорошо организованных систем для представления сложных многокомпонентных объектов или многокритериальных задач плохо удаются: они требуют недопустимо больших затрат времени, практически нереализуемы и неадекватны применяемым моделям. Плохо организованные системы. При представлении объекта в виде «плохо организованной или диффузной системы» не ставится задача определить все учитываемые компоненты, их свойства и связи между ними и целями системы. Система характеризуется некоторым набором макропараметров и закономерностями, которые находятся на основе исследования не всего объекта или класса явлений, а на основе определенней с помощью некоторых правил выборки компонентов, характеризующих исследуемый объект или процесс. На основе такого выборочного исследования получают характеристики или закономерности (статистические, 29 экономические) и распространяют их на всю систему в целом. При этом делаются соответствующие оговорки. Например, при получении статистических закономерностей их распространяют на поведение всей системы с некоторой доверительной вероятностью. Подход к отображению объектов в виде диффузных систем широко применяется при: описании систем массового обслуживания, определении численности штатов на предприятиях и учреждениях, исследовании документальных потоков информации в системах управления и т. д. Самоорганизующиеся системы. Отображение объекта в виде самоорганизующейся системы — это подход, позволяющий исследовать наименее изученные объекты и процессы. Самоорганизующиеся системы обладают признаками диффузных систем: стохастичностью поведения, нестационарностью отдельных параметров и процессов. К этому добавляются такие признаки, как непредсказуемость поведения; способность адаптироваться к изменяющимся условиям среды, изменять структуру при взаимодействии системы со средой, сохраняя при этом свойства целостности; способность формировать возможные варианты поведения и выбирать из них наилучший и др. Иногда этот класс разбивают на подклассы, выделяя адаптивные или самоприспосабливающиеся системы, самовосстанавливающиеся, самовоспроизводящиеся и другие подклассы, соответствующие различным свойствам развивающихся систем. Примеры: биологические организации, коллективное поведение людей, организация управления на уровне предприятия, отрасли, государства в целом, т. е. в тех системах, где обязательно имеется человеческий фактор. При применении отображения объекта в виде самоорганизующейся системы задачи определения целей и выбора средств, как правило, разделяются. При этом задача выбора целей может быть, в свою очередь, описана в виде самоорганизующейся системы, т. е. структура функциональной части АСУ, структура целей, плана может разбиваться так же, как и структура обеспечивающей части АСУ (комплекс технических средств АСУ) или организационная структура системы управления. Большинство примеров применения системного анализа основано на представлении объектов в виде самоорганизующихся систем. Классификация систем по сложности Определение большой системы. Существует ряд подходов к разделению систем по сложности. В частности, Г. Н. Поваров в зависимости от числа элементов, входящих в систему, выделяет четыре класса систем:  малые системы (10...103 элементов),  сложные (104...107 элементов), 30  ультрасложные (107. ..1030 элементов),  суперсистемы (1030.. .10200 элементов). Так как понятие элемента возникает относительно задачи и цели исследования системы, то и данное определение сложности является относительным, а не абсолютным. Английский кибернетик С. Бир классифицирует все кибернетические системы на простые и сложные в зависимости от способа описания: детерминированного или теоретико-вероятностного. А. И. Берг определяет сложную систему как систему, которую можно описать не менее чем на двух различных математических языках (например, с помощью теории дифференциальных уравнений и алгебры Буля). Очень часто сложными системами называют системы, которые нельзя корректно описать математически, либо потому, что в системе имеется очень большое число элементов, неизвестным образом связанных друг с другом, либо неизвестна природа явлений, протекающих в системе. Касти, который рассматривает сложность систем в двух аспектах: структурную сложность и сложность поведения. Четкое определение и критерии СС НСУ в настоящее время отсутствуют. Однако есть признаки, такие как, многомерность, многосвязность, многоконтурность, а так же многоуровневый, составной и многоцелевой характер построения, по которым можно отнести модель к классу СС НСУ. Данный термин использовался в работах научной школы А.А. Вавилова. Примером системы с простой структурой но сложным поведением является модель странного аттрактора Лоренца. x1+10*(x1-x2)=0 x2+x1*x3-28*x1+x2=0 x3-x1+x2-2.6*x3=0 начальные значения: x1=8; x2=-8;x3=26. 31 Рисунок 6 Все это свидетельствует об отсутствии единого определения сложности системы. При разработке сложных систем возникают проблемы, относящиеся не только к свойствам их составляющих элементов и подсистем, но также к закономерностям функционирования системы в целом. При этом появляется широкий круг специфических задач, таких, как определение общей структуры системы; организация взаимодействия между элементами и подсистемами; учет влияния внешней среды; выбор оптимальных режимов функционирования системы; оптимальное управление системой и др. Чем сложнее система, тем большее внимание уделяется этим вопросам. Математической базой исследования сложных систем является теория систем. В теории систем большой системой (сложной, системой большого масштаба, Lage Scale Systems) называют систему, если она состоит из большого числа взаимосвязанных и взаимодействующих между собой элементов и способна выполнять сложную функцию. Четкой границы, отделяющей простые системы от больших, нет. Деление это условное и возникло из-за появления систем, имеющих в своем составе совокупность подсистем с наличием функциональной избыточности. Простая система может находиться только в двух состояниях: состоянии работоспособности (исправном) и состоянии отказа (неисправном). При отказе 32 элемента простая система либо полностью прекращает выполнение своей функции, либо продолжает ее выполнение в полном объеме, если отказавший элемент резервирован. Большая система при отказе отдельных элементов и даже целых подсистем не всегда теряет работоспособность, зачастую только снижаются характеристики ее эффективности. Это свойство больших систем обусловлено их функциональной избыточностью и, в свою очередь, затрудняет формулировку понятия «отказ» системы. Под большой системой понимается совокупность материальных ресурсов, средств сбора, передачи и обработки информации, людейоператоров, занятых на обслуживании этих средств, и людей-руководителей, облеченных надлежащими правами и ответственностью для принятия решений. Материальные ресурсы — это сырье, материалы, полуфабрикаты, денежные средства, различные виды энергии, станки, оборудование, люди, занятые на выпуске продукции, и т. д. Все указанные элементы ресурсов объединены с помощью некоторой системы связей, которые по заданным правилам определяют процесс взаимодействия между элементами для достижения общей цели или группы целей. Примеры больших систем: информационная система; пассажирский транспорт крупного города; производственный процесс; система управления полетом крупного аэродрома; энергетическая система и др. Характерные особенности больших систем. К ним относятся:  большое число элементов в системе (сложность системы);  взаимосвязь и взаимодействие между элементами;  иерархичность структуры управления;  обязательное наличие человека в контуре управления, на которого возлагается часть наиболее ответственных функций управления. Сложность системы. Пусть имеется совокупность из n элементов. Если они изолированы, не связаны между собой, то эти я элементов еще не являются системой. Для изучения этой совокупности достаточно провести не более чем n исследований. В общем случае в системе связь элемента А с элементом Б не эквивалентна связи элемента Б с элементом А, и поэтому необходимо рассматривать п(п—1) связей. Если характеризовать состояние каждой связи наличием или отсутствием в данный момент, то общее число состояний (для такого самого простого поведения) системы будет равно 2^n. Даже при небольших п это фантастическое число. Например, пусть п = 10. Число связей п(п-1) = 90. Поэтому изучение БС путем непосредственного обследования ее состояний оказывается весьма громоздким. Следовательно, необходимо использовать ЭВМ и разрабатывать методы, позволяющие сократить число 33 обследуемых состояний БС. Сокращение числа состояний БС — первый шаг в формальном описании систем. Взаимосвязь и взаимодействие между элементами БС. Разделение системы на элементы и подсистемы может быть произведено различными способами. Элементом системы будем называть совокупность различных технических средств и людей, которые при данном исследовании рассматриваются как одно неделимое целое. Расчленение системы на элементы — второй шаг при формальном описании системы. Внутренняя структура элемента при этом не является предметом исследования. Имеют значение только свойства, определяющие его взаимодействие с другими элементами системы и оказывающие влияние на характер системы в целом. Формально любая совокупность элементов системы вместе со связями между ними может рассматриваться как ее подсистема. Использование этого понятия оказывается особенно плодотворным в тех случаях, когда в качестве подсистем фигурируют некоторые более или менее самостоятельно функционирующие части системы. В системе управления полетом самолета можно выделить следующие подсистемы:  систему дальнего обнаружения и управления;  систему многоканальной дальней связи;  многоканальную систему слепой посадки и взлета самолета;  систему диспетчеризации;  бортовую аппаратуру самолета. Подсистемы БС сами могут быть большими системами, которые легко расчленить на соответствующие подсистемы. Так, большую систему «Городской пассажирский транспорт» по видам транспорта можно расчленить на подсистемы: троллейбусы, автобусы, трамвай, метрополитен, такси. Каждая из этих подсистем, в свою очередь, является БС. Так, таксомоторное хозяйство состоит из: сотен (тысяч) автомобилей и шоферов, нескольких автопарков, средств технического обслуживания и управления. Выделение подсистем — третий важный шаг при формальном описании БС. Иерархичность структуры управления. Управление в БС может быть централизованным и децентрализованным. Централизованное управление предполагает концентрацию функции управления в одном центре БС. Децентрализованное — распределение функции управления по отдельным элементам. Типичные БС, встречающиеся на практике, относятся, как правило, 34 к промежуточному типу, когда степень централизации находится между двумя крайними случаями: чисто централизованным и чисто децентрализованным. Децентрализация управления позволяет сократить объем перерабатываемой информации, однако в ряде случаев это приводит к снижению качества управления. Для управления с иерархичной структурой управления характерно наличие нескольких уровней управления. Примеры иерархической структуры управления: административное управление, управление в вооруженных силах, снабжение. Обязательное наличие человека в контуре управления. Поскольку в БС обязательно наличие человека, она является всегда эргатической системой. Часть функций управления выполняется человеком. Эта особенность БС связана с целым рядом факторов:  участие человека в БС требует, чтобы управление учитывало социальные, психологические, моральные и физиологические факторы, которые не поддаются формализации и могут быть учтены в системах управления только человеком;  необходимость в ряде случаев принимать решение на основе неполной информации, учитывать неформализуемые факторы — все это должен делать человек с большим опытом, хорошо понимающий задачи, стоящие перед системой; могут быть системы, в которых нет отношений подчиненности, а существуют лишь отношения взаимодействия (межгосударственные отношения, отношения предприятий «по горизонтали»). Модели сложных систем управления Понятие «сложный» является одним из наиболее употребительных в различных практической и научной деятельности, в том числе в области моделирования СУ. Подобно понятию времени, нам кажется, что мы понимаем, что такое сложность, но это длится до тех пор, пока не возникает необходимость дать строгое определение сложности. Понятие сложности включает такие факторы, как противоинтуитивное поведение СУ, невозможность предсказания ее поведения без специального анализа и вычислений, уникальность и т.д. По Г. Н. Поварову в зависимости от чисел элементов, входящих в систему, различимы 4 класса систем:  малые (10,,,103 элементов);  сложные (103...107 элементов);  ультрасложные (107...1030 элементов); 35  суперсистемы (1030...10200 элементов); Так как понятие элемента возникает относительно задачи и цели исследования системы, то и данное определение является относительным. По С. Биру деление происходит в зависимости от способа описания детермированного; вероятного. По А. И. Бергу сложная система описывается по крайней мере на двух различных языках, например теории ДУ и алгебры логики. По А. А. Вавилову сложная СУ представляет собой множество взаимосвязанных и взаимодействующих между собой подсистем управления, выполняющих самостоятельные и общесистемные функции и цели управления. По А. А. Воронину сложной системой можно называть такую, которая содержит по крайней мере два нелинейных элемента, ре сводимых к одному. Четкой границы, отделяющей простые системы от сложных нет. Деление это условное и возникло из-за появления систем, обладающих функциональной избыточностью. Например, простая система может находится только в двух состояниях: состоянии работоспособности и состоянии отказа. При отказе какого-либо элемента простая система либо полностью прекращает выполнение своей функции, либо продолжает ее выполнение в полном объеме, если отказавший элемент резервирован. Сложная система при отказе отдельных элементов и даже целых подсистем не всегда теряет работоспособность, зачастую только снижаются характеристики ее эффективности. Это свойство сложных систем обусловлено их функциональной избыточностью и, в свою очередь, затрудняет формулировку понятия “отказ” системы. Сложность – понятие многогранное, поэтому в различных проблемах проявляются разные аспекты сложности. Одним из важных аспектов понятия сложности является ее двоякая природа. Следует различать структурную (статическую) сложность, включающую связность и структуру подсистем, и динамическую сложность, связанную с поведением системы во времени. Эти свойства, вообще говоря, независимы. Даже в элементарных системах могут возникать совершенно неожиданные (и неприятные) явления, если сложность взаимосвязей не изучена должным образом. Парадоксальное поведение может быть вызвано вовсе не наличием нелинейности, стохастических эффектов, а порождается исключительно структурой системы, имеющимися связями и ограничениями, присущими компонентам системы. 36 Структурная сложность Сущность понятия структурной сложности связана с тем, что компоненты (подсистемы) СУ связаны между собой запутанным. Трудным для непосредственного восприятия образом. Это типичный пример структурной сложности. При этом имеем дело только со структурой коммуникационных каналов и схемой взаимодействия компонент СУ, пренебрегая динамическими аспектами. Однако и в этом случае необходимо принять во внимание еще и другие аспекты связанности структуры. Иерархия Некоторые специалисты считают, что определяющим фактором при решении вопроса о сложности СУ является ее иерархическая организация. Число уровней иерархии в системе может служить приблизительной мерой ее сложности. Схема связности Важным аспектом сложности является способ, которым подсистемы объединяются в единое целое. Структура связности СУ определяет потоки передачи информации в структуре и ограничивает воздействия, которые может оказать одна часть системы на другую. Например, если имеется система, заданная с помощью линейного ДУ вида Ů=AU, U(0)=U0 где A – матрица размера nxn, то заполненн ость матрицы A (ее структура связности) в определенной мере отражает сложность процесса. Данный пример иллюстрирует, что большая размерность и высокая сложность СУ могут быть слабо коррелированны. Порядок n СУ может быть очень большой, однако если A имеет простую структуру (диагональная), то уравнение представляет СУ малой сложности, в том смысле, что ее поведение легко предсказать и понять. Сложность может быть охарактеризована тщательным исследованием схем взаимодействия подсистем (схем связности), а не ее порядком. Многообразие Принцип необходимого многообразия Эшби, согласно которому многообразие выходных сигналов системы может быть достигнуто только с помощью достаточного многообразия входных воздействий также имеет непосредственное отношение к сложности СУ. 37 Можно назвать такую способность системы реализовать многие различные типы поведения – сложность управления, т. к. этот аспект сложности отражает меру способностей преобразовывать многообразие входных сигналов в многообразие выходных. Принцип необходимого многообразия гласит, что Рисунок 7 Принцип необходимого многообразия Смысл этого утверждения таков: если необходимо, что СУ реализовала заданный вид поведения вне зависимости от внешних помех, то подавить многообразие в ее поведении можно, только увеличив множество управлений. Другими словами – многообразие может быть разрушено только многообразием. Это кибернетический аналог второго закона термодинамики. Уровни взаимодействия Относительная сила взаимодействия между различными компонентами СУ и уровнями иерархии. В ряде случаев слабое взаимодействие, вообще говоря, повышают сложность системы, однако практически этими взаимодействиями часто можно пренебречь и таким образом получить менее сложную модель СУ. Пример: Этой системе можно приписать сложность 1, т. к. каждый жордановский блок матрицы коэффициентов имеет размер 1. Близкой к ней системе Можно приписать сложность 2, т. к. матрица коэффициентов имеет наибольший жордановский блок размера 2 для любого значения параметра !=0 Однако решение дляь второй системы при достаточно малых  сколь угодно близко приближается к решению первой, поэтому ее сложность практически можно считать равной единице. Динамическая сложность Рассмотрим некоторые аспекты сложности, которые проявляются в динамическом поведении системы. 38 Случайность в сравнении с детерминизмом и сложностью Можно сказать, что одним из основных интуитивный показателей сложности СУ является ее динамическое поведение, а именно: степень трудности наглядного объяснения и предсказания траекторий движущейся системы. В общем случае можно ожидать, что структурная сложность системы оказывает влияние на динамическое поведение системы, а следовательно, и на ее динамическую сложность. Однако обратное не верно. Система может быть структурно простой, т. е. иметь малую системную сложность, но ее динамическое поведение может быть чрезвычайно сложным. Пример: Рассмотрим процесс, который является структурно простым, будучи в то же время динамически сложным Правило порождения последовательность точек x0, x1, x2, … следующее: стороны вписанного в треугольника и диагональ используются как отражающие и пропускающие с преломлением. Процесс начинается с произвольной точки основания треугольника, кроме крайних и средней. Приписывание каждой точке слева от середины основания треугольника число “0”, а каждой точке справа – “1”, получим последовательность чисел 0,0,1,0,0,1,…, порожденную этой детерминированной процедурой и математически неотличимую от последовательности, получаемой в распределении по закону Бернулли с параметром p=1/2 (другие значения p могут быть получены использованием прямых, отличных от диагонали квадрата). Этот результат имеет определенное методическое и теоретическое значение. Действительно, если считать последовательность 0 и 1 выходом некоторого процесса, то не существует математического метода, позволяющего определить, является ли внутренний механизм, преобладающим вход и выход (последовательность 0 и 1), детермированным или стохастическим. Иными словами, если не заглядывать внутрь “чёрного ящика”, то никакие математические операции не могут помочь определить, является базисный механизм стохастическим или нет. Пример подвергает серьёзному сомнению слишком категорическое утверждение о том, что глубинная природа физических процессов принципиально стохастична. Конечно, теория вероятности и статистика являются удобными инструментами для описания ситуаций, для которых характерна большая неопределённости. Однако нет априорных математических оснований полагать, что механизм, порождающий неопределённость, по своей природе непременно стохастичен. 39 Очевидно, что если интерпретировать динамическую сложность как способность предсказать поведение системы, то рассмотренный процесс очень сложен, так как наблюдаемый выход полностью случаен. Шкалы времени Другим важным аспектом динамической сложности является вопрос о различных шкалах времени для различных частей процесса. Часто возникают такие ситуации, когда скорости изменения компонент одного и того же процесса различны: одни компоненты изменяются быстрее, другие – медленнее. Типичным примером такого процесса является регулирование уровня воды в системе водохранилищ. Для управления на уровне индивидуального распределения воды требуется принимать решения ежедневно (или даже ежечасно), хотя решение об общем потоке воды через вход-выход принимается раз в месяц или раз в квартал. Проблема различных шкал времени напоминают проблему интегрирования “жестких” систем ДУ или когда имеем дело с некорректной проблемой. Пример не корректности представляет линейная система X’’-25*x=0, x(0)=1, x’(0)=-5. Теоретическое решение X(t)=e-5t. Однако при решении этой задачи численными методами в вычисления выйдет дополнительный член X(t)=e-5t С малым множителем . Т.о. в действительности вычисляется X*(t)=e-5t+e5t. Если t (или ) достаточно мало, то всё в порядке; однако когда ошибка округления слишком велика (большое ) или когда желательно найти решение на большом интервале t, то преобладающим в решении будет член x(t). В ряде случаев трудности могут быть связаны не с вычислительными процедурами, а самим решением системы. Для примера “жесткая” система X1’=x1+2x2, x1(0)=0, X2=-10 X2, X2(0)=1 Имеет решение 40 X1(t)=-2/11[e-10t-e-t], X2(t)=e-10t. Таким образом, первая компонента процесса изменяется на порядок быстрее, чем вторая, и любая попытка рассчитать траекторию системы численно требует использования такого малого шага интегрирования, который позволяет аккуратно отследить “быструю” компоненту. Это явление “жёсткости” в системах, очевидно, оказывает влияние на динамическую сложность системы, так как точное предсказание поведения системы требует дополнительных затрат на вычисление. Приведённые примеры еще раз подтверждает, что большой порядок системы (большое число компонентов) не обязательно означает большую сложность системы и наоборот. Сложность это слишком тонкое понятие, чтобы описывать его исключительно в понятиях размерности. Пример Пусть имеется совокупность из n элементов. Если они изолированы, не связаны между собой, то эти n элементов не являются системой. Для изучения этой совокупности достаточно провести не более чем n исследований с каждым элементом. В общем случае в системе со взаимными связями между компонентами необходимо исследовать n(n-1) связей. Если состояние каждой связи охарактеризовать в каждый момент времени наличием или отсутствует или отсутствует, то общее число состояний системы будут равно 2n(n-1). Например, если n=10, то число связей n(n-1)=90, число состояний 2 1,3*1027. 90 Изучение такой ССУ путем непосредственного обследования ее состояния оказывается весьма сложным. Следовательно, необходимо разрабатывать компьютерные методы, позволяющие сокращать число обследуемых состояний. Модели сложных систем управления (по Вавилову А.А) В соответствии с определением, введенным А.А. Вавиловым, сложная система управления (ССУ) S представляет собой множество взаимосвязанных и взаимодействующих между собой подсистем управления Sm, выполняющих самостоятельные и общесистемные функции и цепи управления. На каждую из подсистем Sm ССУ возлагаются самостоятельные и общесистемные функции, связанные с генерированием и преобразованием энергии, переносом потоков жидкости и газов, передачей и преобразованием информации. Цепи управления определяет необходимый закон изменения заданных переменных или некоторых характеристик подсистемы управления Sm в 41 условиях ее функционально-целевого причинно следственного взаимодействия с внешней средой и другими подсистемами. Принципиальных особенность модели ССУ – кроме причинно следственной информации модель ССУ S содержит дополнительную функционально-целевую информацию о подсистеме Sm и комплексах Zp, интеграцией которых образована сложная система. На рис. представлена модель комплекса Zp ССУ, образованного на моделях M1FSF, M2FSF, M3FSF подсистем S1, S2, S3 посредством связей между ними. Такая упорядоченная многоуровневая функционально-структурная интеграция элементов (звеньев) {Fi}. {Wi}, подсистем Sm и комплексов Zp обеспечивает высокий уровень организации ССУ. Нулевому (L=0) уровню интеграции ССУ соответствует причинноследственная модель с максимальной топологической определенностью, например, обычный сигнальный граф G. Первому (L=1) уровню функционально-стрктурной интеграции соответствует выделение подсистем, которые обладают всеми системными свойствами с другими подсистемами обеспечивают коллективное поведение, направленное на достижение целей всей системы. Второму (L=2) уровню соответствует интеграция некоторых подмножеств подсистем { Sm; m=1,2,…,M} и множества их взаимосвязей {Fmnr; m, k1,…,M; m!=k; r=1,…,nkf} в комплексы: Zp=<{ Sp; m=1,…,M};{Fmn; m; k1,…,M; m!=k}> p=1,2,…, и т.д. Необходимым условием образования комплекса L-ого уровня интеграции Z L является включение в него хотя бы одного комплекса (L-1)-го уровня интеграции. p 42 Лекция 4 Закономерности систем Целостность Целостность. Закономерность целостности проявляется в системе в возникновении новых интегративных качеств, не свойственных образующим ее компонентам. Чтобы глубже понять закономерность целостности, необходимо рассмотреть две ее стороны: 1. свойства системы (целого) не являются суммой свойств элементов или частей (несводимость целого к простой сумме частей); 2. свойства системы (целого) зависят от свойств элементов, частей (изменение в одной части вызывает изменение во всех остальных частях и во всей системе). Существенным проявлением закономерности целостности являются новые взаимоотношения системы как целого со средой, отличные от взаимодействия с ней отдельных элементов. n Qs   qi i 1 Свойство целостности связано с целью, для выполнения которой предназначена система. Весьма актуальным является оценка степени целостности системы при переходе из одного состояния в другое. В связи с этим возникает двойственное отношение к закономерности целостности. Ее называют физической аддитивностью, независимостью, суммативностью, обособленностью. Свойство физической аддитивности проявляется у системы, как бы распавшейся на независимые элементы. Строго говоря, любая система находится всегда между крайними точками как бы условной шкалы: n Qs   qi i 1 абсолютная целостность — абсолютная аддитивность, и рассматриваемый этап развития системы можно охарактеризовать степенью проявления в ней одного или другого свойства и тенденцией к его нарастанию или уменьшению. Для оценки этих явлений А. Холл ввел такие закономерности, как «прогрессирующая факторизация» (стремление системы к состоянию со все более независимыми элементами) и «прогрессирующая систематизация» (стремление системы к уменьшению самостоятельности элементов, т. е. к 43 большей целостности). Существуют методы введения сравнительных количественных оценок степени целостности, коэффициента использования элементов в целом с точки зрения определенной цели. Интегративность Интегративность. Этот термин часто употребляют как синоним целостности. Однако им подчеркивают интерес не к внешним факторам проявления целостности, а к более глубоким причинам формирования этого свойства и, главное,— к его сохранению. Интегративными называют системообразующие, снстемоохраняющие факторы, важными среди которых являются неоднородность и противоречивость ее элементов. Коммуникативность Коммуникативность. Эта закономерность составляет основу определения системы, предложенного В. Н. Садовским и Э. Г. Юдиным в книге «Исследования по общей теории систем». Система образует особое единство со средой; как правило, любая исследуемая система представляет собой элемент системы более высокого порядка; элементы любой исследуемой системы, в свою очередь, обычно выступают как системы более низкого порядка. Иными словами, система не изолирована, она связана множеством коммуникаций со средой, которая не однородна, а представляет собой сложное образование, содержит надсистему (или даже надсистемы), задающую требования и ограничения исследуемой системе, подсистемы и системы одного уровня с рассматриваемой. Иерархичность Рассмотрим иерархичность как закономерность построения всего мира и любой выделенной из него системы. Иерархическая упорядоченность пронизывает все, начиная от атомно-молекулярного уровня и кончая человеческим обществом. Иерархичность как закономерность заключается в том, что закономерность целостности проявляется на каждом уровне иерархии. Благодаря этому на каждом уровне возникают новые свойства, которые не могут быть выведены как сумма свойств элементов. При этом важно, что не только объединение элементов в каждом узле приводит к появлению новых свойств, которых у них не было, и утрате некоторых свойств элементов, но и что каждый член иерархии приобретает новые свойства, отсутствующие у него в изолированном состоянии. Таким образом, на каждом уровне иерархии происходят сложные качественные изменения, которые не всегда могут быть представлены и объяснены. Но именно благодаря этой особенности рассматриваемая закономерность приводит к интересным следствиям. Во-первых, с помощью 44 иерархических представлений неопределенностью. можно отображать системы с Во-вторых, построение иерархической структуры зависит от цели: для многоцелевых ситуаций можно построить несколько иерархических структур, соответствующих разным условиям, и при этом в разных структурах могут принимать участие одни и те же компоненты. В-третьих, даже при одной и той же цели, если поручить формирование иерархической структуры разным исследователям, то в зависимости от их предшествующего опыта, квалификации и знания системы они могут получить разные иерархические структуры, т. е. по-разному разрешить качественные изменения на каждом уровне иерархии. Эквифинальность Это одна из наименее исследованных закономерностей. Она характеризует предельные возможности систем определенного класса сложности. Л. фон Берталанфи, предложивший этот термин, определяет эквифинальность применительно к «открытой» системе как способность (в отличие от состояний равновесия в закрытых системах) полностью детерминированных начальными условиями систем достигать не зависящего от времени состояния (которое не зависит от ее исходных условий и определяется исключительно параметрами системы). Потребность во введении этого понятия возникает начиная с некоторого уровня сложности, например биологические системы. В настоящее время не исследован ряд вопросов этой закономерности: какие именно параметры в конкретных системах обеспечивают свойство эквивалентности? как обеспечивается это свойство? как проявляется закономерность эквивалентности в организационных системах? Историчность Время является непременной характеристикой системы, поэтому каждая система исторична, и это такая же закономерность, как целостность, интегративность и др. Легко привести примеры становления, расцвета, упадка и даже смерти биологических и общественных систем, но для технических и организационных систем определить периоды развития довольно трудно. Основа закономерности историчности — внутренние противоречия между компонентами системы. Но как управлять развитием или хотя бы понимать приближение соответствующего периода развития системы — эти вопросы еще мало исследованы. В последнее время на необходимость учета закономерности историчности начинают обращать больше внимания. В частности, в системотехнике при создании сложных технических комплексов требуется на 45 стадии проектирования системы рассматривать не только вопросы разработки и обеспечения развития системы, но и вопрос, как и когда нужно ее уничтожить. Например, списание техники, особенно сложной — авиационной, «захоронение» ядерных установок и др. Закон необходимого разнообразия Закон необходимого разнообразия. Его впервые сформулировал У. Р. Эшби: чтобы создать систему, способную справиться с решением проблемы, обладающей определенным, известным разнообразием, нужно, чтобы сама система имела еще большее разнообразие, чем разнообразие решаемой проблемы, или была способна создать в себе это разнообразие. Этот закон достаточно широко применяется на практике. Он позволяет, например, получить рекомендации по совершенствованию системы управления предприятием, объединением, отраслью. Закономерность осуществимости эффективности систем и потенциальной Закономерность осуществимости и потенциальной эффективности систем. Исследования взаимосвязи сложности структуры системы со сложностью ее поведения позволили получить количественные выражения предельных законов для таких качеств системы, как надежность, помехоустойчивость, управляемость и др. На основе этих законов оказалось возможным получение количественных оценок порогов осуществимости систем с точки зрения того или иного качества, а объединяя качества — предельные оценки жизнеспособности и потенциальной эффективности сложных систем. Закономерность целеобразования Закономерность целеобразования. Исследования процесса целеобразования в сложных системах философами, психологами и кибернетиками позволили сформулировать некоторые общие закономерности процессов обоснования и структуризации целей в конкретных условиях совершенствования сложных систем: 1) Зависимость представления о цели и формулировки цели от стадии познания объекта (процесса). Анализ понятия «цель» позволяет сделать вывод, что, формулируя цель, нужно стремиться отразить в формулировке или в способе представления цели ее активную роль в познании и в то же время сделать ее реалистичной, направить с ее помощью деятельность на получение определенного результата. При этом формулировка цели и представление о ней зависит от стадии познания объекта и в процессе развития представления об объекте цель может переформулироваться. Коллектив, формирующий цель, должен определить, в каком смысле на данном этапе рассмотрения объекта 46 употребляется понятие цель, к какой точке «условной шкалы» («идеальное устремление в будущее» — «конкретный результат деятельности») ближе принимаемая формулировка цели. 2) Зависимость цели от внутренних и внешних факторов. При анализе причин возникновения цели нужно учитывать как внешние по отношению к выделенной системе факторы (внешние потребности, мотивы, программы), так и внутренние потребности, мотивы, программы («самодвижение» целостности). При этом цели могут возникать на основе противоречий как между внешними и внутренними факторами, так и между внутренними факторами, имевшимися ранее и вновь возникающими в находившейся в постоянном самодвижении целостности. Это очень важное отличие организационных «развивающихся», открытых систем от технических (замкнутых, закрытых) систем. Теория управления техническими системами оперирует понятием цели только по отношению к. внешним факторам, а в открытых, развивающихся системах цель формируется внутри системы, и внутренние факторы, влияющие на формирование целей, являются такими же объективными, как и внешние. 3) Возможность сведения задачи формирования общей (главной, глобальной) цели к задаче структуризации цели. Анализ процессов формулирования глобальной цели в сложной системе показывает, что эта цель возникает в сознании руководителя или коллектива не как единичное понятие, а как некоторая, достаточно «размытая» область. На любом уровне цель возникает вначале в виде «образа» цели. При этом достичь одинакового понимания общей цели всеми исполнителями, по видимому, принципиально невозможно без ее детализации в виде упорядоченного или неупорядоченного набора взаимосвязанных подцелей, которые делают ее понятной и более конкретной для разных исполнителей. Таким образом, задача формулирования общей цели в сложных системах должна быть сведена к задаче структуризации цели. Следующие закономерности являются продолжением двух первых применительно к структурам цели. Зависимость способа представления структуры целей от стадии познания объекта или процесса (продолжение первой закономерности). Наиболее распространенным способом представления структур целей является древовидная иерархическая структура. Существуют и другие способы отображения: иерархия со «слабыми» связями, табличное или матричное представление, сетевая модель. Иерархическое и матричное описание — это декомпозиция цели в пространстве, сетевая модель — декомпозиция во времени. Промежуточные подцели могут формулироваться по мере достижения предыдущей, что может использоваться как средство управления. 47 Перспективным представляется развертывание иерархических структур во времени, т.е. сочетание декомпозиции цели в пространстве и во времени. Проявление в структуре целей закономерности целостности. В иерархической структуре целей, как и в любой иерархической структуре, закономерность целостности проявляется на каждом уровне иерархии. Применительно к структуре целей это означает, что достижение целей вышележащего уровня не может быть полностью обеспечено достижением подцелей, хотя и зависит от них, и что потребности, мотивы, программы, влияющие на формирование целей, нужно исследовать на каждом уровне иерархии. Системный подход и системный анализ Применения системных представлений для анализа сложных объектов и процессов рассматривают системные направления, включающие в себя: системный подход, системные исследования, системный анализ (системологию, системотехнику и т. п.). За исключением системотехники, область которой ограничена техническими системами, все другие термины часто употребляются как синонимы. Однако в последнее время системные направления начали применять в более точном смысле. Системный подход. Этот термин начал применяться в первых работах, в которых элементы общей теории систем использовались для практических приложений. Используя этот термин, подчеркивали необходимость исследования объекта с разных сторон, комплексно, в отличие от ранее принятого разделения исследований на физические, химические и др. Оказалось, что с помощью многоаспектных исследований можно получить более правильное представление о реальных объектах, выявить их новые свойства, лучше определить взаимоотношения объекта с внешней средой, другими объектами. Заимствованные при этом понятия теории систем вводились не строго, не исследовался вопрос, каким классом систем лучше отобразить объект, какие свойства и закономерности этого класса следует учитывать при конкретных исследованиях и т. п. Иными словами, термин «системный подход» практически использовался вместо терминов «комплексный подход», «комплексные исследования». Системные исследования. В работах под этим названием понятия теории систем используются более конструктивно: определяется класс систем, вводится понятие структуры, а иногда и правила ее формирования и т. п. Это был следующий шаг в системных направлениях. В поисках конструктивных рекомендаций появились системные направления с разными названиями: системотехника, системология и др. Для их обобщения стал применяться термин «системные исследования». Часто в работах использовался аппарат исследования операций, который к тому времени был больше развит, чем методы конкретных системных исследований. 48 Системный анализ. В настоящее время системный анализ является наиболее конструктивным направлением. Этот термин применяется неоднозначно. В одних источниках он определяется как «приложение системных концепций к функциям управления, связанным с планированием» [5]. В других — как синоним термина «анализ систем» (Э. Квейд) или термина «системные исследования» (С. Янг). Однако независимо от того, применяется он только к определению структуры целей системы, к планированию или к исследованию системы в целом, включая и функциональную и обеспечивающую части, работы по системному анализу существенно отличаются от рассмотренных выше тем, что в них всегда предлагается методология проведения исследовании делается попытка выделить этапы исследования и предложить методику выполнения этих этапов в конкретных условиях. В этих работах всегда уделяется особое внимание определению целей системы, вопросам формализации представления целей. Некоторые авторы даже подчеркивают это в определении: системный анализ — это методология исследования целенаправленных систем (Д. Киланд. В. Кинг). Термин «системный анализ» впервые появился в связи с задачами военного управления в исследованиях RAND Corporation (1948), а в отечественной литературе получил широкое распространение после выхода в 1969 г. книги С. Оптнера «Системный анализ для решения деловых и промышленных проблем». В начале работы по системному анализу в большинстве случаев базировались на идеях теории оптимизации и исследования операций. При этом особое внимание уделялось стремлению в той или иной форме получить выражение, связывающее цель со средствами, аналогичное критерию функционирования или показателю эффективности, т, е. отобразить объект в виде хорошо организованной системы. Так, например, в ранних руководящих материалах по разработке автоматизированных систем управления (АСУ) рекомендовалось цели представлять в виде набора задач и составлять матрицы, связывающие задачи с методами и средствами достижения. Правда, при практическом применении этого подхода довольно быстро выяснялась его недостаточность, и исследователи стали прежде всего обращать внимание на необходимость построения моделей, не просто фиксирующих цели, компоненты и связи между ними, а позволяющих накапливать информацию, вводить новые компоненты, выявлять новые связи и т. д., т. е. отображать объект в виде развивающейся системы, не всегда предлагая, как это делать. Позднее системный анализ начинают определять как «процесс последовательного разбиения изучаемого процесса на подпроцессы» (С. Янг) и основное внимание уделяют поиску приемов, позволяющих организовать решение сложной проблемы путем расчленения ее на подпроблемы и этапы, 49 для которых становится возможным подобрать методы исследования и исполнителей. В большинстве работ стремились представить многоступенчатое расчленение в виде иерархических структур типа «дерева», но в ряде случаев разрабатывались методики получения вариантов структур, определяемых временными последовательностями функций. В настоящее время системный анализ развивается применительно к проблемам планирования и управления, и в связи с усилением внимания к программно-целевым принципам в планировании этот термин стал практически неотделим от терминов «целеобразование» и «программноцелевое планирование и управление». В работах этого периода системы анализируются как целое, рассматривается роль процессов целеобразования в развитии целого, роль человека. При этом оказалось, что в системном анализе не хватает средств: развиты в основном средства расчленения на части, но почти нет рекомендаций, как при расчленении не утратить целое. Поэтому наблюдается усиление внимания к роли неформализованных методов при проведении системного анализа. Вопросы сочетания и взаимодействия формальных и неформальных методов при проведении системного анализа не решены. Но развитие этого научного направления идет по пути их решения. Теория БС с точки зрения системного анализа проблемы включает три основных научных направления: 1. кибернетику как науку об управлении, включающую анализ информационных процессов в системах с управлением; 2. исследование операций как науку, дающую количественное обоснование степени соответствия управления целевому назначению системы; 3. экономические исследования (технико-экономические, военноэкономические исследования), дающие возможность анализировать процесс функционирования основных средств системы. 4. Следовательно, предметом теории систем применительно к большим организационным системам является круг проблем, связанных с анализом целенаправленной деятельности коллективов людей, функционирования техники, которой управляют люди, и техники с силами природы. 50 Лекция 5 Уровни представления информационных систем Характеристики уровней представления ИС: лингвистический, теоретико-множественный, абстрактно-алгебраический, динамический, логикоматематический. Кибернетический подход к описанию ИС. Процесс управления как информационный процесс. Этапы управления. Методы и модели описания систем Методы описания систем классифицируются в порядке возрастания формализованности - от качественных методов, с которыми в основном и связан был первоначально системный анализ, до количественного системного моделирования с применением ЭВМ. Разделение методов на качественные и количественные носит, конечно, условный характер.  В качественных методах основное внимание уделяется организации постановки задачи, новому этапу ее формализации, формированию вариантов, выбору подхода к оценке вариантов, использованию опыта человека, его предпочтений, которые не всегда могут быть выражены в количественных оценках.  