Logo GenDocs.ru

Поиск по сайту:  


Загрузка...

Ответы на экзаменационные вопросы по системному анализу - файл 1.doc


Ответы на экзаменационные вопросы по системному анализу
скачать (487 kb.)

Доступные файлы (1):

1.doc487kb.26.11.2011 09:07скачать

содержание
Загрузка...

1.doc

  1   2   3   4
Реклама MarketGid:
Загрузка...
Содержание

10. Классификация методов системного анализа

4

11. Основные методы системного анализа

5

12. Моделирование. Классификация моделей

7

13. Сущность «дерева целей»

100

  1. Метод экспертных оценок

11

  1. Метод Дельфи

11

  1. Метод мозгового штурма




12

  1. Методики системного анализа

12

  1. Сетевые методы в системном анализе

13

  1. Метод Паттерн

14

  1. Морфологический метод в системном анализе

16

  1. Классификация управленческих решений

17

  1. Структура процесса принятия решений

20

  1. Предмет системного анализа

21

  1. Конструктивное определение системы

23

  1. Типы структур социально-экономических систем

23

  1. Виды структур системы

24

  1. Понятие риска и неопределенности в принятии решения

26

  1. Понятие информации. Количественная оценка информации

27

  1. Критерии Вальда и Сэвиджа при принятии решения в условиях неопределенности

28

  1. Критерии Лапласа и Гурвица при принятии решения в условиях неопределенности

29

  1. Системное конструирование и его основные этапы

30

  1. Определения и сущность управления

31

  1. Постановка задачи упорядочения объектов при оценке их несколькими экспертами

32

  1. Понятие системы, ее свойства и признаки

34

  1. Понятие элемента; понятие подсистемы

35

  1. Понятие функции; степень воздействия на внешнюю среду системы, с учетом ее функции

36

  1. Понятие цели; понятие структуры системы; условия иерархической структуры

36

  1. Понятия критерия

37

  1. Описание модели ситуационного управления

39

  1. Понятие организационной структуры и ее основные характеристики

40

  1. Виды организационных структур

41

  1. Критерии ценности информации

43

  1. Преимущества и недостатки функциональной структуры управления

44

  1. Характеристика дивизиональной структуры

44

  1. Характеристика линейной и линейно-штабной структуры управления

44

  1. Характеристика матричной структуры управления

45

  1. Что лежит в основе метода ситуационного управления

45

  1. Основная идея морфологических методов

45

  1. Определение проблемной ситуации и этапы ее формирования

45

  1. Понятие адаптации, уровни адаптации; самоорганизация

47

  1. Тезаурус как основа описания модели

48

  1. Равновесие и устойчивость системы

49

  1. Особенность имитационного моделирования

49

  1. Эмерджентность системы

50

  1. Понятие энтропии системы и ее оценка

50

  1. Развитие системы; признаки развития

51

Список литературы ……..………………………………………………………......................

53


10. Классификация методов системного анализа

Классификация этих методов приведена на рис.10.1. Такое разделение методов соответствует основной идее системного анализа, состоящей в сочетании в моделях и методиках формальных и неформальных представлений.



Рисунок 10.1 Классификация методов системного анализа

В приведенной классификации экспертные методы расположены сверху вниз в порядке возрастания возможностей формализации, а у методов формализованного представления систем сверху вниз. Повышается внимание к содержательному анализу проблемы и появляется все больше средств, для такого анализа. Такое упорядочение методов помогает их сравнивать и выбирать при формировании развивающихся моделей принятия решений или методик системного анализа.

Следует подчеркнуть, что реальные модели часто создаются на основе пересечения выделенных классов методов (или на основе комплексирования. Широко употребляемое при управлении сложными динамическими объектами ситуационное моделирование базируется на выразительных средствах математической логики, математической лингвистики, теории множеств и графов. Имитационное динамическое моделирование использует удобный для человека структурный язык, который помогает выражать реальные взаимосвязи, отображающие в системе замкнутые контуры управления, и аналитические представления (линейные конечно-разностные уравнения), позволяющие реализовать формальное исследование получаемых моделей с помощью ЭВМ.

Модели и методики, возникающие как результат попеременного использования методов из обоих классов, можно выделить в самостоятельную группу методов постепенной формализации задач принятия решений.
^ 11. Основные методы системного анализа

Аналитические и статистические методы.

Эти группы методов получили наибольшее распространение в практике проектирования и управления. Правда, для представления промежуточных и окончательных результатов моделирования широко используются графические представления (графики, диаграммы и т.п.). Однако последние являются вспомогательными; основу же модели, доказательства её адекватности составляют те или иные направления аналитических и статистических представлений.

