РАЗДЕЛ 2
СЕТЕВЫЕ ИМИТАЦИОННО-УПРАВЛЯЮЩИЕ МОДЕЛИ В ЗАДАЧАХ АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ
2.1 Исследование подходов к обеспечению задач автоматизированного управления сложными объектами
В настоящее время, как отмечалось в первом разделе, важным направлением создания современных автоматизированных систем управления является разработка новых и совершенствование существующих подходов к их построению и функционированию. Это возможно на основе расширений, адаптации, инвариантности функциональных возможностей систем к сложным объектам, учета множества требований по автоматизированному управлению, которые часто противоречивы, плохо формализуемы, носят нечеткий, неточный характер. Поэтому разработчику следует искать новые, может быть недостаточно исследованные решения [63, 64].
На основе выполненного анализа признано целесообразным и перспективным применение для целей автоматизированного управления сложными объектами на основе расширений имитационных моделей, а также исследования возможностей по включению их в контур управления. Так, существует ряд представлений, в частности в работе [3], об имитационных моделях и методах имитационного моделирования, как инструментарии исследования и построения сложных систем. Как отмечается в ряде работ [3, 65], важное значение для теории и практики решения прикладных задач имеет определение имитационного моделирования, приведенное в исследовании Р. Шеннона [65]. Его неформальное изложение можно интерпретировать, как процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы.
Согласно расширенного трактования данного выше определения, термин "имитационное моделирование" может охватывать, исходя из сущности исследуемых процессов, детерминированные, стохастические, нечеткие модели, их возможные сочетания и расширения. Тогда, входы модели и (или) функциональные соотношения между различными ее компонентами могут содержать элементы случайности, нечеткости, которые относятся обычно к понятиям неопределенности, по крайней мере, частичной.
Требование необходимости моделирования и автоматизации процессов управления с учетом оперативных и долгосрочных данных о процессах предметной области и их взаимодействиях, слабо формализованных данных и знаниях, динамики развития и взаимодействия процессов, их оптимизации на множестве критериев и ограничений приводит к целесообразности решения ряда проблем теоретического и практического значения с использованием гибридных моделей. Гибридные модели обладают достоинствами их образующих моделей, и, как правило, во многом свободны от их недостатков [66].
Структурную схему использования имитационных моделей в задачах автоматизированного управления и принятия решений укрупненно можно представить согласно рис 2.1, где - входной вектор состояния среды функционирования сложного объекта, - входной вектор состояния сложного объекта, - выходной вектор, определяющий функции автоматизированного управления.
Такой подход имеет те преимущества, что модель может быть использована в контуре управления для формирования процессов управления, как результатов моделирования, так и в автономном использовании, когда модель используется преимущественно как инструмент моделирования.
Рис.2.1 - Структурная схема применения гибридной
модели в задачах автоматизированного управления
В связи с этим, как следует из ряда исследований [66, 67, 68], целесообразно рассмотреть, проанализировать и осуществить выбор перспективных направлений построения и структуры гибридных моделей.
Важной составляющей исследований является также рациональный выбор составляющих модели и подходов к их реализации. Модели и алгоритмы представления процессов в автоматизированных системах обработки информации и управления характеризуются сложным взаимодействием в координатах "пространство - время", что вызывает необходимость исследования корректности процедур их разработки и реализации. Возникает задача выбора рациональной структуры моделей, которые бы наиболее разумным образом и полнотой позволяли представлять предмет исследований. Задачи организационно-технического управления и обработки информации обычно носят параллельно-последовательный, дискретный характер, являются многокритериальными, что требует учета множества факторов и ограничений , определяющих особенности предметной области.
Применение аналитических моделей и моделей на основе теоретико-множественного представления [40] является удобным при описании задач малой размерности и обладает значительной сложностью и громоздкостью в задачах большой размерности. Применение однодольных (ординарных) графов [69, 70] позволяет решать задачи на основе дискретных процессов, но в явном виде не допускает учета дополнительных параметров, характеризующих предметную область.
Применение нейро-сетевых и нейро-фаззи сетевых структур [71] носит универсальный характер, в значительной степени расширяет возможности моделирования, ориентировано на исследование сложных процессов большой размерности, но требует эффективных процедур обучения [72, 73].
Важным направлением создания и применения моделей являются имитационно-управляющие модели, функционирующие в реальном времени обработки данных и управления, что позволяет повысить качество систем и достоверность процессов принятия решений. Как отмечено выше, одной из наиболее сложной и относительно мало исследованной предметной областью является автоматизированное управление по обоснованному выбору альтернатив в определении материальных ресурсов многономенклатурных производств. Процессы функционируют в условиях неопределенности, рисков, связанных с рынком, ограниченной информацией об объекте управления, слабой