Системний підхід у моделюванні. Системний підхід у моделюванні систем Підходи до моделювання систем

Класичний(або індуктивний) підхіддо моделювання розглядає систему, переходячи від приватного до загального, та синтезує її шляхом злиття компонентів, що розробляються окремо. Системний підхідпередбачає послідовний перехід від загального до частки, коли в основі розгляду лежить мета, при цьому об'єкт виділяється з навколишнього світу.

При створенні нового об'єкта з корисними властивостями(наприклад, системи управління) задаються критерії,визначальні міра корисності отриманих властивостей. Оскільки будь-який об'єкт моделювання є систему взаємозалежних елементів, введемо поняття системи. Система Sє цілеспрямоване безліч взаємозалежних елементів будь-якої природи. Зовнішнє середовище. Еявляє собою безліч існуючих поза системою елементів будь-якої природи, що впливають на систему або знаходяться під її впливом.

При системному підході до моделювання насамперед чітко визначається мета моделювання. Створення моделі повного аналога оригіналу – справа трудомістка і дорога, тому модель створюється під певну мету.

Важливим для системного підходу є визначення структури системи- сукупності зв'язків між елементами системи, що відбивають їхню взаємодію. Існує ряд походів до дослідження систем та її властивостей, до яких слід віднести структурний та функціональний. При структурний підхідвиявляється склад виділених елементів системи Sта зв'язки між ними. Сукупність елементів та зв'язків дозволяє судити про властивості виділеної частини системи. При функціональному підходірозглядаються функції (алгоритми) поведінки системи, причому кожна функція описує поведінку однієї властивості при зовнішньому впливі е.Такий підхід вимагає знання структури системи, та її опис складається з набору функцій її реакцію зовнішні впливу.

Класичний методпобудови моделі використовує функціональний підхід, при якому як елемент моделі приймається компонента,описує поведінка однієї властивості і що не відображає реальний склад елементів. Крім цього компоненти системи є ізольованими один від одного, що погано відображає систему, що моделюється. Такий метод побудови моделі застосовується лише для простих систем, оскільки вимагає включення до складу функцій, що описують властивості системи, відносини між властивостями, які можуть бути погано визначені або невідомі.

З ускладненням моделей, що моделюються, коли неможливо врахувати всі взаємовпливи властивостей, застосовується системний метод,заснований на структурному підході. При цьому система Sрозбивається на ряд підсистем S lзі своїми властивостями, які, звичайно, простіше описати функціональними залежностями, та визначаються зв'язки між підсистемами. У цьому випадку система функціонує відповідно до властивостей окремих підсистем та зв'язків між ними. Це позбавляє необхідності описувати функціонально взаємозв'язки між властивостями системи S,робить модель гнучкішою, оскільки зміна властивостей однієї з підсистем автоматично змінює властивості системи.

Класифікація видів моделювання

Залежно від характеру досліджуваних процесів у системі Sі мети моделювання існує безліч типів моделей та способів їх класифікації, наприклад, за метою використання, наявності випадкових впливів, відношення до часу, можливості реалізації, сфери застосування та ін. (Таблиця 14).

Таблиця 14. Типи моделей

За метою використаннямоделі класифікуються на науковий експеримент,в якому здійснюється дослідження моделі із застосуванням різних засобів отримання даних про об'єкт, можливості впливу на хід процесу з метою отримання нових даних про об'єкт або явище; комплексні випробування та виробничий експеримент,що використовують натурне випробування фізичного об'єктадля здобуття високої достовірності про його характеристики; оптимізаційні,пов'язані зі знаходженням оптимальних показників системи (наприклад, знаходження мінімальних витрат чи визначення максимального прибутку).

За наявністю впливівна систему моделі діляться на детерміновані(у системах відсутні випадкові впливи) та стохастичні(У системах присутні імовірнісні впливи). Ці моделі деякі автори класифікують за способом оцінки параметрівсистеми: в детермінованихсистемах параметри моделі оцінюються одним показником для конкретних значень їх вихідних даних; в стохастичнихСистема наявність ймовірнісних характеристик вихідних даних дозволяє оцінювати параметри системи декількома показниками.

По відношенню до часумоделі поділяють на статичні,описують систему в певний момент часу, та динамічні,що розглядають поведінку системи у часі. У свою чергу, динамічні моделі поділяють на дискретні,у яких всі події відбуваються за інтервалами часу, та безперервні,де всі події відбуваються безперервно у часі.

По можливості реалізаціїмоделі класифікуються як уявні,описують систему, яку важко чи неможливо моделювати реально, реальні,у яких модель системи представлена ​​або реальним об'єктом, або його частиною, та інформаційні,реалізують інформаційні процеси (виникнення, передачу, обробку та використання інформації) на комп'ютері. У свою чергу, уявні моделі поділяють на наочні(при яких процеси, що моделюються, і явища протікають наочно); символічні(модель системи представляє логічний об'єкт, в якому основні властивості та відносини реального об'єкта виражені системою знаків або символів) та математичні(Подають системи математичних об'єктів, що дозволяють отримувати досліджувані характеристики реального об'єкта). Реальні моделі ділять на натурні(проведення дослідження на реальному об'єкті та подальша обробка результатів експерименту із застосуванням теорії подоби) та фізичні(Проведення дослідження на установках, які зберігають природу явища і мають фізичну подобу).

По галузі застосуваннямоделі поділяють на універсальні,призначені для використання багатьма системами, та спеціалізовані,створені на дослідження конкретної системи.

Математичні моделі

Найбільш важливим етапом при побудові моделі є перехід від змістовного опису до формального, що пояснюється участю на цьому етапі фахівців у предметній області, де існує система, що моделюється, і фахівців у галузі моделювання систем. Найбільш зручним мовою їхнього спілкування, метою якого є побудова адекватної моделі системи, зазвичай, є мову математичних описів. Математичний опис системи компактний і зручний для подальших реалізацій на комп'ютері, з метою проведення статистичних випробувань,

Приклади побудови динамічних моделей

При моделюванні безперервних динамічних об'єктів як моделі зазвичай виступають диференційне рівняння,сполучна поведінка об'єкта з часом. Позитивною властивістю диференціальних рівнянь є те, що те саме рівняння моделює системи різної фізичної природи.

Як незалежну змінну в динамічних системах зазвичай виступає час, від якого залежать невідомі значення шуканої функції, що визначають поведінки об'єкта. Математичний опис моделі в загальному вигляді:

де - n-вимірні вектори і - безперервна.

Наприклад, процес малих коливань маятника описується звичайним диференціальним рівнянням

.

Процес в електричному коливальному контурі .

Очевидно, що якщо покласти

Отримаємо рівняння, що описує стан у часі обох систем

Загальна математична модель дозволяє досліджувати одну систему, моделюючи іншу роботу.

Моделі динамічних систем на основі диференціальних рівнянь знайшли широке застосування теорії управління різними технічними об'єктами. Під впливом невідомих заздалегідь обурень фактичне поведінка системи відхиляється від бажаного, задається алгоритмом й у наближення її поведінки до необхідного значення, у складі системи вводиться автоматичне управління системою. Воно може бути вбудоване в саму систему, але при моделюванні блок управління відокремлюється від самої системи. Загалом структура багатовимірної системи автоматичного управління (САУ) представлена ​​на рис. 3.