Аналитическими в рассматриваемой классификации названы методы, которые отображают реальные объекты и процессы в виде точек (безразмерных в строгих математических доказательствах), совершающих какие-либо перемещения в пространстве или взаимодействующих между собой. Основу понятийного (терминологического) аппарата этих представлений составляют понятия классической математики

(величина, формула, функция, уравнение, система уравнений, логарифм, дифференциал, интеграл и т.д.).

На базе аналитических представлений возникли и развиваются матем- атические теории различной сложности – от аппарата классического математического анализа (методов исследования функций, их вида, способов представления, поиска экстремумов функций и т.п.) до таких новых разделов современной математики, как математическое програм- мирование (линейное, нелинейное, динамическое и т.п.), теория игр (матричные игры с чистыми стратегиями, дифференциальные игры и т.п.).

Статистические представления сформировались как самостоятельное научное направление в середине прошлого века(хотя возникли значительно раньше). Основу их составляет отображение явлений и процессов с помощью случайных (стохастических) событий и их поведений, которые описываются соответствующими вероятностными (статистическими) характеристиками и статистическими закономерностями. Статистические отображения системы в общем случае (по аналогии с аналитическими) можно представить как бы в виде «размытой» точки (размытой области) в n-мерном пространстве, в которую переводит систему (её учитываемые в модели свойства) оператор Ф(Sx). «Размытую» точку следует понимать как некоторую область, характеризующую движение системы (её поведение); при этом границы области заданы с некоторой вероятностью p («размыты») и движение точки описывается некоторой случайной функцией. Закрепляя все параметры этой области, кроме одного, можно получить срез по линии а – b, смысл которого – воздействие данного параметра на поведение системы, что можно описать статистическим распределением по этому параметру.

Для дискретных событий соотношение между возможными значениями случайной величины xi и их вероятностями pi, называют законом распределения и либо записывают в виде ряда, либо представляют в виде зависимостей F(x) или p(х).

Закон распределения является удобной формой статистического отображения системы. Однако получение закона (даже одномерного) или определение изменений этого закона при прохождении через какие-либо устройства или среды представляет собой трудную, часто невыполнимую задачу. Поэтому в ряде случаев пользуются не распределением, а его характеристиками – начальными и центральными моментами.

Наибольшее применение получили:

первый начальный момент – математическое ожидание или среднее значение случайной величины:

– для дискретных величин n

mx =Σ= xi pi(xi)

i=1

– для непрерывных величин



mx =∫ p(x)dx

-

второй центральный момент – дисперсия случайной величины:

– для дискретных величин n

σ2x = Σ (xi-mx)2pi(xi)

i=1

– для непрерывных величин

n

σ2x= ∫ (xi-mx)2pi(xi).

i=1

^ 12. Моделирование. Классификация моделей
Классификация видов моделирования может быть проведена по разным основаниям. Один из вариантов классификации приведен на рисунке 12.1

В соответствии с классификационным признаком полноты моделирование делится на: полное, неполное, приближенное.

При полном моделировании модели идентичны объекту во времени и пространстве.

Для неполного моделирования эта идентичность не сохраняется.

В основе приближенного моделирования лежит подобие, при котором некоторые стороны реального объекта не моделируются совсем. Теория подобия утверждает, что абсолютное подобие возможно лишь при замене одного объекта другим точно таким же. Поэтому при моделировании абсолютное подобие не имеет места. Исследователи стремятся к тому, чтобы модель хорошо отображала только исследуемый аспект системы. Например, для оценки помехоустойчивости дискретных каналов передачи информации функциональная и информационная модели системы могут не разрабатываться. Для достижения цели моделирования вполне достаточна событийная модель, описываемая матрицей условных вероятностей переходов i-го символа алфавита в j-й.



Рис.12.1 Пример классификации видов моделирования

В зависимости от типа носителя и сигнатуры модели различаются следующие виды моделирования: детерминированное и стохастическое, статическое и динамическое, дискретное, непрерывное и дискретно-непрерывное.

Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий.

Стохастическое моделирование учитывает вероятностные процессы и события.

^ Статическое моделирование служит для описания состояния объекта в фиксированный момент времени, а динамическое — для исследования объекта во времени. При этом оперируют аналоговыми (непрерывными), дискретными и смешанными моделями.