Количественные методы связаны с анализом вариантов, с их количественными характеристиками корректности, точности и т. п. Для постановки задачи эти методы не имеют средств, почти полностью оставляя осуществление этого этапа за человеком. Между этими крайними классами методов системного анализа имеются методы, которые стремятся охватить оба этапа — этап постановки задачи, разработки вариантов и этап оценки и количественного анализа вариантов,— но делают это с привлечением разных исходных концепций и терминологии, с разной степенью формализованности. Среди них: кибернетический подход к разработке адаптивных систем управления, проектирования и принятия решений (который исходит из развития основных идей классической теории автоматического регулирования и управления и теории адаптивных систем при - мнительно к организационным системам); информационно-гносеологический подход к моделированию систем (основанный на общности процессов отражения, познания в системах различной физической природы); системноструктурный подход; метод ситуационного моделирования; метод имитационного динамического моделирования. 51 Качественные методы описания систем Качественные методы системного анализа применяются, когда отсутствуют описания закономерностей систем в виде аналитических зависимостей. Методы типа мозговой атаки. Концепция «мозговой атаки» получила широкое распространение с начала 50-х годов как метод систематической тренировки творческого мышления, нацеленный на открытие новых идей и достижение согласия группы людей на основе интуитивного мышления. Методы этого типа известны также под названиями «мозговой штурм», «конференция идей», а в последнее время наибольшее распространение получил термин «коллективная генерация идей» (КГИ). Обычно при проведении мозговой атаки или сессий КГИ стараются выполнять определенные правила, суть которых:  обеспечить как можно большую свободу мышления участников КГИ и высказывания ими новых идей;  приветствуются любые идеи, если вначале они кажутся сомнительными или абсурдными (обсуждение и оценка идей производится позднее);  не допускается критика, не объявляется ложной и не прекращается обсуждение ни одной идеи;  желательно высказывать как можно больше идей, особенно нетривиальных. Подобием сессий КГИ можно считать разного рода совещания — конструктораты, заседания научных советов по проблемам, заседания специально создаваемых временных комиссий и другие собрания компетентных специалистов. Методы типа сценариев. Методы подготовки и согласования представлений о проблеме или анализируемом объекте, изложенные в письменном виде, получили название сценария. Первоначально этот метод предполагал подготовку текста, содержащего логическую последовательность событий или возможные варианты решения проблемы, развернутые во времени. Однако позднее обязательное требование явно выраженных временных координат было снято, и сценарием стали называть любой документ, содержащий анализ рассматриваемой проблемы или предложения по ее решению, по развитию системы независимо от того, в какой форме он представлен. Как правило, 52 предложения для подготовки подобных документов пишутся вначале индивидуально, а затем формируется согласованный текст. На практике по типу сценариев разрабатывались прогнозы в некоторых отраслях промышленности. В настоящее время разновидностью сценариев можно считать предложения к комплексным программам развития отраслей народного хозяйства, подготавливаемые организациями или специальными комиссиями. Сценарий является предварительной информацией, на основе которой проводится дальнейшая работа по прогнозированию развития отрасли или по разработке вариантов проекта. Он может быть подвергнут анализу, чтобы исключить из дальнейшего рассмотрения то, что в учитываемом периоде находится на достаточном уровне развития, если речь идет о прогнозе, или, напротив, то, что не может быть обеспечено в планируемом периоде, если речь идет о проекте. Таким образом, сценарий помогает составить представление о проблеме, а затем приступить к более формализованному представлению системы в виде графиков, таблиц для проведения экспертного опроса и других методов системного анализа. Методы экспертных оценок. Термин «эксперт» происходит от латинского слова означающего «опытный». При использовании экспертных оценок обычно предполагается, что мнение группы экспертов надежнее, чем мнение отдельного эксперта. В некоторых теоретических исследованиях отмечается, что это предположение не является очевидным. Все множество проблем, решаемых методами экспертных оценок, делится на два класса. К первому относятся такие, в отношении которых имеется достаточное обеспечение информацией. При этом методы опроса и обработки основываются на использовании принципа «хорошего измерителя», т. е. эксперт — качественный источник информации; групповое мнение экспертов близко к истинному решению. Ко второму классу относятся проблемы, в отношении которых знаний для уверенности в справедливости указанных гипотез недостаточно. В этом случае экспертов уже нельзя рассматривать как «хороших измерителей» и необходимо осторожно подходить к обработке результатов экспертизы во избежание больших ошибок. В литературе в основном рассматриваются вопросы экспертного оценивания для решения задач первого класса. При обработке материалов коллективной экспертной оценки используются методы теории ранговой корреляции. Для количественной оценки степени согласованности мнений экспертов применяется коэффициент конкордации 53 W 12d , m 2 ( n 3  n) где n n m i 1 i 2 d   d   [  rij  0.5m(n  1)]2 i 1 2 i m — количество экспертов, j= 1 , m ; n — количество рассматриваемых свойств, i  1, n; rij — место, которое заняло i -е свойство в ранжировке j-м экспертом; di — отклонение суммы рангов по i -му свойству от среднего арифметического сумм рангов по n свойствам. Коэффициент конкордации W позволяет оценить, насколько согласованы между собой ряды предпочтительности, построенные каждым экспертом. Его значение находится в пределах 0W1; W=0 означает полную противоположность, а W = 1 — полное совпадение ранжировок. Практически достоверность считается хорошей, если W= 0,7...0,8. Небольшое значение коэффициента конкордации, свидетельствующее о слабой согласованности мнений экспертов, является следствием следующих причин: в рассматриваемой совокупности экспертов действительно отсутствует общность мнений; внутри рассматриваемой совокупности экспертов существуют группы с высокой согласованностью мнений, однако обобщенные мнения таких групп противоположны. Для наглядности представления о степени согласованности мнений двух любых экспертов А и В служит коэффициент парной ранговой корреляции n  AB  1   i 1 2 1 1 3 1 ( n  n )  ( TA  TB ) 6 n , где  i — разность (по модулю) величин рангов оценок i -го свойства, назначенных экспертами А и В:  i  R A  RB ; TA и TB —показатели связанных i i рангов оценок экспертов А и В. Коэффициент парной ранговой корреляции принимает значения — 1<  <+1. Значение  = +1 соответствует полному совпадению оценок в рангах двух экспертов (полная согласованность мнений двух экспертов), а  = -1 двум взаимно противоположным ранжировкам важности свойств (мнение одного эксперта противоположно мнению другого). 54 Методы типа «Дельфи». Характерный для середины XX в. бурный рост науки и техники вызвал большие перемены в отношении к оценкам будущего развития систем. Одним из результатов этого периода в развитии методов анализа сложных систем явилась разработка методов экспертной оценки, известных в литературе как «методы Дельфи». Название этих методов связано с древнегреческим городом Дельфи, где при храме Аполлона с IX в. до н.э. до IV в. н.э. по преданиям существовал Дельфийский оракул. Суть метода Дельфи заключается в следующем. В отличие от традиционного подхода к достижению согласованности мнений экспертов путем открытой дискуссии метод Дельфи предполагает полный отказ от коллективных обсуждений. Это делается для того, чтобы уменьшить влияние таких психологических факторов, как присоединение к мнению наиболее авторитетного специалиста, нежелание отказаться от публично выраженного мнения, следование за мнением большинства. В методе Дельфи прямые дебаты заменены тщательно разработанной программой последовательных индивидуальных опросов, проводимых обычно в форме анкетирования. Ответы экспертов обобщаются и вместе с новой дополнительной информацией поступают в распоряжение экспертов, после чего они уточняют свои первоначальные ответы. Такая процедура повторяется несколько раз до достижения приемлемой сходимости совокупности высказанных мнений. Результаты эксперимента показали приемлемую сходимость оценок экспертов после пяти туров опроса. Метод Дельфи первоначально был предложен О. Хелмером как итеративная процедура при проведении мозговой атаки, которая должна помочь снизить влияние психологических факторов при проведении повторных заседаний и повысить объективность результатов. Однако почти одновременно Дельфи-процедуры стали основным средством повышения объективности экспертных опросов с использованием количественных оценок при оценке деревьев цели и при разработке сценариев. Процедура Дельфи-метода: 1) в упрощенном виде организуется последовательность циклов мозговой атаки; 2) в более сложном виде разрабатывается программа последовательных индивидуальных опросов обычно с помощью вопросников, исключая контакты между экспертами, но предусматривающая ознакомление их с мнениями друг друга между турами; вопросники от тура к туру могут уточняться; 3) в наиболее развитых методиках экспертам присваиваются весовые коэффициенты значимости их мнений, вычисляемые на основе 55 предшествующих опросов, уточняемые от тура к туру и учитываемые при получении обобщенных результатов оценок. Первое практическое применение метода Дельфи к решению некоторых задач Министерства обороны США во второй половине 40-х годов, показало его эффективность и целесообразность распространения на широкий класс задач, связанных с оценкой будущих событий. Исследуемые проблемы: научные открытия, рост народонаселения, автоматизация производства, освоение космоса, предотвращение войны, военная техника. Результаты статистической обработки мнений экспертов позволили нарисовать вероятную картину будущего мира в указанных шести аспектах. Была оценена также степень согласованности мнений экспертов, которая оказалась приемлемой после проведения четырех туров опроса. Недостатки метода Дельфи:  значительный расход времени на проведение экспертизы, связанный с большим количеством последовательных повторений оценок;  необходимость неоднократного пересмотра экспертом своих ответов вызывает у него отрицательную реакцию, что сказывается на результатах экспертизы. Дальнейшим развитием метода Дельфи являются методы QUWST, SEER, PATTERN. Методы типа дерева целей. Идея метода дерева целей впервые была предложена Черчменом в связи с проблемами принята решений в промышленности. Термин «дерево целей» подразумевает использование иерархической структуры, полученной путей разделения общей цели на подцели, а их, в свою очередь, на боле) детальные составляющие — новые подцели, функции и т. д. Как правило, этот термин используется для структур, имеющих от ношение строгого древесного порядка, но метод дерева целей используется иногда и применительно к «слабым» иерархиям в которых одна и та же вершина нижележащего уровня может быть одновременно подчинена двум или нескольким вершина» вышележащего уровня. Древовидные иерархические структуры используются и при исследовании и совершенствовании организационных структур Не всегда разрабатываемое даже для анализа целей дерево может быть представлено в терминах целей. Иногда, например, при анализе целей научных исследований удобнее говорить о дереве направлений прогнозирования. В. М. Глушковым, например, бы. предложен и в настоящее время широко используется термин) «прогнозный граф». При использовании этого понятия появляется возможность более точно определить понятие дерева как связного 56 ориентированного графа, не содержащего петель, каждая пара вершин которого соединяется единственной цепью. Морфологические методы. Основная идея морфологических методов — систематически находить все «мыслимые» варианты решения проблемы или реализации системы путем комбинирования выделенных элементов или их признаков. Идеи морфологического образа мышления восходят к Аристотелю, Платону, к известной средневековой модели механизации мышления Р. Луллия. В систематизированном виде морфологический подход был разработан и применен впервые швейцарским астрономом Ф. Цвикки и долгое время был известен как метод Цвикки. Цвикки предложил три метода морфологического исследования. Первый метод — метод систематического покрытия поля (МСПП), основанный на выделении так называемых опорных пунктов знания в любой исследуемой области и использовании для заполнения поля некоторых сформулированных принципов мышления. Второй — метод отрицания и конструирования (МОК), базирующийся на идее Цвикки, заключающейся в том, что на пути конструктивного прогресса стоят догмы и компромиссные ограничения, которые есть смысл отрицать, и, следовательно, сформулировав некоторые предложения, полезно заменить их затем на противоположные и использовать при проведении анализа. Третий — метод морфологического ящика (ММЯ), нашедший наиболее широкое распространение. Идея ММЯ состоит в определении всех «мыслимых» параметров, от которых может зависеть решение проблемы, и представлении их в виде матриц-строк, а затем в определении в этом морфологическом матрице-ящике всех возможных сочетаний параметров по одному из каждой строки. Полученные таким образом варианты могут затем подвергаться оценке и анализу с целью выбора наилучшего. Морфологический ящик может быть не только двумерным. Например, А. Холл использовал для исследования структуры систем трехмерный ящик. Морфологические ящики Цвикки нашли широкое применение для анализа и разработки прогноза в технике. Для организационных же систем, систем управления такой ящик, который, повидимому, был бы многомерным, практически невозможно построить. Поэтому, используя идею морфологического подхода для моделирования организационных систем, разрабатывают языки моделирования или языки проектирования, которые применяют для порождения возможных ситуаций в системе, возможных вариантов решения и часто — как вспомогательное средство формирования нижних уровней иерархической структуры как при моделировании структуры целей, так и при моделировании организационных структур. Примерами таких 57 языков служат: системно-структурные языки (язык функций и видов структуры, номинально-структурный язык), язык ситуационного управления, языки структурно-лингвистического моделирования. Методика системного анализа. Методики, реализующие принципы системного анализа в конкретных условиях, направлены на то, чтобы формализовать процесс исследования системы, процесс поставки и решения проблемы. Методика системного анализа разрабатывается и применяется в тех случаях, когда у исследователя нет достаточных сведений о системе, которые позволили бы выбрать адекватный метод формализованного представления системы. Общим для всех методик системного анализа является формирование вариантов представления системы (процесса решения задачи) и выбор наилучшего варианта. Положив в основу методики системного анализа эти два этапа, их затем можно разделить на под этапы. Например, первый этап можно разделить следующим образом: 1. Отделение (или ограничение) системы от среды. 2. Выбор подхода к представлению системы. 3. Формирование вариантов (или одного варианта — что часто делают, если система отображена в виде иерархической структуры) представления системы. Второй этап можно представить следующими под этапами: 1. Выбор подхода к оценке вариантов. 2. Выбор критериев оценки и ограничений. 3. Проведение оценки. 4. Обработка результатов оценки. 5. Анализ полученных результатов и выбор наилучшего варианта (или корректировка варианта, если он был один). В настоящее время трудно привести примеры методик, в которых все этапы были бы проработаны равноценно. Количественные методы описания систем Уровни (описания систем. При создании и эксплуатации сложных систем требуется проводить многочисленные исследования и расчеты, связанные с:  оценкой показателей, характеризующих различные свойства систем;  выбором оптимальной структуры системы;  выбором оптимальных значений ее параметров. 58 Выполнение таких исследований возможно лишь при наличии математического описания процесса функционирования системы, т. е. ее математической модели. Сложность реальных систем не позволяет строить для них «абсолютно» адекватные модели. Математическая модель (ММ) описывает некоторый упрощенный процесс, в котором представлены лишь основные явления, входящие в реальный процесс, и лишь главные факторы, действующие на реальную систему. Какие явления считать основными и какие факторы главными — существенно зависит от назначения модели, от того, какие исследования с ее помощью предполагается проводить. Поэтому процесс функционирования одного и того же реального объекта может получить различные математические описания в зависимости от поставленной задачи. Так как ММ сложной системы может быть сколько угодно много и все они определяются принятым уровнем абстрагирования, то рассмотрение задач на каком-либо одном уровне абстракции позволяет дать ответы на определенную группу вопросов, а для получения ответов на другие вопросы необходимо провести исследование уже на другом уровне абстракции. Каждый из возможных уровней абстрагирования обладает ограниченными, присущими только данному уровню абстрагирования возможностями. Для достижения максимально возможной полноты сведений необходимо изучить одну и ту же систему на всех целей сообразных для данного случая уровнях абстракции. Наиболее пригодными являются следующие уровни абстрактного описания систем:  символический, или, иначе, лингвистический;  теоретико-множественный;  абстрактно-алгебраический;  топологический;  логико-математический;  теоретико-информационный;  динамический;  эвристический. Условно первые четыре уровня относятся к высшим уровням описания систем, а последние четыре — к низшим. Высшие уровни описания систем. Лингвистический уровень описания — наиболее высокий уровень абстрагирования. Из него как частные случаи можно получить другие уровни абстрактного описания систем более низкого 59 ранга. Процесс формализации в математике обычно понимают как отвлечение от изменчивости рассматриваемого объекта. Поэтому формальные построения наиболее успешно используются, когда удается с предметами или процессами действительности каким-то образом сопоставлять некоторые стабильные, неизменные понятия. Понятие о высказывании на данном абстрактном языке означает, что имеется некоторое предложение (формула), построенное на правилах данного языка. Предполагается, что эта формула содержит варьируемые переменные, которые только при определенном их значении делают высказывание истинным. Все высказывания делят обычно на два типа. К первому причисляют «термы» (имена предметов, члены предложения и т. д.) — высказывания, с помощью которых обозначают объекты исследования, а ко второму — «функторы» — высказывания, определяющие отношения между термами. С помощью термов и функторов можно показать, как из лингвистического уровня абстрактного описания (уровня высшего ранга) как частный случай возникает теоретико-множественный уровень абстрагирования (уровень более низкого ранга). Термы — некоторые множества, с помощью которых перечисляют элементы, или, иначе, подсистемы изучаемых систем, а функторы устанавливают характер отношений между введенными множествами. Множество образуется из элементов, обладающих некоторыми свойствами и находящимися в некоторых отношениях между собой и элементами других множеств. (Следовательно, автоматизированные системы управления (АСУ) вполне подходят под такого рода определение понятия «множество». Это доказывает, что построение сложных систем на теоретико-множественном уровне абстракции вполне уместно и целесообразно. На теоретико-множественном уровне абстракции можно получить только общие сведения о реальных системах, а для более конкретных целей необходимы другие абстрактные модели, которые позволили бы производить более тонкий анализ различных свойств реальных систем. Эти более низкие уровни абстрагирования, в свою очередь, являются уже частными случаями по отношению к теоретико-множественному уровню формального описания систем. Так, если связи между элементами рассматриваемых множеств устанавливаются с помощью некоторых однозначных функций, отображающих элементы множества в само исходное множество, то приходим к абстрактноалгебраическому уровню описания систем. В таких случаях говорят, что между элементами множеств установлены нульарные (никакие, отсутствующие), унарные, бинарные (двойные, двойственные), тернарные отношения и т. д. Если же на элементах рассматриваемых множеств определены некоторые 60 топологические структуры, то в этом случае приходим к топологическому уровню абстрактного описания систем. При этом может быть использован язык общей топологии или ее ветвей, именуемых гомологической топологией, алгебраической топологией и т. д. Низшие уровни описания систем. Логико-математический уровень описания систем нашел широкое применение для: формализации функционирования автоматов; задания условий функционирования автоматов; изучения вычислительной способности автоматов. Понятие «автомат» (от греч. automatos — самодействующий) имеет следующие значения: 1) устройство, выполняющее некоторый процесс без непосредственного участия человека. В глубокой древности это часы, механические игрушки, со второй половины XVIII в. Широкое применение в промышленности для замены физического труда человека; в 40 — 50-х годах XX в. появились автоматы для выполнения некоторых видов умственного труда; автоматические вычислительные машины и другие кибернетические устройства. Применение автоматов значительно повышает производительность труда, скорость и точность выполнения операций. Освобождает человека от утомительного однообразного труда, для защиты человека от условий, опасных для жизни или вредных для здоровья. Автоматы используются там, где невозможно присутствие человека (высокая температура, давление, ускорение, вакуум и т. д.); 2) математическое понятие, математическая модель реальных (технических) автоматов. Абстрактно автомат можно представить как некоторое устройство («черный ящик»), имеющее конечное число входных и выходных каналов и некоторое множество внутренних состояний. На входные каналы извне поступают сигналы, и в зависимости от их значения и от того, в каком состоянии он находился, автомат переходит в следующее состояние и выдает сигналы на свои выходные каналы. С течением времени входные сигналы изменяются, соответственно изменяются и состояние автомата, и его выходные каналы. Таким образом, автомат функционирует во времени; 3) в узком смысле автомат употребляется для обозначения так называемых синхронных дискретных автоматов. Такие автоматы имеют конечные множества значений входных и выходных сигналов, называемых входным и выходным алфавитом. Время разбивается на промежутки одинаковой длительности (такты): на протяжении всего такта входной сигнал, состояние и выходной сигнал не изменяются. Изменения происходят только на границах тактов. Следовательно, время можно считать дискретным t=1,2, ...,n. При любом процессе управления или регулирования, осуществляемом живым организмом или автоматически действующей машиной либо устройством, происходит переработка входной информации в выходную. 61 Поэтому при теоретико-информационном уровне абстрактного описания систем информация выступает как свойство объектов и явлений (процессов) порождать многообразие состояний, которые посредством отражения передаются от одного объекта к другому и запечатлеваются в его структуре (возможно, в измененном виде). Отображение множества состояний источника во множество состояний носителя информации называется способом кодирования, а образ состояния при выбранном способе кодирования — кодом этого состояния. Абстрагируясь от физической сущности носителей информации и рассматривая их как элементы некоторого абстрактного множества, а способ их расположения как отношение в этом множестве, приходят к абстрактному понятию кода информации как способа ее представления. При таком подходе код информации можно рассматривать как математическую модель, т. е. абстрактное множество с заданными на нем предикатами. Эти предикаты определяют тип элементов кода и расположение их друг относительно друга. Предикат — одно из фундаментальных понятий математики — условие, сформулированное в терминах точного логико-математического языка. Предикат содержит обозначения для произвольных объектов некоторого класса (переменные). При замещении переменных именами объектов данного класса предикат задает точно определенное высказывание. Динамический уровень абстрактного описания систем связан с представлением системы как некоторого объекта, куда в определенные моменты времени можно вводить вещество, энергию и информацию, а в другие моменты времени — выводить их, т. е. динамическая система наделяется свойством иметь «входы» и «выходы», причем процессы в них могут протекать как непрерывно, так и в дискретные моменты времени. Кроме этого, для динамических систем вводится понятие «состояние системы», характеризующее ее внутреннее свойство. Эвристический уровень абстрактного описания систем предусматривает поиски удовлетворительного решения задач управления в связи с наличием в сложной системе человека. Эврика — это догадка, основанная на общем опыте решения родственных задач. Изучение интеллектуальной деятельности человека в процессе управления имеет очень важное значение. Эвристика вообще — это прием, позволяющий сокращать количество просматриваемых вариантов при поиске решения задачи. Причем этот прием не гарантирует наилучшее решение. Например, человек, играя в шахматы, пользуется эвристическими приемами выработки решетя, так как продумать весь ход игры с начала до конца практически невозможно из-за слишком большого числа вариантов игры (надо обдумать около 10120 вариантов). Если на один вариант затрачивать всего 62 10 с, а в году около 3*107 с, то при 8-часовой работе без выходных дней и отпуска человек способен просчитать в год не более (1/3*3*107)/10=106 вариантов. Следовательно, на перебор всех возможных вариантов шахматной партии понадобится одному человеку 10114 лет. Поэтому в настоящее время бурно развивается эвристическое программирование — программирование игровых ситуаций, доказательства теорем, перевода с одного языка на другой, дифференциальной диагностики, распознавания образов (звуковых, зрительных и т. д.). Большое внимание сейчас уделяется созданию искусственного и гибридного интеллекта. При этом важное значение играют решение проблемы иерархически организованного перебора, создание и разработка методов отсечения заведомо невыгодных путей. Таким образом, обзор уровней абстрактного описания систем показывает, что выбор подходящего метода формального описания при изучении той или иной реальной системы является всегда наиболее ответственным и трудным шагом в теоретико-системных построениях. Эта часть исследования почти не поддастся формализации и во многом зависит от эрудиции исследователя, его профессиональной принадлежности, целей исследования и т. д. Наибольшее значение в настоящее время в абстрактной теории систем придается теоретико-множественному, абстрактноалгебраическому и динамическому уровням описания систем. 63 Лекция 6 Кибернетический подход к описанию систем Управление как процесс. Кибернетический подход к описанию систем состоит в том, что всякое целенаправленное поведение рассматривается как управление. Управление — в широком, кибернетическом смысле — это обобщение приемов и методов, накопленных разными науками об управлении искусственными объектами и живыми организмами. Язык управления — это использование понятий «объект», «среда», «обратная связь», «алгоритм» и т.д. Под управлением будем понимать процесс организации такого целенаправленного воздействия на некоторую часть среды, называемую объектом управления, в результате которого удовлетворяются потреб ности субъекта, взаимодейст вующего с этим объектом. Рисунок 8 Кибернетический подход кпроцессу управления Анализ управления заставляет выделить тройку — среду, объект и субъект, внутри которой разыгрывается процесс управления (рис. 16). В данном случае субъект ощущает на себе воздействие среды Х и объекта У. Если состояние среды Х он изменить не может, то состоянием объекта У он может управлять с помощью специально организованного воздействия U. Это и есть управление. Состояние объекта Y влияет на состояние потребностей субъекта. Потребности субъекта A  (1 ,...,  k ), где  i — состояние i-й потребности субъекта, которая выражается неотрицательным числом, характеризующим насущность, актуальность этой потребности. Свое поведение субъект строит так, чтобы минимизировать насущность своих потребностей, т. е. решает задачу многокритериальной оптимизации:  ( X ,U )  min(i  1, k ), (2.1) r R 64 где R — ресурсы субъекта. Эта зависимость выражает неизвестную, но существующую связь потребностей с состоянием среды Х и поведением U субъекта. Пусть U *x — решение задачи (2.1), т. е. оптимальное поведение субъекта, минимизирующее его потребности А. Способ решения задачи (2.1), позволяющий определить U x* , называется алгоритмом управления U x*   ( At , X ), (2.2) где  — алгоритм, позволяющий синтезировать управление по состоянию среды Х и потребностей Аt,. Потребности субъекта изменяются не только под влиянием среды или объекта, но и самостоятельно, отражая жизнедеятельность субъекта, что отмечается индексом t. Алгоритм управления , которым располагает субъект, и определяет эффективность его функционирования в данной среде. Алгоритм имеет рекуррентный характер: U N 1   (U N , At , X ), , т. е. позволяет на каждом шаге улучшать управление. Например, в смысле At ( X ,U N 1 )  At ( X ,U N ) , т. е. уменьшения уровня своих потребностей. Процесс управления как организация целенаправленного воздействия на объект может реализовываться как на интуитивном ,так и на осознанном уровне. Первый используют животные, второй — человек. Осознанное удовлетворение потребностей заставляет декомпозировать алгоритм управления и вводить промежуточную стадию — формулировку цели управления, т. е. действовать по двухэтапной схеме: На первом этапе определяется цель управления Z * , причем задача решается на интуитивном уровне: Z *  1 ( X , At ) , где 1 — алгоритм синтеза цели Z* по потребностям Аt и состоянию среды X. На втором этапе определяется управление U *x , реализация которого обеспечивает достижение цели 2.*, сформированной на первой стадии, что и 65 приводит к удовлетворению потребностей субъекта. Именно на этой стадии может быть использована вся мощь формального аппарата, с помощью которого по цели Z* синтезируется управление U x*  2 ( Z * , X ), где 2 — алгоритм управления. Этот алгоритм и есть предмет изучения кибернетики как науки. Таким образом, разделение процесса управления на два этапа отражает известные стороны науки — неформальный, интуитивный, экспертный и формальный, алгоритмизуемый. Рисунок 9 Взаимодействие элементов системы управления. Рисунок 10 Структурная схема системы управления Z 66 Если первая пока полностью принадлежит человеку, то вторая является объектом приложения формальных подходов. Естественно, что эти различные функции выполняются разными структурными элементами. Первую функцию (, выполняет субъект, а вторую ( — управляющее устройство (УУ). На рис. 17 показано взаимодействие этих элементов. Штриховой линией выделена система управления (СУ), выполняющая функцию реализации целей управления 2*, формируемых субъектом. Системы управления сложный объект управления •. Структурная схема СУ приведена на рис. 18. Здесь Dx и Dy — датчики, измеряющие состояние среды и объекта соответственно. Результаты измерений Х'=Dx(Х) и У'=Dy(У) образуют исходную информацию ]= {X', У'} для УУ, которое на этой основе вырабатывает команду управления и, являющуюся лишь информациейо том, в какое положение должны быть приведены управляемыевходы объекта. Следовательно, управление (/ есть результатработы алгоритма U  2 ( J , Z * ) . Как видно, управление в широком смысле образуется четверкой {Z * , J ,U , 2 .} В качестве примера рассмотрим основные понятия управления в технических и организационных системах. Управление — целенаправленная организация того или иного процесса, протекающего в системе. В общем случае процесс управления состоит из следующих четырех элементов:  получение информации о задачах управления (Z*),  получение информации о результатах управления (т. е. о поведении объекта управления У’);  анализ полученной информации и выработка решения (J=={х'. У'}),  исполнение решения (т. е. осуществление управляющих воздействий и'). Процесс управления — это информационный процесс (рис. 19), заключающийся в сборе информации о ходе процесса, передаче ее в пункты накопления и переработки, анализе поступающей, накопленной и справочной информации, принятии решения на основе выполненного анализа, выработке соответствующего управляющего воздействия и доведении его до объекта управления. Каждая фаза процесса управления протекает во взаимодействии с окружающей средой при воздействии различного рода помех. Цели, принципы и границы управления зависят от сущности решаемой задачи. 67 Система управления — совокупность взаимодействующих между собой объекта управления и органа управления, деятельность которых направлена заданной цели управления (рис 20). Рисунок 11 Процесс управления как информационные процесс В СУ решаются четыре основные задачи управления: стабилизация, выполнение программы, слежение, оптимизация. Задачами стабилизации системы являются задачи поддержания ее выходных величин вблизи некоторых неизменных заданных значений, несмотря на действие помех. Например, стабилизация напряжения U и частоты f тока в сети вне зависимости от изменения потребления энергии. Задача выполнения программы возникает в случаях, когда заданные значения управляемых величин изменяются во времени заранее известным образом. Рисунок 12 Системы управления как совокупность объектов 68 В системах оптимального управления требуется наилучшим образом выполнить поставленную перед системой задачу при заданных реальных условиях и ограничениях. Понятие оптимальности должно быть конкретизировано для каждого отдельного случая. Прежде чем принимать решение о создании СУ, необходимо рассмотреть все его этапы, независимо от того, с помощью каких технических средств они будут реализованы. Такой алгоритмический анализ управления является основой для принятия решения о создании СУ и степени ее автоматизации. При этом анализе следует обязательно учитывать фактор сложности объекта управления:  отсутствие математического описания системы;  стохастичность поведения;  негативность к управлению;  не стационарность, дрейф характеристик;  невоспроизводимость экспериментов (развивающаяся система все время как бы перестает быть сама собой, что предъявляет специальные требования к синтезу и коррекции модели объекта управления). Особенности сложной системы часто приводят к тому, что цель управления таким объектом в полной мере никогда не достигается, как бы совершенно ни было управление. Системы управления делятся на два больших класса: системы автоматического управления (САУ) и автоматизированные системы управления (АСУ). В САУ управление объектом или системой осуществляется без непосредственного участия человека автоматическими устройствами. Это замкнутые системы. Основные функции САУ: автоматический контроль и измерения, автоматическая сигнализация, автоматическая защита, автоматические пуск и остановка различных двигателей и приводов, автоматическое поддержание заданных режимов работы оборудования, автоматическое регулирование. В отличие от САУ в АСУ в контур управления включен человек, на которого возлагаются функции принятия наиболее важных решений и ответственности за принятые решения. Под АСУ обычно понимают человеко-машинные системы, использующие современные экономико-математические методы, средства электронно-вычислительной техники (ЭВТ) и связи, а также новые организационные принципы для отыскания и реализации на практике наиболее эффективного управления объектом (системой). Этапы управления, представленных на рис. 21. 69 Рисунок 13 Этапы управления сложной системы 1. Формирование цепей. Множество целей управления, которое должно реализовать СУ определяется как внешними по отношению к системе, так и внутренними факторами и, в частности, потребностям субъекта А. Сложность формализации учета влияния на цели очевидна. Различают три вида целей: стабилизация— заключается в требовании поддерживать выходы объекта на заданном уровне; ограничение — требует нахождения в заданных границах целевых переменных Z i* , i  1, k ; экстремальная цель—сводится к поддержанию в экстремальном состоянии целевых переменных Zi* . 2. Определение объекта управления. Этот этап связан с выделением той части среды субъекта, состояние которой он может изменить и тем самым воздействовать на свои потребности. В ряде случаев, когда границы объекта очевидны, проблемы выделения объекта из среды не возникает. Это бывает, когда объект достаточно автономен (самолет, телефонная станция и т. д.). Однако в других случаях связи объекта со средой настолько сильны и разнообразны, что порой очень трудно понять, где кончается объект и начинается среда. Именно это и заставляет вводить специальный этап — определение объекта управления. Объект должен быть в определенном смысле минимальным, т. е. иметь наименьший объем. Это необходимо с целью минимизации трудоемкости его изучения при синтезе модели. При этом существенным ограничением выступает достижимость множества целей управления {Z*} в рамках выделенного для этого ресурса R. Это означает, что 70 для любого состояния среды Х должно найтись управление U *  R , с помощью которого можно добиться любой допустимой цели Z * {Z * } 3. Структурный синтез модели. Последующие три этапа управления сложными системами связаны с решением задачи создания ее модели, которая нужна для синтеза управления U. Только с помощью модели объекта можно построить управление U*, переводящее объект в требуемое (целевое) состояние Z*. Модель F, связывающая входы Х и U с выходом У, определяется структурой SТ и параметрами С={с1 ...,ck}, т. е. представима в виде двойки F={SТ, С). На этом этапе определяется структура SТ, т. е. модель объекта с точностью до значений ее параметров С. Этап структурного синтеза включает: определение внешней структуры модели, декомпозицию модели, определение внутренней структуры элементов модели. Синтез внешней структуры сводится к содержательному определению входов Х и U, выхода У без учета внутренней структуры объекта, т. е. объект рассматривается как некий «черный ящик» с n+q входами и m выходами. Декомпозиция модели заключается в том, чтобы, воспользовавшись априорными сведениями о структуре объекта, упростить задачу синтеза структуры модели. Синтез структуры модели сводится к определению вида оператора F модели объекта с точностью до параметров С. Это значит, что параметры становятся переменными модели, т. е. Y  F ( X ,U , C), (2.3) где F — оператор преобразования структуры SТ, параметры которого для удобства внесены в переменные С. Представление оператора преобразования модели в виде (2.3) можно назвать параметризацией модели, что эквивалентно заданию его структуры. При синтезе структуры моделей объектов управления могут применяться различные подходы — от классических методов теории автоматического управления (ТАУ) до современных методов имитационного моделирования (методы случайного поиска, статистических испытаний и др.), семиотического моделирования с использованием языка бинарных отношений и других методов современной математики, использующих сочетание дополняющих друг друга возможностей аналитических и статистических, семиотических и графических и других формализованных представлений системы. 4. Идентификация параметров модели объекта. Этот этап связан с определением числовых значений параметров С в режиме нормального функционирования объекта. Делается это стандартными приемами идентификации. Для выяснения зависимости выхода объекта от управляемых входов U необходимо преднамеренно их изменять, т. е. экспериментировать с объектом. Однако сложная система «не любит» эксперименты, нарушающие режим ее нормального функционирования. Поэтому эксперимент, которого нельзя набежать, следует проводить, минимально возмущая объект, но так, 71 чтобы получить при этом максимальную информацию о влиянии варьируемых параметров на выход объекта. 5. Планирование эксперимента. На данном этане главным является синтез плана эксперимента, позволяющего с максимальной эффективностью определить искомые параметры модели объекта управления. Для статического объекта этот план U представляет собой набор состояний управляемого выхода объекта U={U1..., Un}, а для динамического — план-функцию 0<=t<=T, т. е. программу изменения во времени входа объекта. Эксперимент на объекте дает возможность определить реакцию объекта на это воздействие. В статическом случае эта реакция имеет вид Y={y1, ..., yn), где yi  F  (Vi ), i  1, N , а в динамическом — У(1)= ^{и(1)}. Полученная информация и является исходной для определения параметров модели F: У=F(U, С), что осуществляется методами идентификации. План эксперимента 0 определяется: структурой SТ модели F, ресурсом планирования R, который образуется выделяемыми на эксперимент средствами, областью планирования, определяющей пределы изменения входа U; критерием планирования, который определяет эффективность плана U. 6. Синтез управления. На этом этапе принимается решение о том, каково должно быть управление (U, чтобы достигнуть заданной цели управления Z* в объекте. Это решение опирается на имеющуюся модель объекта F, заданную цель Z*, полученную информацию о состоянии среды Х и выделенный ресурс управления R, который представляет собой ограничения, накладываемые на управление (U в связи со спецификой объекта и возможностями СУ. Достижение цели Z* возможно соответствующим выбором управления U (состояние среды Х изменяется независимо от нас). Это приводит к экстремальной задаче Q( X , Y )  min  U * V  решение которой U* является оптимальным управлением. Способы решения задачи (2.4) существенно зависят от структуры модели объекта F. Если объект статический, т. е. F — функция, то получаем задачу математического программирования, если же —динамический, т. е. F — оператор, то решают вариационную задачу. 7. Реализация управления или отработка в объекте оптимального решения U*, полученного на предыдущем этапе. Реализовав управление и убедившись, что цель управления не достигнута, возвращаются к одному из предыдущих этапов. Даже в лучшем случае, когда поставленная цель достигнута, необходимость обращения к предыдущему этапу вызывается изменением состояния среды Х или сменой цели управления U*. Таким образом, при благоприятном стечении обстоятельств обращаются к этапу синтеза управления (стрелка а на рис. 21), где определяется новое 72 состояние, которое отражает новую ситуацию, сложившуюся в среде. Так функционирует стандартный контур управления простым объектом. 8. Адаптация. Специфика управления сложной системой состоит в том, что благодаря зашумленности и нестационарности информация, полученная на предыдущих этапах, приближенно отражает состояние системы лишь в предыдущие моменты времени. Это и вызывает необходимость коррекции. Коррекция может затрагивать различные этапы. Простейшая коррекция связана с подстройкой параметров модели С (стрелка с, рис. 21). Такого рода коррекцию называют адаптацией модели, а управление — адаптивным управлением. Если управление U не обеспечивает необходимого разнообразия входа объекта для эффективной коррекции параметров модели, то приходится принимать специальные меры планирования эксперимента путем добавления специальных тестовых сигналов (стрелка Ь, рис. 21). Такое управление называют дуальным. Однако одной коррекции параметров модели может оказаться недостаточно, если изменилась ее структура. Поэтому время от времени необходима коррекция структуры модели, т. е. приведение ее в соответствие с новой информацией (стрелка d, рис. 21). Далее коррекция может коснуться самого объекта, точнее, границы разделения объекта и среды. Это бывает необходимо призначительном изменении (эволюции) объекта и окружающей ее среды (стрелка е, рис. 21). И наконец, созданная СУ по ряду причин может не реализовать все множество целей управления, в результате необходима адаптация целей (стрелка g, рис. 21). Очевидно, что не все из описанных выше восьми этапов управления присутствуют при синтезе СУ. В ряде случаев некоторые из них выпадают. Например, объект управления может быть выделен из среды и тогда нет необходимости в этапе планирования эксперимента, так как модель объекта проста и все ее параметры можно определить без специально организованного эксперимента. Моделирование систем Классификация видов моделирования систем. В основе моделирования лежит теория подобия, которая утверждает, абсолютное подобие может иметь место лишь при замене объекта другим точно таким же. При моделировании абсолютное подобие не имеет места и стремятся к тому, чтобы достаточно хорошо отображало исследуемую сторону строну функционирования объекта. Классификация видов моделирован ведена на рис. 22. 73 Рисунок 14 Виды моделирования систем По степени полноты модели они делятся на полные, неполные и приближенные. Полные модели идентичны объекту во времени и пространстве. Для неполного моделирования эта идентичность не сохраняется. В основе приближенного моделирования Лежит подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем. В зависимости от характера изучаемых процессов в системе виды моделирования подразделяются на детерминированные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные. Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий. Стохастическое моделирование учитывает вероятностные процессы и события. Статическое моделирование служит для описания поведения объекта в фиксированный момент времени, а динамическое — для исследования объекта во времени. Дискретное, непрерывное и дискретнонепрерывное моделирования используются для описания процессов, имеющих изменение во времени. При этом оперируют аналоговыми, цифровыми и аналогоцифровыми моделями. В зависимости от формы представления объекта моделирование классифицируется на мысленное и реальное. Мысленное моделирование применяется тогда, когда модели не реализуемы в заданном интервале времени либо отсутствуют условия для их физического создания (например, ситуации микромира). 