3. Структура багатовимірної системи автоматичного управління.

Інформаційні моделі

Інформаційні моделіу багатьох випадках спираються на математичні моделі,тому що при вирішенні завдань математична модель досліджуваного об'єкта, процесу або явища неминуче перетворюється на інформаційну для її реалізації на комп'ютері. Визначимо основні поняття інформаційної моделі.

Інформаційним об'єктомназивається опис реального об'єкта, процесу або явища у вигляді сукупності його характеристик (інформаційних елементів), які називаються реквізитами.Інформаційний об'єкт певної структури (реквізитного складу) утворює тип (клас),якому надають унікальне ім'я.Інформаційний об'єкт з конкретними характеристиками називають екземпляром.Кожен екземпляр ідентифікується завданням ключового реквізиту (ключ).Одні й самі реквізити у різних інформаційних об'єктах може бути як ключовими, і описовими. Інформаційний об'єкт може мати кілька ключів.

приклад. Інформаційний об'єкт СТУДЕНТ має реквізитний склад: номер(Номер залікової книжки - ключовий реквізит), прізвище, ім'я, по-батькові, дата народження, код місця навчання.Інформаційний об'єкт ОСОБИСТА СПРАВА: номер студента, домашня адреса, номер атестата про середню освіту, сімейний стандіти.Інформаційний об'єкт МІСЦЕ НАВЧАННЯ включає реквізити: код(ключовий реквізит), найменування ВНЗ, факультет, група.Інформаційний об'єкт Викладач: код(ключовий реквізит), кафедра, прізвище, ім'я, по батькові, науковий ступінь, вчене звання, Посада.

Відносини,існуючі між реальними об'єктами, визначаються в інформаційних моделях як зв'язку.Існує три види зв'язків: один до одного (1:1), один до багатьох(1:∞) та багато хто до багатьох(∞: ∞).

Зв'язок один до одноговизначає відповідність одному екземпляру інформаційного об'єкта X трохи більше одного екземпляра інформаційного об'єкта Y, і навпаки.

приклад. Інформаційні об'єкти СТУДЕНТ та ОСОБИСТА СПРАВА будуть пов'язані ставленням один до одного.Кожен студент має певні унікальні дані щодо особистої справи.

При зв'язку один до багатьоходному примірнику інформаційного об'єкта X може відповідати будь-яка кількість примірників інформаційного об'єкта Y, але кожен екземпляр об'єкта Y пов'язаний не більше ніж з одним екземпляром об'єкта X.

приклад.Між інформаційними об'єктами МІСЦЕ НАВЧАННЯ та СТУДЕНТ необхідно встановити зв'язок один до багатьох.Те саме місце навчання може багаторазово повторюватися для різних студентів.

Зв'язок багато хто до багатьохпередбачає відповідність одному екземпляру інформаційного об'єкта X будь-яку кількість екземплярів об'єкта Y, і навпаки.

приклад.Інформаційні об'єкти СТУДЕНТ та Викладач мають зв'язок багато хто до багатьох.Кожен студент навчається у багатьох викладачів, а кожен викладач навчає безліч студентів.

Приклади інформаційних моделей

Визначимо інформаційну модель як пов'язану сукупність інформаційних об'єктів, що описують інформаційні процеси досліджуваної предметної області. Існуючі інформаційні моделі розділимо на універсальні та спеціалізовані. Універсальні моделі призначені для використання в різних предметних сферах, до них відносяться: бази данихі системи керування базами даних, автоматизовані системи керування, бази знань, експертні системи.Спеціалізовані моделі призначені для опису конкретних систем, є унікальними за своїми можливостями, дорожчими.

Універсальна модель.

Бази даних

Бази данихпредставляють пов'язану сукупність структурованих даних, що відносяться до певного процесу або явища, у конкретній предметній галузі.

Система управління базами данихє програмний комплекс для створення, організації необхідної обробки, зберігання та передачі баз даних.

Ядром будь-якої БД є модель представлення даних.Модель даних представляє безліч структур даних та взаємозв'язку між ними.

Розрізняють ієрархічну, мережевуі реляційнумоделі даних. Ієрархічна модель представляє зв'язок між об'єктами (даними) як дерева.

До основних понять ієрархічної моделі належать:

вузол- Набір атрибутів даних, що описують об'єкт;

зв'язок- Лінія, що зв'язує вузли нижнього рівня з одним вузлом вищележачого рівня. При цьому вузол вищележачого рівня називають предкомдля відповідних йому вузлів нижнього рівня, у свою чергу, вузли нижнього рівня називають нащадкамипов'язаного з ними вище вузла (наприклад, на рис. 4. вузол В1 - предок для вузлів CI, С2, а вузли С1, С2 - нащадки вузла В1);

рівень- Номер шару вузлів, відрахований від кореня.

Малюнок 4. Ієрархічна модель даних

Кількість дереву БД визначається числом кореневих записів.До кожного вузла існує єдина дорога від кореня.

Мережева структурамає ті самі складові, що й ієрархічна, але кожен вузол може бути пов'язаний з будь-яким іншим вузлом (рис. 5). Мережевий підхід до організації даних є розширенням ієрархічного. У ієрархічних моделях запис-нащадок повинен мати лише одного предка; у мережевих - нащадок може мати будь-яку кількість предків.

Малюнок 5. Мережева модель даних

Обидві ці моделі не набули широкого поширення через складність реалізації графів у вигляді машинних структур даних, крім того, у них складно здійснити операції пошуку інформації.

Найбільшого поширення набула третя модель даних - реляційна,вона може також описувати ієрархічну і мережеву модель. Реляційна модель спрямовано організацію даних як двомірних таблиць.

Штучний інтелект

Ідеї ​​моделювання людського розуму відомі з найдавніших часів. Вперше про це згадується у творі філософа та теолога Раймунда Лулія(бл.1235 - ок.1315) «Велике мистецтво», який висловив ідею логічної машини на вирішення різноманітних завдань, з загальної класифікації понять (XIV в.), а й спробував її реалізувати. Рене Декарт(1596-1650) та Готфрід Вільгельм Лейбніц(1646-1716) незалежно один від одного розвивали вчення про вроджену здатність розуму до пізнання та загальних і необхідних істин логіки та математики, працювали над створенням універсальної мови класифікації всіх знань. Саме на цих ідеях базуються теоретичні основистворення штучного інтелекту Поштовхом до подальшого розвитку моделі людського мисленнястала поява в 40-х роках. XX ст. ЕОМ. У 1948 р. американський вчений Норберт Вінер(1894-1964) сформулював основні положення нової науки – кібернетики. У 1956 р. у Стенфордському університеті (США) на семінарі під назвою «Artificial intelligence* (штучний інтелект), присвяченому рішенню логічних завдань, визнано новий науковий напрямок, пов'язаний з машинним моделюванням людських інтелектуальних функцій та названий штучний інтелект.Незабаром ця галузь розділилася на два основні напрямки: нейрокібернетику та кібернетику «чорної скриньки».