В зависимости от формы реализации носителя и сигнатуры 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, ситуация микромира). При наглядном моделировании на базе представлений человека о реальных объектах создаются наглядные модели, отображающие явления и процессы, протекающие в объекте. Примером таких моделей являются учебные плакаты, рисунки, схемы, диаграммы.

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.

Макетирование применяется, когда протекающие в реальном объекте процессы не поддаются физическому моделированию или могут предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает его основные свойства с помощью определенной системы знаков и символов.

В основе языкового моделирования лежит некоторый тезаурус, который образуется из набора понятий исследуемой предметной области, причем этот набор должен быть фиксированным. Под тезаурусом понимается словарь, отражающий связи между словами или иными элементами данного языка, предназначенный для поиска слов по их смыслу. Математическое моделирование — это процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. Основными являются инвариантная, аналитическая, алгоритмическая и схемная (графическая).

При имитационном моделировании воспроизводится алгоритм функционирования системы во времени — поведение системы, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания, 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. В имитационном моделировании различают метод статистических испытаний (Монте-Карло) и метод статистического моделирования.

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 дает возможность охватить качественно новые классы систем, которые не могут быть исследованы с использованием аналитического или имитационного моделирования в отдельности.

Информационное (кибернетическое) моделирование связано с исследованием моделей, в которых отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию, рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Так, например, экспертные системы являются моделями ЛПР.

Структурное моделирование системного анализа базируется на некоторых специфических особенностях структур определенного вида, которые используются как средство исследования систем или служат для разработки на их основе специфических подходов к моделированию с применением других методов формализованного представления систем (теоретико-множественных, лингвистических, кибернетических и т.п.). Развитием структурного моделирования является объектно-ориентированное моделирование.

Структурное моделирование системного анализа включает:

  • методы сетевого моделирования;

  • сочетание методов структуризации с лингвистическими;

  • 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.

При этом термин «структура модели» может применяться как функциям, так и к элементам системы. Соответствующие структуры называются функциональными и морфологическими. Объектно-ориентированное моделирование объединяет структуры обоих типов в иерархию классов, включающих как элементы, так и функции.

Ситуационное моделирование опирается на модельную теорию мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений. В центре модельной теории мышления лежит представление о формировании в структурах мозга информационной модели объекта и внешнего мира.

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.

Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. Натурное моделирование подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент.

Другим видом реального моделирования является физическое, отличающееся от натурного тем, что исследование проводится а установках, которые сохраняют природу явлений и обладают физическим подобиемФизическое моделирование может протекать в реальном и модельном (псевдореальном) масштабах времени или рассматриваться без учета времени. В последнем случае изучению подлежат так называемые «замороженные» процессы, фиксируемые в некоторый момент времени.
^ 13. Сущность «дерева целей»

Идея метода дерева целей впервые была предложена У. Черчменом в связи с проблемами принятия решений в промышленности. Термин «дерево» подразумевает использование иерархической структуры, получаемой путём расчленения общей цели на подцели, а их, в свою очередь, на более детальные составляющие, которые в конкретных приложениях называют подцелями нижележащих уровней, направлениями, проблемами, а начиная с некоторого уровня – функциями. При использовании метода «дерева целей» в качестве средства принятия решений часто применяют термин «дерево

решений». При применении метода для выявления и уточнения функций системы управления говорят о «дереве целей и функций». При структуризации тематики научно-исследовательской организации пользуются термином «дерево проблемы», а при разработке прогнозов – «дерево направлений развития (прогнозирования развития)» или прогнозный граф».
^ 15. Метод экспертных оценок

Изучению особенностей и возможностей применения экспертных оценок посвящено много работ. В них рассматриваются:

1) проблемы формирования экспертных групп, включая требования к экспертам, размеры группы, вопросы тренировки

экспертов, оценки их компетентности;

2) формы экспертного опроса (разного рода анкетирования, интервью, смешанные формы опроса) и методики организации опроса (в том числе методики анкетирования, мозговая атака, деловые игры и т.п.);

3) подходы к оцениванию (ранжирование, нормирование, различные виды упорядочения, в том числе методы предпочтений, попарных сравнений и др.);

4) методы обработки экспертных оценок;

5) способы определения согласованности мнений экспертов, достоверности экспертных оценок (в том числе статистические методы оценки дисперсии, оценки вероятности для заданного диапазона изменений оценок, оценки ранговой корреляции Кендалла, Спирмена, коэффициента конкордации и т.п.) и методы повышения согласованности оценок путём соответствующих способов обработки результатов экспертного опроса.
^ 16. Метод Дельфи