74 Мысленное моделирование реализуется в виде наглядного, символического и математического. При наглядном моделировании на базе представлений человека о реальных объектах создаются наглядные модели, отображающие явления и процессы, протекающие в объекте. В основу гипотетического моделирования закладывается гипотеза о закономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Этот вид моделирования используется, когда знаний об объекте недостаточно для построения формальных моделей. Аналоговое моделирование основывается на применении аналогий различных уровней. Для достаточно простых объектов наивысшим уровнем является полная аналогия. С усложнением системы используются аналогии последующих уровней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта. Макетирование применяется, когда протекающие в реальном объекте процессы не поддаются физическому моделированию либо могут предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, обычно базирующиеся на причинноследственных связях между явлениями и процессами в объекте. Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью определенной системы знаков и символов. В основе языкового моделирования лежит некоторый тезаурус, который образуется из набора входящих понятий, причем этот набор должен быть фиксированным. Между тезаурусом и обычным словарем имеются принципиальные различия. Тезаурус — словарь, который очищен от неоднозначности, т. е. в нем каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному слову может соответствовать несколько понятий. Если ввести условное обозначение отдельных понятий, т. е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий — составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта. Математическое моделирование — это процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. В принципе, для исследования характеристик процесса функционирования любой системы математическими методами, включая и машинные, должна быть обязательно проведена формализация этого процесса, т. е. построена математическая модель. Исследование математической модели позволяет получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, требуемой достоверности и точности 75 решения задачи. Любая математическая модель, как и всякая другая, описывает реальный объект с некоторой степенью приближения. Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегродифференциальных, конечно-разностных и т. д.) или логических условий. Аналитическая модель исследуется следующими методами: аналитическим, когда стремятся получить в общем виде явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы; численным, когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных; качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения). В настоящее время распространены методы машинной реализации исследования характеристик процесса функционирования БС. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирующий алгоритм. При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование — наиболее эффективный метод исследования БС, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования. В имитационном моделировании различают метод статистического моделирования и метод статистических испытаний (Монте-Карло). Если результаты, полученные при воспроизведении на имитационной модели, являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведение с последующей обработкой информации. Поэтому целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования. Первоначально был разработан метод статистических испытаний, представляющий собой численный метод, который применялся для моделирования случайных величин и функций, вероятностные характеристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с 76 целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т. е. появился метод статистического моделирования. Метод имитационного моделирования применяется для оценки вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено в основу структурного, алгоритмического и параметрического синтеза БС, когда требуется создать систему с заданными характеристиками при определенных ограничениях. Система должна быть оптимальной по некоторым критериям эффективности. Комбинированное (аналитико-имитационное) моделирование позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей производится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического или имитационного моделирования в отдельности. Информационное моделирование (часто называемое кибернетическим) связано с исследованием моделей, в которых отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируются некоторые связи между выходами и входами. Таким образом, в основе информационных (кибернетических) моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести данную функцию на имитационной модели, причем на совершенно другом математическом языке и, естественно, иной физической реализации процесса. Структурно-системное моделирование базируется на некоторых специфических особенностях структур определенного вида, используя их как средство исследования систем или разрабатывая на их основе с применением других методов формализованного представления систем (теоретико-множественных, лингвистических и т. п.) специфические подходы к моделированию. Структурно-системное моделирование включает:  методы сетевого моделирования; 77  ковыми); сочетание методов структуризации с лингвистическими (язы- структурный подход в направлении формализации построения и исследования структур разного типа (иерархических, матричных, произвольных графов) на основе теоретико-множественных представлений и понятия номинальной шкалы теории измерений. Ситуационное моделирование основано на модельной теории мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений. В основе модельной теории мышления лежит представление о формировании в структурах мозга информационной модели объекта и внешнего мира. Эта информация воспринимается человеком на базе уже имеющихся у него знаний и опыта. Целесообразное поведение человека строится путем формирования целевой ситуации и мысленного преобразования исходной ситуации в целевую. Основой построения модели является описание объекта в виде совокупности элементов, связанных между собой определенными отношениями, отображающими семантику предметной области. Модель объекта имеет многоуровневую структуру и представляет собой тот информационный контекст, на фоне которого протекают процессы управления. Чем богаче информационная модель объекта и выше возможности ее манипулирования, тем лучше и многообразие качество принимаемых решений при управлении. При реальном моделировании используется возможность исследования характеристик либо на реальном объекте целиком, либо на его части. Такие исследования проводятся как на объектах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адекватным, но его возможности ограничены. Например, проведение реального моделирования АСУП требует, во-первых, наличия такой АСУ и, во-вторых, проведения экспериментов с управляемым объектом, т. е. предприятием, что в большинстве случаев невозможно. Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. Натурный эксперимент подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент. Научный эксперимент характеризуется широким использованием средств автоматизации проведения, применением весьма разнообразных средств обработки информации, возможностью вмешательства человека в процесс проведения эксперимента. В соответствии с этим появилось новое научное направление — автоматизация научного эксперимента и новая специализация в рамках специальности АСУ — АСНИ (автоматизированные системы научных исследований и комплексных испытаний). Одна из разновидностей эксперимента — комплексные испытания, когда вследствие повторе78 ния испытаний объектов в целом (или больших частей системы) выявляются общие закономерности о характеристиках качества, надежности этих объектов. В этом случае моделирование осуществляется путем обработки и обобщения сведений о группе однородных явлений. Наряду со специально организованными испытаниями возможна реализация натурного моделирования путем обобщения опыта, накопленного в ходе производственного процесса, т. е. можно говорить о производственном эксперименте. Здесь на базе теории подобия обрабатывают статистический материал по производственному процессу и получают его обобщенные характеристики. Необходимо помнить про отличие эксперимента от реального протекания процесса. Оно заключается в том, что в эксперименте могут появиться отдельные критические ситуации и определиться границы устойчивости процесса. В ходе эксперимента вводятся новые факторы и возмущающие воздействия в процесс функционирования объекта. Другим видом реального моделирования является - физическое, отличающееся от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием. В процессе физического моделирования задаются некоторые характеристики внешней среды и исследуется поведение либо реального объекта, либо его модели при заданных или создаваемых искусственно воздействиях внешней среды. Физическое моделирование может протекать в реальном и нереальном (псевдореальном) масштабах времени или рассматриваться без учета времени. В последнем случае изучению подлежат так называемые «замороженные» процессы, фиксируемые в некоторый момент времени. Наибольшие сложность и интерес с точки зрения корректности получаемых результатов представляет физическое моделирование в реальном масштабе времени. 79 Лекция 7 Алгоритмы на топологических моделях. Алгоритмы на топологических моделях. Представление графов в ЭВМ. Матрицы смежности, изоморфности, достижимости и контрдостижимости, списочные формы. Алгоритмы на графах. Алгоритмы поиска путей, выделения контуров, поиск касающихся контуров. Задачи анализа топологии Под топологическим анализом понимается выявление структурных свойств и особенностей модели на основании исследования моделей первого ранга неопределенности Ms(1), т.е. на основании информации о взаимосвязи переменных графа. К основным задачам анализа топологии, относятся задачи поиска путей, выделения контуров, декомпозиции на подсистемы. Алгоритмы для такого анализа на основании представлений моделей в форме графов или матричной форме неоднократно приводились в литературе. Традиционные постановки касаются, в основном, линейных систем, составленных из однонаправленных элементов. Алгоритмы топологического анализа имеют огромное значение для исследования СС НСУ с помощью ЭВМ, так как проблема повышения эффективности по быстродействию и точности существующих методов моделирования может быть решена за счет более полного учета топологических особенностей модели. Представление информации о топологии моделей Представление топологии модели возможно в списочной и матричной форме. При организации программных средств чаще используется списочная форма. При больших размерностях одноуровневых сильно разряженных моделей она имеет преимущества по требуемой памяти и скорости работы алгоритмов топологического анализа. Однако для сильно связанных систем небольшой размерности или иерархических систем эффективнее испробовать алгоритмы, основанные на матричных формах, например на матрицах смежности. В качестве иллюстрации на рис. 23. приведена диаграмма графа модели странного аттрактора Лоренца. Эта форма представления позволяет эффективнее решать задачи выделения путей и контуров, связности, структурной управляемости и многие другие, чем в форме НФК и отчасти СНДУ. 80 Модель системы представляется ориентированным графом H=<G,H> с множеством переменных Х=x1, .... , xn, N - общее множество вершин, и множеством дуг G - упорядоченных пар номеров смежных вершин (i,j), G=(i,j)1, ... (i,j)n. Общее количество таких пар обозначено в примерах как Q. Несмотря на всю компактность и удобство такой записи, на практике чаще используют матрицу смежности R = rij, показывающую наличие дуги между i-ой и j-ой вершинами. Рисунок 15 Модель странного аттрактора в форме ориентированного графа Рисунок 16 Модель системы в форме графа Другим способом представления топологии является матрица изоморфности D, в строках которой представлены номера входящих (с плюсом) и выходящих (с минусом) дуг. Для приведенного на рис. 24 примера матрицы смежности и изоморфности имеют вид: R 0 0 0 0 0 1 6 1 1 0 1 0 0 0  1,7 2 2  3,7 3 4 0 0 0 1 0 0 4 5 0 0 0 0 1 0 5 6 0 1 0 0 0 0 0 0 1 0 0 0 , D . Избыточность хранимой информации в матрице смежности (нулевые значения) компенсируются простотой вычислительных алгоритмов и скоростью получения требуемой информации из матрицы. Кроме того, наличие только двух значений 0 или 1, дает возможность использовать для ее представления битовые поля, что дает значительную экономию памяти, и при 81 размерах системы порядка 100 элементов не уступает по затратам ресурсов на хранение матрицы изоморфности, при значительно более простых алгоритмов обработки информации. Использование матриц смежности, инцидентностей, достижимостей и др. имеет большое применение для алгоритмов топологического анализа СС НСУ. Ориентированные графы (структурные схемы) обычно широко используются при описании линейных систем и систем с одновходовыми нелинейностями. Однако возникают некоторые затруднения при описании нелинейных систем, где нелинейные функции могут зависеть от нескольких переменных, например при описании операций умножения и деления. Переборные методы Поиск контуров и путей по матрице смежности Наиболее простым способом идентификации путей и контуров являются матричные алгоритмы структурного анализа. Они строятся на основе последовательного возведения в соответствующие степени матрицы смежности. Единица в матрице смежности S говорит о наличии пути между i-й и j-й 2 вершинами длиной 1. Наличие 1 в (i, j)-й позиции в матрицы S означает путь длиной 2 между этими вершинами, и так далее. Таким образом, существование ненулевого значения на главной диагонали означает наличие пути из данной вершины в данную вершину, длинна которого равна степени матрицы. Значение матрицы смежности в различных степенях для графа, представленного на рис. 25 показаны ниже: S2 S 0 1  0  1 1 0 0 1 0 0 0 1 0 0 ; 1  0 1 0  1  0 0 1 1 0 0 1 1 0 S3 0 0 1  2  ;  0 0   1  2 2 S4 1 0 0 2 1 0 0 2 1  2 0  0  ; 1  2   0  0 0 2 2 0 0 2 2 0 0 2 . 0  2 Наличие 1 в главной диагонали S указывает на то, что четыре переменные системы входят в контуры длиной 2. Это позволяет определить вершины, входящие в контуры, его длину, но не конкретный вид. Поэтому требуется уточняющий переборный алгоритм на отобранных вершинах нелинейного системного гибридного графа, определяющего конкретный вид контура известной длины. На выходе этого алгоритма формируется дополняемый список из номеров вершин, входящих в каждый контур. С учетом различной длины контуров его удобнее представлять в памяти ПЭВМ динамическим списком 82 1 2,    C  2 4, . 1 2 3 4, 4 Четвертая степень матрицы смежности S содержит информацию об еще одном контуре длиной 4. Но кроме этого повторяется информация о контурах длиной 2. Рисунок 17 Диаграмма графа одноуровневой модели СУ Рисунок 18 Диаграмма графа иерархической модели СУ Отмеченные особенности этого метода, повторение информации о контурах в матрицах более высокого порядка, кратного длине контура; трудности в обработки контуров одинаковой длины, требуют применения, в дополнению к рассматриваемому методу переборного алгоритма, уточняющего и отбрасывающего повторяющую информацию. Наиболее существенным недостатком данного метода является его низкое быстродействие в следствие большого количества возведений матрицы смежности в соответствующие степени и большие затраты памяти ЭВМ для хранения информации. Модифицированный алгоритм поиска контуров и путей по матрице смежности Недостатки алгоритма поиска путей и контуров на основании представления топологии модели в форме матриц смежности, отмеченные выше, могут быть компенсированы, если использовать логические операции вместо математических и побитовое представление матрицы смежности. Быстрый рост необходимой памяти и временных затрат на работу алгоритма с ростом размерности систем в предлагаемом алгоритме компенсируются 83 иерархическим представлением топологии модели а так же иерархическим характером построения алгоритмов топологического анализа. Реализация алгоритма в этом случае использует не умножение, а логическую операцию И (в матрице присутствуют только значения 0 и 1), выполняемую одной машинной командой. Как отмечалось ранее, составной характер представляемых моделей требует учета наличия связей между входами и выходами внутри подсистем. С этой целью водится матрица существования связи: 1, если внутри подсистемы существует связь между  J ik   i входом и k выходом, 0, если такой связи нет.  (3.1) Пример, иллюстрирующий данную особенность показан на рис. 26. При формировании матрицы смежности информация о внутренних контурах подсистемы не учитывается, учитывается только информация матрицы J (3.1) существования связи между входами и выходами подсистемы. Возведение в соответствующие степени матрицы смежности S позволяет выделить для данной системы 3 контура. S2 S 0 0  0  1 0  0 1 0 0 0 0 0 1 1 0 0  0 0 1 0 0 ; 0 0 0 0 1 0 0 0 0 1  0 0 0 1 0 0 1  1  0 0  0 S3 0 1 1 0 0 1 0 0 1 0 1 1   0 0 0 0 1 0 ; 1 0 0 1 0 0 0 0 0 1 0 0   0 0 0 0 1 0 0 0 1 0 1 1 1 0 0 1 1 0   1 0 0 1 0 0 ; 0 1 1 0 1 1 0 0 0 0 1 0   0 0 0 1 0 0 S4 1 0 0 1 1 1 1 1 1 1  0 1 1 0 1 . 0 0 1 1 1 0 0 0 1 0  0 0 0 0 1 Логическая сумма, - операции ИЛИ - позволяет определить все возможные связи между вершинами. n R   Si (3.2) i 1 где n - размерность системы и, кроме того, определяет длину максимально возможного пути. Данную сумму называют матрицей достижимости. Транспонированная матрица достижимости Q Rт , (3.3) называемой матрицей контрдостижимостей. Ниже приведены значения матриц достижимости и контрдостижимости для системы представленной на рис. 26. 84 1 1  1 R 1 0  0 1 1 1 1 1 1 1 1 1 1  1 1 1 1  , 1 1 1 1 1 0 0 0 0 1  0 0 0 1 0 1 1  1 Q  1 1  1 1 1 1 0 0 1 1 1 0 0  1 1 1 0 0  . 1 1 1 0 0 1 1 1 1 1  1 1 1 1 1 Если в матрице достижимости оставить только входные и выходные вершины подсистемы данного уровня иерархии, то получится матрица связей J (3.1), которая должна быть передана в вышестоящую по уровню систему для составления аналогичных функций структурного анализа и учета этой информации на стадии моделирования. Блок схема, реализующая предлагаемый алгоритм, показана на рис. 27. Блок 1 выполняет преобразование из внутренней формы представления нелинейного системного гибридного графа в матрицу смежности размером N * N. Блоки 3 и 4 задают начальные значения матриц контуров С и достижимости R. Блоки 4,5,15 организуют основной цикл. Блок 6 вычисляет i-ю степень матрицы смежности, перемножение выполняется логической операцией “И”. Блок 7 выполняет накопление информации о всех возможных путях в матрице достижимости, суммирование производится логической операцией “ИЛИ”. Блоки 8,9,14 организуют цикл проверки вершин на принадлежность к контурам. В этом цикле перебираются элементы главной диагонали матрицы S i . Если вершина j относится к контуру, длиной i (блок 10), то в блоке 11 переборными методами этот контур выделяется. Выделенный контур, в блоке 12, сравнивается с уже существующими, хранящимися в списке контуров С. Если контур новый, то он добавляется к списку (блок 13). После завершения основного цикла, вычисляется матрица контрдостижимости Q (блок 16) и матрица связей в системе (подсистеме) J (блок 17), после чего алгоритм завершает свою работу. Выходными параметрами, возвращаемыми в вызвавшую программу, являются матрицы R,Q, J, C. 85 Рисунок 19 Блок-схема и пример работы программы выделения контуров 86 Поиск контуров и путей по матрице изоморфности 1 6. 5. Диаграмма графа 2 3 6 7 Рисунок 20Диаграмма графа 5 9 4 8 Матрица изоморфности D -1 7 -2 1 -3 2 3 5 4 -8 8 -5 9 -7 6 -4 -6 -9 Алгоритм идентификации контуров следующий: Просмотреть строки матрицы. Для i-й строки просмотреть элементы до обнаружения отрицательного элемента Di j <0. Запомнить номер строки и значение элемента Di j. Найти строки в матрице содержащие элемента D k l == - Di j. Для каждой найденной строки выполнить пп. 1, до тех пор пока в найденной последовательности повторно не вертится уже обнаруженная дуга, или программе не удастся обнаружить новую дугу, выходящую из этой вершины. Пример для графа, представленного на рис. 28. 1. В 0-й строке нашел D[0][0]= -1 ; 2. Нашел D[1][1]= 1 ; 3. В 1-й строке нашел новый отрицательный элемент D[1][0] = -2 ; 4. Нашел D[2][1]= 2 ; 5. В 2-й строке нашел новый отрицательный элемент D[2][0] = -3 ; 6. Нашел D[3][0] = 3 ; 7. В 3-й строке нашел новый отрицательный элемент D[3][2] = -4 ; 8. Нашел D[4][0]= 4 ; 87 9. В 4-й строке нашел новые отрицательные элементы D[4][1] = -5, D[4][1] = -6, D[4][1] = -9. Необходимо разветвить поиск ; Нашел D[3][1]= 5 ; 10. 11. В 3-й строке нашел отрицательный элемент D[3][2] = -4. Этот элемент уже был в цепочки поиска. Поиск по этой ветки прекращен. Возвращаемся в пп.9 ; Нашел D[1][2]= 6 ; 12. 13. В 1-й строке нашел отрицательный элемент D[1][0] = -2. Этот элемент уже был в цепочки поиска. Поиск по этой ветки прекращен. Возвращаемся в пп.9 ; 14. Нашел D[6][0]= 9 ; 15. В 6-й строке нашел новый отрицательный элемент D[6][1] = -7 ; 16. Нашел D[0][1]= 7 ; 17. В 0-й строке нашел D[0][0]= -1. Этот элемент уже был в цепочки поиска. Поиск по этой ветки прекращен. 18. Новых отрицательных элементов в матрице не осталось поиск прекращен. После завершения поиска имеем: -1 -2 -3 -4 -8 -5 -4 -6 -2 -9 -7 -1 По данным этого списка составляем контура. Обычно в литературе указывается на высокую эффективность данного алгоритма. Он действительно выглядит очень просто и наглядно. Однако при его реализации придется организовывать разветвление работы алгоритма. Это можно сделать либо через рекурсию, либо организовать запоминание дерева перебора и незавершенные точки перебора. Что приводит к значительным затратам ресурсов ЭВМ, не учитывающихся большинством авторов анализирующих эффективность данного алгоритма. Сравнение алгоритмов топологического анализа К недостаткам представления топологии модели в форме матрицы смежности относят неэффективное использование памяти ЭВМ и низкое 88 быстродействие алгоритмов. В качестве более эффективного способа в работе предлагают матрицы изоморфности. Неэффективность представления в памяти ЭВМ матрицы смежности обосновывается необходимостью помнить N*N элементов. Для матрицы изоморфности объем информации зависит от максимального числа дуг, входящих и выходящих из каждой вершины. Анализ большинства моделей СС НСУ показывает, что в среднем необходимо помнить 5*N элементов (под средним значением здесь понимается среднее между матричной формой записи и среднем значением, получающимся при описании информации о топологии системы в форме динамического списка, с учетом выделения служебных полей этого списка для организации ссылок). Но в матрице смежности необходимо помнить только значения 0 или 1 и, соответственно, достаточно представить эту матрицу битовыми полями, в то время как для матрицы изоморфности понадобятся целые числа, занимающие в памяти ЭВМ 2 байта или 16 бит. В результате для представления матрицы смежности будет необходимо N*N/8 байт, а для матрицы изоморфности понадобится, (при максимальном числе входящих и выходящих дуг при вершине равным 5), - 10*N байт. Сравнение объемов требуемой памяти показывает, что для описания топологий систем с размерностями меньшими, чем 80 переменных, эффективнее использовать матрицы смежности. При работе с системами большей размерности выгоднее использовать матрицы изморфности. Однако, учитывая рост затрат времени на расчет линеаризованной системы, получаемый в процессе решения по неявной схеме, работа с моделями больших размерностей не целесообразна. Предлагаемый подход ориентирован на составной и иерархический характер построения модели. Системы с большим числом независимых переменных в этом случае представляются комплексом подсистем, топология которых описывается в отдельных матрицах смежности. По скорости работы алгоритма, поиск контуров по матрице изоморфности, приведенный в, близок к переборному алгоритму на графах. Основные затраты времени в предлагаемом способе приходятся на возведение матрицы смежности в соответствующие степени. При выполнении этой операции с использованием операций умножения затраты времени будут значительными, однако, учитывая что в матрице присутствуют только значения 0 или 1, операцию умножения можно заменить логической операцией “И”, а сложение - логической операцией “ИЛИ”, которые выполняются значительно быстрее. Дополнительным способом повышения скорости является перемножение строки на столбец матрицы с использованием арифметической операции “И”. В этом случае за одну машинную команду “перемножаются” сразу по 16 элементов матрицы. Но для реализации этого понадобится хранить еще одну копию матрицы смежности, записанной по столбцам, а не по строкам, что при современном уровне развития средств вычислительной техники не является уже столь существенными затратами памяти компьютера. Из 89 полученных векторов длиной 16 элементов, логической операцией “ИЛИ” получаем исходное значение. Данный сравнительный анализ показывает, что представление топологии модели в форме матрицы смежности, по эффективности работы алгоритма поиска контуров и хранению в памяти не уступает представлению топологии в других формах представления. Конкретные результаты сравнения эффективности алгоритмов по требуемой памяти и скорости работы во многом зависят от топологических особенностей рассматриваемого класса моделей, степени разряженности системы и особенностей программной реализации алгоритмов топологического анализа. Декомпозиция неопределенности модели на топологическом ранге Традиционная декомпозиция модели основывается на выделении части графа в подсистему на основе принципа сильных связей, то есть связи элементов внутри подсистемы должны быть значительно сильнее, чем связи между ними и внешними элементами. Существенную часть этой работы, при иерархическом построении модели, выполняет сам пользователь, используя известную ему информацию о функциональном назначении подсистем исследуемого объекта. В случае большеразмерной (крупномасштабной) системы, численное интегрирование неявными методами, как правило, не эффективно вследствие значительных временных затрат. Снизить затраты возможно в результате проведения редукции системы за счет формальной (искусственной) декомпозиции системы. Алгоритмы для такой декомпозиции на основе выделения сильных компонент можно найти в литературе. Однако в данной работе использован другой подход, связанный с ориентацией разрабатываемых алгоритмов на неявную схему моделирования. Предлагается выделять последовательные цепи элементов или структуры без обратных связей, уравнения которых впоследствии интегрируются явными методами. Уравнения многовходовых элементов (нелинейные, линейные элементы суммирования и сравнения, суперблоки) и разветвления моделируются по неявной схеме. В результате получается гиперграф, на ребрах которого образуются подсистемы, не содержащие обратные связи. Формируемая на основе преобразованного гиперграфа система уравнений моделируется по явной схеме интегрирования и периодически корректируется (балансируется) по выделенным переменным на основании неявной схемы. Пример, иллюстрирующий данный подход, показан на рис. 29-31. Исходная система в виде графа (гиперграфа), представлена на рис. 29. Фрагменты структур, выделенные в процессе предлагаемой топологической 90 декомпозиции для расчета по явной схеме, приведены на рис. 30. Структура, предназначенная для расчета по неявной схеме, представлена на рис. 31. Информация, используемая при выполнении этой задачи, представляется в виде списка СНГГ и списка контуров С, получение которых рассматривалось в 3.2. Рисунок 21 Исходная структура модели Рисунок 22 Рис. 30 подсистемы, выделенные по предлагаемой методике, для которых используется явная схема Рисунок 23 Структура, оставленная по предлагаемой методике для расчетапо неявной схеме Эффект применения такого метода декомпозиции связан с увеличением скорости расчетов. Это вызвано снижением размерности подсистемы данного уровня иерархии, рассчитываемого неявными методами. Моделирование 91 выделенных подсистемы не несет значительных вычислительных затрат, вследствие того, что подсистемы рассчитываются явными методами. И если проанализировать график затрат времени расчета по полностью неявной схеме, то при использовании декомпозиции системы, представленной на рис. 31, выигрыш по затратам времени составляет более 50 %. В общем случае расчета всех подсистем по неявной схеме эффект от декомпозиции можно оценить как: K  N3 n  N i3 , i 1 где N - размерность исходной подсистемы, n - количество подсистем. системы, Ni - размерность i В случае моделирования выделенных подсистем по явной схеме расчета вычислительный эффект, связанный с повышением скорости вычислений можно оценить как: K  kN3 , 3 i k  N неявн .   Tявн где k - коэффициент быстродействия вычислений по неявной схеме, i T явн - время моделирования i-ой выделенной подсистемы данного уровня по явной схеме расчета. Причем из сравнения скоростей расчета по явным и неявным схемам известно что 3 i k  N неявн   Tявн . Переборный алгоритм, реализующий подобную декомпозицию, приведен на рис. 3.6. В блоках 1 и 2 обнуляются исходные списки элементов, вычисляемых по явной и неявной схеме соответственно. В блоке 3 происходит перенумерация номеров переменных. Критерий для сортировки номеров переменных устанавливается так, чтобы переменная на входе блока имела номер меньше, чем на выходе. Нарушение этого порядка означает наличие обратной связи. В основном цикле по всем переменным рассматриваемой модели (блоки 4, 5 и 10), производится их разделение на два динамических списка. В том случае, если относительно рассматриваемой переменной (вершины) обнаруживается замкнутый контур, (номер выходной переменой меньше чем номер входной переменной, или одной из входных переменных (блок 6)), то соответствующее уравнение присоединяется к части модели, 92 рассчитываемой по неявной схеме (блок 8). В блоке 7, в случае разветвления, когда выходная переменная, являющаяся следствием этого уравнения , присутствует в качестве причины сразу в нескольких уравнениях, производится дополнительный анализ на предмет необходимости рассчитывать и это уравнение по неявной схеме. Если это разветвление сводится к соединению эквивалентному последовательной цепи элементов, например элемент в приведенном на рис. 29 выделенном фрагменте (обозначенном как - f4), соответствующие это уравнение не требуется рассчитывать по неявной схеме, и оно “отправляется” в другой список (блок 9). Сортировка модели неопределенности на топологическом ранге Применяемые различные математические методы, переключения между ними в процессе моделирования, требуют различных подходов к упорядочиванию элементов в подсистемах модели, иначе говоря, записи уравнений. При использовании явных методов традиционно первыми решают алгебраические уравнения, то есть фактически происходит упорядочивание системы уравнений по этому признаку. Предлагаемые адаптивные алгоритмы требуют построения списков на основании причинно-следственных взаимоотношений. Неявные методы, строго говоря, не предполагают упорядочивания элементов, но для повышения скорости расчетов целесообразно провести определенную сортировку. Порядок следования уравнений для всех этих методов различен. Наиболее сложными и трудоемкими являются неявные методы. Поэтому целесообразно в качестве основного порядка следования уравнений в подсистемах принять порядок элементов, используемый для неявных методов. Порядок следования уравнений для остальных методов записывается в индексные массивы. При переключении с одного алгоритма на другой новые перестановки не производятся и порядок расположения элементов берется из соответствующего массива индексов. Основные потери быстродействия при численном интегрировании по неявной схеме возникают при решении линейной системы уравнений [85]. Для ускорения этого процесса предлагается на топологическом уровне представления модели расположить уравнения (номера элементов) так, чтобы ненулевые элементы в матрице Якоби (3.9) были расположены в заранее определенном порядке следования. Такое упорядочивание элементов позволяет использовать быстрые, специализированные алгоритмы решения получаемых на каждой итерации систем линейных уравнений [72, 86, 106]. Предлагаемый алгоритм [А14, А17, А24, А35, А44], схема которого представлена на рис. 32, предполагает приведение системы к форме, при которой образовывается ленточная матрица (рис. 33). Широкий класс алгоритмов для работы с подобными матрицами представлен во многих 93 работах. Кроме того, необходимо отметить, что приведение к матрице специального вида происходит на уровне топологических моделей, а не на вычислительной стадии расчета. На рис. 34-37 представлены результаты проведения предложенной сортировки для тестовой моделей и модели ТГУ-532, показаны матрицы смежности исходных и преобразованных моделей. Алгоритм построен на основе традиционных обменных методов сортировок. В блоке 1 формируется булевская матрица ненулевых значений матрицы Якоби. Ненулевые элементы в матрице Якоби образуются за счет переменных, являющихся причиной и переменных, являющихся следствием каждого уравнения. Очевидно, что это можно записать в матричной форме как: A  Cт  I , где I - единичная матица, C - матрица смежности, т - символ транспонирования, A - матрица наличия ненулевых значений матрицы Якоби. Учитывая, что большинство элементов системы составляют элементы типа SISO (один вход и один выход), то матрица будет сильно разряжена. 94 A=C T +I Резервная копия А Flag=0 Ширина ленты в матр. А - Lmax j=0 j<N Обмен i -й и j-й перем. в матр. r Ширина ленты в матр. r - Lr Lr<Lmax Lmax=Lr, k=j Flag=1 r=A След. перем. Flag В матр. С и А объмен i <-> k Flag Рисунок 24 Блок схема алгоритма сортировки на топологических моделях В блоке 2 создается копия матрицы A, на которой производятся перестановки (r). В блоках 3, 5 организуют основной цикл по переменной flag, устанавливаемый в блоке 4 в нуль. В матрице A, в блоке 5, определяется максимальное расстояние от ненулевого элемента до единичной диагонали lmax, и его номер i. Блоки 6,7,14 организуют цикл, где N размерность системы. Блок 9 производит обмен в матице r i и j элементов. При этом, в матрице r, определяется максимальное расстояние до ненулевого элемента (блок 9). Если оно больше определенного lmax, то присваивается новое значение lmax и запоминается при какой перестановке строк оно было достигнуто. Переменная flag устанавливается в 1 (блоки 10,11,12). В блоке 13 95 возвращается исходное значение матрице A. После завершения цикла (6,7,14) проверяется значение переменной flag. Если flag == 1 (истина) то производятся перестановки в СНГГ, и в соответствующих ему матричных формах представлений C,A (блоки 15,16). Если была произведена перестановка, то работа алгоритма возвращается на п. 4. Если перестановка не была произведена, то получено минимальное значение lmax и алгоритм завершает свою работу. Подобные перестановки для упрощения расчетной формы модели были предложены Д. Стюардом, а также рассмотрены в [119]. Предлагаемый в них алгоритм предполагает приведение вида матрицы к блочно треугольному виду. Это упрощает расчеты, но не позволяет без потери информации перейти на более быстрые методы, так как матрица остается почти треугольной, а не треугольной. Кроме того, формальный принцип образования диагональных блоков и отказ от учета влияния “отсоединенных частей”, может привести к потере существенной информации о поведении модели. Рисунок 25 Ленточная матрица 96 Рисунок 26 Тестовая модель и ее исходная матрица смежности i j i j Рисунок 27 Иллюстрация сортировки и ленточная матрица отсортированной системы Пример, показанный на рис. 35, иллюстрирует работу этого алгоритма. Он позволяет использовать для решения линеаризованной системы ленточные методы, за счет чего можно достигнуть увеличения скорости расчета. Используя оценки скорости вычислений для ленточных матриц, приведенные в 97 [86] и проверенные рядом экспериментов, эффект от применения этакого подхода можно оценить как 3 N K  , 2 M где N - размерность (на рис. 33 M=lmax). системы, а 2*M+1 - ширина ленты Для примера, приведенного на рис. 35, в результате предлагаемой сортировки, представлены на рис. 36. Налицо улучшения по сравнению с традиционными методами. Для тестовой модели, которая представлена на рис. 34 в виде графа и матрицы смежности, предлагаемая сортировка порядка уравнений (номеров переменных) приводит матрицу к виду, показанному на рис. 35. Данное преобразование позволяет получить вычислительный эффект, связанный с увеличением скорости расчетов, в 3 13 K    5 раз. 2 4 Рисунок 28 98 Рисунок 29 Матрица смежности исходной и отсортированной модели 99 F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F Рисунок 30 Диаграмма графа модели структурно-сложной нелинейной системы управления турбоагрегата электростанции Еще лучше достоинства этого подхода видны на примере системы представленной на рис. 38. Результаты сортировки показаны на рис. 37. Эффект от применения предлагаемой сортировки составил: K 3 61   5.7 2 16 раз. Предложенный алгоритм сортировки элементов приводит к получению матрицы Якоби известного вида, что позволяет использовать более быстрые алгоритмы решения систем нелинейных уравнений в процессе моделирования по неявной схеме. Данный подход отличается от встречаемых в литературе тем, что учитываются все переменные, без исключения части из них, соответствующих слабым связям. Кроме того, приведение к матрице 100 специального вида происходит на уровне топологических моделей, а не на вычислительной стадии расчета. Эффект от применения такой сортировки, выполняемой однократно, получается на каждой итерации расчета для каждого момента времени. Нахождение сильных компонент графа Нахождение сильных компонентов графа широко используется в процессе декомпозиции исходной модели на подсистемы, приведение множества уравнений к блочному виду. Возможно, привести пример – размещение компонентов принципиальной схемы на плате и многое другое. Наиболее простым является следующий алгоритм: Для системы, представленной на рис. 39, строим матрицу пересечений. В матрице пересечений W, w i j =1, если есть путь и из i-й вершины в j-ю, и обратно. Рисунок 31 Диаграмма графа тестовой системы Для получения матрицы пересечений необходимо получить матрицу достижимости и контрдостижимости: Матрица достижимости R 101 Матрица контрдостижимости Q Для системы, представленной на рис. 39, матрица пересечений имеет вид. 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 00010000000000000 00010000000000000 00010000000000000 00001000000000000 00001000000000000 00001000000000000 00000100000000000 00000100000000000 00000100000000000 00000010000000000 00000010000000000 00000010000000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000001111000000 00000000000111000 00000000000111000 00000000000111000 00000000000111000 00000000000111000 00000000000111000 00000000000111000 00000000000111000 00000000000111000 00000000000000100 00000000000000100 00000000000000100 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 11100000000000011 Матрицу пересечений можно получить как P= R И Q. В матрице пересечений выбираются блоки элементов с симметричным расположением 1 в строках и столбцах. 102 Заключение Алгоритмы топологического анализа имеют очень важное значение, Многие задачи исследования систем могут быть решены на топологическом уровне. Повышение эффективности всех стадий исследования системы возможно в первую очередь за счет учета топологических особенностей модели. 103 Лекция 8 Теоретико-множественное описание систем Вводятся основные понятия теории систем на теоретико-множественном уровне и устанавливаются взаимосвязи между ними. Система определяется прежде всего как некоторое отношение на абстрактных множествах, а затем дается оценивание временных и динамических систем как систем на множествах абстрактных функций времени. Для того чтобы иметь возможность определять системы различных типов более конкретно, вводятся вспомогательные функции и объекты, такие, как состояние, глобальное состояние, глобальная реакция системы. Предположения о характере функционирования систем Желая получить математическую модель процесса функционирования системы, чтобы она охватывала широкий класс реальных объектов, в общей теории систем исходят из общих предположений о характере функционирования системы: 1) система функционирует во времени; в каждый момент времени система может находиться в одном из возможных состояний; 2) на вход системы могут поступать входные сигналы; 3) система способна выдавать выходные сигналы; 4) состояние системы в данный момент времени определяется предыдущими состояниями и входными сигналами, поступившими в данный момент времени и ранее; 5) выходной сигнал в данный момент времени определяется состояниями системы и входными сигналами, относящимися к данному и предшествующим моментам времени. Первое из перечисленных предположений отражает динамичен кий характер процесса функционирования в пространстве и времени. При этом процесс функционирования протекает как последовательная смена состояний системы под действием внешних, и внутренних причин. Второе и третье предположения отражают взаимодействие системы с внешней средой. В четвертом и пятом предположениях отражается реакция системы на внутренние факторы и воздействия внешней среды: последействие и принцип физической реализуемости. Многим явлениям и процессам свойственно последействие, вследствие которого тенденции, определяющие поведение системы в будущем, зависят не только от того, в каком состоянии находится система в настоящий момент времени, но в той или иной 104 степени от ее поведения в предыдущие моменты времени (например, усвоение студентом сложных дисциплин — теории систем, теории построения АСУ, исследования операций, теории массового обслуживания и др. — зависит от степени усвоения курса теории вероятностей и математической статистики, а еще дальше — от знания курса высшей математики). Принцип физической реализуемости заключается в следующем: система не реагирует в данный момент времени на «будущие» факторы и воздействия внешней среды. Система, как отношение на абстрактных множествах Одним из центральных понятий теории систем является понятие системы, определенное в теоретико-множественных терминах (3.1): S  {Vi , i  I } где V, — вес компоненты; iI — декартова произведения Vi, называемые объектами системы S; I — множество индексов. В кибернетике наибольший интерес представляют системы с двумя объектами — входным объектом X и выходным объектом Y: S  X Y Основными причинами определения множественного отношения являются следующие: системы как теоретико- 1. Система определяется в терминах ее наблюдаемых свойств или, точнее говоря, в терминах взаимосвязей между этими свойствами, а не тем, что они на самом деле собой представляют (т. е. не с помощью физических, химических, биологических, социальных или других явлений). Это вполне согласуется с природой системных исследований, направленных на выяснение организации и взаимосвязи элементов системы, а не на изучение конкретных механизмов в системе. 2. Определение системы как отношения вида (3.1) является предельно общим. Конечно, различным системам отвечают и различные способы задания описания (дифференциальные уравнения, булева алгебра, графы и т. д.), но все они есть не более чем отношения вида (3.1). В условиях предельно нечеткой информации, когда систему удается описать лишь качественно, все словесные утверждения в силу их лингвистических функций определяют отношения типа (3.1). Действительно, каждое высказывание содержит две основные лингвистические категории: термы (денотаты) и функторы. Напомним, что термы используются для обозначения объектов, а функторы — для обозначения отношения между ними. И для каждого правильного множества словесных утверждений существует отношение (в математическом смысле слова), описывающее формальную взаимосвязь между 105 объектами. Таким образом, система всегда является отношением, а уже более узкие классы систем определяются более точно своими специфическими средствами. 3. Системы часто задаются с помощью некоторых уравнений относительно соответствующих переменных. Каждой такой переменной можно поставить в соответствие некоторый объект системы, описывающей область значений соответствующей переменной. Утверждая, что система описывается системой уравнений относительно некоторого множества переменных, в сущности, считают, что система есть отношение над соответствующими объектами, порожденными этими переменными (по одному объекту на каждую переменную, область значений которой он представляет). При этом любая комбинация элементов этих объектов, принадлежащая этому отношению, удовлетворяет исходной системе уравнений. Под отношением понимается подмножество конечной декартовой степени А = А  А  ... A данного множества А, т. е. подмножество систем (a1, a2,..., an) из n элементов множества А. n Подмножество R.Аn называется n-местным или n-арным отношением в множестве А. Число n называется рангом или типом отношения R. Множество всех n-арных отношений в множестве А относительно операций  и  является булевой алгеброй. Для построения теории систем на теоретико-множественном уровне, исходя из определения, необходимо наделить систему как отношение некоторой дополнительной структурой. Это можно сделать двумя способами: -ввести дополнительную структуру для элементов объектов системы; например, рассматривать сам элемент vi, Vi как некоторое множество с подходящей структурой; - ввести структуру непосредственно для самих объектов системы Vi, i I. Первый способ приводит к понятию (абстрактных) временных систем, а второй — к понятию алгебраических систем. Временные, алгебраические и функциональные системы Временные системы. Если элементы одного из объектов системы есть функции, например v: Тv  Av то этот объект называют функциональным. В случае, когда области определения всех функций для данного объекта V одинаковы, т. е. каждая функция vV является отображением Т в A, v : ТА, то Т называется индексирующим множеством для v, a A — алфавитом объекта Т. Если индексирующее множество линейно упорядочено, то его называют множеством моментов времени. Функции, определенные на множествах моментов времени, принято называть (абстрактными) функциями времени. Объект, элементами которого являются временные функции, называют временным объектом, а системы, определенные на временных объектах, — временными системами. 