Нейрокібернетиказвернулася до структури людського мозку як єдино мислячого об'єкта і зайнялася його апаратним моделюванням. Фізіологи давно виявили нейрони - пов'язані між собою нервові клітини як основу мозку. Нейрокібернетика займається створенням елементів, аналогічних нейронам, та їх об'єднанням у функціонуючі системи, ці системи називають нейромережами.У середині 80-х років. XX ст. в Японії було створено перший нейрокомп'ютер, що моделює структуру людського мозку. Його основна сфера застосування - розпізнавання образів.

Кібернетика «чорної скриньки»використовує інші принципи, структура моделі не головне, важлива її реакція на вхідні дані, на виході модель повинна реагувати як людський мозок. Вчені цього напряму займаються розробкою алгоритмів розв'язання інтелектуальних завдань для обчислювальних систем. Найбільш значущі результати:

Модель лабіринтного пошуку(Кінець 50-х рр.), в якій розглядається граф станів об'єкта і в ньому відбувається пошук оптимального шляху від вхідних даних до результуючих. Насправді ця модель не знайшла широкого застосування.

Евристичне програмування(початок 60-х рр.) розробляло стратегії дій з урахуванням заздалегідь відомих заданих правил (евристик). Евристика -теоретично не обґрунтоване правило, що дозволяє зменшити кількість переборів у пошуку оптимального шляху.

Методи математичної логіки.Метод резолюцій, що дозволяє на основі певних аксіом автоматично доводити теореми. У 1973 р. створено мову логічного програмування Пролог,що дозволяє обробляти символьну інформацію.

З середини 1970-х років. реалізується ідея моделювання конкретних знань спеціалістів-експертів. У США з'являються перші експертні системи. Виникає нова технологіяштучного інтелекту, заснована на поданні та використанні знань. З середини 80-х. штучний інтелект комерціалізується. Зростають капіталовкладення в цю галузь, з'являються промислові експертні системи, підвищується інтерес до систем, що самонавчаються.

Бази знань

При вивченні інтелектуальних систем необхідно з'ясувати, що являють собою знання і в чому їхня відмінність від даних. Концепція знаннявизначають по-різному, але якогось вичерпного визначення немає.

Наведемо деякі з визначень:

Знання- Виявлені закономірності предметної галузі (принципи, зв'язки, закони), що дозволяють вирішувати завдання у цій галузі.

Знання- добре структуровані дані, або дані про дані, або метадані.

Знання- сукупність відомостей, що утворюють цілісний опис, що відповідає деякому рівню обізнаності про описуване питання, об'єкт і т.д.

З погляду штучного інтелекту знання визначають як формалізовану інформацію, яку посилаються у процесі логічного висновку. Для зберігання знань використовують основи знань. База знань- основа будь-якої інтелектуальної системи.

З точки зору розв'язання завдань у певній предметній галузі знання зручно розділити на дві категорії. фактиі евристику.Перша категорія описує відомі у цій галузі обставини, знання цієї категорії іноді називають текстовими, підкреслюючи їх достатній опис у літературі. Друга категорія знань спирається на практичний досвід фахівця-експерта цієї предметної галузі.

Крім того, знання ділять на процедурніі декларативні.Історично першими з'явилися процедурні знання, розсипані в алгоритмах. Вони керували даними. Для їх зміни потрібно вносити зміни до програм. З розвитком штучного інтелекту дедалі більша частина знань формувалася у структурах даних: таблицях, списках, абстрактних типах даних, знання дедалі більше ставали декларативними.

Декларативні знання- це сукупність відомостей про характеристики властивостей конкретних об'єктів, явищ чи процесів, які у вигляді фактів і евристик. Історично такі знання накопичувалися у вигляді різноманітних довідників, з появою ЕОМ набули форми баз даних. Декларативні знання часто називають просто даними, вони зберігаються в пам'яті інформаційної системи (ІС) так, що мають безпосередній доступ до використання.

Процедурні знаннязберігаються у пам'яті ІВ у вигляді описів процедур, за допомогою яких їх можна отримати. У вигляді процедурних знань зазвичай описують способи розв'язання задач предметної галузі, різні інструкції, методики тощо. Процедурні знання - це методи, алгоритми, програми розв'язання різних завдань у вибраній предметної області, вони становлять ядро ​​бази знань. Процедурні знання утворюються внаслідок здійснення процедур над фактами як вихідними даними.

Однією з найважливіших проблем, притаманних систем штучного інтелекту, є уявлення знань. Форма уявлення знань суттєво впливає на характеристики та властивості системи. Для маніпуляції різними знаннями реального світуна комп'ютері необхідно провести їхнє моделювання. Існує безліч моделей представлення знань для різних предметних областей, але більшість з них відносяться до таких класів: логічні моделі", продукційні моделі; семантичні мережі; фреймові моделі.

Традиційно у поданні знань виділяють формальні логічні моделі,засновані на класичному обчисленні предикатів першого порядку, коли предметна область описується як набору аксіом. Вся інформація, необхідна на вирішення завдань, сприймається як сукупність правил і тверджень, які подаються як формули у деякій логіці предикатів. Знання відбивають сукупність таких формул, а отримання нових знань зводиться реалізації процедур логічного висновку. Ця логічна модель застосовна переважно у дослідницьких «ідеальних» системах, оскільки пред'являє високі вимогита обмеження предметної області. У промислових експертних системах використовуються її різні модифікації та розширення.

Дослідження процесів прийняття рішень людиною показали, що міркуючи та приймаючи рішення, людина використовує продукційні правила(Від англ. production- Правило виведення, що породжує правило). Продукційна модель,заснована на правилах, дозволяє представити знання у вигляді пропозицій: ЯКЩО (список умова), ТО (слід виконати перелік дій). Умова -це пропозиція, яким відбувається пошук у основі знань, а діяє деяка операція, яка виконується при успішно здійсненому пошуку. Дії можуть бути як проміжними,виступаючими далі як умови, так і цільовими,завершальними роботу ІВ. У продукційної моделі база знань складається із сукупності правил. Програма, яка керує перебором правил, називається машиною виведення.Механізм висновків пов'язує знання і створює з їхньої послідовності висновок. Висновок буває прямий(метод зіставлення, від даних до пошуку мети) або зворотний(Метод генерації гіпотези та її перевірки, від мети - до даних).

приклад. Є фрагмент бази знань, що з двох правил:

Пр. 1: ЯКЩО «ведення бізнесу» та «знайомство з Інтернет»,

ТО "електронна комерція".

Пр. 2: ЯКЩО «володіє комп'ютером»,

ТО "знайомство з Інтернет".

До системи надійшли дані: "ведення бізнесу" і "володіє комп'ютером".

ПРЯМИЙ ВИСНОВОК:На основі наявних даних отримати висновок.

1-й прохід:

Крок 1. Перевіряємо Пр. 1, не працює - не вистачає даних "знайомство з Інтернет".

Крок 2. Перевіряємо Пр. 2, працює, база доповнюється фактом "знайомство з Інтернет".

2-й прохід

Крок 3. Перевіряємо Пр. 1, працює, система дає висновок "електронна комерція".

ЗВОРОТНИЙ ВИСНОВОК:Підтвердити обрану мету за допомогою наявних правил та даних.

1-й прохід:

Крок 1. Мета – «електронна комерція»:

Перевіряємо Пр. 1, даних «знайомство з Інтернетом» немає, вони стають новою метою, і є правило, де вона в правій частині.