Метод «Дельфи» или метод «дельфийского оракула» первоначально был предложен О. Хелмером и его коллегами как итеративная процедура при проведении мозговой атаки, которая способствовала бы снижению влияния психологических факторов при проведении заседаний и повышению объективности результатов. Однако почти одновременно «Дельфи»-процедуры стали средством повышения объективности экспертных опросов с использованием количественных оценок при сравнительном анализе составляющих «деревьев целей» и при разработке «сценариев». Основные средства повышения объективности результатов при применении метода «Дельфи» – использование обратной связи, ознакомление экспертов с результатами предшествующего тура опроса и учёт этих результатов при оценке значимости мнений экспертов. В конкретных методиках, реализующих процедуру «Дельфи», эта идея используется в разной степени. Так, в упрощённом виде организуется последовательность итеративных циклов мозговой атаки. В более сложном варианте разрабатывается

программа последовательных индивидуальных опросов с использованием методов анкетирования, исключающих контакты между экспертами, но предусматривающих ознакомление их с мнениями друг друга между турами.
^ 17. Метод мозгового штурма

Концепция мозговой атаки или мозгового штурма получила широкое распространение с начала 1950-х гг. как «метод систематической тренировки творческого мышления», направленный на «открытие новых идей и достижение согласия группы людей на основе интуитивного мышления».

Мозговая атака основана на гипотезе, что среди большого числа идей имеется по меньшей мере несколько хороших, полезных для решения проблемы, которые нужно выявить. Методы этого типа известны также под названием коллективной генерации идей, конференций идей, метода обмена мнениями. В зависимости от принятых правил и жёсткости их выполнения различают прямую мозговую атаку, метод обмена мнениями, методы типа комиссий, судов (в последнем случае создаются две группы: одна группа вносит как можно больше предложений, а вторая старается максимально их раскритиковать). Мозговую атаку можно проводить в форме деловой игры,

с применением тренировочной методики «стимулирования наблюдения», в соответствии с которой группа формирует представление о проблемной ситуации, а эксперту предлагается найти наиболее логичные способы решения проблемы.
^ 18. Методики системного анализа

Методика системного анализа разрабатывается и применяется в тех случаях, когда у лиц, принимающих решения, на начальном этапе нет достаточных сведений о системе или проблемной ситуации, позволяющих выбрать метод формализованного представления, сформировать математическую модель или применить один из новых подходов к моделированию, сочетающих качественные и количественные методы. В таких случаях могут помочь представление объекта в виде системы, организация процесса коллективного принятия решений с привлечением специалистов различных областей знаний, с использованием разных методов формализованного представления систем и методов активизации интуиции и опыта специалистов, со сменой методов по мере познания объекта (ситуации). Чтобы организовать такой процесс, нужно определить последовательность этапов, рекомендовать методы их выполнения,

предусмотреть при необходимости возврат к предыдущим этапам. Такая последовательность определенным образом выделенных и упорядоченных этапов и подэтапов с рекомендованными методами и приемами их выполнения представляет собой структуру методики.

Таким образом, методика системного анализа разрабатывается для того, чтобы организовать процесс принятия решений в сложных проблемных ситуациях. Она должна ориентировать лицо принимающее решение (ЛПР) на необходимость обоснования полноты формирования и исследования

модели принятия решения, адекватно отображающей рассматриваемый объект или процесс. В методике следует предусмотреть возможность выбора методов моделирования, охарактеризовав их. При оформлении методики в качестве документа в нем отражается последовательность этапов, определяемая структурой методики, кратко характеризуются сущность этапа, методы и сроки его выполнение, исполнители и ЛПР, а при необходимости изменить последовательность выполнения этапов (в соответствии с включаемыми в структуру методики этапами выбора дальнейшего пути), в конце характеристики этапа (подэтапа) оговариваются условия возврата к предшествующим этапам или переход к выбранному последующему.
^ 19. Сетевые методы в системном анализе

Сетевые методы - прикладное направление, возникшее в развитие

теории графов и получившее широкое распространение в 60-е гг. XX в. Этим термином объединяют прикладные теории - PERT (Program Evaluation and Review Technique - Методика оценки и контроля программ и СПУ сетевого планирования и управления). В 60-70-е гг. XX в. теория сетевого планирования и управления широко применялась в нашей стране. Однако позднее к этой теории стали относиться сдержаннее, что объясняется рядом недостатков СПУ. Во-первых, СПУ первоначально была ориентирована на анализ только одного класса графов - направленных (не имеющих обратных связей, т.е. циклов, петель; такие требования содержались в руководящих материалах по формированию сетевых планов предприятий).