106 Особый интерес для исследования представляют системы, у которых элементы и входного и выходного объектов определены на одном и том же множестве: ХАT и YBT. В этом случае под системой понимается отношение S  AT * B T Алгебраические системы. Другой путь наделения объектов системы математическими структурами состоит в определении одной или нескольких операций, относительно которых V становится алгеброй. В самом простейшем случае определяется бинарная операция R: V*VV и предполагается, что в V можно выделить такое подмножество W, зачастую конечное, что любой элемент v V можно получить в результате применения операции R к элементам из W или к элементам, уже построенным из элементов множества Неподобным образом. В этом случае W называют множеством производящих элементов или алфавитом объекта, а его элементы — символами, а элементы объекта V — словами. Если R есть операция сочленения, то слова — это просто последовательности элементов алфавита W. Необходимо иметь в виду, что алфавит временного объекта — это не совсем то же самое, что алфавит алгебраического объекта. Для объектов с конечными алфавитами — это обычно одни и те же множества. Но как только алфавит становится бесконечным, возникают трудности: множество производящих элементов и область функций времени оказываются различными множествами, в общем случае даже разной мощности. Итак, системой называется отношение на непустых (абстрактных) множествах: Sx{Vi, iI}. Если множество индексов / конечно, то выражение можно переписать в виде SV1*V2*…*Vn. (3.2) Пусть Ix I и IxIy =I. и Iy I образуют разбиение множества I, т. е. пусть IxIy = Множество Х= {Vi. iIx,} называется входным объектом, а множество Y=  {Vi,i  Iy} - выходным объектом системы. Тогда система S определяется отношением S  X* У (3.3) и называется системой «вход — выход» («черный ящик»). Если S является функцией S : XY (3.4) то система называется функциональной. 107 Временные системы в терминах «ВХОД — ВЫХОД» Множество моментов времени. Первая часть первого предположения о характере функционирования систем гласит: система функционирует во времени. Множество моментов времени t, в которые рассматривается функционирование системы, обозначим Т, t Т. Множество T будем считать подмножеством множества действительных чисел. В частности, оно может быть конечным или счетным. В зависимости от характера множества Т различают: дискретное, непрерывное и дискретно-непрерывное время. На практике часто представляют интерес только такие множества Т, элементы которых располагаются в изолированных точках числовой оси. В этом случае говорят, что система функционирует в дискретном времени, например контактные схемы, конечные автоматы, вычислительные устройства ЭВМ и т. д. Вместо моментов времени t0, tl , ... часто пишут ряд натуральных чисел 0, 1,2, ..., которые называются тактами. Множество Т представляет собой множество некоторого (конечного или бесконечного) интервала числовой оси. В этом случае говорят, что система функционирует в непрерывном времени, например механические и электрические системы, системы, рассматриваемые в теории автоматического регулирования, и т. д. Не исключены случаи, когда множество Т имеет дискретно-непрерывный характер: на одних, интервалах числовой прямой моменты t  Т заполняют их целиком, а на других — располагаются в изолированных точках. Например: 1) метеорологическая ракета при нахождении в состоянии готовности функционирует в непрерывном времени, а при запуске (при работе автомата пуска) можно условно считать, что работает в дискретном времени (реле времени работает дискретно в смысле выдачи команд исполнительным органом по тактам); 2) процесс производства автомобилей на конвейере; конвейер движется непрерывно, а готовые автомобили сходят с него в дискретные моменты времени. Входные сигналы системы. Второе и третье предположения о характере функционирования систем направлены на описание взаимодействия системы с внешней средой. На вход системы могут поступать входные сигналы хХ, где X — множество входных сигналов системы. Входной сигнал, поступивший в момент времени te Т, обозначается x(t). Возвратимся к примеру с выпуском предприятием однотипных изделий (часто их называют одно-продуктовое производство). В такой системе готовность в момент t, i-ro изделия (автомобиля, часов, велосипеда, телевизора и т. д.) можно описать как поступление очередного сигнала x(t1) = 1. Здесь множество X состоит из одного элемента х=1. Если принять за Х=0 сигнал, когда очередное изделие не готово, а за Х=1, когда оно готово, то можно считать, что Х={0, 1}, и в систему входной сигнал поступает в каждый момент t Т. В случае, когда в моменты t1 оказываются готовыми одновременно несколько изделий (на заводе несколько конвейерных линий), например 0 xxmax, то множество X — совокупность целых чисел Х={О,1, ..., Хmax}. 108 Входные сигналы могут описываться некоторым набором характеристик. Например, если входными сигналами АСУ аэродромом считать самолеты, поступившие в зону аэродрома, то каждый из них может быть описан: 1) координатами точки взлета (I, a, ) (I-наклонная дальность, а - азимут и  - угол места); 2) вектором скорости (I, а, ); 3) признаками, характеризующими тип самолета (V), массу груза (G), требованиями к аэродромному обслуживанию () и т. д. В общем случае будем предполагать, что входной сигнал X1Xi, где X, — заданные множества (i= 1, n). Прямое произведение X=X1X2.... .Хn называется пространством входных сигналов. Xi - элементарные оси, входной сигнал х представляет собой точку пространства X, описываемую координатами x1, x2, ..., хn. В общем случае ХХ. При исследовании сложных систем приходится оперировать с группами входных сигналов, поступающих в моменты времени t l <t 2 <...<t k. Будем предполагать, что множеству X принадлежит и пустой сигнал х, означающий отсутствие сигнала в момент t, x(t)=x. Рассмотрим отображение x=L(t), сопоставляющее каждому tТ некоторый сигнал хX (отображение : ТХ). Обозначим через TL множество моментов времени TL  Т, такое, что для любого t' TL справедливо L(t1)x. Отображение x=L(t) будем называть входным процессом систем, а совокупность упорядоченных пар (t', х) для всех t' TL (где x=L(t')) — входным сообщением. Чтобы задать конкретный входной процесс x = L(t), достаточно указать соответствующее ему входное сообщение (t, XL)T. Интервал времени t1<t<t2 будем обозначать (t1,t2), а полуинтервалы t l <t<t 2 и t l <t<t 2 — через (t1,t2] и [t1,t2), соответственно t l  t  t 2 — через [t1,t2]. Введем понятие «сужение отображения». Пусть множество X имеет область определения отображения y=f(x). Отображение y=g(x) c областью определения X* является сужением отображения f(x) на множество X* в том и только в том случае, когда X*X и g (x) =f(x) для каждого хХ*. Сужение отображения x = L(t) на множество T  (t1,t2] будем называть фрагментом входного процесса, соответствующим полуинтервалу (t1,t2], а L совокупность упорядоченных пар (t ', х) для всех t' T (t1,t2), где x=L(t') — отрывком входного сообщения, поступающим в систему за полуинтервал (t1,t2] и обозначать (t1,xL]t1t2 Для конечного множества TL(t1,t2], например t 1 ,t 2 ,…,t k, входное сообщение имеет вид 109 (t1, х1; t2, х2; ...; tk, xk). Множество всевозможных входных сообщений обозначим {(t, XL)T}. Оно определяется множеством входных процессов вида x=L(t), допускаемых условиями функционирования системы. К множеству {(t, XL)T} будем причислять и пустое входное сообщение (t, xL)T = , для которого TL = 0. t *  ({T L1  (t1 , t 2 ]}  {T L2  (t 2 , t 3 )}); L1 (t * )t * для  {T L1  (t1 ; t 2 ]}; x  L2 (t * )дляt *  {T L2  (t 2 ; t 3 ]}, * Кроме того, множество {(t, XL)T} должно удовлетворять еще одному требованию, связанному с сочленением входных сообщений. Пусть (t, XL1)T и (t, XL2)T сообщения из множества {(t, XL)T}. Пусть, далее, t,<t 2 <t 2 ; t l t t2, t3Т. Образуем отрывки сообщений (t, XL1]T2T1 и(t, XL2]T3T2. Совокупность упорядоченных пар (t*, х*), где можно рассматривать как отрывок (t, xl]t1t3, некоторого сообщения (t, xl-)t, образовавшийся в результате сочленения отрывков (t,XL1]t3 и (t, xL2]t3t2. Сочленение любого числа отрывков входных сообщений из множества {(t, xl)t] представляет собой отрывок некоторого входного сообщения, принадлежащего этому множеству. Выходные сигналы системы. Система способна выдавать выходные сигналы yY, где Y — множество выходных сигналов системы. Выходной сигнал, выдаваемый системой в момент времени tТ, обозначается y(i). Если выходной сигнал у описывается набором характеристик y1, y2, . . . ym, таких, что уYj, j=l, m, Yj — заданные множества, то прямое произведение Y=Y1 Y2 . . .  Ym называется пространством выходных сигналов системы. По аналогии с входным процессом введем понятие выходного процесса y=N(t), а также определим выходное сообщение (t, yN)T и его отрывок (t, yN]t1t2 на полуинтервале (t 1 , t 2 ]. На этом можно считать исчерпанной формальную интерпретацию второго и третьего предположений о характере функционирования систем. Глобальное состояние и глобальная реакция системы. Пусть для системы S множество ее состояний Z, а функция R: (X  Z)  Y такова, что (x, y)  S (z)[R(x,y)=y. Тогда Z называют множеством или объектом глобальных состояний системы, а элементы множества z  Z — глобальными состояниями системы. Функция R называется глобальной реакцией системы S. При этом ни на Z, ни на R не налагается никаких дополнительных условий. В случаях, когда глобальную реакцию системы нельзя определить на всем произведении X х Z, то R оказывается частичной функцией. Таким образом, R можно называть глобальной реакцией системы 110 только тогда, когда она не является частичной функцией. В противном случае ее называют частичной глобальной реакцией. Абстрактные линейные системы. Хотя многие понятия теории систем можно определить, опираясь исключительно на понятие общей системы (3.1), получение содержательных математических результатов становится возможным только после введения дополнительных структур. Таким дополнительным понятием является понятие линейности систем. Пусть А — некоторое поле, X и Y — линейные алгебры над А, S — отношение, SXY, причем S непусто. Пусть также s  S и s’ S  s + s’  S s  S и a  A  ax S где «+» обозначает (внутреннюю) операцию сложения в XY, а через аx, обозначен результат (внешней) операции умножения на скаляр. Тогда S называется (абстрактной) полной линейной системой. В соответствии с современной терминологией алгеброй называют множество вместе с некоторыми конечными операциями, а линейной алгеброй, в частное внутренней и одной внешней операциями, удовлетворяющими аксиомам векторного пространства. Операция «+» и умножения на скаляр определяются на XY естественным образом: (x1,y1)+(x2,y2)=(x1+x2, y1+y2) a(x,y)= (ax,ay) XY, aA. В теории линейных систем фундаментальную роль играет следующая теорема. Пусть X и У — линейные алгебры над одним и тем же полем А. Система S XY является линейной в том и случае, когда найдется такая глобальная реакция R : XЯY, что 1. Z есть линейная алгебра над А; 2. существует пара таких линейных отображений R1: ZY и R2: X Y, что для всех (x,y)  XY R(x,z) = R1(x)+R2(z) Отображение R называют линейной глобальной реакцией системы тогда, и только тогда, когда  R согласуется с S, т.е. (x, y)  S (z)[R(x,y)=y. 111  Z является линейной алгеброй над полем А скаляров линейных алгебр X и У. Существуют два таких линейных отображений R1: ZY и R2: X Y, что для любых (x,y)  XY R(x, z) = R1(x)+R2(z) В этом случае Z называют линейным объектом глобальных состояний системы, отображение R1 : Z  У — глобальной реакцией на состояние, a R2 : X  Y — глобальной реакцией на вход. 112 Лекция 9 Формы представления модели Традиционными формами представления моделей являются системы уравнений в нормальной форме Коши и нелинейные дифференциальные уравнения, графы, структурные схемы. Они позволяют описывать не иерархические модели. Нормальная форма Коши Единообразное по форме и удобное для использования матричного аппарата математическое описание динамических (обычно «гладких») систем достигается в пространстве состояний с использованием переменных состояния, т. е. уравнений в форме Коши x (t )  f (x(t ), u(t ), t ), y(t )  h(x(t ), u(t ), t ), (1.1) где t  R 1 , x  R n , u  R m , y  R r — векторы переменных состояния, управления и выходов; R ( ) — () -мерное евклидово пространство; f : R n  R n , h: R n  R r — гладкие отображения. Предполагается выполнение условия существования решений, а для большинства практических задач — их единственности. Условия существования и единственности решений выполняются, если u( t ) принадлежит одному из следующих наиболее часто используемых классов функций: постоянные, кусочно-постоянные, кусочнонепрерывные, кусочно-гладкие, измеримые (локально-ограниченные), а функция f ( t ) — удовлетворяет условиям Коши-Липшица В работе [4] приводится классификация форм представления динамических моделей в терминах «вход-состояние-выход», являющихся частными случаями (1.1). Билинейные системы m   x (t )   A   ui (t )B i  x(t ),   i 1 y(t )  Cx(t ), где ui ( t ) — скалярные функции, A , B i — числовые размеров n  n, C — числовая матрица размера r  n. L-системы L-системой называется автономная невырожденная система вида 113 матрицы x i (t )  f ji (x)u j , i , j  1, n, где u  U  R n , причем [ Fi , F j ]  Cijk Fk , F j  f ji (x)  , Cijk  const, f ji  0. i x Здесь [,] является коммутатором алгебры Ли соответствующего векторного поля. Линейные системы x  Ax  Bu, y  Cx, которые приводятся к L-системам ( n  1) -го порядка вида  x 0   1  1  1 j  x    a j x       n  n j  x   a j x  u0  0  m     bk1 u k  1  0  k 1 .        m n k  0  1    bk u   k 1  0  Линейно-аналитические системы x (t )  f (x(t ))  u( t)g(x(t )), y(t )  h(x(t )). f (), g(), h () Если полиномиальной . — полиномы, то система называется Системы с управлением, входящим линейно (правоинвариантные, аффинные) (векторное представление) m x (t )  f (x(t ))   ui (t )B i (x(t )), i 1 y(t )  h(x(t )). Системы управления с функциональными коэффициентами переменных состояния и управления (матричное представление) при В ряде работ [43, 51, 52] принимается следующее описание в векторноматричной записи x  f (x)x  B (x)u, y  h(x)x  D(x)u. 114 Переход от векторного к матричному представлению осуществляется с помощью интегрального преобразования [11] 1 f (x )   fx (x )d , 0 где fx (x ) — матрица Якоби, найденная по f ( x ) из (1.12б). Нормальная форма Коши (НФК) удобна для представления модели в алгоритмах явного типа, и позволяет широко применять богатую матричную арифметику современных пакетов программ и библиотек языков программирования . К недостаткам данной формы представления необходимо отнести то, что в ней не сохраняется информации о топологии модели. Системы нелинейных дифференциальных уравнений различных порядков Системы нелинейных дифференциальных уравнений (СНДУ) являются широко используемой формой представления нелинейных систем управления для численного исследования. В общем виде модель в форме СНДУ записывается следующим образом: i ( x1 , x1 , . . ., x1( q ) , . . . , x n , x n , . . ., x n( q ) , 1 1 f1 , f1 , . . . , f1( p1 ) , . . . , f m , fm , . . . , f m( p1 ) )  0, i  1, n; x1 ( 0 )  x10 , . . . , x1((q01) )  x1(0q1 ) , начальные условия: ....... x n ( 0 )  x n0 , . . . , x n( q( 01))  x n( q0 1 ) P j где: f j , f j , j 1, m - внешние воздействия и их производные, xi , xi , . . . , xi( qi ) , i 1, n - внутренние переменные, включая выходные и их производные. Данная форма представления более характерна пакетам программ, предполагающим значительные преобразования модели, например трансляцию модели в функцию языка программирования и присоединение ее к расчетной части при построении расчетной задачи. Это снимает почти все ограничения на 115 сложность модели, которая по сути дела программируется. В форме СНДУ можно представлять более широкий класс моделей чем в НФК. Недостатком данной формы представления является, так же как и в случае НФК, отсутствие полной информации о структуре модели, что затрудняет решение многих задач топологического характера. Решение этой проблемы возможно при упорядочивании порядка следования уравнений, так что в i-ом уравнении переменная xi являлась следствием. Такой подход встречается в ряде работ, например первые версии пакета NOCSYD [А2, А3]. Графы Использование теории графов для описания моделей систем управления со сложной структурой, стало распространенным в последнее время. Теоретико-графовая форма описания модели позволяет эффективно использовать новые возможности языков программирования, такие как указатели, списки, классы, множественное наследие. Представление в форме ориентированного (сигнального) графа, в частности структурной схемы, расширяет информацию о модели, по сравнению с НФК и СНДУ, позволяя вводить причинно-следственные отношения. Знание о направленности связей имеет большое значение для задач анализа и синтеза. В качестве иллюстрации на рис. 40. приведена диаграмма графа модели странного аттрактора Лоренца [93]. Эта форма представления позволяет эффективнее решать задачи выделения путей и контуров, связности, структурной управляемости и многие другие, чем в форме НФК и отчасти СНДУ. Модель системы представляется ориентированным графом H=<G,H> с множеством переменных Х=x1, .... , xn, N - общее множество вершин, и множеством дуг G - упорядоченных пар номеров смежных вершин (i,j), G=(i,j)1, ... (i,j)n. Общее количество таких пар обозначено в примерах как Q. Несмотря на всю компактность и удобство такой записи, на практике чаще используют матрицу смежности R = rij, показывающую наличие дуги между i-ой и j-ой вершинами. Рисунок 32 Модель странного аттрактора в форме ориентированного графа 116 Рисунок 33 Модель системы в форме графа Рисунок 34 Модель системы в форме гиперграфа Рисунок 35 Модель странного аттрактора в форме гиперграфа Другим способом представления топологии является матрица изоморфности D, в строках которой представлены номера входящих (с плюсом) и выходящих (с минусом) дуг. Для приведенного на рис. 41 примера матрицы смежности и изоморфности имеют вид: R 0 0 0 0 0 1 6 1 1 0 1 0 0 0  1,7 2 2  3,7 3 4 0 1 0 0 0 0 0 0 1 0 0 0 , D 0 0 0 1 0 0 4 5 0 0 0 0 1 0 5 6 117 . Избыточность хранимой информации в матрице смежности (нулевые значения) компенсируются простотой вычислительных алгоритмов и скоростью получения требуемой информации из матрицы. Кроме того, наличие только двух значений 0 или 1, дает возможность использовать для ее представления битовые поля, что дает значительную экономию памяти, и при размерах системы порядка 100 элементов не уступает по затратам ресурсов на хранение матрицы изоморфности, при значительно более простых алгоритмов обработки информации. Использование матриц смежности, инцидентностей, достижимостей и др. имеет большое применение для алгоритмов топологического анализа СС НСУ . Ориентированные графы (структурные схемы) обычно широко используются при описании линейных систем и систем с одновходовыми нелинейностями. Однако возникают некоторые затруднения при описании нелинейных систем, где нелинейные функции могут зависеть от нескольких переменных, например при описании операций умножения и деления. Гиперграфы Гиперграф являются теоретико-множественной формой представления дифференциальных уравнений, заданных в общем случае непричинно— следственным способом. По сравнению с графом, представление модели в форме гиперграфа расширяет возможности представления многовходовых элементов, однако при этом теряется информация о направленности связей. Гиперграф определяется как пара H = < X, E > образующая конечное множество X=x1,...,xn вершин и некоторое семейством E=e1,...,eq ребер непустых частей Х, удовлетворяющих условию UE=X [67]. Одним из способов задания топологии гиперграфа, является матрица R H  rij , где  1, если xi e j , rij    0, если xi e j . Гиперграф является вариантом симплециального комплекса или симплециальной схемы. В ряде работ, вводится понятие ориентированного гиперграфа. При этом множество E - определяется как множество ориентированных ребер. Гиперграф является способом группирования зависимых переменных, без указания причинно-следственных отношений между ними. При этом способе внутреннего представления модели в ЭВМ, также возникают проблемы при внешнем представлении. Скорее можно предлагать автоматическое построение гиперграфа по введенной системе уравнений. 118 Лекция 10 Динамическое описание систем Функционирование сложной системы можно представить как совокупность двух функций времени: x(t) - внутреннее состояние системы; y(t) - выходной процесс системы. Обе функции зависят от u(t) - входного воздействия и от f(t) - возмущения. Для каждого t  T существует множество z Z. Z=Z1  Z2 ...  Zn - множество n мерного пространства. Состояние системы z(t) - точка или вектор пространства Z с обобщенными координатами z1, z2, z3, z4, ....., zn. U=T  Z - фазовое пространство системы. Детерминированная система без последствий Детерминированная система без последствий - система состояние которой z(t) зависит только от z(t0) и не зависит от z(0) ... z(t0), т.е. z(t) зависит от z(t0) и не зависит от того каким способом система попала в состояние z(t0). Для систем без последствия еее состояние можно описать как: z(t)= H{t,t0,z(t0), (t, xL]t0t}, где {(t, xL]t0t} - множество всевозможных отрывков входных сообщений, соответствующих интервалу (t0, t]. H - оператор переходов системы. tT, t0T, z(t0) Z, (t, xL]t0t {(t, xL]t0t}. Формальная запись отображения: T T  {(t, xL]t0t}  Z. Начальные условия H{t0, t0, z(t0), (t, xL]t0t0 } = z(t0). Если (t, xL1]t0t = (t, xL2]t0t, то H{t0, t, z(t0), (t, xL1]t0t } = H{t0, t, z(t0), (t, xL2]t0t} Если t0<t1<t2 и t0, t1, t2  T, то H{t0, t2, z(t0), (t, xL]t0t2 } = H{t2, t1, z(t1), (t, xL2]t1t2}, так как (t, xL]t0t2 есть сочленение отрезков (t, xL]t0t1 и (t, xL]t1t2. Оператор выходов системы G реализует отношение {(t, t0)}  Z  (t, xL)T}  Y, y(t) = G(t, t0, z(t0), (t, xL2]t0t). (x, y)  X  Y - расширенное состояние системы. 119 Динамическая система без последствий (динамическая система Кламана) -упорядоченное множество (T, X, Z, Y, {(t, xL)T, H, G), удовлетворяющие поставленным выше требованиям: 1. T является подмножеством действительных чисел. 2. {(t, xL)T}- множество отображений TX, удовлетворяющих сочленению отрезков. 3. Оператор переходов H реализует {(t, t0)}  Z  (t, xL)T}  Y. 4. Оператор выходов системы G задается видом y(t) = G(t, t0, z(t0), (t, xL2]t0t). Детерминированные системы входными сигналами двух классов без последствия с Расширение понятие системы идет по трем путям: 1. учет специфики воздействий; 2. учет последствий; 3. учет случайных факторов. Учет специфики воздействий Вводится понятие управляющих сигналов u  U; u=M(t), или если сигнал u  U описывается набором характеристик. U = U1  U2  UL. Отличие от предыдущего случая, то что множество моментов времени tu и tx могут не совпадать. Вводится расширенное множество X*= X  U, таким образом состояние системы описывается вектором x = (x, u) = (x1, x2, .... , xn, u1, u2, .... , uL). С учетом этого предыдущие формулы приобретают вид оператор переходов: z(t)= H{t,t0,z(t0), (t, xL, uM]t0t}, или z(t)= H{t,t0,z(t0), (t, xL]t0t, (t, uM]t0t }, что соответствует отображению T T  {(t, xL]T} {(t, uM]T}  Z. Детерминированные системы с последствием Большой класс систем характеризуется тем, что для представления их состояния необходимо знать состояние системы на некотором множестве моментов времени. 120 z(t)= H{t,(tB0, z)t0, (t, xL]t0t, (t, uM]t0t }, {(t, t0)}  {(tB0, z)t0}  Z  {(t, xL]T}  Z. Где {(tB0, z)t0} - семейство всевозможных состояний системы. Стохастические системы Системы функционирующие под воздействием случайных факторов, называются стохастическими. Для их описания вводится случайный оператор:    - пространство элементарных событий с вероятностной мерой P(A). Случайный оператор H1, переводящий множество X в множество Z: z = H1(x, ), реализующий отображение множества {XZ }  в множество Оператор переходов будет представлен соответственно: z(t)= H1{t,t0,z(t0, 0), (t, xL]t0t, `}, y(t) = G1(t, z(t), `` ). Где 0, ’, ’’ - выбираются из  в соответствии с P0(A), Px(A), Py(A). При фиксированных ’, ’’ - система со случайными начальными состояниями. При фиксированных 0, ’’ - система со случайными переходами. При фиксированных 0, ’ - система со случайными выходами. 121 Лекция 11 Агрегатное описание систем Агрегат - унифицированная схема, получаемая наложением дополнительных ограничений на множества состояний, сигналов и сообщений и на операторы перехода, а так же выходов. t  T - моменты времени; x  X - входные сигналы; u  U управляющие сигналы; y  Y - выходные сигналы; z  Z - состояния, x(t), u(t), y(t), z(t) - функции времени. Агрегат - объект определенный множествами T, X, U, Y, Z и операторами H и G реализующими функции z(t) и y(t). Структура операторов H и G является определяющей для понятия агрегата. Вводится пространство параметров агрегата b=(b1, b2, ...,bn)  B. Оператор выходов G реализуется как совокупность операторов G` и G``. Оператор G` выбирает очередные моменты выдачи выходных сигналов, а оператор G`` - содержание сигналов. у=G``{t, z(t),u(t),b}. В общем случае оператор G`` является случайным оператором, т.е. t, z(t), u(t) и b ставится в соответствие множество y с функцией распределения G``. Оператор G` определяет момент выдачи следующего выходного сигнала. Операторы переходов агрегата. Рассмотрим состояние агрегата z(t) и z(t+0). Оператор V реализуется в моменты времени tn , поступления в агрегат сигналов xn(t). Оператор V1 описывает изменение состояний агрегата между моментами поступления сигналов. z(t’n + 0) = V{ t’n, z(t’n), x(t’n), b}. z(t) = V1(t, tn, z(t+0),b}. Особенность описания некоторых реальных систем приводит к так называемым агрегатам с обрывающимся процессом функционирования. Для этих агрегатов характерно наличие переменной соответствующий времени оставшемуся до прекращения функционирования агрегата. Все процессы функционирования реальных сложных систем по существу носят случайный характер, по этому в моменты поступления входных сигналов происходит регенерация случайного процесса. То есть развитие процессов в таких системах после поступления входных сигналов не зависит от предыстории. 122 Автономный агрегат - агрегат который не может воспринимать входных и управляющих сигналов. Неавтономный агрегат - общий случай. Частные случаи агрегата: Кусочно-марковский агрегат - агрегат процессы в котором являются обрывающими марковскими процессами. Любой агрегат можно свести к марковскому. Кусочно-непрерывный агрегат - в промежутках между подачей сигналов функционирует как автономный агрегат. Кусочно-линейный агрегат. dzv(t)/dt = F(v)(zv). Представление реальных систем в виде агрегатов неоднозначно, в следствие неоднозначности выбора фазовых переменных. Иерархические системы Иерархический принцип построения модели как одно из определений структурной сложности. Иерархический и составной характер построения системы. Вертикальная соподчиненность. Право подсистем. вмешательства. Обязательность действий вышестоящих Страты - уровни описания или абстрагирования. Система представляется комплексом моделей - технологические, информационные и т.п. со своими наборами переменных. Слои - уровни сложности принимаемого решения: 1. срочное решение; 2. неопределенность или неоднозначность выбора. Разбитие сложной проблемы на более простые: слой выбора способа действия, слой адаптации, слой самоорганизации. Многоэшелонные системы. Состоит из четко выраженных подсистем, некоторые из них являются принимающими решения иерархия подсистем и принятия решений. Декомпозиция на подсистемы - функционально-целевой принцип, декомпозиция по принципу сильных связей. 123 Лекция 12 Рецепция информации. Свойства бистабильных систем Рецепция информации – выбор системой одного из своих состояний, сделанный на основании полученной информации. Цель рецепторов (измерительных приборов) состоит в максимально точном соответствии состояния системы и полученной информации об окружающей среде. На основании такого соответствия может быть решена обратная задача: восстановить состояние окружающей среды (информацию, содержащуюся в сообщении) по известному состоянию рецептора. Для того, чтобы система выполняла задачи рецепции информации, она должна быть бистабильной (мультистабильной). Т.е. иметь два или более устойчивых состояния (важно понятие устойчивости). Потенциальный рельеф бистабильной системы: Рисунок 36 На языке теории динамических систем рецепция информации означает перевод системы в одно определенное состояние независимо от того, в каком состоянии она находилась раньше. В современных технических устройствах рецепция, как правило, осуществляется с помощью электрического или светового импульсов. Во всех случаях энергия импульса должна быть больше барьера между состояниями. В теории динамических систем такое переключение за счет сторонних сил называют силовым. Наряду с ним существует и используется другой способ переключения - параметрический. Суть последнего в том, что на некоторое (конечное) время параметры системы изменяются настолько, что она становится моностабильной (т.е. одно из состояний становится неустойчивым, а потом исчезает). Независимо от того, в каком состоянии находилась система, она попадает на оставшееся устойчивое состояние. После этого параметрам 124 возвращают их прежние значения, система становится бистабильной, но остается в новом состоянии. Рисунок 37 Параметрическое переключение, как и силовое, является рецепцией информации, отличаются лишь механизмы переключения (рецепции). В современной электронике применяется преимущественно рецепция информации за счет силового переключения. В биологических системах, напротив, преимущественно используется параметрическое переключение (температура, pH и т.д.). Требования к рецепции и хранению информации: информация должна храниться такое время, которое необходимо для использования ее в управляющей системе. Есть быстрые и медленные процессы управления. Быстрые могут требовать миллисекунд, а медленные – хранения информации в течении нескольких лет. Примером мультистабильных систем являются нейронные сети, которые представляют собой множество связанных между собой элементов с входами и выходами. Они способны хранить информацию и рецептировать ее. В 1943 году У. Маккаллок и В. Питтс описали первую математическую модель нервной ткани, предположив, что нейроны можно приближенно описать как простые устройства, имеющие лишь два состояния: активное и пассивное. Такие устройства – формальные нейроны – имеют множество входов (синапсов), по которым они могут получать воздействия от других таких же элементов, и единственный выход (аксон), по которому активный нейрон передает собственное воздействие другим нейронам. Аксон на конце может ветвиться и образовывать соединения со многими клетками. Воздействия на данный нейрон со стороны других клеток могут быть возбуждающими или тормозящими – все определяется природой конкретной синаптической связи, каждая из которых характеризуется своей эффективностью (весом). Эти воздействия складываются алгебраически (вес возбуждающей связи 125 положителен, а тормозящей отрицателен), и если сумма оказывается больше некоторого характерного для данного нейрона порогового значения, то последний переходит в активное состояние и передает по своему аксону воздействия другим нейронам. В противном случае нейрон пассивен и не оказывает влияния на другие клетки. Два примера систем, обладающих свойством бистабильности и могущих выступать в качестве рецепторов и хранилищ информации. Нелинейный маятник: d 2x dx m  γ  F(x)  k(x  x3 ) dt dt 2 Она описывает движение шарика массы т в потенциальном поле V(x) при наличии трения (коэффициент трения -): 1  1 V(x)    F(x)dx  k  x 2  x 4  4  2 Химическая бистабильная система. Описывается уравнениями вида: dn1 / dt  n1  n1 n2  a1 n12 dn2 / dt  n2  n1 n2  a 2 n22 Смысл коэффициентов. Самовоспроизводство (автокатализ), конкуренция двух типов веществ и насыщение. Нет потенциала. Устойчивость информационных нелинейных систем. Классификация стационарных состояний Теория динамических информационных дифференциальных уравнениях вида: систем основана на dni dt  1  i Fi n1 , n2 ,..., nn  , где иi - динамические переменные, например концентрации реагирующих веществ; Fi(ni) - нелинейные функции, описывающие их взаимодействие; τiхарактерное время изменения переменных ni , i = 1, 2,..., m. Уравнения являются динамическими, то есть при задании конкретного вида функции Fi их решения, вообще говоря, однозначно определяются начальными условиями. Казалось бы, в такой ситуации ничего неожиданного быть не должно. Тем не менее, характерные для синергетики неожиданности здесь возникают, когда решения динамических уравнений теряют устойчивость. Анализ устойчивости уравнений движения (изменения), а также устойчивости стационарных состояний основан на исследовании поведения 126 малых отклонений от соответствующего решения. Покажем это на примере стационарных состояний системы частиц (точек). Алгоритм анализа устойчивости стационарных состояний системы: 1) Записываются динамические уравнения для переменных системы. 2) Находится стационарное решение системы уравнений. 3) Каждая переменная возмущается на малую величину и записывается в виде: ni  ni  ni , после чего подставляется в исходную систему. 4) В исходной системе слагаемые, не содержащие n, сокращаются (как решения невозмущенной системы), а слагаемыми, содержащими n в степени большей первой пренебрегаем (это анализ на линейную устойчивость). 5) Возмущения выбираются в виде: ni  ni 0 exp t  , где  - число Ляпунова и система решается относительно . По знаку  делается вывод об устойчивости системы. Подчеркнем важное свойство: числа Ляпунова являются характеристическими (или собственными) числами системы; они не зависят от начальных условий. Таким образом, устойчивость (или неустойчивость) — внутреннее свойство исследуемой системы, а не результат внешнего воздействия. Особенность его в том, что проявляется оно только при наличии малых внешних воздействий. Стационарные состояния динамической системы могут быть разного типа. Аттрактором называется такое стационарное состояние, к которому система стремится прийти с течением времени. Аттракторы – устойчивые стационарные состояния. Для системы двух дифференциальных уравнений особые (стационарные) точки могут быть только четырех различных типов: 1. Корни λ1 и λ2 характеристического уравнения действительные и одного знака. Особая точка системы называется узлом. 2. Корни λ1 и λ2 действительные и разных знаков. Такая неустойчивая стационарная точка системы называется седлом. Траектории, проходящие через седло, называются сепаратрисами. 3. Корни λ1 и λ2 характеристического уравнения – комплексносопряженные (но не чисто мнимые). В этом случае особая точка называется фокусом. 4. Корни λ1 и λ2 чисто мнимые. Этот случай встречается только в консервативных (но не диссипативных) системах. Особая точка называется центром. 127 Аттракторы для такой системы могут быть только двух типов: точка (устойчивый фокус и узел) и предельный цикл. Предельный цикл возникает, когда хотя бы одно число Ляпунова имеет действительную положительную часть. При этом состояние системы не является стационарным, а представляет собой замкнутую кривую в фазовом пространстве. Оба этих аттрактора могут быть использованы для хранения информации. Все перечисленные аттракторы – устойчивые стационарные точки, устойчивые предельные циклы и инвариантные торы – называются простыми аттракторами, поскольку динамика систем с такими аттракторами не является хаотической. Но в диссипативных динамических системах, размерность фазового пространства которых n  3, могут существовать ограниченные притягивающие множества, которые являются аттракторами. Такие аттракторы были названы «странными аттракторами». Эдвард Лоренц. Сжатие фазового объема диссипативной динамической системы приводит к тому, что фазовые кривые с течением времени стягиваются к предельному множеству - странному аттрактору, и остаются в этой области навсегда. На самом же аттракторе движение является неустойчивым: любые две траектории системы расходятся экспоненциально быстро, оставаясь, тем не менее, на странном аттракторе. Рассмотрим свойства одной из самых простых систем, обладающих странным аттрактором. Это система Лоренца, которая представляет собой систему обыкновенных дифференциальных уравнений, которая получается из уравнений гидродинамики в задаче о термоконвекции в подогреваемом снизу горизонтальном слое жидкости: X  Y  X , Y  rX  Y  XZ , Z  XY  bZ , где σ – число Прандтля, r – приведенное число Рэлея, b – постоянная, характеризующая размеры физической системы. В данной системе управляющим параметром является число r. При достижении этим числом определенного значения в системе начинается хаотическое поведение. Аттрактор имеет вид восьмерки конечной толщины. То есть это притягивающее множество, из которого система не может выйти, однако внутри множества ее поведение хаотично. Понятие о динамическом хаосе. 128 Подобные системы могут описывать, например, три вязанных друг с другом бистабильных нелинейных элемента – нейрона. Мерой хаотичности динамических систем является энтропия Колмогорова-Синая (КС-энтропия). Эта величина характеризует поведение точек в фазовом пространстве, которые были первоначально близки. Рассмотрим в фазовом пространстве в начальный момент времени t=0 две близкие фазовые точки X1(0) и Х2(0), "выпустим" из них траектории и проследим, как при эволюции системы (t>0) будет изменяться расстояние d(t)=(t)=x2(t)-x1(t) между этими точками. Тогда если режим движения является хаотическим, d(t) с течением времени будет экспоненциально возрастать, так что на больших временах d(t) ≈ d(0)ekt Отсюда можно найти среднюю скорость экспоненциального разбегания траекторий k ≈ t-1ln{d(t)/d(0)}. Но это определение, вообще говоря, не является приемлемым. В самом деле, при финитности движения (а только такое движение мы и рассматриваем) d(t) не может увеличиваться всегда. Поэтому при больших t эта величина в любом случае независимо от режима - хаотического или регулярного – будет близка к нулю. Однако, чем меньше мы выберем начальное расстояние d(0)=(0), тем дольше можно следить за возрастанием d(t), то есть в течение большего промежутка времени величина d(t) не достигнет максимального значения. Следовательно, необходимо положить d(0)→0 и t→: h = lim t-1ln{d(t)/d(0)}. Величину h в физической литературе часто называют энтропией Колмогорова-Синая, или КС-энтропией. Используя КС-энтропию, можно определить, каким является исследуемый режим движения – хаотическим или регулярным. В частности, если динамика системы является периодической или квазипериодической, то с течением времени расстояние d(t) не возрастает, так что значение энтропии равно нулю, h = 0. Если движению системы отвечает устойчивая стационарная точка, то d(t)0 и h < 0. Однако в случае хаотического поведения КС-энтропия всегда положительна, h > 0. Энтропия h - величина размерная ([h] = с-1) и по существу является не только качественной, но и количественной характеристикой режима движения: величина, обратная энтропии (при условии h > 0), определяет характерное время перемешивания (горизонт прогнозирования) tmix = h-1 в системе; по прошествии промежутка времени t >> tmix начальная область 0 расплывается по всей энергетически доступной гиперповерхности (в отсутствие диссипации) 129 или по предельному подмножеству фазового пространства - странному аттрактору (для диссипативных динамических систем); при t >> tmix описание системы может быть только вероятностным. Однако на малых временах t << tmix поведение системы можно предсказать с достаточной точностью (не превышающей, естественно, точность б задания начального положения фазовой точки). Смысл понятия «горизонт прогнозирования» - это время, в течение которого расстояние между близкими точками в фазовом пространстве увеличивается в e раз. Это время определяется как:  1 Re  , максимальное значение действительной части числе Ляпунова. Многие информационные системы оказываются очень сложными. В этом случае сложно даже записать систему уравнений, а не только решить ее. Для моделирования таких систем часто применяется метод иерархии времен релаксации. В основе этого метода лежит разделение переменных на три группы: быстрые, средние и медленные. Например, если нас интересуют изменения системы, происходящие за 1-10 минут, то процессы, протекающие за секунды и доли секунд, считаются быстрыми, а процессы, для которых требуются часы и сутки, — медленными. Иная градация возникает, если нас интересуют секундные изменения; тогда уже минутные процессы мы отнесем к медленным. Разбив реакции на такие группы, мы можем заметить следующее. 1. Все медленно и очень медленно изменяющиеся концентрации считаются постоянными и равными их начальным значениям. 2. В быстрых и очень быстрых реакциях успевают установиться стационарные концентрации. Другими словами, между соответствующими концентрациями быстро установятся определенные соотношения, и при изменении одной из них другие почти мгновенно к ней подстроятся. В этом случае часть дифференциальных уравнений можно заменить алгебраическими соотношениями, и система упростится. Такая система называется редуцированной. В результате останутся лишь процессы, имеющие примерно одинаковые скорости; их, как правило, не много. Замену дифференциальных уравнений алгебраическими называют иногда принципом стационарных концентраций. Строгое математическое обоснование такой процедуры было дано А.Н.Тихоновым. Пример: две переменные y – быстрая, x - средняя. Изоклины. 130 dy 1  Qx, y  . dt  y dx 1  P  x, y  , dt  x Движение по фазовой плоскости. Скачок на одну из изоклин. Обратимые и необратимые операции. Вопрос о связи информации и необратимости - принципиальный. В идеально обратимом мире информация не может возникнуть, поскольку любой выбор не может быть запомнен (запоминание возможно лишь в диссипативных системах). Поэтому необратимость в нашем мире играет существенную конструктивную роль. Однако в фундаментальных законах классической и квантовой физики время обратимо, так что замена скоростей частиц на обратные эквивалентна повороту стрелы времени (т.е. замене t  t ). Иными словами, в гамильтоновых системах явление необратимости не может иметь места. Не останавливаясь на истории вопроса, отметим, что принципиально этот вопрос был решен Я.