Файл: Вальков К.И. Введение в теорию моделирования.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 30.06.2024

Просмотров: 134

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

является «замораживание» некоторых параметров за счет при­ соединения их к действующей системе отнесения.

Перечисленные выше основные варианты планирования эксперимента, конечно, не исчерпывают многообразия всех спе­ циальных ситуаций, возможностей и деталей. Опираясь на ма­ териалы этого раздела, а также на приемы геометрического моделирования, освещенные в третьей главе, читатель, веро­ ятно, сумеет самостоятельно развить и расширить затронутую тему.

§4. Моделирование сложных систем

1.В тех случаях, когда объектом экспериментального изу­ чения и математического моделирования оказывается явление, зависящее от очень многих причин, возникает проблема слож­ ной системы.

Внастоящее время в связи со всеобщим стремлением к ав­ томатизации различных производственных процессов, процес­ сов регулирования и управления и других звеньев многообраз­ ной человеческой деятельности проблема изучения сложной си­ стемы выдвигается на первый план. Самым крайним ее выра­ жением служат научные исследования, направленные на созда­ ние искусственного разума и даже искусственного интеллекта [66—70].

2. Первая и основная цель экспериментальных и теоретиче­ ских поисков, возникающих при моделировании сложной систе­ мы, ничем в принципе не отличается от общей цели научных исследований, достигших математического уровня. Она сводит­ ся к конструированию машины М2 (п-> пг), которая успешно моделирует реальную систему Oi по некоторому циклу инфор­ мации /0 - Машина М2 (п-*-пг) обычно описывается сначала чи­ сто математическими средствами, а затем, по мере надобности, закладывается в какое-нибудь техническое устройство.

Важное для практики отличие заключается в сравнительно большом значении числа п. При большом п структура машины M2(n—>-т) может, хотя и не обязательно, характеризоваться весьма сложной внутренней организацией. Экспериментальное изучение такой организации становится делом долгим, дорогим и тяжелым.

Кроме того (и в этом самый корень трудностей!), встает вопрос о значении числа п. Остановимся на этом вопросе под­ робнее.

3. В простых ситуациях определение числа параметров, дей­ ствующих на входе машины, не вызывает сомнений. Так, для

146


расчета скорости лодки, плывущей по реке, необходима маши­ на с двумя параметрами на входе: х{ -—скорость течения реки, Л'2 — скорость собственного движения лодки. Для расчета крат­ чайшего расстояния между объектами О ь 0 2 (см. 4.3.9) нужна машина с двенадцатью параметрами на входе и т. п. Однако уже второй из упомянутых здесь примеров ясно показывает, что число параметров входа не является чем-то незыблемым, стабильным, но зависит от условий наблюдения и от позиции наблюдателя.

Когда речь идет о сложной системе, то даже при вполне очерченных условиях наблюдения значение числа п остается неясным. Какие, например, параметры должны быть приняты во внимание при планировании деятельности машиностроитель­ ного завода, при организации процесса обучения студентов, при диагностике заболевания?

Пытаясь найти правильный ответ на эти и другие анало­ гичные вопросы, можно пойти двумя прямо противоположны­ ми путями.

Первый путь заключается в привлечении на вход машины максимального — в пределах реальных возможностей — числа параметров. Такой прием основан на предположении, что ус­ ложнение входа машины дает положительный эффект. По­ скольку это предположение иногда оправдывается, назовем указанный феномен эффектом сложности.

Второй путь заключается в сознательном ограничении вхо­ да машины. Но не в таком ограничении, которое было рассмот­ рено выше (4.3.9 — 4.3.11) и которое не затрагивает выхода ма­ шины, а в прямом отбрасывании ряда существенных парамет­ ров, заведомо влияющих на выход, в преднамеренной замене сложного устройства более простым, схематичным. Второй прием основан на предположении, что схематизация машины дает положительный эффект. Поскольку это предположение также иногда оправдывается, назовем указанный феномен эф­ фектом схематизации.