И во-вторых, что наиболее существенно и неустранимо, при формировании сетевых планов необходимо участие высококвалифицированных

специалистов, хорошо знающих процессы в системе (эту работу нельзя поручить техническим работникам, которые полезны лишь при оформлении сетевых графиков и обработке результатов оценки). При этом по результатам исследования оказалось, что доля «ручного» труда ЛПР при разработке

сетевого графика составляет, по оценкам специалистов, до 95% от общих затрат времени на анализ ситуаций и процессов.

Эти недостатки явились одной из причин того, что впоследствии теория СПУ сохранилась только для планирования однонаправленных производственных процессов типа конвейерных и т.п. Однако привлекательность применения графических методов привела к тому, что для отображения различных ситуаций, не подчиняющихся ограничениям однонаправленности графа, был предложен термин сетевое моделирование (см.), снимающий требование однонаправленности. Позднее возник ряд методов статистического сетевого моделирования с использованием вероятностных оценок графов.

Для снижения доли «ручного» труда полезно сочетать графические представления с лингвистическими и семиотическими, разрабатывая языки автоматизации формирования сетевой модели. На основе такого сочетания методов возникли новые направления - структурно-лингвистическое моделирование, графо-семиотическое моделирование и т.п.
^ 20. Метод Паттерн

Метод Паттерн (PATTERN – Planning Assistance Through Technical Evaluation from Relevance Number -помощь планированию посредством относительных показателей технической оценки) - первая методика системного анализа, в которой были определены порядок, методы формирования и оценки приоритетов элементов структур целей (названных в

методике «деревом целей»).

Считается, что инициатором создания методики является Ч. Дэвис, вице-президент фирмы «Хониуэлл» корпорации РЭНД (RAND), одной из так называемых «думающих», бесприбыльных корпораций, занимающихся разработкой военных доктрин, рекомендаций для выбора проектов новых систем вооружения, исследованием военного и научного потенциала «противника», рынков сбыта оружия и другими аналогичными проблемами анализа и прогнозирования развития военного потенциала США.

Назначением, конечной целью создания системы Паттерн были подготовка и реализация планов обеспечения военного превосходства США над всем миром. Перед разработчиками методики Паттерн была поставлена задача - связать воедино военные и научные планы правительства США. Первые сообщения о методике Паттерн появились в 1963 г. Принципиальная структура методики Паттерн приведена на рис.20 1. В качестве основы для формирования и оценки «дерева целей» разрабатывались «сценарий» (нормативный прогноз) и прогноз развития науки и техники (изыскательский прогноз).

























Рис. 20. 1 Структура методики Паттерн

Пример одного из вариантов «дерева целей», построенных при выполнении одного из проектов Паттерн, дан на рис.20.2.
Национальные цели Число элементов

3

Направления деятельности 5

Задания 42

Программы 65

Рис. 20.2
Практика использования системы Паттерн продемонстрировала возможность проводить анализ сложных проблемных ситуаций, распределять по важности огромное количество данных в любой области деятельности, исследовать взаимное соотношение постоянных и переменных факторов, на которых основываются и на которые влияют принимаемые ими решения.

Глубина прогнозирования в системе Паттерн составляла 10-15 лет, что соответствовало жизненному циклу становления и старения техники.

Главное достоинство методики Паттерн состоит в том, что в ней предложена идея структуризации целей и определены классы критериев: оценки (коэффициенты) относительной важности, взаимной полезности, состояния и сроков разработки («состояние- срок»). Эти классы критериев в различных модификациях используются в ряде других методик и до сих пор являются основой при определении системы оценок составляющих структур целей. Что касается собственно формирования структуры целей, то из опубликованных материалов известно, что в различных модификациях методики разным уровням иерархии предлагается присваивать разные названия.

Опыт работы с методикой выявил и ряд других проблем: во-первых, недостаточна одноразовая разработка сценария, необходим динамический постоянно изменяющийся сценарий; во-вторых, по мере перехода от политических задач верхнего уровня структуры целей к научным, а затем к техническим проблемам профиль специалистов должен изменяться; в-третьих, крайне сложной оказалась проблема оценки по критерию «взаимной полезности» элементов «дерева целей» и достаточно сложной и трудоемкой - оценка относительной важности, требующая постоянного

пересмотра оценок по мере корректировки «дерева», что в дальнейшем потребовало поиска новых способов оценки.
  1   2   3   4



Скачать файл (487 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации
Рейтинг@Mail.ru