Г. Синаем при рассмотрении системы «бильярд Синая». Рисунок 38 Отражение шаров от выпуклой стенки. Числа Ляпунова положительны. Неустойчивость как основа необратимости. Необратимость же нужна для того, чтобы система забыла свое прошлое состояние. Возникает естественный вопрос: нельзя ли преодолеть квазиклассический термодинамический барьер и сделать компьютер термодинамически и логически обратимым? Оказывается, в определенном смысле можно! Если в системе произошло стирание или потеря одного бита информации, то статистический вес состояния соответствующего элемента увеличится вдвое, а его энтропия возрастает на S  k ln 2 . При этом неизменно происходит рассеяние энергии и выделение тепла Qmin  TS  P  min  kT ln 2 (в этом состоит так называемый принцип Ландауэра), соответственно уменьшается свободная энергия элемента F. 131 Таким образом, логически необратимая операция – стирание бита информации, является также и термодинамически необратимой операцией. Чтобы сделать необратимый компьютер хотя бы логически обратимым, необходимо сохранять всю информацию, которая терялась бы в других случаях в процессе его работы. В качестве одной из возможностей существенного уменьшения рассеиваемой мощности широко обсуждается использование процессов переключения, настолько медленных по сравнению с процессами релаксации внутри логического элемента, что в каждый момент времени он оказывается в квазиравновесном состоянии. При таком квазистатическим или адиабатическом процессе энтропия логического элемента практически не изменяется и, следовательно, не происходит рассеяние энергии ( Qmin  0 ), а минимальная работа переключения совпадает с изменением внутренней энергии Wmin  U min и может быть в принципе возвращена для полезного использования. Описанные соображения лежат в основе так называемой адиабатической динамической логики. Кроме адиабатических процессов для уменьшения рассеиваемой мощности были предложены схемы, позволяющие исключить в процессе переключения логического элемента протекание в нем токов. Логический элемент осуществляет логически обратимую операцию, когда сигнал на его входе может быть однозначно определен по сигналу на выходе. В последнее время был предложен целый ряд другого рода обратимых логических устройств. При этом было показано, что при наличии шумов полностью избежать диссипации энергии все-таки оказывается невозможно. Отметим, однако, что логическая обратимость не обязательно требует бездиссипативных энергетических процессов. В оптимальном классическом компьютере с соответствующей обратимой логической архитектурой промежуточные результаты не должны стираться, переходы между состояниями при промежуточных операциях не должны быть слишком быстрыми, а надежность результатов не должна быть чрезмерной, для того, чтобы процесс переключения мог считаться и термодинамически обратимым. Необратимыми в компьютере будут лишь периферийные процессы ввода и вывода информации. Фредкин и Тоффоли обратили внимание на аналогию логических операций в компьютерах с элементарными физическими процессами. Существенным их достижением было изобретение умозрительной механической модели идеально упругих “бильярдных шаров”, где каждый шар представляет собой неразрушаемый бит. Модель позволяет получать наглядную картину обратимых операций в так называемом механическом баллистическом компьютере. Многоэтапные вычисления реализуются в нем как иерархия субвычислительных обратимых операций, которые осуществляются в процессе упругих столкновений движущегося шара-бита с 132 совокупностью “управляющих” шаров и неподвижных отражателей, изменяющих определенным образом направление его движения. Запущенный в устройство с определенной скоростью шар-бит в результате выходит из него в состоянии с той же энергией, но с новым направлением скорости, а само устройство обратимым образом возвращается в исходное состояние. Энергетическая и энтропийная цена бита информации в этом случае определяется только количеством стираемой на выходе и генерируемой на входе компьютера информации, поскольку промежуточного стирания не происходит. Такого рода схема была названа консервативной логикой. Однако на самом деле из-за неидеальности шаров и отражателей их движение будет быстро хаотизироваться и вычислительный процесс разрушится. Для сохранения необходимого порядка в движении шаров предлагалось ввести дополнительный периодически движущийся потенциал. Рисунок 39 133 Лекция 13 Концепции общей теории информации Общее понятие Информации Слово "информация" известно в наше время каждому. Между тем вошло оно в постоянное употребление не так давно, в середине двадцатого века, с подачи Клода Шеннона. Он ввел этот термин в узком техническом смысле, применительно к теории связи или передачи кодов (которая получила название "Теория информации"). В настоящее время наполнение этого термина получило гораздо более глубокий смысл. И это не случайность, а следствие того, что только в последние десятилетия выявилась необходимость осознанной организации процессов движения и обработки того, что имеет общее название "Информация". Между тем само понятие "Информации" во многом остается интуитивным и получает различные смысловые наполнения в различных отраслях человеческой деятельности. Представляется, что настало время рассмотреть обмен Информацией в целом как глобальное явление и попытаться найти его общие свойства и закономерности, знание которых может оказаться полезным в изучении каждой конкретной реализации этого явления. Для того чтобы вывести наиболее общее определение понятия "Информация", выделим такое его свойство, которое с одной стороны было бы присущим любому его конкретному проявлению, и с другой стороны, позволяло бы отличать их от проявлений других понятий. Другими словами мы хотим выделить необходимый и достаточный признак, по которому мы будем определять, относится ли то или иное явление к проявлению понятия "Информации". Начнем с того, что построим самую простую схему из трех понятий: "Объект", "Среда" и "Взаимодействие". "Объект" - это нечто устойчивое во времени и ограниченное в пространстве интересующее нас как единое целое. "Среда" - это множество всех других потенциальных "Объектов" интересующих нас только с точки зрения их влияния на состоянии выделенного "Объекта" и обратного влияния "Объекта" на их состояния. "Взаимодействие" - это растянутый во времени процесс взаимозависимого изменения параметров состояния "Объекта" и "Среды". Эта схема является замкнутой в том смысле, что "Среда" включает в себя все потенциальные "Объекты" способные влиять на состояние выделенного "Объекта". Далее мы не будем брать в кавычки приведенные понятия. В природе существует два фундаментальных вида взаимодействия: обмен веществом и энергией. Фундаментальность этих видов взаимодействия заключается в том, что все прочие взаимодействия происходят только через их 134 посредство. Эти виды взаимодействия подчиняются закону сохранения. Сколько вещества и энергии один объект передал другому, столько тот и получил, и наоборот. Потери, происходящие при передаче, не рассматриваются, ибо потери вещества и энергии в замкнутой среде не возможны и то, что называют потерями, является отдельными актами взаимодействия с другими объектами той же среды. Среда замкнута именно в том смысле, что все взаимодействия происходят только внутри ее. Энергетическое и вещественное взаимодействие объектов является симметричным, т.е. сколько один отдал столько же другой получил. Переходы между веществом и энергией не влияют на общий баланс, поскольку действуют законы сохранения константы их соотношения. Так же не влияет на общий баланс разрушение объекта в результате таких взаимодействий, так как опять же сохраняется сумма констант соотношения вещества и энергии, образовавшихся в результате разрушения частей (новых объектов). Примем за аксиому, что на основе комбинации фундаментальных взаимодействий, между объектами может происходить взаимодействие более высокого порядка, при котором от одного к другому переходит некоторая субстанция и при этом потери одного не совпадают с приобретением другого. Такое взаимодействие является несимметричным. В предельном случае несимметричного взаимодействия при передаче субстанции между объектами один из них ее приобретает, а другой не теряет. Изменение количества энергии и вещества при этом естественно, будут иметь место, поскольку данный акт взаимодействия имеет в своей основе комбинацию фундаментальных видов взаимодействия обеспечивающих перенос субстанции. Теперь сформулируем наиболее общее определение Информации, от которого мы будем отталкиваться в дальнейшем. понятия Любое взаимодействие между объектами, в процессе которого один приобретает некоторую субстанцию, а другой ее не теряет называется информационным взаимодействием. При этом передаваемая субстанция называется Информацией. Из этого определения следует два наиболее общих свойства Информации. Первое - Информация не может существовать вне взаимодействия объектов. Второе - Информация не теряется ни одним из них в процессе этого взаимодействия. Эволюция информации Рассмотрим теперь возможное развитие информационного взаимодействия объекта со средой в зависимости от уровня развития самого объекта. 135 1. Неживые формы Все объекты в природе состоят из элементарных частиц, объединенных в более или менее сложные структуры. Поэтому все взаимодействия между объектами сводятся к взаимодействию элементарных частиц и происходят по законам физики микромира. Эти элементарные взаимодействия полностью симметричны. Собственно именно эти элементарные взаимодействия и приводят к образованию разнообразных более или менее устойчивых структур на основе элементарных частиц. Эти структуры с определенного уровня устойчивости уже могут рассматриваться как самостоятельные объекты. Взаимодействия этих объектов между собой складывается из большого числа взаимодействий составляющих их частиц. Свойства этих суммарных взаимодействий определяется совокупностью свойств составляющих их частиц и той структуры, в которую они объединены. Можно сказать, что та часть взаимодействий частиц, которая служит для поддержания устойчивости объекта как структуры, определяет его как "вещь в себе". Другая часть, которая проявляется во взаимодействиях объекта в целом с другими объектами, определяет его как "вещь для других". Законы взаимодействия объектов вытекают, таким образом, из законов взаимодействий их частиц, но чем больше частиц, чем разнообразнее они и чем сложнее их взаимодействие в структуре объекта, тем сложнее выводятся законы общего взаимодействия из частных. При этом все большую роль играют статистические законы больших чисел, обеспечивающие возрастание устойчивости законов взаимодействия объектов в целом и с определенного уровня устойчивости эти законы уже можно рассматривать как самостоятельные не учитывающие законы каждого отдельного частичного взаимодействия. Так из законов взаимодействия элементарных частиц возникают законы взаимодействия атомов, молекул и т.д. до известных нам законов макромира и социальных законов. Законы взаимодействия объектов более высокого уровня строятся на основе статистической интеграции законов взаимодействия составляющих их объектов более низкого уровня. Кстати законы социального взаимодействия не столь устойчивы, так как количество элементов составляющих взаимодействующие социумы не достаточно велико, чтобы устойчиво работали законы больших чисел. Сформулированное представление о законах мироздания не подтверждает и не опровергает существование Бога, поскольку оно отвечает на вопрос "как?", а не на вопрос "почему?". Обратимся опять к несимметричным взаимодействиям между объектами и конкретно к информационным. Еще раз напомним, что таковые возможны только как комплекс симметричных взаимодействий, в результате комбинации которых выделяется в самостоятельную единицу некая субстанция называемая нами информацией. Мы будем рассматривать свойства этой субстанции, 136 переходя от простых видов информационных взаимодействий к более сложным. Примитивные виды информационного взаимодействия можно выделить уже в неживой природе. Таковым, например, является каталитическое взаимодействие. Оно состоит в том, что один объект называемый катализатором изменяет скорость протекания химической реакции между группой других объектов называемых реагентами, после чего сам катализатор остается неизменным по всем своим свойствам. Этот процесс можно представить как примитивное информационное взаимодействие между катализатором и реагентами состоящее в том, что последние получают от первого некую информацию, которую они реализуют в виде изменения их собственного взаимодействия. Этот примитивный вид информационного взаимодействия интересен тем, что с одной стороны он представляет собой не слишком сложный комплекс симметричных взаимодействий и сравнительно легко может быть выведен из них. Например, это взаимодействие может состоять из простой последовательности симметричных взаимодействий между катализатором и отдельными реагентами, в ходе которых он перераспределяет между ними вещество и энергию и тем самым организует взаимодействие между ними, оставаясь в итоге в своем прежнем состоянии. С другой стороны в этом взаимодействии уже проявляются в примитивном виде присущие информационному взаимодействию основные факторы. Первое. Информационное взаимодействие имеет в своей основе комплекс симметричных взаимодействий и таким образом информация между объектами переносится с помощью обмена веществом или энергией. Формы вещества или энергии, с помощью которых переносится Информация будем называть информационными кодами или кратко - кодами. Второе. Информационное взаимодействие может происходить только при определенном взаимном соответствии свойств объектов. Так в каждом каталитическом взаимодействии могут участвовать только объекты, обладающие необходимым для него набором свойств. Восприятие Информации на основе получаемых кодов определяется через возможность ее реализации в соответствии со свойствами принимающего объекта. От его свойств зависит в конечном итоге то, какую информацию он принимает, получая конкретный набор кодов. Комплекс свойств объекта позволяющих ему воспринимать получаемые коды как некоторую информацию будем называть аппаратом интерпретации информационных кодов или кратко - аппаратом интерпретации. Третье. Информация реализуется в принимающем объекте через связанное с ней определенное изменение его состояния (внутренних или 137 внешних свойств). Причем это изменение возможно и без получения информации, но при этом оно будет менее вероятным. Информация способствует переходу принимающего ее объекта в одно из потенциально присущих ему состояний, т.е. является сообразной его свойствам. В рассмотренном простейшем случае сообразность информации принимающему объекту в значительной мере определяется самим наличием у него аппарата интерпретации, поскольку и то и другое основывается на одних и тех же свойствах объекта. Тем не менее, рискнем здесь развить утверждение о сообразности и сформулировать его усиление. В широком смысле можно сказать, что информация принимаемая объектом необходимо является для него целесообразной. Итак, на простейшем примере информационного взаимодействия мы показали три основных фактора, необходимых для его протекания. Это наличие кодов переносящих информацию, наличие аппарата интерпретации этих кодов у принимающего объекта и, наконец, обязательная целесообразность информации для принимающего объекта. Можно сказать, что информационное взаимодействие, это один из видов взаимодействий, связанных с переходом от объективного к субъективному. Это взаимодействия с независимо существующими от объекта явлениями, в которых он участвует как "вещь для других", но результат которых воспринимается им как "вещью в себе". Постараемся теперь проследить развитие этих факторов и свойств информационного обмена по мере усложнения участвующих в нем объектов и видов их взаимодействия. 2. Простейшие формы жизни Первым условием, отличающим живую форму от неживой, является наличие у нее возможности воспроизведения других форм, которые будут подобны ей самой по внутреннему строению и по видам взаимодействия с внешней средой. Для реализации этой возможности живая форма получает из внешней среды вещество и энергию и преобразовывает их внутри себя, создавая копии своих элементов и организуя их в структуру, где они будут взаимодействовать между собой так же, как они взаимодействовали в исходной форме. Эти действия означают постоянное изменение внутреннего состояния живой формы, при сохранении свойств ее взаимодействия с внешней средой. Кстати наличие постоянных внутренних изменений является основной причиной того, что живая форма в каждый следующий момент отличается от себя в предыдущем моменте и, в конце концов, ее свойства настолько изменяются, что она перестает существовать как таковая и происходит ее разрушение. Живые формы не столь долговечны, как неживые, в которых внутренние изменения обусловлены напрямую симметричными взаимодействиями с внешней средой. 138 Возьмем за объект простейшую живую форму - вирус. Его взаимодействие со средой обитания сводится к питанию (потреблению вещества), потреблению энергии, выделению отходов (в виде вещества и энергии), размножению (построению своей копии) и умиранию (распад на отдельные химические молекулы). Вирус состоит из молекулы нуклеиновой кислоты и белковой оболочки, которые предотвращают распад друг друга. В этом состоит основное назначение их внутреннего взаимодействия. Нуклеиновая кислота играет главную роль в воспроизведении другого такого же вируса при наличии соответствующих условий внешней среды. Нам известны вирусы, воспроизводящиеся только в среде живых клеток. Это не значит, что их не может существовать в других средах. Более того, вирус как более простая форма, нежели живая клетка должен был возникнуть как вид еще до появления одноклеточной формы жизни. Механизм воспроизведения вирусов сводится к тому, что он, попадая в определенную среду, изменяет комплекс происходящих между ее объектами химических взаимодействий таким образом, что в их результате происходит синтез зрелых вирусных частиц - вирионов, из которых в определенных условиях образуются другие такие же вирусы. Этот вид взаимодействие вируса со средой подобен каталитическому взаимодействию, но имеет более высокий уровень сложности. Реагентами этого взаимодействия являются уже не простые химические молекулы, а более сложные высокомолекулярные соединения. Кодами, переносящими информацию, служат уже не простые физические объекты и элементарные энергетические влияния, а значительно более сложные по составу и структуре их комплексы. Действие аппарата интерпретации кодов основано здесь на столь сложных комплексах действий химических законов, что часто уже не представляется возможным вывести строгую зависимость одного от другого. В этом взаимодействии уже начинают проявляться биологические законы как более высокие по уровню сложности, нежели химические. Принцип целесообразности информации по-прежнему имеет место в том смысле, что вся совокупность реакций ведущих к появлению нового вируса могла бы произойти и без участия такого же вируса, но стечение нужного комплекса обстоятельств для этого события гораздо менее вероятно чем для реагентов каталитического взаимодействия, то есть, может проявиться гораздо реже. Но видимо все-таки это случается. Среда высокомолекулярных соединений сама производит время от времени своих новых вирусов. Информационное взаимодействие вируса со средой имеет еще одну принципиальную особенность, качественно отличающую его от каталитического взаимодействия. В последнем случае результат реакции не имеет никакого отношения к катализатору. Результат же информационного 139 воздействия вируса на среду значим для вируса, поскольку обеспечивает поддержание его существования как вида. Здесь уже, хотя и в самом примитивном виде, проявляется четвертый фактор информационного обмена, который можно назвать направленностью передачи информации, или более широко - целенаправленностью. Целенаправленность информационного взаимодействия, это фактор его значимости для существования конкретного объекта передающего информацию или для существования его вида. 3. Клеточная форма жизни Принципиальным отличием клеточной формы жизни от вирусной является объединение в ней, как в единой структуре, всех компонент, взаимодействие которых обеспечивает воспроизведение другой такой же формы. Конечно, для обеспечения такого внутреннего взаимодействия компонент клетки необходима возможность взаимодействия ее как целого с внешней средой. Непосредственно для существования и самовоспроизведения клетки ей необходимы только симметричные взаимодействия, в ходе которых она получает из внешней среды вещество и энергию, поддерживающие взаимодействие ее компонент. Внутренний механизм самовоспроизведения клетки является развитием механизма воспроизведения вируса. В клетке имеется основной элемент, целенаправленное информационное воздействие которого на прочие элементы приводит к построению другого такого же элемента. Но этим еще не исчерпываются его функции. Этот элемент вступает с остальными элементами клетки в такие информационные взаимодействия, которые направляют взаимодействие между ними на создание всего комплекса элементов клетки. Таким образом, можно сказать что, действуя подобно вирусу в направлении самовоспроизведения, этот основной элемент клетки организует еще и воспроизведение среды, в которой его собственное воспроизведение становится возможным. Этот основной элемент клетки представляет собой разновидность молекулы нуклеиновой кислоты, а именно, молекулу дезоксирибонуклеиновой кислоты (ДНК). Исследование строения ДНК и механизмов его взаимодействия с другими элементами клетки, - это предмет Генетики. Отметим лишь, что ДНК состоит из элементов называемых нуклеотидами, отдельные группы которых, участвуя в разных информационных взаимодействиях, организуют отдельные этапы процесса воспроизведения клетки и в совокупности организуют весь процесс. Само первичное возникновение клетки как живой формы, произошло, потому что оно могло произойти в определенных, хотя и очень маловероятных, ситуациях взаимодействия вируса со средой. В какой-то момент 140 функционирование некоего вируса привело к тому, что в одной оболочке оказалась молекула его ДНК и те объекты, с которыми он вступал в информационные взаимодействия, причем каждый из них мог возникать как реализация информационного взаимодействия вируса с другими объектами. Стечение всех этих обстоятельств могло случиться настолько редко, что за всю истории развития жизни на нашей планете произошло, видимо всего несколько таких случаев образования клеток, которые обладали бы достаточной устойчивостью существования и воспроизведения себя как вида. При этом устойчивость не оказалась настолько полной, (закон больших чисел действовал не в достаточной для этого степени), что бы воспроизведение клеток вело бы в каждом случае к появлению полной копии родительской клетки. Отсюда стали появляться новые клетки, наиболее устойчивые из которых сохранялись как виды. Это и послужило основой возникновения того многообразия форм жизни, которые сейчас существуют. Живая клетка интересна тем, что является почти замкнутой средой с точки зрения происходящих в ней внутренних информационных взаимодействий. Число их достаточно ограничено, что дает возможность изучать каждое из них отдельно и всю взаимосвязанную их структуру в целом. Это конечно отдельная задача, а мы рассмотрим лишь некоторые свойства этих взаимодействий, важные с точки зрения развития их значения в более сложных информационных процессах. Информационное взаимодействие ДНК с каким либо элементом клетки происходит не через непосредственные симметричные взаимодействия одного с другим, а опосредованно через промежуточные взаимодействия с некоторыми другими элементами. Таковыми в клетке служат несколько видов молекул рибонуклеиновой кислоты (РНК). При взаимодействии с ДНК они приобретают такие свойства, которые при последующем взаимодействии их с другими элементами клетки приводят к передаче им информации уже непосредственно реализуемой в процессах поддержания жизни или воспроизведения клетки. Таким образом, коды, с помощью которых осуществляется передача информации от ДНК, не совпадают с кодами, с помощью которых принимается информация. Промежуточный этап информационного взаимодействия может быть растянут во времени, и момент передачи информации не совпадает с моментом ее получения. Наличие этого промежутка и перекодировки информации создают предпосылки искажения (в том числе и возможность потери) информации в процессе ее перехода от одного объекта к другому. Искажение информации ведет к снижению целесообразности для объекта изменений, происходящих в нем при ее реализации. Для клетки это чревато нарушением общей устойчивости ее жизнедеятельности и разрушением. Для того чтобы клетка сохранялась как вид в течение длительного времени, должен существовать механизм защиты информации от искажений, 141 которые происходят время от времени. Такой механизм может иметь различную природу, но самое главное, что он должен быть заложен и в свойствах самой передаваемой информации. Таким свойством является избыточность информации. (Это не единственная ее полезная роль в процессе информационного взаимодействия.) Избыточность может быть реализована через простое повторение кодов или более сложным образом - через самовосстанавливающиеся коды. Самовосстановление кодов основывается на том, что в передаче участвуют не только коды непосредственно несущие информацию, но и дополнительные, по которым при приеме информации, проверяется верность основных кодов, и если это необходимо и возможно, информация реализуется таким же образом, как будто коды не были искажены. Собственно восстанавливаются не сами коды, а в допустимых пределах их искажений и потерь сохраняется переносимая ими информация. Деление на основные и дополнительные коды достаточно условно. Генетические исследования показывают, что одна и та же информация может передаваться различными участками одной ДНК, и исключение каких либо из них не приводит к нарушениям ее функций. Возможность использования свойства избыточности информации, естественно, требует наличия соответствующих свойств у объекта принимающего информацию. Молекулы ДНК имеют большее количество групп нуклеотидов, чем это необходимо для нормального функционирования клетки. Причем доля избыточных групп возрастает по отношению к доле основных по мере усложнения функций самостоятельной клетки или организма, в который клетка входит составной частью. Соответственно при переносе информации от ДНК участвуют большее число кодов, чем это непосредственно необходимо. Представляется, что именно этим изначально обеспечивается защита информации от искажений и потерь в процессе обмена ею внутри клетки. Во внутриклеточном обмене информации проявляется еще один фактор, который необходимо учитывать при рассмотрении этого процесса. Он присутствует в процессе взаимодействия вируса с элементами клетки. Клетка, в которую попадает вирус, является для него внешней средой. Вступая в информационный обмен с элементами клетки, вирус целенаправленно изменяет их взаимодействия и, тем самым, заставляет их создавать другой такой же вирус. Для клетки такое взаимодействие приводит к нарушению ее внутренних информационных взаимодействий. Если возникающие при этом искажения информации становятся слишком значительными, клетка теряет возможность поддерживать свое существование и разрушается. С одними искажениям информации клетка может бороться, с другими нет, а третьи могут оказаться нейтральными или даже способствующими ее существованию. 142 Судя по структуре вирусов, основой которых может являться молекула либо ДНК либо РНК, у них имеется несколько возможностей вмешиваться во внутриклеточный информационный обмен - либо исказить информацию в процессе ее переноса, изменив состояние клеточной РНК, либо передавать информацию, вступив в непосредственное взаимодействие с определенными элементами клетки вместо соответствующей РНК. Возможен вариант, когда молекула ДНК вируса внедряется в структуру молекулы ДНК клетки, и та начинает посылать изначально искаженную информацию. Фактор целенаправленной передачи информации от одного объекта другому в ситуации, когда ее реализация оказывается целесообразной для первого и нецелесообразной для второго будем называть дезинформацией. Вообще, понятия Информация и Дезинформация, обозначают одну и туже субстанцию, но имеют разные этические категории. Они соотносятся между собой примерно так же, как понятия разведчик и шпион. Рассмотренные с точки зрения соответствия различным целям они переходят из одного в другое. На примере живой клетки можно разобрать еще один вид информационного взаимодействия. ДНК клетки не только посылает информацию другим элементам клетки, но и получает ее от них. Если рассмотренную ранее передаваемую информацию можно назвать управляющей, то последнюю можно определить как информацию слежения. Эта информация переносится с помощью РНК (тех же или других, что участвуют в переносе управляющей информации). Принимаемая ДНК информация реализуется в ней через изменение ее состояния, и таким образом обуславливает формирование управляющей информации. В результате реализуется изменение управления процессами, происходящими в клетке в соответствии с изменением условий ее существования. В частности, реализацией следящей информации может быть комплекс управляющих информационных взаимодействий ДНК с другими элементами клетки, реализуемый ими в процессе самовоспроизведения именно в тот момент, когда клетка в целом уже готова к этому. Информации слежения играет еще одну важную роль для обеспечения устойчивости существования клетки. Взаимодействие клетки как объекта со средой, влечет за собой изменение состояний отдельных ее элементов, и соответствующая информация поступает в ДНК. Реализация такой информации в изменении управляющих информационных воздействий заставляет клетку в целом перейти в состояние наиболее адекватное для ее сохранения в данных условиях взаимодействия со средой. Каждая существующая клетка обладает такими способностями в определенных пределах просто потому, что те, которые не обладали ими, прекратили свое 143 существование как вид. Здесь действует известный тезис Гегеля - "Все существующее разумно". Адекватная реакция клетки на состояние внешней среды представляет собой реализацию получаемой из внешней среды информации. Механизм этой реализации основан на изменении взаимодействий элементов внутри клетки, в том числе и информационных. Информационное взаимодействие клетки со средой, эта та часть ее взаимодействий, значение которых для ее существования определяется не вещественным и энергетическим обменом поддерживающим необходимые для ее существования взаимодействия внутренних элементов, а та, которая влечет за собой изменение этих внутренних взаимодействий в направлении наиболее выгодном для существования клетки в целом как единицы или как вида. Каждый элемент клетки в отдельности крайне не устойчив. Его существования заключается в регулярном обновлении большой части входящих в него субэлементов и энергетической подпитке их взаимодействий. Относительная устойчивость достигается в комплексе взаимодействий всех элементов клетки по обмену веществом и энергией, изначальным источником которых является взаимодействие с внешней средой клетки. Согласованность внутренних взаимодействий по обмену веществом и энергией достигается комплексом следящих и управляющих информационных взаимодействий, центральным элементом которых является молекула ДНК. Интересно, что среди управляемых этими информационными взаимодействиями процессов присутствует комплекс каталитических процессов реализуемых определенной группой элементов клетки - ферментами. Каталитический процесс, как мы показали ранее, это процесс примитивнейшего информационного взаимодействия. Таким образом, мы видим, что информационное взаимодействие может иметь иерархическую структуру, согласованно объединяющую разные уровни взаимодействий. Даже в самых идеальных условиях внешнего взаимодействия клетки со средой (которых, в общем-то, не бывает), неустойчивость отдельных элементов клетки приводит к нестабильности их внутренних взаимодействий, в том числе и информационных. Нарушение последних особенно важно, так как влияет на согласованность всех остальных процессов через потерю их значимости друг для друга. Это в свою очередь влияет на внутренние информационные взаимодействия и с определенного момента процесс их нарушения становится необратимым, клетка стареет, теряя способность обеспечивать существование своих элементов, и умирает. Одноклеточные организмы как объекты информационного взаимодействия со средой отличаются от вируса, прежде всего тем, что последние являются главным образом передающей стороной, в то время как одноклеточные, наоборот, принимающей. Сообразно этому у одноклеточных 144 более развит аппарат интерпретации информационных кодов, через который они принимают информацию и реализуют в своих действиях. (По правде сказать, нам вообще ничего не известно о таковом у вирусов.) Аппарат интерпретации информационных кодов у клеток имеет безусловный и непосредственный характер. Безусловность его заключается в том, что одинаковые комбинации кодов всегда воспринимаются конкретной клеткой как одна и та же информация реализуемая в одних и тех же действиях. Непосредственность действия этого аппарата заключается в почти немедленной реализации информации. Клетка не может сколь ни будь долго хранить принимаемую информацию и реализовывать ее некоторое время спустя. Этапы интерпретации информационных кодов и реализации полученной информации в клетке практически не разделяются. Можно привести простейший пример приема и интерпретации информации из внешней среды такими одноклеточными организмами как бактерии в процессе поиска ими питания. Само событие получения питания у бактерий одновременно является событием получения информации о наличии питания. Реализация этой информации происходит через изменение длины их единичных перемещений (направление всегда случайное). Чем чаще встречается пища, тем короче пробеги. Таким образом, увеличивается вероятность, того что, попав в питательную среду, бактерии проводят в ней большее время, чем то время, которая они проводят в бедной питанием среде. Это самый примитивный способ реализации информации живой формой при ее взаимодействии с внешней средой через управление своими действиями (управление как выбор действий из имеющихся альтернативных возможностей). Аппарат интерпретации информации получаемой клеткой из внешней среды полностью и однозначно определяется структурой молекулы ДНК (поскольку именно она управляет его построением) и передается от родительской клетки к дочерней через копию этой ДНК. Он не меняется в течение всей жизни клетки и одинаков у всех клеток одного вида. 4. Многоклеточные формы жизни Предпосылкой к появлению многоклеточных форм жизни стали колониальные одноклеточные организмы. Их дочерние клетки после воспроизведения не отделяются от материнской и существуют в непосредственном соприкосновении. Являясь, как и все одноклеточные главным образом принимающей стороной в информационных взаимодействиях они способны вступать только в самые примитивные виды взаимного обмена информацией, связанные, например, с информацией о физическом их контакте. Внешняя информация из среды принимается и реализуется каждым членом колонии самостоятельно. Их совместная деятельность ограничивается самим 145 фактором создания единого тела, которое по своим физическим параметрам имеет более высокую живучесть, чем составляющие его элементы. В этом плане можно привести интересный пример поведения амеб, которые хотя и не являются колониальными организмами, но способны на создание временных колоний. В голодном состоянии они выпускают вещество (одна из составляющих ДНК), это вещество воспринимается другими как информация заставляющая их сближаться и группироваться. Образуется единая слизь (некое подобие колониального организма). Эта слизь может перемещаться в пространстве под воздействием внешней среды на значительно большие расстояния, чем отдельные амебы. При этом сами амебы не тратят свою энергию на передвижение и потому дольше живут в условиях ее дефицита. Достигая питательной среды, слизь распадается на отдельные амебы, и они опять действуют как самостоятельные объекты. Многоклеточные организмы отличаются от колониальных прежде всего разделением функций отдельных групп клеток при взаимодействии со средой. Их общей особенностью является то, что, как и колония одноклеточных, многоклеточный организм вырастает из одной материнской клетки. Разделение функций клеток в совместной их деятельности как целого требует согласования их действий между собой. Это согласование достигается комплексом происходящих между ними управляющих и следящих информационных взаимодействий. В многоклеточном организме появляются клетки способные вступать в информационные взаимодействия с другими клетками в качестве передающей стороны. Во всем остальном клетка в многоклеточном организме взаимодействует с другими клетками принципиально так же, как одноклеточный организм взаимодействует с элементами его внешней среды. Принципиальное отличие проявляется только в процессе самовоспроизведения клетки. Дочерняя клетка не всегда становится полной копией материнской клетки. На процесс самовоспроизведения клетки оказывает влияние ее информационное взаимодействие с окружающими клетками и внешней средой организма. ДНК в дочерней клетке полностью копируется с ДНК материнской клетки, а комплекс остальных элементов может значительно отличаться. Таким образом, центральный элемент информационного управления взаимодействий элементов клетки в каждой клетке один и тот же, но выполняет только ту часть своих функций, которая соответствует взаимодействию с имеющимися в клетке другими элементами. Разные по строению клетки организма выполняют разные функции. В комплексе они обеспечивают взаимодействие организма с его внешней средой, которое в итоге должно поддерживать существование каждой отдельной клетки. Чтобы так оно и было необходима согласованность действия различных клеток через их информационные взаимодействия (следящие и управляющие). У простейших многоклеточных такие информационные взаимодействия осуществляются теми же клетками, которые поддерживают 146 обмен веществом и энергией с внешней средой. Но уже на довольно ранней стадии развития многоклеточных форм сопровождаемого усложнением необходимого для их существования комплекса взаимодействий со средой (у кишечно-полостных) возникают клетки специализирующиеся на организации информационного обмена между остальными клетками. Эти клетки называют нейронами. Строение нейронов у всех многоклеточных имеет общие особенности - они обладают несколькими короткими отростками (дендритами) и одним длинным (аксоном или нервным волокном или в просторечии нервом). Дендриты служат для информационного взаимодействия с соседними клетками, а аксоны с клетками расположенными на значительном расстоянии (их длина может быть свыше метра). Почти изначально возникает и функциональное разделение нейронов по участию в следящих и управляющих внутренних информационных взаимодействиях (в биологии соответствующие функции называют чувствительными и двигательными). В простейшем случае информационное взаимодействие организма со средой основанное на участии в нем нейронов строится через нервные (рефлекторные) дуги. Нервная дуга начинается с клеток-рецепторов, вступающих с внешней средой в симметричные взаимодействия, изменяющие их внутреннее состояние. Изменение их состояния приводит к изменению их взаимодействия с чувствительным нейроном. Это взаимодействие уже является информационным. Нейрон получает информационные коды от рецептора безусловно и непосредственно интерпретируемые им в изменении его состояния и реализует через передачу другому нейрону своих информационных кодов, а тот в свою очередь передает его информационные коды двигательным клеткам, которые уже непосредственно меняют свое состояние, тем самым, организуя ответное взаимодействие со средой целесообразное для организма в целом в сложившихся условиях. Последовательность происходящих в нервной дуге информационных взаимодействий между различными клетками образует акт информационного взаимодействия более высокого уровня, в котором объектом, принимающим информацию, является уже сам организм. Такой акт во многом еще носит такой же характер, как и акт информационного взаимодействия одноклеточного организма со средой. Используемый в нем аппарат интерпретации информационных кодов (основанный на строгой последовательности действий нейронов) является безусловным и непосредственным, как и в случае одноклеточного организма. Различие присутствует пока лишь в плане увеличения сложности и разнообразия принимаемых информационных кодов и соответственно в более сложных и разнообразных действиях реализующих принимаемую информацию. Усложнение многоклеточных организмов в ходе их эволюции сопровождается усложнением процессов их информационного взаимодействия со средой в соответствии с необходимостью поддержания широкого спектра их 147 симметричных взаимодействий с этой средой, обеспечивающих уже не столько существование каждой клетки, а существование организма в целом. Усложнение информационного обмена со средой обеспечивается в организме через усложнение аппарата интерпретации принимаемых информационных кодов. Его действие продолжает основываться на действиях нейронов, но уже взаимодействующих между собой в более сложных структурах: нервных узлах, нервных центрах и, наконец, в спинном и головном мозге. Сложный акт информационного взаимодействия организма со средой происходит на основе иерархического построения простых актов. Следящая информация поступает из разных точек в узлы, из них в центры, затем в мозг. Из мозга управляющая информация по другим иерархическим путям через соответствующие центры и узлы распределяется к органам, реализующим ее в соответствующих действиях. Иерархическое построение отдельных простых этапов информационных взаимодействий обеспечивает качественное преобразование следящей информации от того вида, в котором она принималась из внешней среды к тому, на основе которого инициируется ее реализация. Т.е. к тому, которое приводит непосредственно к генерации управляющей информации в центрах непосредственно организующих ответную реакцию организма целесообразную в текущих условиях внешней среды. Качественное преобразование информации при ее продвижении с нижних иерархических уровней обработки к верхним заключается в ее обобщении. Обобщение информации - это преобразование информации о наличии множества простых частных событий в информацию о наличии некоего события более высокого уровня, в которое эти частные события входят как отдельные его элементы. Необходимость обобщения связана, прежде всего, с тем, что на любом отдельном этапе информационного обмена имеется принципиальное ограничение количества и разнообразия информационных кодов, с которыми может работать аппарат интерпретации того объекта, который принимает на этом этапе информацию. Обобщение информации заключается в замене информации о конкретных частных событиях на информацию о событии, которое заключается в их совместном проявлении. Эта информация переносится меньшим числом кодов, чем суммарное количество кодов необходимое для переноса информации обо всех частных событиях. При этом, конечно, неизбежны потери детализации отражения ситуации, но обеспечивается возможность ее согласованной реализации через передачу командной информации адекватной данной ситуации в целом. Обобщение дает возможность хоть какой-то целесообразности реализации информации в различающихся по деталям, но подомным в целом, информационных 148 взаимодействиях в условиях ограниченных возможностей учета особенностей каждого из них. Реализация обобщенной информации заключается в генерации объектом таких действий, которые должны быть целесообразными в условиях всего комплекса имеющих место частных событий, а не каждого из них в отдельности. Командная информация для обеспечения конечной ее реализации проходит обратный путь через соответствующие центры и узлы, в которых она детализируется через разветвления, ведущие к конкретным органам выполняющим элементарные действия, образующие в целом адекватное поведение организма по отношению к внешней ситуации. Множество разных конкретных ситуаций отражается в одной и той же обобщенной информации и соответственно реализуется в одних и тех же действиях организма. Если эти действия приводят к примерно одинаковому и полезному для организма результату, то обобщение информации является правомерным. Обобщение информации принимаемой многоклеточным организмом реализуется через ее поступление из разных точек в нервные узлы, которые меняют параметры своего состояния соответствующие каждой конкретной порции информации, и при определенной комбинации значений этих параметров инициализируют посылку информации в вышестоящий нервный центр, сообщая ему о событии наличия этой комбинации. Простейший механизм обобщения может иметь безусловный характер. Т.