4. Геометрическая интерпретация эффекта сложности не нуждается в подробных пояснениях. Учет дополнительных па­ раметров означает переход к пространству более высокой раз­ мерности, т. е. замену сечения или проекции геометрического образа другой фигурой, играющей по отношению к ним роль исходного объекта. Мы уже встречались с фактами нежела­ тельной трансформации машины M 2 (n- > - m), с превращением ее в машину несовершенную или распавшуюся в результате перехода к картинному пространству более низкой размерно-

J0*

147


сти. Все эти факты имеют, конечно, прямое отношение к эффек­

ту сложности и наглядно его демонстрируют.

 

 

 

 

 

Геометрическую интерпретацию эффекта схематизации ра­

зовьем на примере решения следующей задачи.

 

 

 

 

 

З а д а ч а .

Известны

коорди­

 

наты

X\i — x3i

объекта

О

и ко­

 

ординаты

Хц

хПг

различных

 

(занумерованных)

его

наблю­

 

дателей. Спрашивается,

какому

 

из наблюдателей

следует

пору­

 

чить

обследование

О, если па

 

точность обследования

положи­

 

тельно

влияет

близость

наблю­

 

дателя

к

объекту.

 

 

 

 

Имеем

машину

JWi[(Xn —

 

— x n { ) - + x n + h i ] ,

где

х п + , —но­

 

мер

рекомендованного

наблю­

 

дателя.

 

 

 

 

 

 

 

 

Объект О и несколько его

 

наблюдателей

(1, 2, 3

и т. д.)

 

представлены

 

точками

на

Рис. 4.9

рис. 4.9. Очевидно,

задача

сво­

 

дится к измерению длины от­

 

резков 01, 02, 03...

и к

сравне­

 

нию полученных

результатов.

Схематизируем поставленную задачу, отказавшись от уче­

та параметров х3{, х6и

. . . . Хзи.и где 3k —п. Тогда

придется

из­

мерять и сравнивать

длину отрезков O J „ Оа2а,

. ..,

Оа№.

Эти отрезки возникают в результате проектирования простран­

ства R3

на плоскость a=xi-x2.

В этом, втором,

случае имеем

машину

М2[(хц — хР{)

-»-*p+ 1 , ,•], причем р<.п

и р = 2/3п. .

Машины М[ и М2 при полном совпадении параметров Хц —

xpi выдают совершенно

различные ответы. Какая из двух

ма­

шин заслуживает большего

доверия?

 

 

Кроме параметров, указанных в условии задачи, примем

во

внимание еще течение времени xti и допустим, что О перемеща­ ется по прямолинейной траектории, параллельной оси х3 ==х6 == ==х9 . . . Тогда сразу становится ясно, что вторая машина луч­ ше. В определенный момент .времени x t t 0 объект О находится ближе всего к наблюдателю 1. Всем остальным наблюдателям ни раньше, ни позже ке удается уже достигнуть такой близо­ сти к О.

Благодаря простоте рассмотренного примера очень легко

148


заметить геометрическую сущность эффекта схематизации. Проекция заданной конструкции на пространство более низкой размерности оказывается полезной потому, что в этой проекции повторяются те же соотношения, которые имеют место в про­ странстве относительно высокой размерности (условно можно

сказать — в исходном пространстве).

Наоборот,

на промежу­

точном этапе, при некотором среднем

значении

размерности,

интересующие нас соотношения теряются. Когда такое распре­

деление изучаемых

фактов действительно

имеет

место, тогда

при р<п

машина

М2 (р-+т)

работает

лучше,

чем машина

Mi (п~*-т),

тогда

вступает

в силу эффект схематизации.

5. Как эффект сложности, так и эффект схематизации в каждом конкретном случае могут быть по достоинству оценены

лишь

посредством

сравнения машин М, (п-+т)

и Щ(р-*~т)

с той

«истинной»

машиной N1 (s->~ т), которая

безупречно мо­

делирует реальную систему Oi благодаря учету всех необходи­ мых параметров. Но, как мы уже знаем (1.1.5 — 1.1.7; 4.2.2), учет всех необходимых параметров невозможен. Число s сле­ дует приравнивать бесконечности. Поэтому причинные связи, влияющие на функционирование системы О ь могут рассматри­ ваться лишь в проекции, при фиксированном проекционном аппарате или, выражаясь в более общей форме, при данной инвариантной неопределенности.