Крок 2. Мета – «знайомство з Інтернет»:

Пр. 2 підтверджує мету та активізує її.

2-й прохід: Крок 3. Пр. 1 підтверджує потрібну мету.

Продукційна модель приваблює розробників наочністю, модульністю, легкістю внесення доповнень та змін, простотою механізму логічного висновку, найчастіше використовується у промислових експертних системах.

Семантика- це наука, що досліджує властивості знаків та знакових систем, їх смисловий зв'язок із реальними об'єктами. Семантична мережа -це орієнтований граф, вершини якого є поняття, а дуги – відносини між ними (рис. 6). Це найбільш загальна модель знань, оскільки в ній є засоби всіх характерних знань властивостей: внутрішньої інтерпретації, структурованості, семантичної метрики та активності.

Малюнок 6. Семантична мережа

Переваги мережевих моделей: великі виразні можливості; наочність системи знань, представленої графічно; близькість структури мережі, що представляє систему знань, семантичній структурі фраз природною мовою; відповідність сучасним уявленнямпро організацію довгострокової пам'яті людини. До недоліків віднесемо те, що мережева модель не містить ясного уявлення про структуру предметної області, що їй відповідає, тому її формування та модифікація скрутні; мережеві моделі є пасивними структурами, для їх обробки використовується спеціальний апарат формального виведення.Проблема пошуку рішення в базі знань типу семантичної мережі зводиться до завдання пошуку фрагмента мережі, що відповідає деякій підмережі поставленого завдання, що, у свою чергу, говорить про ще один недолік моделі - складність пошуку виведення на семантичних мережах.

Мережеві моделі є наочним і достатньо універсальним засобомуявлення знань. Однак їх формалізація у конкретних моделях уявлення, використання та модифікації знань представляє досить трудомісткий процес, особливо за наявності множинних відносин між поняттями.

Термін кадр(Від англ. frame - каркас, рамка) запропонований для позначення структури одиниці знань, яку можна описати деякою сукупністю понять, для її просторового сприйняття. Фрейм має певну внутрішню структуру, що складається з сукупності елементів, які називаються слотами.Кожен слот, у свою чергу, видається певним структурою даних, процедурою,або може бути пов'язаний з іншим кадром. Фреймова модель є систематизовану як єдиної теорії технологічну модель пам'яті людини її свідомості. На відміну від інших моделей, у кадрах фіксується жорстка структура. У загальному випадку кадр визначається наступним чином:

(ІМ'Я ФРЕЙМА: (ім'я 1-го слота: значення 1-го слота);

(ім'я 2-го слота: значення 2-го слота);

(ім'я N-ro слота: значення N-ro слота)).

Важливою властивістю кадрів є успадкування властивостей,запозичене з теорії семантичних мереж. Спадкування відбувається по АКО-зв'язків (від A Kind Of, що означає «ет. е.»). Слот АКО вказує на кадр більше високого рівняієрархії, звідки явно успадковується, тобто. переносяться значення аналогічних слотів. Наприклад, у мережі кадрів на рис. 7 "конструктор" успадковує властивості фреймів "інженер" і "людина", які стоять на вищому рівні ієрархії.

Малюнок 7. Мережа кадрів

Модель кадру досить універсальна, дозволяє відобразити все різноманіття знань про світ через:

фрейми-структури,для позначення об'єктів та понять (лекція, конспект, кафедра);

фрейми-ролі(Студент, викладач, декан);

фрейми-сценарії(складання іспиту, святкування іменин, отримання стипендії);

фрейми-ситуації(тривога, робочий режим навчального дня) та ін Основною перевагою фреймів як моделі представлення знань є їх здатність відображати концептуальну основуорганізації пам'яті людини, і навіть гнучкість і наочність.

Узагальнюючи аналіз моделей подання знань, можна зробити такі висновки:

Найбільш потужними є змішані моделі уявлення знань.

Експертні системи

Призначені для аналізу даних, що містяться в базах знань, та надання рекомендацій на запит користувача. Використовуються у випадках, коли вихідні дані добре формалізуються, але прийняття рішення потрібні спеціальні великі знання. Експертні системи- це складні програмні комплекси, що акумулюють знання фахівців у конкретних предметних галузях та тиражують цей емпіричний досвід для консультацій менш кваліфікованих користувачів.

Предметні галузі: медицина, фармакологія, хімія, геологія, економіка, юриспруденція та ін., у яких більшість знань є особистим досвідомфахівців високого рівня (експертів) потребують експертних систем. Ті області, де більшість знань представлена ​​як колективного досвіду (наприклад, вища математика), не потребують них.

Експертна система визначається набором логічно взаємопов'язаних правил, що формують знання та досвід фахівця даної предметної галузі, та механізмом рішення, що дозволяє розпізнавати ситуацію, давати рекомендації до дії, ставити діагноз.

Сучасні експертні системи здатні:

За сукупністю ознак захворювання встановити діагноз, призначити лікування, дозувати медикаменти, виробити програму курсу лікування;

Виконувати завдання діагностичних систем у дослідженні явищ та процесів (наприклад, для аналізу крові; управління виробництвом; вивчення стану надр землі, нафтових полів, покладів вугілля тощо);

Розпізнавати мовлення, на даному етапі в обмеженій галузі застосування;

Розпізнавати людські обличчя, відбитки пальців та ін.

На рис. 8 зображено основні компоненти моделі експертної системи: користувач(Фахівець предметної області, для якого дана система призначена), інженер зі знань(Спеціаліст по штучному інтелекту- проміжна ланка між експертом та базою знань), інтерфейс користувача(Додаток, що реалізує діалог користувача та системи), база знань -ядро експертної системи, вирішувач(Додаток, що моделює міркування експерта на основі наявних в базі знань), підсистема роз'яснення (додаток, що дозволяє роз'яснювати на підставі чого експертна система дає рекомендації, робить висновки, які знання при цьому використовуються ), інтелектуальний редактор бази знань(Додаток, що дає інженеру зі знань можливість створення бази знань у діалоговому режимі ).

8. Структура моделі експертної системи.

Характерною особливістюбудь-якої експертної системи є здатність до саморозвитку. Вихідні дані зберігаються у основі знань як фактів, між якими встановлено певні логічні связи. Якщо при тестуванні виявлено некоректні рекомендації або висновки з конкретних питань, або висновок не може бути сформульовано, це означає або відсутність важливих фактів у її базі, або порушення в логічній системі зв'язків. У будь-якому випадку система сама може сформувати достатній набір питань до експерта та автоматично підвищити свою якість.

Система управління

Представляє сукупність взаємозалежних структурних моделей підсистем, які здійснюють такі функції:

планування(стратегічне, тактичне, оперативне);

облік- Відображає стан об'єкта управління в результаті виконання виробничих процесів;

контроль- визначає відхилення облікових даних від планових цілей та нормативів;

оперативне керування- здійснює регулювання всіх процесів з метою виключення відхилень від планових і облікових даних;

аналіз- Визначає тенденцію в роботі системи та резерви, які враховуються при плануванні на наступний тимчасовий період.