е. одинаковые комбинации информационных кодов, поступающие из разных точек в нервный узел, центр или мозг интерпретируются в нем детерминированным образом в соответствии с его возможностями, которые остаются постоянными на протяжении всего его существования. Соответственно на их основе возникает одна и та же обобщенная информация. По мере эволюции многоклеточных организмов у них появился и стал развиваться аппарат условной интерпретации информации. Этот аппарат смог реализоваться только на уровне достаточно развитого головного мозга, в котором взаимодействуют миллионы и миллиарды нейронов. Действие этого аппарата интерпретации, видимо, заключается в том, что нейроны после получения и реализации информации не возвращаются сразу в состояние полностью эквивалентное тому, что было до их участия в информационном взаимодействии, а некоторое время сохраняют в себе его следы. Кроме того, должны существовать другие нейроны, принимающие в обобщенном виде информацию о состоянии первых и сохранять состояние своих элементов обусловленное этой информацией. Такие нейроны не принимают непосредственного участия в цепочках основных информационных взаимодействий, но способны вмешиваться в них, имитируя состояния одних нейронов при наличии комбинаций состояний других достаточно часто встречающихся совместно с ними. В результате получается, что комплекс 149 информационных взаимодействий протекает, как будто в нем участвует информация, которая на самом деле не поступила в данный момент. В результате организм реализует действие соответствующее той ситуации, которая должна иметь место, но напрямую еще не проявилась для организма в его информационном взаимодействии со средой. Такие действия Павлов назвал условными рефлексами. Последовательное развитие способности условной интерпретации информационных кодов протекающее в течение жизни конкретного организма означает настройку его врожденного аппарата интерпретации на конкретные условия существования. Для возможности условной интерпретации информационных кодов одновременно необходимо должны иметь место несколько важных факторов. Первый из них - память. Память объекта, - это изменения возникающие в его аппарате интерпретации информационных кодов в результате отдельных актов информационных взаимодействий объекта, и сохраняющиеся некоторое время после завершения этих актов. Память сама по себе бесполезна для объекта, если не может быть использована им в процессе изменения его информационного взаимодействия со средой в направлении, обеспечивающем повышение целесообразности организуемых им взаимодействий с этой средой. Аппарат интерпретации, обладающий памятью, может реализовывать ее через имитацию информации о событии, которую он еще не получил, но возможно должен получить, исходя из порции информации поступившей в данный момент и ее взаимосвязи с поступлением других порций информации в прошлом. Такое действие аппарата интерпретации представляет собой прогнозирование. Прогнозирование, - имитация получения новой информации на основе информации поступающей в текущий момент и ее сопоставления с совокупностью информации поступившей ранее. Память о том, что было в прошлом, используется в процессе прогнозирования для определения того, что будет в будущем. Для обеспечения этой возможности объект должен вступать в такие информационные взаимодействия со средой, из которых он получает не только информацию, непосредственно реализуемую в данный момент, но и информацию, которая для него в данный момент бесполезна. Чем выше внутренняя организация объекта и сложнее комплекс его взаимодействий со средой, тем больше он должен получать бесполезной в текущем моменте информации, накапливая ее в своей памяти. Необходимость этого вытекает из неопределенности того, какие конкретно взаимодействия могут произойти в дальнейшем, и какая текущая информация будет в них реализована. Совокупное наличие памяти, прогнозирования стало предпосылкой 150 возможности обобщения и развития того, что называют абстрактным мышлением. Оно заключается в том, что имитируется и обрабатывается информация, связанная с явлениями, которых, может быть, никогда не было и никогда не будет. Память каждого объекта всегда ограничена, а большая часть поступающей информации так и остается невостребованной. При этом общее ее количество (с точки зрения переносящих ее информационных кодов), безусловно, превышает возможности полного ее запоминания. Для предотвращения переполнения памяти и соответственно потери возможности ее нормального функционирования обязательно должен существовать механизм ее чистки (забывания), дающий возможность использовать те же элементы памяти для запоминания новой информации. Механизм чистки памяти может быть реализован, во-первых, на основе неустойчивости сохранения активных состояний элементов памяти, с помощью которых фиксируется информация. Они постепенно самовосстанавливаются в пассивном состоянии и скорость этого восстановления тем больше, чем реже поступает информация приводящая их в соответствующее активное состояние. В более сложном случае возобновление активного состояния может обуславливаться не в процессе получения, а в процессе использования запомненной информации, подтверждающем ее полезность. Еще одна возможность чистки памяти может заключаться не в полном стирании следов информации, а в переводе множества отдельных, но взаимосвязанных параметров состояния групп элементов памяти в обобщенный вид и сохранении уже обобщенной информации в состоянии параметров других элементов. Это требует меньше ресурсов памяти, хотя и влечет потерю детализации. Многоклеточный организм, о чем мы уже упоминали, вырастает из одной зародышевой клетки, формируемой материнским организмом. Главной частью этой клетки является молекула ДНК, управляющая информация, от которой реализуется в развитии клетки, последующем многократном ее делении, и затем в развитии и делении ее дочерних клеток. На состав и свойства элементов, а значит и функции, дочерних клеток оказывает влияние то, какие клетки уже образовались ранее. Неизменным у всех клеток остается только состав и структура молекулы ДНК. Структура ДНК представляет собой две линейных цепочки нуклеотидов попарно соединенных и закрученных в спираль. На каждой позиции цепочки может находиться только один из четырех возможных видов нуклеотидов. Самовоспроизведение клетки начинается с разделения этих двух цепочек и формирования к каждой из них такой же парной, какая была ранее. Для одноклеточных организмов этот процесс заканчивается появлением второй клетки идентичной первой, для многоклеточных, как уже было упомянуто, это выполняется не всегда. Каждая клетка имеет ограниченное число функции 151 определяемых информационным воздействием отдельных участков ее ДНК на остальные элементы. Это воздействие однозначно определено комбинацией входящих в данный участок видов пар нуклеотидов. В одноклеточных организмах таких пар в ДНК входит от 1 до 10 млн. Поскольку в многоклеточных организмах одинаковые молекулы ДНК управляют совершенно разными клетками, то количество необходимых для этого пар нуклеотидов возрастает и составляет уже от 100 млн. у простейших до 3,3 млрд. у человека (у земноводных почему-то еще больше). При этом упоминавшаяся ранее доля избыточности этих пар растет вместе с ростом их количества. У человека доля управляющих участков составляет 3% в общем количестве пар. Избыточность обеспечивает защиту передаваемого от клетки к клетке через ДНК врожденного аппарата интерпретации информационных кодов и защиту управляющей информации генерируемой ДНК. Чем сложнее информационные взаимодействия, тем больше требуется защита самой ДНК и передаваемой ею информации. Изменчивость клеток, обуславливается тем, что нарушения структуры ДНК при ее воспроизведении все же случаются. Небольшие нарушения ведут к несущественным индивидуальным изменениям свойств клеток, значительные, случающиеся крайне редко, к появлению новых их видов, если они окажутся жизнеспособными. Появление новых видов дает материал для естественного отбора и таким образом приводит к эволюции живых форм. Индивидуальные изменения важны для сохранения вида, потому что обеспечивают возможность появления групп его индивидуальных организмов приспособленных к происходящим изменениям внешней среды. Индивидуальная изменчивость даже стимулируется многими видами многоклеточных через процесс полового размножения, в котором молекула ДНК зародыша формируется из молекул двух родительских организмов и, не совпадая ни с одной из них, обладает своим собственным потенциалом информационных взаимодействий. В многоклеточных организмах, в ходе их эволюции, процессы обработки информации усложняются и приобретают новые качества. Но при этом сохраняется действие и всех существовавших прежде более простых процессов (вплоть до каталитического), действующих в отдельных информационных взаимодействиях самостоятельно или входящих как часть в более сложные процессы. Все сложное строится из простого, и приобретая новые качества, во многом сохраняет прежние. Новые качества, развиваясь, обуславливают возникновение еще более сложных новых качеств. Таким новым качеством стала для многоклеточных организмов способность выступать в информационные взаимодействия со средой не только в роли объекта принимающего информацию, но и целенаправленно ее передающего. Это создало предпосылки для развития информационного взаимодействия между организмами в целях согласования их действий ведущих к повышению устойчивости существования каждого из них. Стали 152 возникать социальные образования, способные выступать по отношению к окружающей среде как самостоятельные объекты, реализующие взаимодействие с нею через комплекс специфичных действий отдельных своих членов связанных внутренними информационными взаимодействиями. Основное отличие эволюции социальных образований от эволюции живых форм заключается в том, что она проистекает не из случайных факторов изменения ДНК, а из постепенного развития возможностей информационного взаимодействия между членами этих образований. Общим у обоих видов эволюции является естественный отбор наиболее жизнеспособных вариантов. Собственно второй вид эволюции не заменяет первый, а происходит на его фоне и только в тех рамках, которые им определены. 5. Социальные образования Существование любого социума предполагает согласование действий его членов в первую очередь в направлении обеспечения существования самого социума в целом и, во вторую очередь, в направлении обеспечения существования отдельных его членов. Согласование действий достигается процессами информационного обмена внутри социума. В структуре этих процессов не появляется ничего нового по сравнению с таковыми в многоклеточных организмах. Имеются приемники исходной информации. От них начинаются потоки следящей информации, соединяющиеся в промежуточных узлах и доходящие до главного центра. Из центра генерируется управляющая информация, расходящаяся через узлы к исполнителям, которые совокупностью своих действий в конечном итоге реализуют исходную информацию в целесообразном для социума направлении. Некоторые цепочки информационных потоков могут не проходить через центр, а разворачиваться в промежуточных узлах. У многоклеточных организмов такие цепочки тоже имеются. И у организмов и в социумах основной объем потоков следящей и управляющей информации связан с необходимостью взаимного обеспечения жизнедеятельности образующих их элементов. Т.е. основная доля информационных процессов служит для того, чтобы могла существовать "вещь в себе". И социумы и организмы могут проявляться как "вещь для других" во взаимодействиях с внешними объектами, в том числе во взаимодействиях с иными социумами. И, наконец, социумы могут входить как элементы в более сложные социумы. Самым примитивным социумом является толпа. В толпу объекты объединяются для достижения какой либо одной цели. Толпа характеризуется крайне низким уровнем взаимодействия ее членов, это определяет примитивный уровень ее возможных действий как целого, хотя каждый ее член в отдельности может обладать большим потенциалом разнообразных действий. Толпа недолговечна, она распадается при достижении цели, на основе которой она возникла, или при исчезновении этой цели по другим причинам. 153 Основные отличия социума от организма, заключаются в том, что он возникает другим путем, нежели многократное последовательное деления одного элемента, и каждый элемент социума обладает в некоторой мере способностью существовать автономно от него. Эти отличия, как и другие, менее значимые, нисколько не важны с точки зрения рассмотрения механизмов происходящих в них информационных взаимодействий. Принципиальное различие имеется лишь в составе, свойствах и возможности изменения средств, используемых для организации информационных взаимодействий. Такими средствами у наиболее развитых социумов является язык как знаковая система, определяющая правила построения информационных кодов, и совокупность носителей этих кодов, обеспечивающих их длительное существование во времени и передачу на большие расстояния в пространстве. Эволюция социумов связана именно с развитием средств информационного взаимодействия его членов, и особенно средств построения и использования их совокупной памяти. Скорость этой эволюции значительно выше, чем скорость эволюции организмов. Это связано с тем, что средства информационных взаимодействий, используемые социумом, могут включать в себя не только средства органически присущие его членам, но и средства привносимые в него извне. Высокоразвитые социумы могут целенаправленно развивать используемые ими внешние средства информационного взаимодействия. Средства, без которых социум уже не способен существовать, можно уже считать органически присущими ему элементами. Итог В предыдущих частях данной работы была показана, общность принципов информационных взаимодействий происходящих между объектами на различных уровнях организации природных явлений. Эта общность позволяет нам восполнять пробелы в изучении информационных процессов на одном уровне, пользуясь знаниями об аналогичных процессах другого уровня. В конечном итоге, знание общих принципов позволяет подойти к организации для какого-либо объекта, таких его внутренних и внешних информационных взаимодействий, которые будут наилучшим образом поддерживать цели его существования Свойства информации и законы ее преобразования Единичный акт информационного взаимодействия объекта со средой имеет три последовательных этапа. Первый этап, это прием информационных кодов. Второй этап состоит в интерпретации этих кодов. Третий этап заключается в реализации полученной в результате первых двух этапов информации. Реализация информации может состоять из комбинации несимметричных и симметричных (информационных и неинформационных) взаимодействий со средой и изменениях внутреннего состояния объекта. 154 Все три этапа имеют конкретное наполнение, обусловленное свойствами объекта, включающими его физические возможности и целевые установки его существования. Понятие "цели объекта" вводится как общая направленность действий объекта для обеспечения его потребностей. Потребности объекта понимаются в самом широком смысле. Их можно определить как то, что мешает существованию объекта. Длительное неустранение потребностей (чаще принято говорить - неудовлетворение) ведет к прекращению существования объекта как такового. Полное отсутствие потребностей ведет к прекращению любых действий объекта, а то, что ни в чем себя не проявляет, то, вроде бы как, и не существует, или, по крайней мере, уже не может являться объектом (вещью для других). Таким образом, потребности объекта постоянно меняются и соответственно меняются цели объекта, по которым направляются его действия. Диапазон их изменения ограничен физическими возможностями объекта по построению своих действий. Структура целей объекта зависит от его собственной структуры и может быть очень простой или очень сложной. Сложные структуры представляют собой иерархию, в которой достижение целей низшего уровня (подцелей) ведет к достижению целей более высокого уровня. Те в свою очередь могут являться подцелями еще более высокого уровня. Имеющиеся цели определяют внутреннюю необходимость действий объекта, которые реализуются при получении объектом информации, интерпретируемой им как наличие возможности достижения целесообразного результата. Понятие конечной цели (или смысла жизни) мы не рассматриваем. Это уже не связано с изучением информационных процессов, и потому не является нашим предметом. Для нас важно учитывать только то, что информация воспринимается и реализуется объектом исходя из набора его текущих целей. Причины их существования не являются для нас существенным фактором. Количество принимаемой информации связано с целями, по коим она принимается и потенциальными возможностями ее реализации для достижения этих целей. При этом одним из результатов реализации информации может быть изменение аппарата интерпретации, это обуславливает влияние количества принятой ранее информации на ее количество, получаемое в дальнейшем. Количество получаемой объектом информации определяется как мера устранения неопределенности по выбору действий ведущих к достижению его целей. Если энергия определяет возможность совершения действий, то информация определяет возможность целесообразного выбора этих действий. Количество информации может быть соотнесено только с той совокупностью целей объекта, степень достижения которых изменяется в результате реализации этой информации. При этом объект может приближаться к достижению соответствующей цели или удаляться от нее (например, в случае 155 реализации полученной дезинформации). Таким образом, количество полученной информации может быть как положительной, так и отрицательной величиной. Далее мы будем рассматривать процесс информационного взаимодействия объекта со средой на каждом из его трех этапов. При этом мы будем всегда иметь в виду их взаимное согласование через целевые установки, имеющиеся у объекта. 1. Прием информационных кодов Информационные коды принимаются объектом через его симметричные взаимодействия со средой, т.е. через обмен с нею веществом и энергией, на основе которых, собственно, и переносятся информационные коды. Само происхождение информационных кодов, посылаемых внешними объектами, может быть целенаправленным или фоновым. Целенаправленная генерация информационных кодов проистекает из действий посылающего их объекта. Она связана с его целями, приближение к которым обеспечивается тем, как посылаемые им коды будут интерпретированы и принятая информация будет реализована другими объектами. Фоновая генерация происходит, как побочное следствие функционирования объекта, в ходе которого он вступает в симметричные взаимодействия с другими объектами. Для принимающего объекта, различие в происхождении принимаемых информационных кодов может иметь значение только лишь как дополнительная информация, учитываемая при интерпретации принимаемой группы кодов в целом. Принятие информационных кодов вызывает изменение состояния объекта, соответствующее тем симметричным взаимодействиям (обмен веществом и энергией), которые обусловили процесс переноса информационных кодов. Возникшие при этом новые параметры состояния объекта, можно абстрагировать от причин их вызвавших и назвать полученными данными. Именно эти данные будут в дальнейшем участвовать в информационных процессах инициированных в объекте приемом извне этой группы информационных кодов. Данные, это функциональные значения информационных кодов для действий аппарата их интерпретации, абстрагированные от природы симметричных взаимодействий лежащих в основе переноса этих кодов. Имеется еще один важный момент в различии понятий информационных кодов и данных. Носителем информационных кодов являются симметричные взаимодействия, в которых принимающий их объект участвует как "вещь для других". Их происхождение не зависит от принимающего объекта. В этом смысле они носят объективный характер. Данные, напротив, участвуют в процессах внутри объекта и их свойства относятся к тем его свойствам, 156 которые определяют его как "вещь в себе". Т.е. природа данных целиком зависит только от свойств самого объекта. В этом смысле данные носят субъективный характер. Таким образом, переход от внешних информационных кодов к внутренним данным, это переход от объективного к субъективному. Для пояснения вышеизложенного можно привести такой пример. Петя передал Маше яблоко. При этом он совершил такой поступок с целью выказать ей свое расположение. Он воспользовался яблоком как носителем информационного кода, который, как он рассчитывал, будет интерпретирован Машей желательным для него образом. Объективно так оно и было. Дальше дело за Машей. А она имеет сильную аллергию на яблоки. У нее возникает неприятное чувство. Так объективные информационные коды перешли в субъективные данные. На основе этих данных Маша восприняла информацию, совсем не ту, которую старался передать Петя. На том их хорошие отношения и заканчиваются. Не все симметричные взаимодействия, в которых участвует объект, воспринимаются им как информационные коды. Если непосредственный результат такого взаимодействия был использован объектом для последующего управления изменением своего состояния, значит, имел место этап интерпретации информации и ее реализации. В этом случае правомерно говорить о том, что объект принял информационные коды. Для сложных объектов очень часто не так просто определить то, какое событие несет им информационные коды, а какое нет. Многие сложные объекты имеют способность управлять выделением информационных кодов из симметричных взаимодействий уже на уровне рецепторов. Здесь объект устанавливает первичные информационные фильтры, которые работают на преобразовании информационных кодов в данные. Эти фильтры, отбирают из всего комплекса происходящих симметричных взаимодействий только те, которые являются информационно значимыми для объекта. Простейший пример динамического построения первичных информационных фильтров наблюдается у людей живущих около железной дороги. Проезжающие поезда создают сильные звуковые волны, вызывающие колебания барабанных перепонок. Первое время люди обращают на это внимание, воспринимая информацию о движении поезда. Потом эта информация сохраняется в их памяти в виде обобщения, что поезда ходят постоянно, но это мало их касается. Барабанные перепонки продолжают колебаться от звуковых волн, создаваемых поездами, но генерации данных, означающей прием информации, не происходит. Люди просто не слышат поездов, находясь в своем доме, хотя и не теряют способности воспринимать звуковые волны другого происхождения или слышать те же поезда в другой обстановке. Каждый может найти в своей повседневной практике множество подобных примеров и противоположных им примеров выработки у рецепторов 157 способностей приема информационных кодов, которых они ранее не могли принимать. Здесь еще стоит заметить, что информационные фильтры действуют комплексно на всех этапах обработки информации. Их назначение связано не только с выделением информации способствующей достижению целей объекта, но и с невоспринятием той информации, которую объект просто не в состоянии обработать и реализовать. 2. Интерпретация информации Полученные из информационных кодов данные интерпретируются объектом. Что это означает? Прежде всего, устанавливается их значение для этого объекта. Значения данных определяется их сопоставлением с комплексом целей объекта и выделением тех из них, к которым объект может приблизиться, реализуя полученную в итоге информацию. Для этого объект должен обладать сформированной к моменту начала обработки данных структурой текущих целей. Эта структура может быть представлена многоуровневым комплексом элементов, каждый из которых соответствует необходимости достижения объектом какой либо одной цели. Связи между элементами определяются зависимостью достижения одних целей от достижения других. Каждый элемент ассоциирован с набором возможных действий объекта, влияющим на достижение соответствующей цели и характером тех данных, которые могут дать ему информацию, способствующую выбору целесообразных действий. Структура целей может иметь частью статический, а частью динамический характер, что зависит от свойств самого объекта. Это касается состава элементов, их внутреннего содержания и связей между ними. Эту структуру можно назвать памятью целей объекта. Данные несоответствующие никаким целям объекта не несут для него информацию, и потому пропадают, возвращая объект в то состояние, в котором он был до получения этих данных. Бесцельное использование данных означает нарушение целесообразности функционирования объекта, и если таковые становятся значительными, то это ведет к прекращению его существования. Вторым шагом после определения значимости данных для объекта происходит либо непосредственное их восприятие как информации и безусловная реализация (рефлекторная дуга), либо они сохраняются в элементах памяти, связанных с установленными на предыдущем шаге целями объекта. Комплекс ранее сохраненных и вновь поступивших данных связанных по цели их хранения оценивается на достаточность их совокупности для выбора действий объекта, приближающих его к соответствующей цели. Процесс оценки может иметь различную природу в зависимости от свойств объекта, но в его основе лежит сопоставление имеющегося комплекса данных с построенными ранее для данной цели информационными шаблонами 158 действий. Информационные шаблоны действий объекта могут быть врожденными (статическими) или построенными им в результате предыдущих актов информационных взаимодействий (динамическими). Информационные шаблоны действий обеспечивают сопоставление характеристик наборов данных, действий и результатов приближения к цели. Другими словами с их помощью оценивается возможный результат действий по достижению соответствующей цели при наличии определенных данных. Способность строить динамические шаблоны определяется наличием возможности у объекта изменять некоторые элементы своей памяти в соответствии с тем, какие его действия при наличии какой информации приводили к какому результату. Здесь мы подошли к тому, что при определенном уровне развития объектов им становятся присущи свойства информационного моделирования своих взаимодействий с внешней средой, которое используется для выбора наиболее целесообразного для них поведения. Таким образом, правомерно говорить о наличии внутри объекта информационной модели внешней среды и его взаимодействия с ней. Информационная модель внешней среды объекта, это структурированная совокупность трех компонент: 1. воспринятой объектом информации, запомненной в виде данных; 2. информационных шаблонов действий объекта; 3. методов сопоставления первых двух компонент в соответствии с комплексом целей объекта. Конкретные реализации этой модели у разных объектов могут иметь различную элементную базу, но концептуально они строятся и действуют по общим принципам, которые вытекают из общего их назначения и общности свойств информационных процессов в природе. Попробуем теперь описать концептуальную схему работы этой модели. Информационная модель внешней среды (далее ИМВС) имеет сложную связную структуру определяемую, прежде всего структурой целей объекта. Рисунок 40 Фрагмент информационной модели внешней среды 159 На рис. 48 упрощенно изображен фрагмент ИМВС. Овалами выделены ее элементы (узлы), каждый из которых состоит из трех компонент: Cij - цели, на основе которой образован этот элемент; Aij - набора информационных шаблонов действий, относящихся к этой цели; Dij - данных, на основе которых происходит выбор действий по достижению этой цели. Прямые двойные стрелки обозначают поступление первичных данных генерируемых рецепторами из информационных кодов. Прямые одиночные стрелки обозначают влияние достижения одних целей на другие. Кроме этого они обозначают передачу данных между узлами. Среди этих данных присутствуют и те, которые представляют текущую степень достижения цели. Каждый узел ИМВС запоминает только те данные, которые могут быть сопоставлены с шаблонами действий (т.е. могут быть использованы для выбора целесообразных действий). Развернутые двойные стрелки обозначают генерацию управляющей информации, инициализирующей действия объекта по достижению соответствующей цели. Их выбор делается на основе сопоставления ассоциированных с этой целью данных и шаблонов действий. Выбор действий может иметь различный характер. Это может быть выбор действий ведущих непосредственно к достижению цели или действий направленных на получение недостающих данных, без которых не может быть достигнуто приемлемого результата приближения к цели. В этом случае речь идет об активизации действий направленных на достижение подцели получения информации необходимой для достижения вышестоящей цели. Кроме того, возможна инициализация действий ведущих к изменению самой структуры ИМВС. У сложных объектов она, бесспорно, изменяется и, эти изменения не могут проистекать ни из чего другого, как из результатов ее собственного функционирования. Изменения могут касаться состава элементов ИМВС их связей и структуры составляющих их компонент. Вид этих структур необходимо разобрать подробнее. 3. Структура компонент данных ИМВС Все взаимодействия, в которых участвует объект, не могут рассматриваться отдельно друг от друга. Эти взаимодействия представляют собой часть явлений протекающих в этой среде. Среда замкнута и каждое явление, имеющее в ней место, оказывает то или иное влияние на другие явления. Все в нашем мире взаимосвязано, но для того, чтобы отобразить с помощью чего бы то ни было все существующие в нем связи, пришлось бы построить другую такую же сложную систему, как этот мир. Объективно возникает необходимость пользоваться упрощениями для описания этих взаимосвязей, и такие упрощения делаются, прежде всего, через ввод понятий причинно-следственных связей и связей часть-целое. Причинно-следственные связи между явлениями означают, что одно из них имеет место тогда и только тогда, когда имеет место определенный набор 160 других явлений. (Именно "имеет", а не "имел", поскольку прошлое оказывает влияние на будущее только через настоящее.) При этом одно явление может входить в набор причин разных явлений, не состоящих в причинноследственной связи. Связи часть-целое вводятся для обозначения дробления одного явления на комплекс явлений, каждое из которых может само рассматриваться как самостоятельное. При этом каждое отдельное явление может быть частью разных комплексов, не состоящих в связи часть-целое. Отдельные явления, входящие как части в целое явление, могут состоять между собой в связях взаимного согласования (в частности в связях управлениеподчинение). Именно эти связи позволяют рассматривать их комплекс как цельное явление. Понятие причинно-следственных связей и связей часть-целое действительно являются упрощенными представлениями реальных связей между явлениями. Когда используют первые из них, подразумевают наличие последовательности наступления события следствия через некоторый временной промежуток после причинных событий. Но и те, и другие события могут совместно рассматриваться как части общего явления растянутого во времени. Когда используют понятие связи часть-целое, то обычно подразумевают пространственное распределение частных явлений, составляющих выделенное в том же пространстве целое явление. Между тем, наличие частных явлений и их взаимодействий между собой можно считать причинами, приводящими к существованию целого явления как следствия. Таким образом использование видов связей часть-целое и причинноследственных определяется тем, какой фактор доминирует в задачах, где они используются - пространственный или временной. Воспринимая информацию из внешней среды, через свое взаимодействие с ней, объект должен строить свои ответные воздействия на нее таким образом, что бы они соответствовали объективно (независимо от него) существующей в ней структуре явлений. В противном случае эти воздействия будут хаотичными, и потому не будут приводить к достижению целей объекта. Выбор целесообразных действий требует, чтобы структура данных, через которую в его ИМВС отображается состояние внешней среды, в достаточной для его целей степени соответствовала структуре явлений имеющих место во внешней среде. Только в этом случае, он сможет получить адекватную оценку последствий своих возможных действий, необходимую для выбора наиболее целесообразных из них. Связи явлений (как вида часть-целое, так и причинно-следственного вида) должны отображаться в его ИМВС связями между группами данных соответствующих фрагментам информации об этих явлениях. Сами эти группы данных являются для объекта отображением текущего состояния явления, построенного на основе приема информационных кодов от него. Если одно явление, входя частью в другое, само при этом объединяет комплекс явлений, то данные о его состоянии сами могут включать в себя связные группы данных 161 об отдельных явлениях. Таким образом, данные могут иметь разный уровень общности. Минимальный уровень общности определяется чувствительностью объекта, т.е. его способностью различать принимаемые им информационные коды по их отношению к разным явлениям. Чувствительность объекта зависит от свойств его рецепторов, а точнее от их способности генерировать различающиеся данные при получении разных информационных кодов. Максимальный уровень общности зависит уже от свойств элементов ИМВС, возможностей передачи данных между ними и возможностей изменения состава элементов и их связей. И минимальный и максимальный уровень общности данных строятся объектом исходя из принципа целесообразности их использования при генерации действий объекта в условиях протекания этих явлений. Если одно явление воспринимается объектом как часть других, не совпадающих друг с другом явлений, то это означает, что группа данных, соответствующая этому явлению одновременно входит в разные группы данных соответствующих более общим явлениям. Такое вхождение фиксируется связями элементов ИМВС. Место частного явления в общем явлении отображается в его группе данных отдельной подгруппой, которую можно назвать окрасками связи. Данные окрасок связи относительно независимы от данных относящихся к частному явлению и определяются тем, каким образом объект воспринимает общее явление в целом. Данные о частных явлениях опосредовано связаны между собой через их связи с общим явлением. Кроме того, частные явления могут состоять между собой в согласующих связях. В этом случае в ИМВФ может использоваться установление ассоциативных (неиерархических) связей между группами данных относящихся к этим явлениям. Естественно, это может происходить, только если отображение таких связей является целесообразным для объекта. Ассоциативные связи также могут иметь свои окраски. 4. Структура компонент шаблонов действий ИМВС Данные попадают в ИМВС не для того, чтобы просто наполнять ее, а для того, чтобы использоваться через нее для выбора целесообразных действий. Целесообразность тех, или иных действий может быть предварительно оценена, только на основе данных о причинно следственных связях явлений. Целесообразность действий объекта напрямую связана с тем, какими будут следствия этих действий. Отсюда можно утверждать, что структура компонент шаблонов действий объекта в его ИМВС, должна соответствовать структуре причинно-следственных связей явлений в его внешней среде. Степень этого соответствия должна быть такой, которая необходима для организации объектом действий по достижению его целей. Полного соответствия, естественно, быть не может, но может происходить процесс повышения этой 162 степени соответствия, позволяющий обеспечить целесообразность поведения объекта. Для того чтобы определить наличие или приближение следствия, необходимо оценить наличие комплекса его причин. Эти оценки могут быть выражены качественным образом типа "мало", "достаточно", "возможно", "неизвестно" и т.п. В комплекс причин может входить также действия самого объекта, которые он уже выполнил или собирается выполнить для достижения своих целей. Эти действия в сочетании с внешними явлениями и приводят или не приводят к проявлению следствия, наличие которого влияет на достижение целей объекта. Шаблоны действий, связанных с какой либо элементарной целью, могут быть представлены в виде плоских матриц. Строки этих матриц соответствуют возможным действиям объекта. Столбцы соответствуют оценкам текущей ситуации по имеющимся данным о ней. На пересечении столбцов и строк находятся оценки целесообразности каждого возможного действия в условиях возможных оценок конкретной ситуации. Оценка ситуации делается одновременно с поступлением данных о ней, и эта оценка делается по тем целям, на достижение которых эта ситуация может оказать влияние. Привязки данных к целям, пусть и неокончательные, должны присутствовать изначально. Именно с привязок к целям начинается обработка данных. В соответствии с каждой целью, к которой привязываются данные, они получают оценку, используемую для выбора наиболее целесообразных действий (на основе использования этих оценок в соответствующих шаблонах), в том числе действий связанных с дальнейшим использованием этих данных. Функция оценок данных может быть фиксированной или меняться в зависимости от полученных реальных результатов действий объекта выбранных на основе получаемых оценок, от того насколько выбираемые действия способствуют приближению объекта к его целям. Настройка функции оценок происходит на основе получения новых данных, связанных с реальным результатом действий объекта и сопоставлении его с ожидаемым. Первичная привязка и оценка групп данных производится одновременно с их поступлением, именно с этого начинается процесс их движения и обработки в ИМВС. При поступлении новых данных в узел ИМВС происходит интегральная оценка всех данных по этому узлу, и именно эта оценка, накладываясь на информационные шаблоны действий, определяет выбор наиболее целесообразного из них. Если узел ИМВС является подчиненным другим узлам, то обобщенная оценка нового состояния его данных должна поступать в вышестоящие узлы. При этом обобщенная оценка для каждого вышестоящего узла зависит от окрасок связи с этим узлом и представляет собой новую порцию данных, привязанную к этому узлу. Соответственно, в каждом вышестоящем узле происходит интегральная оценка всех его данных и 163 выбор действий по его шаблонам. Таким образом, прием информационных кодов вызывает поток данных в ИМВС объекта и их распределение по ее узлам. Обработка этого потока по шаблонам действий участвующих в нем узлов приводит к комплексной реализации принятой информации, совместно с информацией зафиксированной в этих узлах ранее. 5. Реализация информации Получение и интерпретация объектом информационных кодов приводят его к необходимости произвести некоторый комплекс действий, целесообразный для него в сложившейся ситуации. Этот комплекс состоит из изменений параметров внутреннего состояния объекта (взаимодействий его элементов) и изменений его внешних проявлений (взаимодействий с объектами среды). Принцип целесообразности организации действий включает в себя принцип своевременности проведения каждого действия в отдельности и согласования их по времени в комплексе. Для этого необходимо, чтобы объект отслеживал результаты своих действий или, другими словами, принимал информацию, возникающую в результате проведения каждого этапа этих действий, и реализовывал ее в последующих этапах. Завершение каждого этапа реализации информации подводят объект к началу нового акта информационного взаимодействия. Деятельность объекта состоит из постоянной череды информационных и неинформационных взаимодействий со средой. Эта цепочка начинается с возникновением объекта и заканчивается с прекращением его существования. Каждое действие в этой цепочке необходимо должно происходить в реальном масштабе времени, т.е. от момента получения информации до ее реализации, должно проходить время, за которое ситуация не измениться настолько, что предпринятые действия станут неадекватными ей. Масштаб времени, в котором происходит обработка информации, может быть различным для разных ее видов и соответствует принципу целесообразности ее реализации. Обеспечение скорости обработки информации во многом зависит от организации распределения данных в его ИМВС и организации доступа к нужным их группам, используемых для выбора действий целесообразных в данный момент. 7. Навигация данных в структуре ИМВС Поток данных в ИМВС и их распределение по ее узлам ориентированы, прежде всего, на подготовку их использования в организации выбора объектом действий ведущих к достижению его целей. Каждая новая порция данных должна получать то свое место в ИМВС, где ее обработка по соответствующей цели будет приводить к целесообразной реализации получаемой информации. Распределение данных согласно их назначению предполагает определение для них признаков привязки к тем или иным целям объекта и, соответственно, привязки к конкретным узлам ИМВС. 164 Определение привязок данных начинается уже с рецепторов, которыми генерируется их поток после принятия информационных кодов. Рецепторы могут быть специализированными, посылающими данные связанные только с одной целью их использования, и тогда вопрос привязки данных полностью решается уже на их уровне. У простейших объектов преобладают именно такие рецепторы. С усложнением объектов, и соответственно с усложнением их информационных взаимодействий со средой, возрастает доля универсальных рецепторов, принимающих информационные коды и генерирующих данные многоцелевого назначения. Конкретизация привязок данных идущих от универсальных рецепторов осуществляется уже в самой ИМВС, хотя предварительный диапазон привязок может устанавливаться рецепторами. Для установления привязок данных на нижнем уровне ИМВС должны существовать фильтры, которые на основе определенных характеристик данных уточняют их привязки к целям использования. Эти же фильтры отсеивают данные, назначение которых не может быть определено или определяется как бесполезное. Фильтры могут быть статическими (врожденными) или динамическими (настраиваемыми в процессе функционирования объекта). Фильтры являются узлами ИМВС, поскольку они обладают всеми тремя компонентами, присущими ее узлам. У них есть целевое назначение, временно хранимые данные и шаблоны действий, с помощью которых генерируется и направляется дальнейший поток данных. Настройка узлов-фильтров связана с определением таких характеристик данных, которые позволяют устанавливать их отношение к тем или иным группам явлениям внешней среды, и соответственно, отношение к целям объекта, на достижение которые влияют эти группы. На начальном этапе функционирования объекта настройка фильтров его ИМВС может носить хаотичный характер, основанный на случайных изменениях алгоритмов. Постепенно фиксируются те из случайных алгоритмов, применение которых оказывается наиболее полезным для достижения целей объекта. Постепенно происходит нечто вроде процесса эволюции алгоритмов, в ходе которого на основе прежних возникают новые более целесообразные алгоритмы. Исчезновение неадекватных алгоритмов привязок данных обеспечивается способностью памяти к очистке или, проще говоря, способностью забывания. Структура ИМВС имеет полииерархический вид, определяемый разделением целей объекта на подцели и многозначностью подчинения подцелей целям более высокого уровня. Структура компонент данных ИМВС имеет также полииерархический вид, определяемый вхождением данных о частных явлениях в группы данных о более общих явлениях. Обе эти структуры соответствуют друг другу, поскольку более высокие цели объекта связаны с взаимодействием с более общими явлениями, и декомпозиция этих целей приводит к целям связанным с взаимодействием с частными явлениями. 165 В ходе эволюционного развития объектов и параллельным развитием их социумов, появились и стали развиваться и специализированные средства их информационного взаимодействия - языки. Язык начинает проявляться тогда, когда объекты становятся обладателями возможности генерировать последовательности информационных кодов, соответствующих различным явлениям, и передавать эти коды другим объектам, обладающим способностью интерпретировать их как информацию связанную с соответствующими явлениями. Каждый элемент языка представляется комбинацией определенных кодов и соотносится с каким либо одним явлением. Последовательность генерируемых по определенным правилам таких комбинаций соотносится уже со связями между явлениями. Таким образом, структура языка, используемого членами социума для их информационных взаимодействий, соответствует структуре явлений, с которыми взаимодействуют отдельные члены и их социум в целом. Язык настолько структурирован, насколько структурировано согласованное взаимодействие членов социума с явлениями их внешней среды. Разные социумы, состоящие из объектов одинаковых видов и имеющие дело с однотипными явлениями внешней среды, объективно имеют схожие структуры их языков и наоборот. Узлы-фильтры ИМВС объектов входящих в один социум получают одинаковую настройку алгоритмов определения соответствия данных, получаемых из языковых информационных кодов, тем или иным явлениям и соответственно их целям. Это дает возможность членам социума получать необходимую им информацию не из непосредственного взаимодействия с явлениями внешней среды, а опосредовано через взаимодействие с другими членами социума. Такое опосредованное получение информации принципиально упрощает и расширяет возможности объектов по достижению их целей в условиях затруднений или невозможности прямого получения информации. Настройка ИМВС, связанная с интерпретацией языковых информационных кодов, может быть статической, как у муравьев, или динамической, как у высших животных. Возможности динамической настройки языковой интерпретации у животных определяются степенью развития нейронных сетей их организмов. У объектов, обладающих возможностью динамической настройки ИМВС, язык играет еще одну важную роль. Своей структурой он оказывает влияние на формирование структуры самой ИМВС. Таким образом, язык оказывает влияние на структуру обработки объектом информации и формирует структуру того, что в развитом виде называют мышлением. В каждом элементе языка или их комбинациях уже присутствует их привязка к комплексам обозначаемых ими явлений, а значит и к целям объектов связанных с взаимодействием с этими явлениями. Такая изначальная привязка информационных кодов упрощает навигацию потока данных в ИМВС, возникающих при их приеме. Это, в свою очередь делает более 166 простым этап реализации информации в процессе достижения объектами их целей. Отношение групп данных к тем или иным целям объекта и, соответственно, к тем или иным узлам его ИМВС может иметь различную степень соответствия, зависящую от их потенциальной полезности для достижения соответствующей цели. Фиксация оценки степени соответствия данных узлу и возможная дальнейшая ее переоценка, связанная с их использованием, дает возможность с одной стороны не утратить сразу данные, назначение которых пока не совсем определено, и с другой стороны дает возможность выделять данные, от которых с наименьшими потерями для объекта можно очищать память при ее перегрузке. Степень соответствия данных узлу ИМВС определяет степень необходимости фиксации их в этом узле. Оценка степени соответствия обеспечивает работу фильтра данных, но уже не первичного, а функционального, действующего на основе проверки полезности данных при реализации информации, которую они представляют. Следует отметить, что оценка степени соответствия группы данных узлу ИМВС, не совпадает с оценками их полноты и точности. Эти оценки относятся уже ко всем данным по узлу и зависят от того, насколько их полный набор достаточен для правильного выбора целесообразных действий. Оценка степени соответствия узлу определяется из того, насколько вообще оцениваемая группа данных может быть использована при выборе по информационным шаблонам тех действий, которые обеспечивают достижение целей, связанных с этим узлом. Данные поступают в узел ИМВС последовательно, а используются для выбора действий совместно. Во время этой обработки может возникнуть ситуация, когда согласно информационным шаблонам необходимо сделать одновременный выбор несовместимых между собой действий. Такая ситуация может означать либо наличие противоречий между отдельными группами данных, либо наличие равноценных возможностей выбора разных действий. Противоречие в данных может быть следствием недостаточной адекватности имеющихся шаблонов действий для соответствующей цели. В этом случае противоречие может быть снято с помощью настройки этих шаблонов. Другой причиной противоречия может быть получение объектом дезинформации или ошибочная работа рецепторов. Снятие таких противоречий может происходить в процессе поступления новых данных, подтверждающих достоверность одних групп данных и недостоверность других. Возможны и более сложные алгоритмы снятия противоречия данных, связанные с комплексным их сопоставлением по всем узлам ИМВС. Поддержание логической целостности ИМВС, определяемой как отсутствие противоречий в ее данных, является необходимым условием целесообразного функционирования объекта. 167 Заключение Объекты, объединенные в социум, взаимодействуют с явлениями внешней среды, значительная часть которых имеет место внутри социума. Отчасти каждый из объектов взаимодействует и с внешними по отношению к социуму явлениями. Аналогично социумы взаимодействуют с явлениями внешней среды, в основном принадлежащим социумам более высокого уровня, в которые они входят. Социум существует при условии совместимости целей его членов и наличии у него возможности организовывать взаимную поддержку достижения целей своих членов. Для обеспечения возможности своего существования социум должен обладать комплексом собственных целей. При этом достижение их может поддерживаться только через действия входящих в него объектов. Для этого какая то часть собственных целей объектов должна составлять подцели тех или иных целей социума. Можно заметить, что совокупность тех целей объектов, которые поддерживают достижение одной цели социума, находится к ней в соотношении причина-следствие. Достижение этой совокупности целей объектов приводит к достижению цели социума. В то же время сами объекты состоят с социумом в связи часть-целое, а их взаимодействие между собой являются согласующими связями в этом социуме. При этом одни и те же объекты могут состоять в разных социумах одновременно. Каждый объект обладает собственной ИМВС, и таковая имеется у их социума как самостоятельного объекта. Каждый узел его ИМВС строится на основе пространственно распределенных носителей, которыми являются его объекты и используемые ими средства обработки информации. Соответственно этому информационные модели внешней среды объектов представляют собой основу, на которой строится ИМВС социума. Последняя не совпадает с простым объединением первых и имеет собственные элементы, не принадлежащие конкретно ни одному из членов социума. Точно также каждый член социума имеет собственные элементы ИМВС не имеющие отношения к самому социуму. Можно сказать, что если мы описывали структуру ИМВС объектов плоской двумерной схемой, то структуру ИМВС их социума необходимо описывать в объемном трехмерном виде. Впрочем, число измерений схемы ИМВС вещь условная, безусловно лишь возрастание числа требуемых измерений при переходе от одного к другому. Социум образуется через взаимодействие входящих в него объектов, и именно они являются единственными его строителями. До недавнего времени (в масштабе существования жизни на Земле) процесс построения социумов носил характер схожий во многом с характером процесса естественного отбора организмов. 