Согласно принципу инвариантной неопределенности [71 — 74], бесполезно пытаться установить размерность пространства, содержащего систему О]. С другой стороны, размерность про­ странства Rn+m, содержащего машину Ж^(п-+т), представ­ ляет собой конечную и даже сравнительно небольшую величи­ ну. Возможность правильного функциош рования математиче­ ской модели обеспечивается не тем, что число п устремляется к бесконечности или к нулю, а тем, что система О! рассматри­

вается на фоне инвариантной

неопределенности и

благодаря

этому приравнивается фактически к системе O ^ s M ,

(п-^-т).

Но указанная операция возможна лишь в том случае, когда

система О! никак не связана

с конструированием инвариант­

ной неопределенности, когда она в этом отношении оказыва­

ется вполне

пассивной. Напротив, система

О ь так или

иначе

влияющая на инвариантный фон, т. е. ёистема активная,

оче­

видно, не

может быть безболезненно

приведена к

виду

Mi ( n - v m ) ,

а следовательно, и не допускает достоверного ма­

тематического моделирования.

6. Итак, сложность системы является не абсолютной, а от­ носительной и притом двусторонней характеристикой, подобно

149


тому как двусторонней характеристикой является, например, скорость движения предмета.

Если система пассивна, то имеет смысл подвергать ее мате­ матическому моделированию с целью последующего подключе­ ния ее к соответствующей установке автоматического регули­ рования и управления. При этом начинают действовать все рассмотренные выше общие правила и рекомендации. Совер­ шенно особенное значение приобретает процедура ограниче­ ния машины на входе.

Действительно, при очень большом п проведение экспери­ мента часто упирается в непреодолимые технические трудно­ сти. Использование вычислительной техники может лишь до некоторой степени облегчать их. В то же время, применяя по­ следовательно процедуру ограничения входа машины, посте­

пенно заменяем

 

данную сложную систему все более и более

простой. Как видно из предыдущего

(4.3.9—4.3.10),

любая

пассивная сложная

система,

теоретически говоря,

приводит­

ся к виду М (1->-1). К сожалению, формальный поиск

новых

параметров

на входе машины

(4.3.11)

здесь не приводит к це­

ли,

так как

процедура

поиска

оказывается слишком

слож­

ной

и, как правило,

себя не оправдывает. Тем более

настой­

чиво

следует

рекомендовать

все неформальные

пути

ограни­

чения входа

машины, моделирующей

пассивную

сложную си­

стему.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

УКАЗАТЕЛЬ

ЛИТЕРАТУРЫ

 

 

 

 

 

1.

Б у р б а к и

 

Н. Очерки по

истории математики. М , 1963.

 

 

2. К л е й н

Ф. Лекции о развитии математики в XIX столетии. М.—Л.,

1937.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3.

Р о б и н с о н

 

А.

Введение

в

теорию

моделей и

метаматематику

алгебры. М., 1967.

 

 

 

 

 

 

 

 

 

 

 

 

4.

В а л ь к о в

К. И. Лекции по

основам геометрического

моделиро­

вания.

Л., ЛИСИ,

1970.

 

 

 

 

 

 

 

 

 

 

5.

В а л ь к о в

К. И. Курс начертательной

геометрии. Л., ЛИСИ,

1971.

 

6. Б у р б а к и

Н. Теория множеств. М., 1965.

 

 

 

 

 

7.

Ф р е н к е л ь

А. А.,

Б а р - Х и л л е л

И. Основания теории

мно­

жеств.

М., 1966.

 

 

 

 

 

 

 

 

 

 

 

 

 

8.

К у р а н т

Р.,

Р о б б и н с Г. Что такое

математика. М.,

1967.

 

 

9. Об основаниях геометрии. Сб. М., 1956.

 

 

 

 

 

 

10. К л и н и

С. К- Введение в метаматематику. М., 1957.

 

 

 

 

11. С т о л л

Р. Р. Множества,

логика,

аксиоматические

теории. М.,

1968.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

12. Г р е к о в а И. К вопросу об информации. — «Наука

и жизнь»,

1967,

№ 3, с. 31.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

13. Я г л о м

А. М,

Я г л о м И. М. Вероятность и информация. М.,

1960.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

150