Використання моделей у складі інформаційних систем почалося із застосування статистичних методів та методів фінансового аналізу, що реалізовувалися командами звичайних алгоритмічних мов Пізніше було створено спеціальні мовидозволяють моделювати різні ситуації. Такі мови дають можливість побудови моделей певного типу, що забезпечують перебування рішення при гнучкій зміні змінних.

ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ. ОСНОВНІ ПОНЯТТЯ ПРОГРАМУВАННЯ

ОСНОВНІ ПОНЯТТЯ ТА ВИЗНАЧЕННЯ

Розглянуті технічні засоби ПЕОМ разом є універсальним інструментом на вирішення кола завдань. Однак ці завдання можуть бути вирішені лише в тому випадку, якщо ПЕОМ знає алгоритм їх вирішення.

Алгоритм(algorithm) – точне припис, що визначає процес перетворення вихідних даних на кінцевий результат.

Спільними властивостямибудь-якого алгоритму є:

– дискретність - Можливість розбиття алгоритму на окремі елементарні дії;

– визначеність (детермінованість) алгоритму забезпечує однозначність результату (повторюваність одержуваного результату при багаторазових розрахунках з тими самими вихідними даними) і виключає можливість спотворення чи двозначного тлумачення приписи;

– результативність - обов'язкове отримання за кінцеве число кроків деякого результату, а за неможливості отримання результату - сигналу про те, що даний алгоритм не застосовується для вирішення поставленої задачі;

– масовість – можливість отримання результату за різних вихідних даних для деякого класу подібних завдань.

Класичний підхід при побудові моделей- підхід до вивчення взаємозв'язків між окремими частинами моделі передбачає розгляд як відображення зв'язків між окремими підсистемами об'єкта. Такий (класичний) підхід може бути використаний під час створення досить простих моделей.

Таким чином, розробка моделі М на базі класичного підходу означає підсумовування окремих компонентів у єдину модель, причому кожна з компонентів вирішує свої власні завдання та ізольована від інших частин моделі.

Тому класичний підхід може бути використаний для реалізації порівняно простих моделей, у яких можливий поділ та взаємно незалежний розгляд окремих сторін функціонування реального об'єкта.

Можна відзначити дві відмінні сторони класичного підходу:

Спостерігається рух від приватного до загального,

Системний підхідСтворювана модель утворюється шляхом підсумовування окремих її компонентів і не враховується виникнення нового системного ефекту. - це елемент вчення прозагальних законах

розвитку природи та один із виразів діалектичного вчення.

При системному підході до моделювання систем необхідно насамперед чітко визначити мету моделювання. Оскільки неможливо повністю змоделювати систему, що реально функціонує, створюється модель (система-модель, або друга система) під поставлену проблему. Таким чином, стосовно питань моделювання мета виникає з необхідних завдань моделювання, що дозволяє підійти до вибору критерію та оцінити, які елементи увійдуть у створювану модель М. Тому необхідно мати критерій відбору окремих елементів у створювану модель.

Важливим для системного підходу є визначення структури системи - сукупності зв'язків між елементами системи, що відбивають їхню взаємодію.

Системний підхід означає, що кожна система є інтегрованим цілим навіть тоді, коли вона складається з окремих роз'єднаних підсистем.

Таким чином, в основі системного підходу лежить розгляд системи як інтегрованого цілого, причому цей розгляд при розробці починається з головного формулювання мети функціонування.При структурному підході виявляються склад виділених елементів системи S та зв'язку між ними. Сукупність елементів та зв'язків між ними дозволяє судити про структуру системи. Остання, залежно від мети дослідження, може бути описана на різних рівнях розгляду. НайбільшЗагальний опис структури - це топологічний опис, що дозволяє визначити в самихзагальних поняттях

складові системи і добре формализуемое з урахуванням теорії графів.При функціональному підході

розглядаються окремі функції, т. е. алгоритми поведінки системи, і реалізується функціональний підхід, що оцінює функції, які виконує система, причому під функцією розуміється властивість, що призводить до досягнення мети. Оскільки функція відображає властивість, а властивість відображає взаємодію системи S із зовнішнім середовищем Е, то властивості можуть бути виражені у вигляді або деяких характеристик елементів Si(j) і підсистем Si - системи, або системи S в цілому.

Основні етапи оцінювання складних систем.Етап 1. Визначення мети оцінювання. Усистемному аналізі

виділяють два типи цілей. Якісною називають мету, досягнення якої виявляється у номінальній шкалі або в шкалі порядку. Кількісною називають мету, досягнення якої виявляється у кількісних шкалах.Етап2.

Вимірювання властивостей системи, визнаних суттєвими з метою оцінювання. Для цього вибираються відповідні шкали для вимірювання властивостей та всім досліджуваним властивостям систем надається певне значення на цих шкалах.Етап3.

Обґрунтування переваг критеріїв якості та критеріїв ефективності функціонування систем на основі виміряних на вибраних шкалах властивостей.Етап4.

Власне оцінювання. Усі досліджувані системи, які розглядаються як альтернативи, порівнюються за сформульованими критеріями і залежно від цілей оцінювання ранжуються, вибираються, оптимізуються. У моделюванніповинні бути щонайменше два рівні детермінації: залежність від внутрішньої логіки досліджуваного соціального об'єкта, явища, процесу (як наслідок природно-історичного розвитку) та залежність від пізнавальних установок суб'єкта процесу соціального пізнання. Вибір пізнавальних засобівз їх різноманітності здійснюється з урахуванням відмінності соціальних дослідницьких установок, цілей і завдань (соціальне системне моделювання, моделювання за окремими групами соціальних об'єктів, явищ і процесів, розробка оціночних характеристик відповідних моделей, розробка соціальних прогностичних моделей тощо.).

Суть даного підходу полягає у поданні процесу моделювання соціальної діяльності сьогодення та майбутнього у вигляді окремих, щодо самостійних структурно-функціональних блоків (модулів), об'єднаних у конкретну послідовність операцій, виходячи з внутрішньої логіки процесу соціального моделювання та прогнозування на базі пошукових та нормативних прогностичних моделей. Логічне зв'язування операцій соціального моделювання та прогнозування в єдиний системно-функціональний підхід теоретично обумовлено та практично зумовлено такими обставинами. По-перше, однією з основних (базових) операцій процесу соціального прогнозування є розробка прогностичних моделей соціального об'єкта, що вивчається, явища або процесу і вибір найбільш ймовірного варіанта їх зміни в межах обраного (заданого) періоду попередження, тобто. зрештою йдеться про альтернативні зміни у певних часових інтервалах і в рамках розглянутого фрагмента соціального простору тих чи інших соціальних моделей. По-друге, як правило, кінцевою метою побудови соціальних моделей, окрім отримання нових знань про вивчені характеристики, взаємовпливи структурних елементівта інших які цікавлять дослідника якостях соціального об'єкта, явища чи процесу, вивчення їх можливих видозмін і трансформацій у майбутньому, т. е. виконується у сенсі прогнозуюча функція. І, нарешті, по-третє, найголовніше: і соціальне моделювання, і соціальне прогнозування входять своїми найважливішими взаємопов'язаними та доповнювальними складовими елементами в єдиний контур соціального менеджменту.