168 Методом случайных изменений и отмиранием ошибочных вариантов находились те формы организации взаимодействия объектов, которые с одной стороны приносили бы им взаимную пользу, и с другой стороны обеспечивали бы стабильное существование их объединения в виде социума. Основой существования любого социума является информационное взаимодействие его членов. Без него организация их совместной деятельности была бы просто невозможна. До появления человека и его социумов возможности информационного взаимодействия внутри социума всегда ограничивались органическими возможностями его членов. В процессе эволюции природы появлялись все более сложные организмы с более мощными возможностями информационных взаимодействий. Строго параллельно этому шла эволюция их социумов. С появлением человека произошел качественный скачек в неспешной эволюции природы. Этот скачек связан с речевыми способностями организма человека. Развитая возможность генерировать и избирательно воспринимать широкий спектр звуковых волн и их модуляций, дала человеку мощное средство приема и передачи информационных кодов. Постепенное освоение этого средства, выражавшееся в развитии языков общения, заняло около 150 тысяч лет. Примерно такое время функциональные возможности человеческого организма существенно не менялись, зато неуклонно усложнялись и развивались функции социальных образований людей. Язык как основа информационного взаимодействия людей не только обеспечил возможность простого существования их социумов, но его развитие создало основу для эволюции человеческих социумов. Впервые в истории жизни эволюция социальных образований перестала быть зависимой от эволюции образующих их организмов, и ее стержнем стало развитие средств информационного взаимодействия. Мы не будем здесь подробно рассматривать историю появления средств переноса и обработки информации, используемых людьми, возникших на основе языковых форм общения. Эти средства развивались от петроглифов до компьютеров и космической связи. Заметим лишь, что процесс их развития до сих пор носил характер естественного отбора и только совсем уж недавно стал приобретать целенаправленный характер. Но до сих пор не хватает общей теории определяющей направление развития средств работы с информацией и их место в организации общего комплекса информационных взаимодействий социальных образований образуемых людьми. В этой работе, прежде всего, хотелось показать необходимость и возможность разработки общей теории информации, которая могла бы стать методологической основой целенаправленного создания новых информационных технологий. Хочется надеяться, что общие принципы движения информации, выражение которых содержится в описании ИМВС, могут стать базовой основой развития такой теории. 169 Лекция 14 Новая Сеть Темы множества специализированных периодических изданий можно объединить как The New Net («Новая Сеть»). И это не преувеличение. Grid-службы для интеграции распределенных систем (Grid Services for Distributed System Integration) - открытая архитектура Open Grid Services Architecture (OGSA), спецификации которой разрабатываются консорциумом Global Grid Forum. Цель OGSA — обобщить технологии Web-служб и Grid, предоставив возможность создания высококачественных распределенных информационных приложений вертикальных организаций. Это позволит расширить область применения технологии Grid от чисто научных задач до задач «реального» электронного бизнеса. Сейчас активно появляются, основанные на OGSA, свободно доступная реализация Globus Toolkit и ряд коммерческих продуктов. SCinet: испытательный стенд для высокопроизводительных сетевых приложений (SCinet: Testbed for High-Performance Networked Applications). Раз в год ведущие специалисты в области сверхвысокопроизводительных сетей в течение недели строят сеть SCinet с наилучшими в мире скоростными показателями (пиковая пропускная способность локальной сети SCinet составляет сотни Гбит/с). На этой сети запускаются и сравниваются специально созданные приложения; наиболее насыщенное и скоростное приложение получает специальную награду — Fattest and Fastest. Понятие — «Непрерывная среда» (continuous media, CM) — собирательное название аудио, видео и других видов данных, которые обычно имеют очень большой объем и доступ к которым должен осуществляться в реальном времени (обычно в потоковом режиме). Основными характеристиками системы Yima, позволяющие авторам считать ее CMсервером второго поколения, таковы: выполнение одного программного кода в нескольких узлах сети; возможность добавления и изъятия дисков без прерывания потоков; синхронизация нескольких потоков в пределах одного кадра; независимость от вида среды; согласованность с промышленными стандартами и т.д. Еще одно направление резкого повышения сетевой производительности — Эффективное замещение неоднородных объектов в Web-кэшах (Efficient Replacement of Nonuniform Objects in Web Caches). Разумное кэширование данных на Web-клиентах повышает скорость работы пользователей и снижает сетевой трафик. Эффективность кэширования сильно зависит от используемых алгоритмов замещения объектов в кэше. Специфика этих алгоритмов состоит в том, что кэшируемые объекты различаются как по размерам, так и по 170 значимости. Авторы выдвигают ряд требований к алгоритму замещения неоднородных объектов: учет предыдущих обращений к объектам с целью определения объектов, к которым вероятно обращение в ближайшем будущем; возможность эффективной реализации в терминах расхода памяти и времени; учет фактора неоднородности. Предлагаемый авторами алгоритм Least-Unified Value удовлетворяет всем этим требованиям. Активно внедряемые в современных сетевых инфраструктурах технологии пространственных баз данных, резко повышают экономическую эффективность информационных решений в современных коммерческих геоинформационных системах. Встречайте биоинформатику Основные темы, связанные с разработкой и использованием биоинформационных систем: природа биологических данных; хранение, анализ и выборка данных; компьютерное моделирование и имитация; ориентированная на биологию интеграция информации; добыча данных; обработка изображений и визуализация; создание замкнутого цикла исследований. Данные, получаемые в ходе биологических экспериментов, всегда неполны; поэтому приходится комбинировать индуктивные рассуждения, базирующиеся на существующей биологической информации, с новыми экспериментальными результатами. Биологические базы данных отличает большой объем и специфические типы данных (геномы, протеины, данные о генах и т.д.). Выборка обычно производится путем задания одной характеристики, например, по заданному нуклеотиду или аминокислоте. Анализ данных включает, например, поиск последовательностей протеинов, наиболее похожих на данную. Моделирование и имитация играют важную роль в биологических исследованиях. Так, процесс деления клеток может моделироваться системой дифференциальных уравнений. Во многих случаях используется имитационное моделирование. Глобальную интеграцию биологических данных авторы считают несбыточной мечтой, поскольку невозможно заранее предсказать потребности биологов в информации. Однако осмысленная интеграция информации, ориентированной на определенные области биологии, возможна. Уже существует ряд интегрированных информационных источников, основанных на Web-технологиях. Громадные объемы биологических данных затрудняют их «ручной» анализ и вынуждают использовать автоматизированные аналитические системы, основанные на добыче данных. Одна из основных задач биоинформационных систем — добыча данных из интегрированных источников в контексте экспериментальных исследований. 171 Многие результаты экспериментальной биологии представляются в виде изображений. Поскольку число таких результатов непрерывно растет, требуются средства автоматического извлечения свойств и смысла изображений. Биологов не устраивает двумерная или даже трехмерная визуализация биоинформационных данных; требуется многомерная визуализация. Каждая клетка живого организма содержит хромосомы, состоящие из последовательности базовых пар ДНК. Эта последовательность называется геномом и управляет размножением и функционированием каждого организма. Появление автоматизированных синтезаторов ДНК породило геномику, науку, направленную на аналитическое и сравнительное изучение геномов. Конечной целью установления последовательностей геномов является получение всех последовательностей ДНК в организме. Остановимся на перспективах нового программного обеспечения компьютерной филогенетики. Филогенетика исследует генетическую историю живых организмов. В типичном процессе филогенетической реконструкции используются биомолекулярные данные, такие как последовательности ДНК, и строится дерево, называемое филогенезом, представляющее гипотетическую эволюционную историю. По набору данных можно построить много разных деревьев; в филогенетике имеются критерии выбора «наилучшего» дерева, в наибольшей степени соответствующего современным представлениям о природе эволюции. Задача нахождения наилучшего дерева является NPполной, и как обычно, на практике применяются эвристические алгоритмы, позволяющие уменьшить пространство поиска. В статье приводится обзор современного состояния алгоритмов и соответствующего программного обеспечения, обсуждаются ближайшие перспективы. Еще одно бионаправление в новейших Информационных системах визуализация изображений для изучения феномики. Феномика, или функциональная геномика, изучает какую роль играют геномы в образовании миллиардов фенотипов клетки. Система BioSig обеспечивает модель данных для сохранения результатов экспериментов, вычислительные средства для обобщения большого числа изображений и распределенную архитектуру, поддерживающую удаленную совместную работу исследователей. Исследователи полагают, что новый взгляд на роль ДНК в обменных и управляющих процессах может обеспечить изучение геномов на основе теории информации. Все большую роль в биологических исследованиях играют такие области математики, как динамические системы, теория управления, теория игр, математическая логика и т.д. Вычислительная среда Valis, предназначенная для прототипирования биоинформационных приложений, обеспечивает набор библиотек для чтения данных из реляционных данных и 172 файлов, эффективную реализацию полезных разнообразные средства визуализации. в геномике алгоритмов, Направление исследований — «Интерактивный анализ результатов иерархической кластеризации» (Interactively Exploring Hierarchical Clastering Results). Ее авторы — Джинвук Сео (Jinwook Seo) и Бен Шнейдерман (Ben Shneiderman). Разработанный авторами иерархический анализатор кластеризации интегрирует несколько интерактивных возможностей: общее представление всего набора данных и возможность видеть детали; динамические запросы, позволяющие удалять неинтересные кластеры и четче показывать интересные; двунаправленные связи между общим представлением набора данных и двухмерными диаграммами рассеяния; сравнение кластеров, позволяющее видеть, как кластеризуются гены с помощью разных алгоритмов. 173 Лекция 15 Архитектуры и интероперабельных систем технологии разработки Введение Настоящий доклад рассматривает аспекты новой, быстро развивающейся и уже интенсивно применяемой технологии создания открытых систем технологии интероперабельных систем. Рассматриваемая технология привела к выделению нового архитектурного слоя - информационной архитектуры систем, определяющей способность совместного использования, совместной деятельности (в дальнейшем будет использоваться термин "интероперабельность") компонентов (информационных ресурсов) для решения задач. Этот слой расположен обычно над сетевой архитектурой, являющейся необходимой предпосылкой такой совместной деятельности компонентов, обеспечивающей их взаимосвязь. Деятельность по созданию технологии интероперабельных систем охватывает весь мир. Наиболее существенный вклад в принимаемые идеологические, архитектурные и технологические решения интероперабельных систем вносит Object Management Group (OMG) - крупнейший в мире консорциум разработки программого обеспечения, включающий свыше 600 членов - компаний производителей программного продукта, разработчиков прикладных систем и конечных пользователей. Так например, в OMG входят: Air Force Institute of Technology, American Airlines, Apple Computers, AT&T, Bellcore, Boeing Computer Services, Borland Inter\-national, Chase Manhattan Bank, Digital Equipment, Fujitsu Ltd., General Electric, Hewlett-Packard, IBM, ICL, Informix Software Inc., Ingres Ltd., Intel Corp., Los Alamos National Lab., Microsoft Corp., MIT, Oracle Corp., Siemens AG, SunSoft Inc., Sybase Inc., Texas Instruments Inc., US Defense Information Systems Agency. Целью OMG является создание согласованной информационной архитектуры, опирающейся на теорию и практику объектных технологий и общедоступные для интероперабельности спецификации интерфейсов информационных ресурсов. Эта архитектура должна обеспечивать повторное использование компонентов, их интероперабельность и мобильность, опираясь на коммерческие продукты. Другие организации, которые работают в кооперации с OMG, например, с целью доведения результатов OMG до официальных стандартов в различных аспектах, включают: ANSI, ISO, CCITT, ANSA, X/Open Company, Object Database Management Group (ODMG). В этой лекции предлагается краткий обзор структуры и компонентов архитектуры интероперабельных систем в соответствии с текущим состоянием разработки стандартов. 174 Потребности применений Насущные потребности применений, определяющие существенную мотивацию для перехода к интероперабельным информационным системам и разработки соответствующей технологии, включают следующие. Функционирование систем в условиях информационной и реализационной неоднородности, распределенности и автономности информационных ресурсов системы. Информационная неоднородность ресурсов заключается в разнообразии их прикладных контекстов (используемых онтологических средств - понятий, словарей; отображаемых реальных объектов, составляющих "поверхность соприкосновения" различных реальных миров и их (объектов) абстракций в информационных системах; семантических правил, определяющих адекватность совокупностей моделируемых объектов реальности; моделируемых деятельностей; видов данных, способов их сбора и обработки; интерфейсов пользователей и т.д.). Реализационная неоднородность источников проявляется в использовании разнообразных компьютерных платформ, средств управления базами данных, моделей данных и знаний, средств программирования, операционных систем, и т.п. Интеграция систем. Системы эволюционируют от простых, автономных подсистем к более сложным, интегрированным системам, основанным на интероперабельном взаимодействии компонентов. Реинженерия систем. Эволюция деловых процессов - это непрерывный процесс, который является неотъемлемой составляющей деятельности организаций. Соответственно, создание системы и ее реконструкция (реинженерия) - непрерывный процесс формирования, уточнения требований и конструирования. Реконструкция систем осуществляется постепенно. Система должна быть сконструирована так, чтобы произвольные ее составляющие могли быть реконструированы при сохранении целостности системы. Миграция унаследованных систем. Любая система после создания противодействует изменениям и имеет тенденцию быстрого превращения в бремя организации (т.н. legacy systems - унаследованные системы, использующие "уставшие" технологии, архитектуры, платформы, а также собственно программное и информационное обеспечение, при проектировании которых не были предусмотрены нужные меры для их пошаговой миграции в новые системы, соответствующие новым требованиям деловыx процессов и технологии). Существенно, что в процессе миграции необходимо, чтобы мигрировавшие составляющие системы и оставшиеся компоненты унаследованных систем сохраняли интероперабельность. Повторное использование неоднородных информационных ресурсов. Технология разработки информационных систем должна позволять крупномасштабно применить технологию повторного использования информационных ресурсов, переходя от технологии программирования, 175 основанной на интенсивном индивидуальном труде по созданию вручную изделий, удовлетворяющих специфическим требованиям одного конкретного применения, к технологии, основанной на планируемых капиталовложениях в разработку повторно -используемых компонентов, которые могут быть "соединены" (т.е., образованы их интероперабельные сообщества) для производства серий стандартизованных продуктов в определенной прикладной области. Продление жизненного цикла систем. В условиях исключительно быстрого технологического развития требуются специальные меры, обеспечивающие необходимую продолжительность жизненного цикла. Существенно, что свойство интероперабельности информационных ресурсов является необходимой предпосылкой удовлетворения перечисленных требований. Архитектура промежуточного слоя (middleware) Основу информационной архитектуры систем составляет концепция промежуточного слоя (middleware) - сосредоточение родовых служб в специальном слое архитектуры, расположенном между операционной системой и средствами управления компьютерными сетями и прикладными системами, специфическими для конкретных областей применения [2]. Традиционно к такому промежуточному слою относились средства управления и доступа к данным, средства разработки программ, средства управления распределенными вычислениями (включая поддержку необходимых протоколов взаимодействия), средства поддержки пользовательского интерфейса и др. Такие инфраструктуры использовались как отдельными компаниями (IBM), так и в международных проектах (UNIX - ориентированная интеграционная среда) [2]. Применяемые идеи и технологии не позволяли до сих пор решить радикально архитектуру промежуточного слоя. OMG на основе объектной технологии и идеи интероперабельности вводит концепцию промежуточного слоя последовательно, радикально и до конца. Технически интероперабельность компонентов (представляемых объектами) решена введением базовой объектной модели, унифицированного языка спецификации интерфейсов объектов, отделением реализации компонентов от спецификации их интерфейсов, введением общего механизма поддержки интероперабельности объектов (брокера объектных заявок, играющего роль "общей шины", поддерживающей взаимодействие объектов). Тем самым достигается однородность представления компонентов и их взаимодействия. Далее, для формирования информационной арxитектуры вводится слой унифицированных (ортогональных) служб, которые используются как при конструировании прикладных систем, так и для формирования функционально законченных средств промежуточного слоя, предлагающих конкретные виды услуг. Существенно, что и службы и средства представляются однородно своими объектными интерфейсами, что позволяет обеспечить их интероперабельность посредством брокера объектных заявок. 176 Объектная модель OMG. Объектная модель OMG определяет общую объектную семантику для спецификации базовыx характеристик объектов стандартным, независимым от реализации образом. Объектная модель OMG определяется в виде объектной модели -- ядра (Core Object Model (COM)) и совокупности расширений. Объектная модель -- ядро специфицирует некоторый набор базовых понятий. Примерами понятий COM являются объекты, операции, типы, отношение тип/подтип, наследование, интерфейс типа. Каждое расширение вводит дополнительный набор понятий. Расширяться может либо COM, либо уже существующие и согласованные расширения. При этом вводится понятие профиля, как некоторой комбинации COM и одного, или нескольких расширений, вместе поддерживающих определенную целевую архитектуру. Эталонная модель архитектуры OMG. Эталонная Модель [20] определяет концептуальную схему для поддержки технологии, удовлетворяющей техническим требованиям OMG. Она идентифицирует и характеризует компоненты, интерфейсы и протоколы, составляющие Архитектуру Управления Объектами OMG (Object Management Architecture (OMA)), не определяя, впрочем, их детально. Согласованная с OMA прикладная система состоит из совокупности классов и экземпляров, взаимодействующих при помощи Брокера Объектных Заявок (Object Request Broker (ORB)). Объектные Службы (Object Services) представляют собой коллекцию служб, снабженных объектными интерфейсами и обеспечивающих поддержку базовых функций объектов. Общие Средства (Common Facilities) образуют набор классов и объектов, поддерживающих полезные во многих прикладных системах функции. Прикладные объекты представляют прикладные системы конечных пользователей и обеспечивают функции, уникальные для данной прикладной системы. Компоненты архитектуры Брокер Объектных Заявок. Брокер Объектных Заявок обеспечивает механизмы, позволяющие объектам посылать или принимать заявки, отвечать на них и получать результаты, не заботясь о положении в распределенной среде и способе реализации взаимодействующих с ними объектов. ORB отвечает за поиск реализации объекта, участвующего в заявке, подготовку объектной реализации к приему заявки и передачу данных, являющихся результатом заявки. Интерфейс клиента полностью независим от расположения вызываемого объекта, языка программирования, на котором он реализован, и любых других аспектов, не отраженных в интерфейсе вызываемого объекта. На основании совместных предложений ряда ведущих компаний OMG был разработан стандарт Общей Архитектуры Брокера Объектных Заявок (Common Object Request Broker Architecture (CORBA)) [7]. CORBA определяет среду для различных реализаций ORB, поддерживающих общие сервисы и интерфейсы. Это обеспечивает переносимость клиентов и реализаций объектов между 177 различными ORB. В настоящее время существует ряд промышленных реализаций ORB, соответствующих стандарту CORBA [7]. CORBA непрерывно совершенствуется OMG. Текущий уровень стандарта -- CORBA 2.0. Объектные Службы. Объектные Службы представляют собой набор услуг (интерфейсов и объектов), которые обеспечивают базовые функции, необходимые для реализации других объектов. Операции, предоставляемые Объектными Службами, выступают в качестве базовых "строительных" блоков для Общих Средств и прикладных объектов. В настоящее время OMG приняты, или наxодятся в процессе формирования спецификации следующиx служб:  Служба Уведомления Объектов о Событии (Event Notification Service).  Служба Жизненного Цикла Объектов (Object Lifecycle Service).  Служба Именования Объектов (Name Service).  Служба Долговременного Хранения Объектов (Persistent Object Service).  Служба Управления Конкурентым Доступом (Concurrency Control Service).  Служба Внешнего Представления Объектов (Externalization Service).  Служба Объектных Связей (Relationships Service).  Служба Транзакций (Transaction Service).  Служба Изменения Объектов (Change Management Service).  Служба Лицензирования (Licensing Service)/  Служба Объектных Свойств (Properties Service).  Служба Объектных Запросов (Object Query Service).  Служба Безопасности Объектов (Object Security Service).  Служба Объектного Времени (Time Service). Функции СУБД в информационной арxитектуре. Следуя принципам модульности и ортогональности компонентов информационной архитектуры, OMG представляет функции управления базами данных рядом таких служб, как долговременное хранение объектов, управление конкурентным доступом к объектам, служба транзакций, службы объектных связей, объектных запросов, изменений объектов и т.п. Эти и другие службы, взятые вместе, реализуют функции как объектных так и реляционных СУБД. Спецификация служб формируется на основе опыта промышленных корпораций, входящих в состав OMG. Существенное влияние на архитектурные решения оказывают также исследования и разработки, воплощенные в согласованном стандарте интерфейсов объектных СУБД [7,13], 178 опубликованном в конце 1993 г. группой ODMG (Object Database Management Group). Эта группа включает представителей основных компаний производителей объектных СУБД. Общие Средства. Общие Средства заполняют концептуальное пространство между ORB и объектными службами с одной стороны, и прикладными объектами с другой. Таким образом, ORB обеспечивает базовую инфраструктуру, Объектные Службы -- фундаментальные объектные интерфейсы, а задача Общих Средств -- поддержка интерфейсов сервисов высокого уровня. Общие Средства подразделяются на две категории: "горизонтальные" и "вертикальные" наборы средств. "Горизонтальный" набор средств определяет операции, используемые во многих системах, и не зависящие от конкретных прикладных систем. "Вертикальный" набор средств представляет технологию поддержки конкретной прикладной системы (вертикального сегмента рынка), такого, как здравоохранение, производство, управление финансовой деятельностью, САПР и т.д. Ниже кратко рассматривается состав первоначальных компонентов спецификации архитектуры Общих Средств OMG [16,17]. Средства поддержки пользовательского интерфейса (User Interface Common Facilities) Средства управления информацией (Information Management Common Facilities) Средства управления системой (System Management Common Facilities) Средства управления задачами (Task Management Common Facilities) Вертикальные общие средства (Vertical Common Facilities) Вертикальные общие средства предназначены для использования в качестве стандартных для обеспечения интероперабельности в специфических прикладных областях. Поддержка интероперабельности брокеров в стандарте CORBA 2.0 Интероперабельность брокеров поддерживается Универсальным Межброкерным Протоколом (General Inter-ORB Protocol, сокращенно GIOP). GIOP [9] является универсальным, поскольку он не зависит от конкретной сетевой транспортной среды и может быть отображен в любой транспортный протокол, поддерживающий виртуальные соединения. Одно из таких отображений - отображение GIOP в протокол TCP/IP - определено CORBA 2.0 в качестве Межброкерного Протокола Internet (Internet Inter-ORB Protocol, сокращенно IIOP). Назначение протокола GIOP/IIOP заключается в том, чтобы поддержать сети брокеров в рамках Internet и за ее пределами. Согласно GIOP, внутренняя архитектура брокеров предполагается неизвестной. Подход, который может быть выбран конкретным брокером для поддержки GIOP/IIOP, не определяется. Все, что требуется для согласованного включения брокера в компьютерную сеть, - это существование связанных с ним компонентов, способных посылать и принимать сообщения IIOP. Спецификация GIOP включает: 179  Определение Общего представления данных (Common Data Representation - CDR), являющегося, по существу, коммуникационным синтаксисом, отображающим значения типов данных OMG IDL в формат передачи данных между брокерами и межброкерными мостами (агентами);  Форматы передаваемых между агентами сообщений GIOP, которые введены для поддержки объектных заявок, установления местоположения реализаций объектов и управления транспортными соединениями.  Определение ограничений на допустимый сетевой транспорт GIOP. Протокол IIOP, который можно считать специализацией GIOP, определяет дополнительно, как агенты открывают соединения TCP/IP и используют их для передачи сообщений GIOP. Интеграция CORBA и WWW-технологий Быстрое распространение всемирной паутины (WWW) происходило в тот период, когда распределенные объектные системы, в особенности архитектура CORBA, проходили стадию стабилизации и созревания. Принятие стандарта CORBA 2.0 [9] позволяет обеспечить поддержку глобального объектного пространства в масштабе Internet. Существенное различие назначений WWW и CORBA заключается в том, что WWW облегчает жизнь поставщиков и потребителей информации, а CORBA облегчает задачу разработчиков систем и фирм-поставщиков инструментальных средств. Поэтому роли WWW и CORBA являются взаимно дополняющими, и в этой связи требуются специальные технологии, обеспечивающие их сопряжение. Такое сопряжение сулит очевидные преимущества. Разработчики программных продуктов, использующие CORBA, получают доступ к быстро растущему рынку на основе WWW, а мир WWW получает доступ к услугам, обеспечиваемым на основе возможностей CORBA, значительно более мощным, чем реализуемая WWW простая модель обмена HTML-страницами. Интеграция двух миров приведет к наилучшему использованию этих двух стандартов. Известны два основных подхода к интеграции CORBA и WWW. Первый из них основан на построении шлюзов между мирами WWW и CORBA, служащих для трансформации HTTP в протокол CORBA 2.0 IIOP [9]. Другой подход заключается во встраивании функций CORBA в состав клиентов WWW (программ просмотра) и серверов. Реализация второго подхода возможна либо на основе новых WWW клиентов и серверов со встроенным IIOP, либо при помощи подгрузки (downloading) из сети модуля поддержки IIOP в клиенте или сервере. В новом поколении WWW клиентов и серверов, поддерживающих Java, модуль 180 поддержки IIOP реализуется на Java. Достоинства этого подхода заключаются в обеспечении динамической "раскрутки" функций по отношению к CORBA. Так, для любого ресурса, доступного посредством CORBA, может быть разработан пользовательский интерфейс как апплет Java. Этот апплет использует модуль IIOP для взаимодействия с сервером CORBA. При первом доступе пользователя к какой-либо услуге, программа просмотра автоматически загружает и инсталлирует апплет пользовательского интерфейса. После этого пользователь имеет доступ к этой услуге посредством собственного апплета. Таким образом, услуги объектов-серверов оказываются доступными широчайшей аудитории, независимо от применяемых пользователями платформ и при сохранении для разработчика возможности усовершенствования реализации услуг и их интерфейсов. Семантическая интероперабельность До сих пор усилия промышленности, выражающиеся в деятельности OMG, были направлены на поддержку системного, технического уровня интероперабельности, основанного на полной инкапсуляции информационных ресурсов (язык IDL является отражением этого подхода). Вместе с тем при программировании прикладных задач на основе имеющихся ресурсов требуется решение вопроса о релевантности имеющихся ресурсов задаче, о соответствии их прикладного контекста контексту задачи и о том, что интероперабельная композиция ресурсов будет непротиворечивой в прикладном контексте задачи. Такая композиция ресурсов образует мегапрограмму, выполнение которой при заданных параметрах должно давать решение прикладной задачи. Очевидно, что достижение подобной {\em семантической интероперабельности} ресурсов в контексте задачи требует более сложных решений, чем те, что обеспечивают техническую интероперабельность. В [12] введено понятие полной семантически интероперабельной инфраструктуры, обеспечивающей необходимые моделирующие, методологические и архитектурные средства анализа, принятия решений, доказательных рассуждений и реализации, ориентированные на повторное использование ресурсов в семантически интероперабельных композициях. Эта инфраструктура считается дополнительной по отношению к архитектуре OMG [11]. Этот подход предполагает наличие полных спецификаций существующих ресурсов и прикладных областей, включая их структуру и функции, ограничения целостности (инварианты), спецификации деятельностей (потоков работ). Заключение В докладе дан краткий обзор информационной арxитектуры систем на основе объектной теxнологии и принципов интероперабельности компонентов, 181 развиваемыx OMG. Нетрудно видеть, что разрабатываемая арxитектура специально ориентирована на достижение целей - насущныx потребностей разработки прикладныx систем, сформулированныx во введении. 182 Лекция 16 Проектирование информационной системы Теория Информационная система - это система работы с информацией. Система - это совокупность взаимосвязанных компонент, работающих как единое целое. Информация - это то, что подправляет и корректирует наши знания. (Шкурба) Предметная область - это часть реального мира, которую затрагивает информационная система. Часто термин "информация" подразумевает понятие "данные". Это не совсем так. Информация получается из данных, если над ними произведена некоторая обработка, повышающая их ценность. На основе информации принимаются управленческие решения. Например, выпуск продукции за последний год -- это данные, а построенный по этим данным график, показывающий рост производства, -- это информация. Данные Месяц Информация Выпуск продукции, млн. руб. Январь 1200 Февраль 1252 Март 1310 Апрель 1305 Май 1350 Июнь 1340 Июль 1366 Август 1408 Сентябрь 1415 Октябрь 1430 183 Ноябрь 1460 Декабрь 1510 Данные бывают разных уровней. Например, данные по выпуску продукции за месяц складываются по каждому виду продукции, т.е. это уже агрегированные данные. На каком-то уровне агрегации за бездушными цифрами данных начинает проявляться информация, имеющая некоторую познавательную ценность. Любая информационная система включает некоторую базу данных, так как, чтобы работать с информацией, нужно работать с данными. Данные - это более низкий уровень агрегации и сопоставления, информация - более высокий. Информация:  всегда связана с какими-либо данными;  широко распространена, находится повсюду;  может зависеть от контекста, а может и не зависеть;  может генерироваться людьми, компьютерами, другими машинами;  легко воспринимается и легко передается;  как правило, статична;  может быть легко взаимосвязана с другой информацией;  обладает стоимостью, необходимой на создание и поддержку;  в принципе может использоваться кем угодно и когда угодно. Знания:  имеют отношения к данным и информации, но не всегда с ними связаны;  дефицитны, их непросто добывать;  всегда связаны с каким-то контекстом, существуют в его рамках;  генерируются только людьми;  трудны для восприятия;  динамичны; любые знания обладают своей скоростью передачи и восприятия;  для успешного восприятия требуют четких границ их понимания;  могут быть очень дороги, цена при этом не фиксирована;  обладают сроком и целью использования. 184 Информационные системы бывают разных масштабов: индивидуальные, коллективные, масштаба предприятия, корпорации, отрасли, города, региона, страны, континента, планеты. Формализация - это перевод информации с естественного языка в более четкий. Языки с разным уровнем формальности:  естественный язык (русский, английский)  графика, диаграммы, схемы  языки программирования  математика Существует разные классификации систем: по размеру: малые, большие; по сложности: простые, сложные; Малая система - это вовсе не значит, что простая, а большая система - это не значит, что сложная. Эмерджентность - появление новых функций и свойств у системы, которых не было у ее компонентов. Эмерджентность - основное свойство любой системы. Отдельный глаз не видит, он функционирует только в системе "человек"; отдельный руль "не рулит", кроме как в системе "автомобиль", хотя отдельное колесо катится. (?) Системный анализ Системный анализ - это метод исследования предметной области с помощью системного подхода. В начале проектирования любой информационной системы следует пройти через следующие этапы:  Определение требований  Оценка осуществимости  Оценка риска  Построение логической модели  Построение прототипа (необязательно) Определение требований Начинать обследование предметной области следует с определения требований. Одновременно нужно выяснить истинные потребности 185 пользователей, так как не всегда пользователи требуют то, что им действительно нужно. При разработке продукта для рынка требования определяет разработчик. В этом случае повышается вероятность промахнуться с определением требований. Самая страшная ошибка при разработке ПО -- сделать никому не нужную программу -- не разобраться в требованиях. Свойства требований:  ясность, однозначность;  приоритет;  источник (пользователь, документ...);  непротиворечивость другим требованиям;  стабильность (или, наоборот, вероятность изменения);  проверяемость. Очень опасно пропустить какие-либо требования. Некоторые моменты для пользователей кажутся естественными и поэтому умалчиваются. Аналитики не телепаты и читать мысли не умеют. Для анализа полноты требований и их скорейшего уточнения нужно построить логическую модель предметной области. Также можно использовать метод прототипа. Чем раньше будет найдена ошибка, тем дешевле и легче ее исправить. Некоторые требования имеют характер ограничений, т.е. обязательны к выполнению. Ограничения внутри предприятия называются деловыми правилами. Они могут вытекать из характера предметной области или 186 складываться исторически. Включение деловых правил в программу снижает ошибки пользователей и следовательно повышает надежность системы. Изменение требований в процессе разработки и использования ПО объективный фактор. Эти изменения возникают вследствие технического прогресса, социальных перемен, изменений в людях, предлагаемых улучшений, обнаружения ошибок. Задача аналитика спрогнозировать изменение требований и запланировать адекватный ответ на это событие. Поскольку изменения проекта делаются в более напряженных условиях, то они более подвержены ошибкам и должны быть особенно тщательно проверены. Обычно задачи данной системы определяются задачами системы более высокого уровня. Что для данной системы является целью, для системы более высокого уровня является средством достижения более глобальной цели. Оценка осуществимости Осуществимость проекта можно оценивать по разным критериям:  экономическая осуществимость (стоимость, сроки, экономический эффект, спрос...);  технологическая инструменты...);  осуществимость (ресурсы, технология, юридическая осуществимость (законодательство, обязательства...). Важнейшим вопросом является "Быть или не быть" информационной системе. Стоит ли вообще разрабатывать новую информационную систему, или можно обойтись тем, что есть? Требуется рассмотреть все возможные варианты решения текущих проблем, а также заглянуть в будущее в поисках предстоящих проблем и методов их решения. Экономический эффект от информационной системы может включать снижение затрат, улучшение контроля и управления, увеличение гибкости и скорости работы, повышение престижа, получение прямой денежной прибыли. Оценка риска До начала разработки необходимо уберечь проект от его гибели в самом зародыше. Определить источники неприятностей крайне трудно, так как многие из них сейчас не видны, но проявятся в будущем. Обычными источниками риска считаются: нехватка средств, кадровые вопросы (увольнения, болезни), недооценка трудностей, плохая маркетинговая политика. Чтобы повысить надежность проекта обязательно следует пройти следующие этапы:  анализ рисков 187  o определение источников риска o группировка источников риска; o оценка вероятности каждого риска; o оценка степени влияния каждого риска на проект; o определение природы риска, области действия, времени появления, продолжительности действия, периодичности. o рассмотрение комбинации рисков (вероятность и послдствия) управление рисками o определение допустимого и предельного уровня каждого риска; o рассмотрение вариантов снижения каждого риска (оценка затрат и ограничений); o принятие мер для снижения рисков; o разработка поведения при наступлении рисковой ситуации; o разработка механизма отслеживания рисков; Правило Парето: неприятностей. 20% источников риска вызывают 80% Полезно помнить закон Мерфи: "Если неприятность может случиться, то она случается." и несколько следствий из этого закона: "Случается самая плохая неприятность в самый неподходящий момент." Могут быть приняты следующие меры по снижению рисков: например, повышение зарплаты сотрудникам, улучшение условий их работы, нахождение резервных источников финансирования, найм специалистов по маркетингу и рекламе. Логическая модель Логическая модель - это схема работы предметной области на логическом уровне без технических подробностей. Основой для построения логической модели может служить схема документооборота. Логическая модель может представляться на разных уровнях абстракции, что позволяет охватить проблему в целом и при необходимости рассмотреть более подробно некоторые ее части. Построение логической модели производится с помощью функциональной декомпозиции. Начинают с основной функции системы, затем переходят к более детальным функциям. На этом этапе можно наметить границы автоматизации, т.е. определить, что будет автоматизировано, а что нет. Содержание информации в 188 системе определяются задачами персонала и решениями управленцев, а не наоборот. Системный анализ по методологии Гэйна - Сарсона включает следующие этапы: 1. Логическая модель существующей системы. 2. Логическая модель новой системы. 3. Моделирование данных. 4. Проектирование физической базы данных. 5. Физическая модель новой системы. Построением логических моделей занимается структурный системный анализ. Метод прототипа Прототип - это работающая модель будущей системы. Пользователи говорят: "Откуда я знаю, что я хочу, если я не знаю, что я получу?" Для того, чтобы показать пользователям, что их ждет, можно быстро и дешево разработать прототип будущей системы. Тогда можно будет уточнить требования пользователей как можно раньше, чтобы ошибки не появились в окончательной версии, когда ее исправление будет в 100 раз дороже и в 100 раз тяжелее. Конечно, многие функции в прототипе не будут реализованы, но тогда надо создать имитацию этой функции, видимость работы, заглушку, в конце концов. Возможно создание нескольких прототипов, каждый из которых все более полно представляет будущую систему, и, возможно, последний прототип превратится в первую версию программы. Выяснение проблем заказчика Построение логической модели - это лишь промежуточный шаг в выяснении истинных проблем и действительных целей заказчика (клиента). Обычно все начинается со смутного ощущения, что "что-то не так". Затем ощущаются какие-то трудности - проблемы. Точнее, симптомы проблем, так как истинные причины трудностей могут заключаться в другом. Например, трудность в сдаче сведений о доходах в конце года в налоговую инспекцию может быть из-за полного беспорядка в бухгалтерии предприятия. Варианты обращения с проблемой: бездействие в надежде на то, что все разрешится само собой (обычно только усугубляет положение)  189 частично решить, снять остроту вопроса, смягчить ситуацию (дает некоторую отсрочку)  решить оптимально в данных условиях (не устраняет причин возникновения проблемы)   растворить проблему, изменив условия. Исходная проблема, заявленная заказчиком, преобразуется в целый комплекс проблем. У любой явной трудности есть скрытые причины, которые надо выявить. Этим надо заниматься до начала любой деятельности по разработке информационной системы. Требуется определить, в каком именно месте браться за дело, что изучать и автоматизировать. Если не устранить корни проблемы, а только срезать ее крону (решить оптимально), то возможно проблема проявится снова уже в несколько другом виде и в других условиях. Для полного устранения проблемы, требуется добраться до ее первопричин и изменить условия так, чтобы проблема растворилась, т.е. исчезла сама возможность ее возникновения. Высший уровень управления - не допускать возникновения проблем, заранее их предвидя и соответствующим образом изменяя ситуацию. После того, как выявлены действительные проблемы заказчика, требуется определить цели, к которым он стремится, что он хочет от новой системы. Выясняется конечный результат всей деятельности по разработке информационной системы. Определение целей -- это постановка задачи разработчикам. Цели должны быть по возможности измеримыми, чтобы можно было позже оценить степень выполнения плана. Желательно, чтобы цели были ясными, явными, измеримыми, реальными. Когда цели сформулированы, требуется определить критерии оценки. Критерии оценки нужны для сравнения альтернативных вариантов решения проблем, достижения целей. С помощью критериев можно измерить степень достижения цели. Например, для цели успешной сдачи сведений о доходах можно определить следующие критерии: кол-во сверхурочного человеко-времени, необходимого для сдачи сведений о доходах, кол-во ошибок в сведениях, сумма штрафов в связи неверными сведениями или несвоевременной их сдачей. Разработка критериев -- творческий процесс; главное, чтобы критерии наиболее полно накрывали цель. Далее необходимо определить ограничения, налагаемые на варианты решения проблемы. Ограничения могут быть разного характера: технологического (законы природы и т.д.), организационного (деловые правила), юридического (законодательство) и др. Ограничения бывают разной степени строгости: некоторые невозможно даже ослабить, некоторые можно полностью устранить. 190 После того, как задача четко определена, можно приступать к ее решению (или устранению). Возможно в процессе решения, некоторые детали задачи будет уточняться и видоизменяться. К этому надо быть готовым. Чем раньше будут определены измененные условия, тем легче и дешевле их учесть. Возможно, что понадобится решить сначала часть задачи, так как общая задача очень сложна. Выделение подзадач, разбиение проблемы на более простые части -- это универсальный метод разрешения проблем. В последнем случае решение может быть проведено в несколько этапов, даже с возможностью их параллельного исполнения. Итак, имеем следующую логическую последовательность: Проектирование Проектирование - это планирование информационной системы. На данном этапе разрабатывается общая структура будущей системы, строится каркас программы, разрабатываются структуры данных (в том числе схема базы данных). Нисходящее проектирование Это пошаговый процесс проектирования, начиная с основных функций, которые подразделяются на подфункции до тех пор, пока не станет возможным их реализовать. Принципы уровней абстракции: 1. На каждом уровне абсолютно ничего не известно о свойствах (и даже о существовании) более высоких уровней. 191 2. На каждом уровне ничего не известно о внутреннем строении других уровней. Связь между уровнями осуществляется через жесткие, заранее определенные интерфейсы. 3. Каждый уровень должен иметь высокую прочность (связность) и слабое сцепление с другими уровнями. Прочность объекта - это мера его внутренних связей. Сцепление объектов - это мера взаимодействия объектов друг с другом. Похожие принципы действуют и на модули внутри каждого уровня: 1. уровня. Модуль содержит минимум информации о других модулях данного 2. Каждый модуль ничего не знает о внутреннем строении других модулей. Связь между модулями осуществляется через жесткие, заранее определенные интерфейсы. 3. Каждый модуль имеет высокую прочность и слабое сцепление с другими модулями. Моделирование данных Модель - это аналог оригинала, который его в чем-то заменяет. Модель данных - это схема данных предметной области, которая создается с целью правильного отражения действительности в информационной системе. Данные моделируются с целью построения базы данных. Реализация Реализация - это процесс воплощения проекта в программы и физические системы. Современные CASE-средства позволяют производить автоматическую генерацию кода, будь то база данных, программа или WEB-сайт. В будущем эта тенденция будет только усиливаться. Реализация (или программирование, кодирование) должна быть направлена на наиболее точное воплощение проекта и программных спецификаций в текст программы на языке программирования. Основные критерии -- точность и надежность. Не следует усложнять программу или применять хитрые трюки программирования для обеспечения чуть большей скорости. Развитие техники идет столь быстрыми темпами, что основной показатель -- это понятность программы, ее пригодность к сопровождению и надежность. Программа 192 понятна -- это значит, что другой программист той же квалификации сможет легко разобраться в том, как работает эта программа. Обычно, чем выше уровень языка, тем понятнее программа и тем меньше ошибок. Если требуется повысить скорость работы программы, то надо добиваться "макроэффективности", а не "микроэффективности". Тогда скорость возрастет в несколько раз. Самые гениальные решения - это самые простые решения. Недостаток комментариев усложняет поиск ошибок, так как при проверке бывает трудно разобраться в сложной программе без небольших пояснений.  Избыток комментариев также усложняет поиск ошибок. Комментарии говорят, что делает программа по мнению автора, а не что она делает на самом деле. В основном встречается недостаток комментариев.  Один из самых хороших методов программирования состоит в том, чтобы сначала все действия процедуры или модуля записать на обычном естественном языке с помощью комментариев. Затем постепенно детализировать действия, переводя некоторые из них на язык программирования до тех пор, пока не получится работающая программа. В этом случае комментарии получатся сами собой. Повышение надежности системы 1. Защитное программирование. В начале каждой процедуры помещается блок проверки входных данных на правильность и осмысленность. Каждая компонента должна предполагать, что все другие содержат ошибки. Все получаемые данные считаются ошибочными, пока не будет доказано обратное. Самая надежная величина, не требующая никакой проверки, может быть ошибочна. НО: если выполнять все мыслимые проверки, то проверочная часть программы может стать слишком сложной и следовательно в ней самой могут быть ошибки. 2. Избыточность позволяет по части данных проверить остальную часть. Если избыточности нет, то ее можно ввести. 3. Изоляция ошибок. Ошибка в части системы, не должна повлиять на другие части. Например, в операционных системах ошибка в одной программе не должна повлиять на другие программы и саму операционную систему. Основная причина ошибок -- сложность. Мерой сложности объекта является количество интеллектуальных усилий, необходимых для понимания этого объекта. Ясно, что для каждого 193 человека эта величина разная. Что сложно для одного человека, может быть просто для другого. Сложность системы зависит от количества и качества связей между ее компонентами и самих компонет. Простая система Сложная система Чтобы уменьшить сложность объекта, вводятся уровни абстракции, иерархическая структура или модульность. В последнем случае проблема (программа) разбивается на части (модули) до тех пор, пока их не удастся решить (запрограммировать). Тестирование Тестирование - это поиск ошибок в информационной системе. Ошибка - это несоответствие того, что есть, тому, что должно быть. Надежность - это вероятность безотказной работы в течение некоторого периода времени, рассчитанная с учетом стоимости каждого отказа. Принципы тестирования Тестирование проводится для того, чтобы найти немногие оставшиеся ошибки в хорошо спроектированной системе и тем самым повысить ее надежность, а следовательно, ценность. С помощью тестирования нельзя добиться хорошей надежности в плохо спроектированной системе. Если мы тестируем программу, то нам нужно окупить затраты на тестирование, каким-либо образом повысив стоимость программы. Это можно сделать только повысив надежность программы, ради чего тестирование и проводится. Повысить надежность можно только исправлением ошибок, внесенных в процессе разработки. Удачным считается тест, который обнаружил ошибку. Если ни одна ошибка не была обнаружена, то тест считается неудачным. 194 Ошибки имеют свойство группироваться. Если в какой-то части программы найдено много ошибок, то там еще много осталось.  Никогда тестирование.  не изменяйте программу, чтобы облегчить ее Следует избегать тестирования программы ее автором. Если программист сделал ошибку при написании программы, то вполне вероятно он сделает ту же самую ошибку при ее тестировании. Программист подсознательно считает свою программу продолжением самого себя и не станет особенно тщательно ее тестировать.  Разработка тестов -- творческий процесс, который требует, в некотором роде, разрушительного склада ума.  Хорош тот тест, для которого высока вероятность обнаружить ошибку.  Необходимо проверять не только, делает ли программа то, для чего она предназначена, но и не делает ли она то, что не должна делать.  Некоторую часть тестов следует выделить в качестве тестов регрессии, которые в будущем должны выполняться после каждого исправления программы, чтобы проверить, не ухудшилась ли система, не произошел ли регресс.  Недостаток комментариев усложняет поиск ошибок, так как при проверке бывает трудно разобраться в сложной программе без небольших пояснений.  Избыток комментариев также усложняет поиск ошибок. Комментарии говорят, что делает программа по мнению автора, а не что она делает на самом деле.  После тестирования нельзя гарантировать отсутствие ошибок, можно лишь говорить о некотором уровне уверенности в правильности работы системы. Тест - это совокупность входных данных и/или действий пользователя с указанием ожидаемых результатов и/или ответных действий программы. Невозможно провести полное всеохватывающее тестирование даже простой программы, так как на это не хватит ни времени, ни ресурсов. Поэтому существует несколько видов тестирования, которые предлагают методики для построения тестов с наибольшей вероятностью обнаружения ошибок. Каждая методика дополняет другую и очень хорошо применять сразу несколько видов тестирования. 195 Виды тестирования:  структурное тестирование (белый ящик),  функциональное тестирование (черный ящик) Структурное тестирование При данном подходе считается, что текст программы виден (белый ящик). Тестируются блоки ветвлений, циклы и т.д. Существует несколько типов структурного тестирования:  покрытие операторов,  покрытие решений,  покрытие решений / условий,  комбинаторное покрытие условий,  тестирование циклов. Функциональное тестирование При данном подходе считается, что текст программы не виден, и программа рассматривается как черный ящик, т.е. известны входные и выходные условия, а также общая схема работы. Программа проверятся по ее спецификациям. Существуют несколько видов функционального тестирования:  эквивалентные классы,  анализ граничных значений,  тестирование на предельных нагрузках,  тестирование на предельных объемах,  тестирование защиты,  эксплуатация системы самим разработчиком (если возможно),  опытная эксплуатация. Отладка Отладка - это исправление найденных ошибок. Обычно при тестировании обнаруживают не сами ошибки, а их последствия -- симптомы. При отладке настоящую ошибку надо локализовать (т.е. определить место в программе, где она содержится), затем исправить, проверить правильность исправления и провести анализ ошибки. 196 При исправлении ошибки высока вероятность внесения новой ошибки (примерно 20%). Если программу исправляет не автор, тогда вероятность еще выше. Изучите программу в окрестности найденной ошибки в поисках новых неприятностей, так как ошибки имеют свойство появляться группами. Вспомните похожие места в системе, где возможно была сделана такая же ошибка.  Если ошибка была обнаружена при эксплуатации системы, то часто требуется устранить последствия ошибки. Здесь главное не усугубить положение поспешными и непродуманными действиями. Рекомендуется по возможности сделать резервную копию.  Часто пользователи сами предлагают способы решения проблемы. Такие пути в будущем могут привести к еще более сложным проблемам. Все предложения надо критически проанализировать.  Не все ошибки являются ошибками разработчиков, некоторые ошибки происходят из-за неправильных входных данных или действий пользователей. В таком случае стоит принять меры для недопущения таких ошибок в будущем.  Каждую ошибку следует внимательно изучить, чтобы понять, почему она возникла, что должно было быть сделано, чтобы ее предотвратить или обнаружить раньше. Внедрение Внедрение - это включение информационной системы в предметную область. Внедрение - особый этап, так здесь многое зависит от пользователей, разработчиков и их совместной работы. Внедрение должно быть продумано заранее. Составляется поэтапный календарный план, затем он претворяется в жизнь с постоянным контролем за его выполнением. Первым этапом внедрения является опытная эксплуатация системы. Технические проблемы могут быть таковы:  требуется обеспечить преемственность (или совместимость) с прежней системой,  требуется обеспечить безболезненный переход к новой системе, возможно без остановки работы. 197 Организационные проблемы:  внедрение новой системы возможно потребует новой организации работ, соединение новой системы и старых методов может привести к краху,  потребуется обучение или переквалификация пользователей,  возможно потребуются увольнения. кадровые перестановки или даже Одна из основных проблем - человек. Некоторые сотрудники коллектива препятствуют внедрению новой системы по разным причинам: боятся новизны, боятся потерять работу или вскрыть свои недостатки, боятся открыть махинации в работе, не умеют работать по новому и не хотят научиться этому. Ради достижения своей цели некоторые люди начинают врать, критиковать, осмеивать, саботировать. Методы борьбы с сопротивляющимися:  убеждение (беседы, доказательство и демонстрация преимуществ новой системы)  начальная помощь разработчиков в работе пользователя (но это не значит, что разработчик возьмет на себя всю работу пользователя)  поощрение или давление со стороны руководства,  начальный, постоянный или периодический контроль,  отстранение от работы с новой системой (запрет, перемещение на другую работу или в другой отдел, даже увольнение) 198 Лекция 17 Что Business Intelligence предлагает бизнесу Полноценно перевести словосочетание Business Intelligence (BI) невозможно. Со словом business и без того в русском языке есть очевидные сложности; не меньшие проблемы возникают при попытке подобрать соответствие слову intelligence в данном контексте. В период кризиса, охватившего практически все компьютерные технологии, область BI оказалась одним из немногих островов процветания в нынешнем далеком от благополучия мире. Более того, аналитики Gartner Group считают, что в области BI предстоят настоящие прорывы. Серьезные перспективы они связывают с новым направлением — New Business Intelligence (NBI). Компания Intelliseek стала одной из первых, кто проложил мост между KM и BI, назвав свой подход New Business Intelligence. Стимулами к появлению NBI, как сказал Каджам [4], стали рост размещенных в Internet данных и эволюция технологий для агрегирования, анализа и подготовки отчетов на основании разнородных источников. В словарях приведены десятки соответствующих ему значений; некоторые из них, на первый взгляд, кажутся далекими друг от друга. А уж в сочетании business и intelligence дают нечто невообразимое. Разбираться в фундаментальных различиях между русским и английским языками, являющихся причинами такого рода сложностей, — удел лингвистов, точнее социолингвистов. Поэтому прекратим терминологические рассуждения, и будем в дальнейшем понимать под BI — информационное обеспечение бизнеса, причем в самом широком смысле. Не забудем, впрочем, две прописные истины. Первая: «Бизнес — это война». Вторая: «Информирован — значит вооружен». Другими словами, BI — это и интеллект, и разведка, в общем, все то, что нужно для приятия решений. Любопытно еще одно обстоятельство. В период кризиса, охватившего практически все компьютерные технологии, область BI оказалась одним из немногих островов процветания в нынешнем далеком от благополучия мире [1]. Более того, пришедшие к такому выводу аналитики Gartner Group считают, что в области BI предстоят настоящие прорывы. Серьезные перспективы они связывают с новым направлением — New Business Intelligence (NBI). Данные, информация и технологии Еще совсем недавно шутники предрекали, что конец развитию ИТрешений наступит тогда, когда будут исчерпаны все возможные трехбуквенные названия. Впрочем, по понятным причинам прогресс не остановился: 199 появились четырех и более буквенные аббревиатуры. Но, как известно, «в каждой шутке есть только доля шутки». Действительно, количество названий и соответственно разнообразных технологий для работы с информацией, а точнее говоря с данными, превосходит все мыслимые пределы. Если рост числа собственно технологий (а не их названий) продолжится, то конец и в самом деле возможен — прежде всего, по причине сложности. Технологий действительно море, но стройной карты для них, своего рода новой таблицы Менделеева, где каждой технологии было бы отведено свое место, и были бы обозначены связи между ними, пока нет. И отнюдь не случайно: причина в недостаточной определенности предмета, с которым работают технологии, называемые информационными. Эта неопределенность выражается, прежде всего, в смешении двух ключевых понятий — данные и информация. Надо признать, что отдельные фрагменты будущей систематизирующей таблицы все таки складываются, причем, как это ни странно, раньше других не в областях, ставших классическими, а в совершенно новой области, такой как интеграция приложений на основе Web-служб. Еще совсем недавно, буквально пару лет назад Web-службы называли плохо определенной областью (illdefined) компьютинга. Но неожиданно прозрачность в этой сфере наступает раньше, чем в других. Происходит это, скорее всего, потому, что в данном случае решается задача обмена данными между приложениями. Подчеркнем: обмен ДАННЫМИ между ПРИЛОЖЕНИЯМИ. В этом фрагменте цепочки технологий нет человека, что в каком-то смысле приближает корпоративные системы к техническим системам управления или коммуникационным системам. Основной пафос происходящего в области с совпадающей аббревиатурой BI, (в данном случае обозначающей Business Integration) сводится к тому, что логика бизнес-процессов новыми средствами (прежде всего, серверами приложений) отделяется от логики процессов обработки данных — другими словами, «мухи отдельно, варенье отдельно». Таким образом, в инфраструктуре корпоративной системы в явном виде оформляются коммуникационные качества. Приложения ведут между собой обмен данными посредством сообщений примерно так же, как в технических системах данные передаются от датчиков (обратите внимание на однокоренные слова: «датчик» и «данные»). Система становится в большей степени инфраструктурой для передачи данных (т.е. инфраструктурой в подлинном смысле этого слова), а поверх нее работают приложения, предоставляющие доступ к источникам информации. На смену компьютингу идет коММпьютинг («коммуникации + компьютеры»). Итак, если отбросить детали, нужно подчеркнуть, что современные технологии интеграции на основе стандартов SOAP, UDDI, WDSL и других позволяют сепарировать данные и информацию. Соответственно можно разделить и сами технологии — на те, которые работают в чистом виде с данными, и те, которые обеспечивают работу с информацией. 200 С появлением J2ЕЕ был сделан первый существенный шаг и теперь силами Sun Microsystems, тройственного союза BEA Systems, Intel, HP, корпорации IBM, а также целого ряда других заинтересованных сторон формируются платформы для обмена данными, между приложениями, образующими корпоративную систему. Но создание платформы для взаимодействия приложений не решает главной задачи — обеспечение ЧЕЛОВЕКА, также являющегося частью системы, средствами для получения ИНФОРМАЦИИИ (ведь, в конечном счете, для принятия решений нужна именно информация). Задачу создания средств для выделения информации из данных, лежащую поверх платформы, решают многие, в том числе и крупные, но по большей части мелкие компании. Они выступают в роли сателлитов, сопровождающих ведущих вендоров; особенно роль свиты бывает хорошо видна на всевозможных выставках, устраиваемых в рамках конференций, которые организуют крупные компании. У задачи обеспечения человека возможностью работы с информацией есть две стороны. Одна в большей степени техническая; ее можно сравнить с полиграфическими услугами. С технической точки зрения на первый план выходят портальные технологии. Корпоративный портал играет роль интерфейсного устройства; его можно воспринимать как инструмент, посредством которого данные представляются в форме, доступной для превращения их человеком в информацию. Традиционные определения порталов (например: «единственная точка персонализированного доступа к источникам бизнес-информации и знания», Delphi Group [2]) выглядят наивно. Что такое источник в данном случае? Более корректное введение в портальные технологии можно найти в [3]. Определению портала в этом документе предшествует определение того, что авторы понимают под KM (knowledge management) и BI, поскольку посредством этих технологий человек реально получает доступ к данным. Подчеркивается, что управление знаниями и информационное обеспечение бизнеса поддерживаются различными технологиями, в том числе и порталами. Информационные системы для управляющих (executive information system, EIS), системы поддержки принятия решений (decision support), раскопка текстов и данных (text mining и data mining), операционные хранилища данных (operational data store), многомерная аналитическая обработка данных (multidimensional online analytical processing, MOLAP), реляционная аналитическая обработка данных (relational online analytical processing, ROLAP), а теперь еще и business intelligence — все эти и им подобные многочисленные термины могут лишь ввести в заблуждение любого. На самом же деле главный смысл тех глобальных изменений, которые происходят сегодня, заключается в том, что сейчас, прежде всего, требуется выбирать ДАННЫЕ из традиционных приложений и превращать их в ИНФОРМАЦИЮ, в информацию, которая может быть использована для 201 эффективного управления бизнесом. На основе такого подхода дается следующее определение портала: «Портал — это единая точка входа в корпоративной системе, которая позволяет обнаруживать и высвобождать (identify и unlock) структурированную и неструктурированную информацию из различных источников с тем, чтобы превратить ее в корпоративное знание, необходимое для принятия решений». В число приложений, которые обеспечивают превращение данных в информацию входят перечисленные выше и еще многие другие, все вместе это и можно назвать информационным обеспечением бизнеса — или BI. BI по-новому Неспособность специалистов по компьютингу с достаточной точностью определить предмет своей деятельности привела к тому, что появился монстр, многоголовая гидра «информационных технологий», каждая из которых по большей части занимается чем угодно, но только не работой с информацией. В России еще хуже, у нас есть наука информатика, ее происхождение — предмет отдельного разговора. По существу, 99% средств ИТ работают с данными. Именно информацией, а не данными занимались очень немногие. Среди них те, кто работал в областях Business Intelligence и Knowledge Management; долгое время это были две близкие, но совершенно не пересекающиеся между собой области. Если продолжить сравнение с геофизикой и геологией, то методы BI можно уподобить геофизическим методам (не случайна схожесть названий, например data mining и text mining). Вторая область, KM и особенно ее прикладная часть, управление контентом предприятия (Enterprise Content Management), ближе к геологии. Аналогия между BI и науками о Земле состоит в том, что прежде по формальным признакам, на основе анализа данных выявляются внутренние закономерности, а потом им даются интерпретации с привлечением более широкого круга знаний. 202 Теперь можно ответить на вопрос, почему на фоне общего спада процветает BI. Чем сильнее аналитика, тем эффективнее использование данных. И в науках о Земле, и в бизнесе аналитика обходится на порядки дешевле накопления данных. Поэтому в условиях кризиса взоры специалистов и обратились в сторону BI: бизнес стремится повысить эффективность, уровень возврата инвестиций в систему с минимальными дополнительными вложениями. Именно в этом ключ в понимании причин феномена локального успеха BI на фоне спада в остальных технологических направления. В условиях кризиса всегда оказываются более востребованными продукты с меньшим сроком возврата инвестиций, в данном случае — средства работы с информацией. Возросший спрос на средства BI вызывает и новое предложение, получившее название New Business Intelligence (NBI). Данное направление сложилось в результате партнерства компаний Inxight Software и Intelliseek, известных в качестве поставщиков решений для доступа к неструктурированным данным. Это две похожие небольшие, насчитывающие порядка сотни сотрудников, наукоемкие компании, но с разными корнями. Inxight была основана в 1996 году корпорацией Xerox в рамках инициативы Xerox New Enterprises с целью дальнейшего развития технологий, созданных в исследовательских центрах Xerox Palo Alto Research Center (PARC) и Xerox Research Center Europe. Лучше родословную придумать сложно. В комплекс решаемых в Inxight проблем входят задачи работы с неструктурированными данными. Важность этого типа задач определяется тем, что свыше 85% корпоративных данных хранятся не в СУБД, а текстовых документах и файлах, Web-страницах, электронных письмах и аналогичных документах. Но поле это еще не пахано. По данным аналитиков IDC, большинство компаний не имеют адекватных средств для поиска и анализа информации в таких источниках. Компания Intelliseek была создана Махендрой Вора и Сандаром Каджамом, которые стали соответственно ее генеральным директором и директором по технологиям. Основной программный продукт компании нацелен на выборку данных из разнообразных динамических источников и поиск данных в ресурсах разных типов. В Intelliseek вложили свои средства крупные промышленные компании, такие как Ford, Procter&Gamble и другие. Сведения еще об одном из источников финансирования Intelliseek, склоняющем к интерпретации термина Intelligence как разведка, можно найти во врезке «Защита информации vs. Информационная безопасность». В качестве примера ее практической деятельности можно назвать «анализ состояния брэндов» (brand pulse). Крупные компании с мировыми именами должны постоянно отслеживать состояние своего имени на рынке; в последние годы предназначенное для этой цели программное обеспечение активно развивается. Появление NBI символизирует начало эпохи конвергенции двух направлений, которые до сих пор существовали независимо. Динамика этого 203 процесса показана на рис. 1. Классическое направление BI основывается на более традиционных для бизнеса инструментах, предназначенных для обнаружения информации в хорошо организованных и структурированных данных. За два десятилетия своего существования BI оформилось как направление, где есть известные технические и алгоритмические принципы, существует сообщество специалистов. Важно и то, что сложились подходы, позволяющие оценить рациональность инвестиций (return on investment, ROI). В то же время управление знаниями до сих пор остается аморфной областью, с довольно большой прослойкой специалистов, как у нас, так и за рубежом, имеющих спекулятивную ориентацию в своей «проповеднической» активности. Методы KM простираются от организационных мероприятий до полнотекстового поиска и фильтрации данных, представленных на естественных языках. При том, что многим специалистам на интуитивном уровне понятна необходимость использования технологий KM, практических инструментов, имеющих экономическую оценку, пока не было. Компания Intelliseek стала одной из первых, кто проложил мост между KM и BI, назвав свой подход New Business Intelligence. Стимулами к появлению NBI, как сказал Каджам [4], стали рост размещенных в Internet данных и эволюция технологий для агрегирования, анализа и подготовки отчетов на основании разнородных источников. Традиционные методы BI, предлагаемые компаниями Business Objects, MicroStrategy, Cognos, Informatica, Oracle, Microsoft и другими позволяют использовать не более 20% от общего количества доступных данных. Хороший обзор можно найти в [5]. C использованием NBI эта доля может быть увеличена от 50 до 60% за счет использования таких документов, как документация на изделия, исследовательские отчеты, записи о работниках. Сандар Каджам утверждает, что использование качественно иных, нежели СУБД, источников данных, позволяет существенно расширить кругозор и перейти от обработки статистики к выявлению тенденций. Свое видение проблем конвергенции KM и BI, а также их решение, в Intelliseek воплотили в двух программных продуктах — Enterprise Search Server (ESS) и BrandPulse. Сильная сторона подхода, на котором построена идеология работы с данными предприятиями, которую предлагает Intelliseek, принципиально отличающая его от других известных, состоит в том, что в качестве исходной точки выбрано объединение KM и BI. Если отбросить маркетинговую шелуху, то легко обнаружить, что за этим лозунгом скрывается систематическое отношение к данным. На рис. 2 представлена схема, вполне справедливо названная «Информационным ландшафтом» (information landscape), где общая картина данных представлена во всей своей полноте. Несмотря на очевидность, она оригинальна — подобного обобщения всех разнородных источников данных прежде видеть не удавалось. (Чаще приходится наблюдать обратное. Например, совсем недавно мне довелось присутствовать при общении 204 разработчиков систем обработки данных для страхования потенциальными заказчиками. Разработчики предлагают решения на основе CRM или ERP, а заказчики пытаются описать реальную информационную картину. Результат — взаимное «мимоговорение».) В информационном ландшафте, предложенном Intelliseek, все потенциальные источники данных разделены на две основные группы: собственные данные предприятия и данные, источником которых является Internet. Далее корпоративные данные делятся на структурированные и неструктурированные. К структурированным данным относятся те, которыми чаще всего оперируют в информационных системах, их собирают и обрабатывают в рамках приложений категорий EID (enterprise information data), CRM (customer relationship management), SCM (supply chain management), ERP (enterprise recourse planning) и др. Эти данные хранятся в базах данных, они подвергаются оперативной аналитической обработке (online analytical processing, OLTP), сохраняются и архивируются в хранилищах данных для того, чтобы можно было в дальнейшем выполнять аналитическую обработку средствами BI и DSS и получать в итоге проанализированные данные, отчеты и выполнять дальнейшую раскопку данных. К неструктурированным данным относятся зафиксированные результаты взаимодействия (collaboration), потоков работ (workflow), управления документооборотом и другие авторские материалы. Они существуют в виде электронных писем, контрактов и предложений, аудио- и видеофайлов, руководств, чертежей, маркетинговых материалов, описаний продуктов. Эти данные по совокупности образуют внутреннее знание организации. Данные из Internet можно разделить на четыре подмножества. Основную их часть составляют данные из видимой и невидимой частей Web. В видимой части находится все то, что можно найти поисковыми машинами, т. е. собственно поисковые машины и сайты партнеров, конкурентов, государственные и т.д. Состав невидимой части Web шире, там находятся базы данных, чаты и доски объявлений, «веблоги», подписные журналы, обзоры и т.д. Меньшую часть представляют собственные сети Usenet и peer-to-peer (P2P). Сведение вместе структурированных и неструктурированных данных — первый и наиважнейший шаг к объединению KM и BI. После того как создана объединенная картина информационного пространства, возникает естественный вопрос, как ею пользоваться? Очевидно, что точка входа должна быть построена на основе портальных технологий. На начальном этапе количество различных корпоративных порталов в пределах даже одного предприятия измерялось десятками. Сейчас наблюдается процесс консолидации порталов; например, совсем недавно компания Sun Microsystems сообщила, что количество используемых в ней порталов сокращено с 56 до 2. На самом деле нужна единственная точка входа ко всем виртуализированным корпоративным данным. 205 Пока реально ничего другого для доступа к данным кроме поисковых машин не существует. Массовое использование Сети наглядно это доказало. Решение этой задачи предложено Intelliseek в форме «корпоративной поисковой структуры» (Enterprise Search Framework, ESF) и «корпоративного поискового сервера» (Enterprise Search Server, ESS). Совместно они образуют информационную систему, которая имеет фирменное название — «настоящий корпоративный поиск» (True Enterprise Search). ESF представляет собой многоуровневую систему. Нижний уровень — интегрированный поиск (Federated Search, FS), иногда называемый также распределенным, обеспечивает поиск по разным источникам данных и упорядочивание полученных результатов. Работу FS поддерживают четыре типа технологий:  Brokering - передача запросов в поисковые машины и получение результатов;  Bridging - установление связей с базами данных;  Full-Text Indexing - полнотекстовая индексация;  Catalog Building - создание каталогов для полуструктурированного и неструктурированного контента.  Следующие уровни FS:  адаптивное обучение (Adaptive Learning), реализующее настройку маршрутизации запросов по содержанию запросов и типам источников данных;  анализ результатов (Result Analysis) обеспечивает фильтрацию и отсеивания ошибочных, несоответствующих запросам результатов;  отслеживание и установка контрольных точек (Tracking & Alerts)дает пользователю возможность самому корректировать процедуры поиска;  упорядочивание (Categorization) - средство для организации полученных результатов;  публикация знаний (Knowledge Publishing)- фиксация результатов работы пользователей;  моделирование интересов пользователя (User Interest Modeling);  адаптивная персонализация (Adaptive Personalization);  представление (Presentation), технология построена на стандартных методах XML/XSLT;  портальные адаптеры (EIP/Portal Adapters);  администрирование. 206  Компания Intelliseek в настоящее время предлагает три программных продукта:  Enterprise Search Server (ESS) - основной продукт, обеспечивающий настоящий корпоративный поиск" и управление корпоративными знаниями;  BrandPulse - продукт, построенный на платформе ESS и служащий для анализа состояния торговой марки;  ExpressFeedback - новое предложение Intelliseek, служащее в качестве средства обратной связи для анализа отношений с покупателями. NBI вполне можно рассматривать как одно из первых проявлений наметившегося процесса разделения корпоративных систем на два взаимодополняющих компонента: платформа, выполняющая все функции работы с данными, и надстройка, обеспечивающая перевод этих данных в информацию, воспринимаемую человеком. 207 Лекция 18 Данные vs. Информация В компьютинге до сих пор нет точного определения того, что такое данные, что такое информация и чем данные отличаются от информации. Более пятидесяти лет назад с легкой руки Клода Шеннона и Джона фон Неймана, которым нужно было придать больше наукообразия теории передачи сигналов, была введена теория информации. С тех пор словом «информация» пользуются совершенно произвольно, не проводя разделение на данные и информацию, хотя это явно не одно и тоже. Даже не углубляясь в суть, доказать это совсем просто. Возьмем две книги формально равные по объему, содержащихся в них данных (т.е. с равным числом знаков); пусть одна будет доброкачественным детективом, а вторая — серьезным литературным произведением. Сравним повествования Бориса Акунина, исключая триптих о Пелагие, и «Мастера и Маргариту» Михаила Булгакова. (Это вовсе не критика, Акунина следует признать мастером своего жанра — дело в жанре, как таковом.) Детективы читаются легко, а процесс чтения очень похож на перекачку данных, он может идти непрерывно, поскольку в процессе чтения совсем не нужно привлекать дополнительную информацию и вызывать воображение. За читателя все сделано, в этом особая прелесть детектива. К тому же процесс конечен — трудно представить себе читателя, за исключением группы преданных фанатов, который со временем возвратится к прочитанному и будет вдумчиво перечитывать приключения Эрнеста Фандорина — достаточно один раз перекачать данные. Но едва ли найдется такой читатель, который, прочитав первый раз «Мастера», сочтет, что все понял и не захочет вернуться к нему. У любого возникает естественное желание прочитать по отдельности каждую из сюжетных линий, эпизоды и т.п. Читающий может понять это произведение в меру своей подготовленности, в отличие от детектива оно не является самодостаточным для понимания. У литературоведов, кажется, есть такое понятие «материал», при формально равенстве по числу знаков произведения различаются материалом, в одном его мало, в другом больше. Иногда его так много, что понять произведение до последней точки невозможно, кто скажет, что он до конца понимает «Имя Розы» Умберто Эко или «Хазарский словарь» Панича. Или другой пример: японское трехстишие содержит вообще считанное число знаков, а как оно богато информационно, эмоционально и т.д. Итак, информация — это то, что открывается при взаимодействии человека с данными с привлечением знания, которым он обладает. Запись на незнакомом языке — просто данные, а на известном — информация. Полиграфия на протяжении всей своей истории стремилась облегчить процесс превращения данных в информацию, поэтому разрабатывались шрифты, книги 208 иллюстрировались, снабжались оглавлениями и т.д. Поэтому книга в примитивном издании уступает хорошо оформленному и иллюстрированному изданию. Собственно, иллюстрации и появились, чтобы помочь понять и интерпретировать данные. Современные корпоративные порталы — это аналоги книг, они служат интерфейсом между данными и человеком, но им до культуры книгоиздания еще далеко. Еще один промер корректного соотношения между данными и информацией можно обнаружить в обработке результатов геофизической разведки. Здесь не приходится гадать, что является данными, что информацией, а что знанием. Для наглядности упростим реальный процесс, начинающийся с получения первичных данных и завершающийся созданием отчетов и карт расположения ресурсов. Вначале теми или иными геофизическими методами (сейсмика, аэрогеофизика, дистанционное зондирование и т.д.) набираются самые разнообразные данные (поля распределения различных элементов, электропроводность, сейсмические данные, изменение ускорения свободного падения и т.д.). Эти данные так и называют — «сейсмика, электроразведка, гравика», подчеркивая тем самым их принадлежность к способу получения; никому и в голову не придет назвать их информацией. Затем данные проходят первичную обработку, в которой участвует эксперт-геофизик, интерпретирующий эти данные, его инструментами являются самые разнообразные системы и средства для трансформации этих данных, в том числе экспертные системы, средства визуализации и многое другое, но главное — его знания геофизики. На выходе он передает геологам, осмысленную им геофизическую ИНФОРМАЦИОННУЮ картину исследуемой площади. Следующий за ним эксперт-геолог дает полученной информации свою интерпретацию, основанную на геологическом знании и, могут быть использованы дополнительные методы исследования. На каждом этапе данные обогащаются экспертизой, из данных формируется осмысливаемая информация, а в конечном итоге знание. Таким образом, в геофизике успешно реализована мучающая многих ИТ-специалистов триада «Данные — Информация Знание»; здесь все произошло просто и вполне естественным путем, без использования каких-либо не слишком понятных терминов и технологий. Защита информации vs. информационная безопасность Разделение представления об информации и данных критически важно и в такой, казалось бы, неожиданной области, которую обобщенно называют информационной безопасностью. Его отсутствие в явном виде приводит к явной путанице части технических, аналитических и организационных мер в этой сфере. Совсем недавно понимание смыслового различия между данными и информацией стало осознаваться и специалистами, работающим в области безопасности. На первых порах (пока, в основном, в академической среде) начинают говорить о двух связанных направлениях. Первое — это собственно классическая защита 209 данных в ее традиционном понимании (Information System Security Data). Второе исследует информационные принципы безопасности информационных систем (Information Principles of Information System Security). Защита данных техническими средствами по существу ближе к обеспечению физической безопасности, а защита информации в информационных системах гораздо более широкое понятие и оно не сводится к тривиальному закрытию источников информации от посторонних. Хорошо известно, основную часть сведений разведывательные службы получают из открытых источников с применением аналитических инструментов. Прекрасная иллюстрация того, как самые охраняемые секреты могут быть вскрыты посредством анализа публикаций в прессе, приведена в старом фильме «Три дня Кондора» с Робертом Редфордом в главной роли. В нашей стране недавно получило громкую огласку дело по обвинению в шпионаже одного ученого из Обнинска. В банальном смысле он не разведчик, хотя, возможно, и предатель, хотя занимался всего-навсего аналитикой открытых публикаций, однако столь эффективно, что вызвал заметную обеспокоенность спецслужб своими действиями. Далеко не случайно, что вопросами анализа открытых источников давно и серьезно занимается все спецслужбы. В условиях глобализации и развития электронных средств распространения данных задачи анализа приобрели особое значение. По понятным причинам становится доступным больше сведений о деятельности Центрального разведывательного управления США, чем о географически более близких их коллегах. Сегодня деятельность ЦРУ по защите информации приобретает в определенной степени коммерческий характер, по этой причине в 1999 году было организовано «полуоткрытое» подразделение ЦРУ, названное In-Q-Tel. Своеобразный венчурный специалист от разведки в лице In-Q-Tel был для привлечения частных компаний к разработке технологий для сбора и анализа информации. Такой шаг сделан, повидимому, для привлечения новых идей. Задачи, стоящие перед этой организацией, сформулированы следующим образом: «In-Q-Tel проявляет особую заинтересованность к новейшим технологиям извлечения ЗНАНИЙ из различных репозиториев и потоков данных, включая структурированные и неструктурированные ДАННЫЕ и представления релевантной ИНФОРМАЦИИ». В этой не слишком афишируемой программе ЦРУ выступает в роли инвестора в компании-«стартапы» и специальные программы. Первым начинанием стала поддержка компании Systems Research & Development, где методы анализа, разработанные для казино, перерабатывались в разведывательных целях. Отнюдь не случайно, что штаб-квартира SRD находится в Лас-Вегасе, очень нетипичном месте для софтверных компаний. Всего под патронажем In-Q-Tel находится менее десятка компаний. Показательно, что одной из компаний, куда вложены средства In-Q-Tel, оказалась Intelliseek, разрабатывающая интеллектуальные Web-агенты и 210 технологии вскрытия знаний. Вот что сказано по этому поводу на сайте In-QTel: «За последние четыре года Intelliseek смогла изменить представления о том, что такое корпоративный интеллект, решения в области управления знаниями, поиска и открытия позволили решить фундаментальную проблему информационной перегрузки путем идентификации, релевантного поиска, постановки целей и создания персонализированного контента из Internet, и из сетей intranet и extranet». Что такое Невидимая Паутина Видимая часть Глобальной паутины (Visible Web) доступна через обычные поисковые машины, невидимая часть, очевидно, — это все остальное. Надо учесть, что распределение между частями меняется (раньше к числу невидимых относились файлы в формате pdf), но все же невидимым остается объем данных, который на порядок больше того, что можно увидеть простыми средствами. Это, прежде всего, — базы данных, допускающие доступ для поиска. В этих базах данных нет готовых страниц, которые предъявляются посредством браузера. Гораздо эффективнее и экономичнее оказывается формировать ответы в динамическом режиме, он обеспечивает возможность формирование страницы соответствующей конкретному запросу, естественно, что формируемую страницу ни один браузер найти не может. Вторая часть — исключенные страницы. Любая поисковая машина имеет определенную политику выбора индексируемых страниц. Если она обнаруживает, что по каким-то определенным признакам включение страницы в базу поисковой машины данных нецелесообразно, она ее исключает. 211 Литература 1. G.Booch, Object-Oriented Analysis and Design Benjamin/Cummings Series in OO Software Eng., 1994. with Applications, 2. Майкл Л. Броди, "Интероперабельные информационные системы в науке", Сборник материалов семинара, Москва, апрель 6-7, 2005. 3. Брюхов Д.О., Задорожный В.И., Калиниченко Л.А., Курошев М.Ю., Шумилов С.С. Интероперабельные информационные системы: архитектуры и технологии. СУБД, N 4, 2005 4. P.Coad and E.Yourdon, Object-Oriented Analysis (Second Edition), Prentice Hall, 2001. 5. Hutt A. (editor). Object Analysis and Design. Description of methods. Object management group. John Wiley and Sons. 2004. p. 202 6. I.Jacobson, M.Christerson, P.Jonsson, G.Overgaard, Object-Oriented Software Engineering - A Use Case Driven Approach, Addison-Wesley, 2002. 7. Калиниченко Л.А. Стандарт систем управления объектными базами данных ODMG-93: краткий обзор и оценка состояния. СУБД, N 1, 2006 8. Калиниченко Л.А., Когаловский М.Р. Стандарты OMG: язык определения интерфейсов IDL в архитектуре CORBA. СУБД, N 2, 1996 9. Калиниченко Л.А., Когаловский М.Р. Интероперабельность брокеров в стандарте CORBA 2.0. СУБД, N 3, 1996 10.Калиниченко Л.А. СИНТЕЗ: язык определения, проектирования и программирования интероперабельных сред неоднородных информационных ресурсов (вторая редакция) Сентябрь 2003. 11.Kalinichenko L.A. A Complementary Architecture Integrating Industrial and Semantic Interoperation Environments. Institute for Problems of Informatics, Russian Academy of Sciences, Technical Report, 1993. 12.Kalinichenko L.A. Emerging semantic-based interoperable information system technology. Computers as our better partners. Proceedings of the International IISF/ACM Symposium, Tokyo, World Scientific, 1994. 13.The Object Database Standard: ODMG-93. Ed. by R.G.G. Cattell, Morgan Kaufmann Publ., 2004. 14.Object Management Group, "The Common Object Request Broker: Architecture and Specification", OMG Document Number 91.12.1, December 2001. 15.Object Management Group, "Object Services Architecture", Revision 8.0, 09 December 2004. 212 16.Object Management Group, "Common Facilities Architecture", Revision 2.0, September 2004. 17.Object Management Group, "Common Facilities Architecture", Revision 3.0, November 2004. 18.Object Management Group, "Common Facilities Roadmap", Revision 3.1, January 2005. 19.OMG, "Common Object Services Specification Volume1 (COSS1), March 1994. 20.Object Management Group, " Object Management Architecture Guide", OMG Document Number 92.11.1, September 1, 2002. 21.J.Rumbaugh et al., Object-Oriented Modeling and Design, Prentice Hall, 2001 22.В.И. Корогодин. "Информация и феномен жизни". Пущино, 2001. 23.В.С. Репин. "Молекулярная информация: миф или реальность". 24.В.Ф. Турчин. "Феномен науки. Кибернетический подход к эволюции". М.: Наука, 2003. На английском. 25.В.Ф. Турчин. "Теория метасистемных переходов". На английском. 26.В.Г. Редько. "Лекции по эволюционной кибернетике", 2007 27.Станислав ЯНКОВСКИЙ. Концепции общей теории информации, 2008 28. Сергей Кузнецов. Новая Сеть 29.А.В.Красов. Теория информационных процессов и систем. 213

Количественные методы описания систем

Похожие документы

Разделы

Поддержка

Количественные методы описания систем

Похожие документы

Добавить этот документ в коллекции

Добавить этот документ в сохраненные

Предложите, как улучшить StudyLib