Схема 1. Модель аналізу ситуації

За вихідний пункт логічної послідовності операцій соціального моделювання, що розглядається, приймається момент отримання державного завдання або замовлення від зацікавлених відомств (громадських організацій, комерційних структур тощо) на проведення дослідження перспектив розвитку певного структурного компонента соціальної системи з метою прогнозування його трансформації в соціальному просторі та часі. Під соціальним просторомв даному випадку розуміється сукупність місць проживання, систем розселення та освоєної (освоюваної) людиною природного середовища, у межах якої здійснюється соціальна діяльність індивіда, групи та соціуму в цілому. Соціальний часрозглядається як фундаментальна форма соціально-історичного співіснування людей та необхідний ресурс (умова) їхньої діяльності. При цьому слід виходити з того, що імовірно всі аспекти взаємодії та взаємовпливу як соціальних систем різної I складності або їх окремих компонентів, так і поведінки особистості соціальної групиумовно обмежені рамками певного соціальне поле.У межах цього поля властивості будь-якої події у разі будуть детерміновані його зв'язками із системою подій, компонентом якої є.

Звідси висновок - всі події, явища або процеси, що відбуваються в тій чи іншій соціальній системі (моделі), що розглядаються нами за принципом «тут і зараз», залежать від тих чи інших змін системи (моделі), що відбувалися безпосередньо передували аналізованому періоду в часі, а також з відомою часткою достовірності можуть бути за певних умов екстраполовані в майбутнє, тим самим зумовивши імовірний прогностичний стан досліджуваної події, явища або процесу в рамках соціального поля.

В якості предмета моделюванняможе розглядатися будь-який аспект соціальної дійсності – соціальний об'єкт (суб'єкт), соціальне явище, соціальна функція (ставлення) чи соціальний процес (вид діяльності).

Перший блок дослідження.Його складає попередня орієнтація.

У ході попередньої орієнтації:

уточнюються вихідні цілі та завдання;

формується загальний інформаційний банк даних (ретроспективних та поточних);

визначається структура організації (робочої групи), що залучається до виконання соціального моделювання сьогодення та майбутнього; i

і навіть вирішуються інші організаційні питання.

Здійснюється формування пакету конкретних прогностичних методик, способів та прийомів моделювання, вибір необхідних соціальних показників, критеріїв, модельних та прогнозних припущень та обмежень, вибір глибини ретроспекції, виходячи із встановленого періоду попередження, а також підбір іншого модельно-прогностичного інструментарію. Такий приблизний і не повний перелік операцій підготовчого періоду, що становить основний зміст логічної послідовності, об'єднаної в перший - установочно-методологічний та цільовий системно-функціональний блок(СФБ-1).

Другий блок дослідження.Другий системно-функціональний блок є інформаційнимі оціночно-аналітичним (СФБ-2). Він включає всю повноту інтелектуально-логічних дій з обробки, класифікації, аналізу, синтезу, порівнянню, узагальнення, формалізації зібраного на користь дослідження заданої соціальної проблеми масиву інформації. Інформаційні вибірки групуються за критеріями прийнятої моделі, профілем прогнозу та допоміжним напрямком - прогнозним фоном. Під прогнозним фономрозуміється сукупність зовнішніх стосовно соціальному об'єкту (явленню, процесу), що вивчається, прогнозування умов, що істотно впливають на зміни прогностичних моделей соціальної діяльності і, як наслідок, на вирішення завдання прогнозу. При побудові моделі прогнозного фону враховуються як його стандартні (загальноприйняті) складові науково-технічна, демографічна, економічна, соціальна (соціологічна), соціокультурна, суспільно-політична та міжнародна, так і нестандартні, характерні лише для соціальної проблеми, що досліджується. Зазвичай практикується вибір кількох складових прогнозного тла, які у свою чергу можуть групуватися за активно впливаєі пасивним ознакам.При цьому вивчається і відповідний зарубіжний та вітчизняний соціальний досвід. В даному випадку приймається як задана умова, що прогнозний фон включає в себе і необхідно враховуються зовнішні умовиоптимального функціонування моделі соціальної діяльності, що розробляється.

Третій блок дослідження.Основний моделюючий-прогнозуючий системно-функціональний блок, обробивши інформаційні потоки, що надходять із двох попередніх СФБ, виконує логічну послідовність власне моделюючих прогностичних операцій, в результаті яких проводиться побудова вихідної (базової) моделі та її всебічний аналіз. Контури загальнотипової методики соціального прогнозування становлять сутнісно-змістовне ядро ​​даного СФБ (СФБ-3),

Хотілося б також звернути увагу на деякі аспекти цієї проблеми, що істотно впливають, на нашу думку, на весь процес системно-функціонального моделювання соціальної діяльності сьогодення та майбутнього. По-перше, у перехідний від одного типу соціуму до іншого періоду певну складність становить вибір соціальних показників, репрезентативних (представницьких, «показових») у межах використання індикаторної системи, а також формування вихідної (базової) соціальної моделічерез внутрішню нестабільність її структурних елементів та взаємовпливових базових функцій. По-друге, важливе значеннянабуває інтерпретації сумісності профільної та фонової індикаторних систем, які повинні максимально повно відображати необхідні характеристики, властивості, сторони досліджуваного соціального об'єкта, явища, процесу чи окремого аспекту соціальної діяльності. По-третє, створені прогностичні моделі, мабуть, слід розглядати в рамках парадигми взаємообміну, яка включає чотири функціональні підсистеми: поведінкову з функцією адаптації, особистісну з функцією ціледосягнення, соціальну з інтегративною функцією і культурну з функцією «підтримання зразка» (в рамках цих підсистем виробляються та взаємообмінюються відповідні ресурси - цінності, норми, цілі та засоби). Без наявності перелічених компонентів навряд взагалі можлива результативна соціальна діяльність.

Четвертий блок дослідження.Наступний системно-функціональний блок - експертно-рекомендаційний (СФБ-4). Він включає логічну послідовність операцій з аналізу, оцінки якості, надійності, достовірності (верифікації) експертом або групою експертів розроблених варіантів прогностичних моделей, виходячи з передбачуваної динаміки зміни досліджуваних об'єктів, явищ, процесу або окремих аспектів соціальної діяльності, а також повноти зроблених висновків та реальності пропонованих практичних рекомендаційщодо реалізації прогнозу у процесі соціальної діяльності. За потреби соціальний прогнозможе доповнюватися, змінюватись, уточнюватись, конкретизуватися тощо.

П'ятий блок дослідження.Завершує пропоновану системно-функціональну послідовність технологічних операцій моделювання та прогнозування у соціальній діяльності управлінський СФБ (СФБ-5), оскільки будь-яка завдання соціального моделювання та прогнозування виконується, як зазначалося вище, у тому, щоб бути реалізованою у системі соціального управління у сфері зміни - у необхідних межах - відповідної соціальної реальності.

Про полідисциплінарне значення пропонованого системно-функціонального підходу до моделювання та прогнозування соціальної діяльності (або окремих соціальних явищ, процесів тощо) свідчать, на наш погляд, такі факти. Запропонована схема цілком укладається в кібернетичне уявлення моделі соціальної діяльності, яку можна побудувати на основі структурно-логічного аналізу в такий спосіб.

Схема 2. Модель соціальної діяльності

В даному випадку взаємодія моделі (системи) соціальної діяльності з довкілляму межах аналізованого соціального поля можна як обмін сигналами входа-выхода. У цьому функції вхідного пристрою виконує СФБ-1, а кінцевого - СФБ-5.

Технологія системно-функціонального підходу цілком узгоджується і з основними положеннями теорії та практики сучасного менеджменту, Що, на нашу думку, дуже важливо з точки зору його застосування в соціальному управлінні. У цьому випадку діагноз проблеми та формулювання обмежень та критеріїв прийняття соціального управлінського рішення здійснюють СФБ-1 та СФБ-2, виявлення альтернатив проводиться у СФБ-3, їх оцінка у СФБ-4, а остаточний вибір найбільш прийнятного варіанту рішення логічно завершується у СФБ- 5. Існуючі канали зворотнього зв'язкудозволяють на підставі постійного обміну інформацією оперативно та гнучко реагувати на всі зміни, що відбуваються як усередині самої моделі соціальної діяльності, так і у зовнішньому середовищі.

Запитання для самоперевірки

1. У чому полягає сутність системно-функціонального підходу до моделювання соціальних процесів?

2. У чому перевага методу системно-функціонального моделювання соціальних явищ та процесів? Чи є обмеження щодо його використання?

3. У чому полягає суть методу експериментальної оцінки?

4. У яких випадках можливі конкурси моделей та прогнозів? Яка їх мета та передбачувана результативність?

Література

Сафронова В. М.Про тенденції соціального розвиткуу ХХІ столітті: через призму прогнозу: Зб. громадських лекцій. - М., 2001.

Соціальне прогнозування та моделювання // Соціальна робота: Російський енциклопедичний словник. – М., 1997. – Т. 1.

Сухоруке М. М.Структурно-логічний підхід до прогнозування та моделювання у соціальній діяльності (з вітчизняного та зарубіжного досвіду// Перспективи розвитку гуманітарних наук. - М., 1996.

лекція 4.2. Методи та технології моделювання

Цілі моделювання

Практично у всіх науках про природу, живу і неживу, про суспільство, побудову та використання моделей є потужним знаряддям пізнання. Реальні об'єкти і процеси бувають настільки багатогранні і складні, що найкращим способом їх вивчення часто є побудова моделі, що відображає лише якусь межу реальності і тому набагато простіший, ніж ця реальність, і дослідження спочатку цієї моделі. Моделі використовуються для вирішення різноманітних завдань. З цієї множини можна виділити основні цілі використання моделей:

1) зрозуміти, як влаштований конкретний об'єкт, яка його структура, основні властивості, закони розвитку та взаємодії з навколишнім світом ( розуміння);

2) навчитися керувати об'єктом (або процесом) та визначати найкращі способиуправління при заданих цілях та критеріях ( управління);

3) прогнозувати прямі та непрямі наслідки реалізації заданих способів та форм впливу на об'єкт ( прогнозування).

Класичний(або індуктивний) підхіддо моделювання розглядає систему, переходячи від приватного до загального, та синтезує її шляхом злиття компонентів, що розробляються окремо. Системний підхідпередбачає послідовний перехід від загального до частки, коли в основі розгляду лежить мета, при цьому об'єкт виділяється з навколишнього світу.

p align="justify"> При створенні нового об'єкта з корисними властивостями задаються критерії, що визначають ступінь корисності отриманих властивостей. Оскільки будь-який об'єкт моделювання є систему взаємозалежних елементів, введено поняття системи. Система S– є цілеспрямована множина взаємопов'язаних елементів будь-якої природи. Зовнішнє середовище E являє собою безліч існуючих поза системою елементів будь-якої природи, які впливають на систему або знаходяться під її впливом.

При системному моделюванні насамперед чітко визначається мета моделювання. Створення моделі повного аналоги оригіналу – справа трудомістка і дорога, тому модель створюється під певну мету.

Важливим для системного підходу є визначення структури системи- сукупності зв'язків між елементами системи, що відбивають їхню взаємодію. Існує ряд підходів до дослідження системи та її властивостей, до яких належать структурний та функціональний. При структурному виявляється склад виділених елементів системи S і зв'язку між ними. Сукупність елементів та зв'язків дозволяє судити про властивості виділеної частини системи. При функціональному підході розглядаються функції (алгоритми) поведінки системи, причому, кожна функція описує поведінку однієї властивості при зовнішньому впливі E. Такий підхід вимагає знання структури системи, та її опис складається з набору функцій її реакцію зовнішні впливу. Класичний метод побудови моделі використовує функціональний підхід. Як елемент моделі приймається компонента, що описує поведінку однієї властивості і не відображає реальний склад елементів. Компоненти ізольовані один від одного, що погано відображає систему, що моделюється. Такий спосіб побудови моделі застосуємо лише простих систем, т.к. вимагає включення до складу функцій, що описують властивості системи, відносини між властивостями, які можуть бути погано визначені чи невідомі.

З ускладненням моделей, що моделюються, коли неможливо врахувати всі взаємовпливи властивостей, застосовується системний метод, заснований на структурному підході. При цьому система S розбивається на ряд підсистем S i зі своїми властивостями, які простіше описати функціональними залежностями, і визначаються зв'язки між підсистемами. У цьому випадку система функціонує відповідно до властивостей окремих підсистем та зв'язків між ними. Це позбавляє необхідності описувати функціонально взаємозв'язки між властивостями системи S, що робить модель гнучкішою, т.к. Зміна властивостей однієї з підсистем автоматично змінює властивості системи.

лекція 4.3. Класифікація моделей

Залежно від характеру досліджуваних процесів у системі S та мети моделювання існує безліч типів моделей та способів їх класифікації, наприклад, за метою використання, наявності випадкових впливів до часу, можливості реалізації, галузі застосування та ін.

Протягом усієї історії розвитку теорії систем пропонувалися та застосовувалися різні підходи до подання (відображення), аналізу та проектування систем.

Традиційний підхід, що застосовується в математичних дослідженнях: визначити елементи (змінні, константи) та пов'язати їх відповідним співвідношенням (формулою, рівнянням, системою рівнянь), що відображає принцип взаємодії елементів.

Коли завдання ускладнилися і таке співвідношення не вдавалося відразу отримати, пропонувалося формувати "простір станів" елементів і вводити "заходи близькості" між елементами цього простору. Такий підхід спочатку намагалися застосувати на дослідження складних систем.

Пропонувалося обстежити систему, виявити всі елементи та зв'язки між ними. Цей підхід називали іноді "перерахуванням"системи. Під час обстеження застосовувалися різні способи: 1) архівний(Вивчення документів та архівів підприємства); 2) опитувальний,або анкетний(Опитування співробітників, у тому числі за допомогою спеціально розроблених анкет - анкет).

Однак перші спроби застосувати такий підхід до дослідження систем управління підприємствами та організаціями показали, що "перерахувати" складну систему практично неможливо.

Враховуючи труднощі "перерахування" систем, пропонувалися різні підходи до їх дослідження та проектування.

Застосування філософських категорій – індуктивний та дедуктивний підходи, аналіз та синтез – дозволяє визначити основні принципи дослідження. Однак ці категорії можуть трактуватися та реалізовуватися по-різному.

Тому від початку виникнення системної теоріїпропонувалися підходи, більшою мірою орієнтовані прикладні завдання. Наведемо основні з них:

• в початковий періодстановлення теорії систем розвивався біхевіористський підхід (поведінка), заснований на дослідженні поведінки (тобто функціонування) систем; однак цей підхід дуже трудомісткий і не завжди реалізуємо;
• американський вчений М. Месарович запропонував підходи, які назвав цілеспрямованимі термінальним(від терм - елементарна частка, що цікавить дослідника);
• польський вчений Р. Куликовський запропонував називати аналогічні підходи декомпозицієюі композицієюсистеми;
• швейцарський астроном Ф. Цвіккі запропонував та розвинув морфологічний підхід,який допомагає шукати корисні поєднання елементів шляхом їх комбінацій;
• американська корпорація /ММ) запропонувала підхід до створення складних програм та проектів, названий "дерево цілей";
• у практиці проектування складних технічних комплексів виникли терміни "мова моделювання", "мова автоматизації проектування",що застосовуються для відображення взаємозв'язків між компонентами проекту; при розробці мов моделювання застосовують математичну логікуі математичну лінгвістику,в якій є зручний термін для опису структури мови "тезаурус"(див. гл. 4), і підхід називають іноді лінгвістичнимабо тезаурусним;
• при дослідженні та формуванні структур було запропоновано такі підходи: шляхом пошуку зв'язків між елементами або, навпаки, шляхом усунення зайвих зв'язків (, ).

З урахуванням розглянутих підходів на основі узагальнення попереднього досвіду сформувалося два основних підходи до відображення систем, що спочатку запропоновані для формування структур целей5:

• а) "згори" - методи структуризаціїабо декомпозиції, цільовийабо цілеспрямованийпідхід;
• б) "знизу" - підхід, який називають морфологічним(в широкому сенсі), лінгвістичним, тезаурусним, термінальним,методом "мови"системи. За допомогою цього підходу визначається "простір станів" системи та реалізується пошук взаємозв'язків (мір близькості) між елементами.

Підхід " знизу " можна реалізувати, застосовуючи як комбінаторні прийоми (морфологічний тощо.), а й біхевіористський підхід, варіант якого за автоматизації моделювання поведінки об'єктів нині іноді називають процесним,статистичні методи, що лежать в основі бізнес-аналітики, методи представлення та отримання знань, засновані на застосуванні математичної логіки та математичної лінгвістики.

Підходи "згори" та "знизу" називають також аксіологічнимі каузальнимвідповідно.

Аксіологічне уявлення системи - відображення системи у термінах цілейта цільових функціоналів. Цей термін використовують у тих випадках, коли необхідно вибрати підхід до відображення системи на початковому етапі моделювання та протиставити це відображення опису системи у термінах "перерахування" елементів системи та їх безпосереднього впливу один на одного, тобто. каузального уявлення.

Каузальне уявлення системи - опис системи у термінах впливу одних змінних інші, без застосування понять ціліі коштівдосягнення цілей. Цей термін походить від поняття "cause" -причина, тобто. передбачає причинно-наслідкові відносини. Застосовують каузальне подання у разі попереднього опису системи, коли метавідразу не може бути сформульована і для відображення системи або проблемної ситуаціїне може бути застосовано аксіологічну виставу.

У 1970-1980-ті роки. при проектуванні організаційних структур було запропоновано три підходи до вирішення цієї проблеми.

• Нормативно-функціональнийпідхід спрямовано уніфікацію організаційних форм управління у межах галузі. Розробка типових організаційних структур стала першим кроком по дорозі застосування принципів їх науково обгрунтованого побудови. Однак орієнтація на типову номенклатуру функцій управління та структурних управлінських підрозділів не дозволяє враховувати особливості конкретних підприємств та умов їх діяльності.
• Функціонально-технологічнийпідхід заснований на раціоналізації потоків інформації та технології її обробки, на формуванні та аналізі організаційно-технологічних процедур підготовки та реалізації управлінських рішень. Цей підхід забезпечує можливість досить повно врахувати особливості конкретного підприємства (організації), відрізняється гнучкістю та універсальністю. Разом з тим він характеризується високою трудомісткістю, використанням стабільної номенклатури функцій управління, що склалися, підпорядкуванням оргструктури схемі документообігу.
• Системно-цільовийпідхід полягає у побудові структури цілей, визначенні на її основі функцій управління та їх організаційному оформленні. Переваги цього підходу полягають у можливості враховувати особливості об'єкта управління та умови його діяльності, змінювати та розширювати склад функцій, проектувати різноманітні організаційно-правові форми підприємств. Труднощі у використанні підходу пов'язані з проблемою переходу від сукупності цілей та функцій до складу та підпорядкованості структурних ланок, що забезпечують їх реалізацію.

Узагальнюючий підхід "згори",званий цільовим, цілеспрямованим, системно-цільовим, заснований на структуризації або декомпозиції системи в просторі.Цей підхід дозволяє розчленувати вихідну велику невизначеність на більш доступні для огляду і вибрати методи їх аналізу та проектування, зберігаючи цілісність уявлення про досліджувану систему або розв'язувану проблему на основі ієрархічної структури (деревоподібної, стратифікованої).

Підхід "знизу",заснований на аналізі простору станів, пошуку "мір близькості" між компонентами за допомогою різних, у тому числі статистичних, методів, морфологічного моделювання, відрізняється великою трудомісткістю. В даний час для аналізу простору станів розроблено методи представлення та отримання знань, засновані на застосуванні статистичних методів, математичної логіки та математичної лінгвістики.

В даний час для проектування систем широке застосування знайшов підхід, який коротко називається процесним.Цей підхід, який можна вважати розвитком функціонально-технологічного підходу,заснований на структуризації у часі, на представленні процесів у формі графів.

Застосування функціонально-технологічного підходу тривалий час було практично нереалізованим через велику трудомісткість, відсутність правил і засобів автоматизації формування графів, що відображають процеси в системах. У 1990-ті роки. була розроблена методологія SADT (Structured Analysis and Design- структурний аналіз та проектування; запропонована Дугласом Россом), що є сукупністю методів, правил і процедур, призначених для побудови функціональної моделі об'єкта будь-якої предметної області. На її основі розроблені та стали широко застосовуватися функціонально-орієнтовані та об'єктно-орієнтовані CASE-2 та RAD-3 технології. Комп'ютерна реалізація методології SADT отримала назву IDEF (Icam Definition).Основними структурними моделямиє моделі процесів IDEF0 та IDEF3, модель даних IDEF1X4. Створено стандарти IDEF і DFD, зорієнтовані аналіз процесів (зокрема бізнес-процесів). Для реалізації моделей застосовуються автоматизовані засоби - BPWin, ARIS, мова UML (Unified Modeling Language -уніфікована мова моделювання). Популярність САБЕ-метододогії та технологій базується на розробці принципів та автоматизації формування процесів, на розвитку методів їх формування (на основі аналізу) життєвого циклувиробництва, обслуговування або інших процесів, причинно-наслідкових зв'язків тощо), що й забезпечило розвиток процесного підходу,переваги якого полягають у можливості враховувати особливості конкретного об'єкта та умов його діяльності.