Begrepene "modell", "simulering", ulike tilnærminger til klassifisering av modeller. Modelleringsstadier

Begrepene "modell", "simulering", ulike tilnærminger til klassifisering av modeller. Modelleringsstadier

Modell (modell)– om latinsk mål, bilde, væremåte osv.

Modell- Dette nytt objekt, forskjellig fra den opprinnelige, som har egenskaper som er essensielle for modelleringsformål og, innenfor rammen av disse formålene, erstatter det opprinnelige objektet (objekt - original)

Eller vi kan med andre ord si: en modell er en forenklet representasjon av et reelt objekt, prosess eller fenomen.

Konklusjon. Modellen er nødvendig for å:

Forstå hvordan det fungerer bestemt objekt- hva er dens struktur, grunnleggende egenskaper, utviklingslover og interaksjon med omverdenen;

Lær å administrere et objekt eller en prosess og bestemme de beste måtene kontroll kl gitte mål og kriterier (optimalisering);

Forutsi direkte og indirekte konsekvenser av implementering gitte metoder og former for påvirkning på objektet;

Klassifisering av modeller.

Tegn etter hvilke modeller er klassifisert:

1. Bruksområde.

2. Tar hensyn til tidsfaktor og bruksområde.

3. I henhold til presentasjonsmetoden.

4. Kunnskapsgren (biologisk, historisk, sosiologisk, etc.).

5. Bruksområde

Pedagogisk: visuelle hjelpemidler, treningsprogrammer, ulike simulatorer;

Opplevde: en skipsmodell testes i et basseng for å bestemme stabiliteten til skipet når det gynger;

Vitenskapelig og teknisk: en elektronakselerator, en enhet som simulerer en lynutladning, et stativ for å teste en TV;

Gaming: militære, økonomiske, sport, business spill;

Etterligning: eksperimentet gjentas enten mange ganger for å studere og evaluere konsekvensene av enhver handling på en reell situasjon, eller utføres samtidig med mange andre lignende objekter, men plassert under forskjellige forhold).

2. Tar hensyn til tidsfaktor og bruksområde

Statisk modell - det er som et engangssnitt gjennom et objekt.

Eksempel: Du kom til tannklinikken for muntlig undersøkelse. Legen undersøkte meg og skrev ned all informasjon på kortet. Oppføringer i kortet som gir et bilde av tilstanden til munnhulen på dette øyeblikket tid (antall primære, permanente, fylte, ekstraherte tenner) og vil være en statistisk modell.

Dynamisk modell lar deg se endringer i et objekt over tid.

Et eksempel er det samme kortet til et skolebarn, som gjenspeiler endringene som skjer i tennene hans over et bestemt tidspunkt.

3. Klassifisering etter presentasjonsmåte

De to første store grupper: materiell og informasjon. Navnene på disse gruppene ser ut til å indikere hva modellene er laget av.

Materiale modeller kan ellers kalles objektive, fysiske. De gjengir geometriske og fysiske egenskaper original og alltid ha en ekte legemliggjøring.

Barneleker. Fra dem får barnet sitt første inntrykk av verden rundt seg. Et to år gammelt barn leker med en bamse. Når et barn år senere ser en ekte bjørn i en dyrehage, vil han lett gjenkjenne den.

Skolegoder, fysisk og kjemiske eksperimenter. De simulerer prosesser, som reaksjonen mellom hydrogen og oksygen. Denne opplevelsen er ledsaget av et øredøvende smell. Modellen bekrefter konsekvensene av fremveksten av en «eksplosiv blanding» av ufarlige og utbredte stoffer i naturen.

Kart når du studerer historie eller geografi, diagrammer over solsystemet og stjernehimmelen i astronomitimer og mye mer.

Konklusjon. Materialmodeller implementerer en materiell (berøring, lukt, se, hør) tilnærming til studiet av et objekt, fenomen eller prosess.

Informasjonsmodeller kan ikke berøres eller ses med dine egne øyne, de har ingen materiell legemliggjøring, fordi de kun er bygget på informasjon. Denne modelleringsmetoden er basert på en informasjonstilnærming for å studere den omkringliggende virkeligheten.

Informasjon modeller - et sett med informasjon som karakteriserer egenskapene og tilstandene til et objekt, prosess, fenomen, samt forholdet til omverdenen.

Informasjon som karakteriserer et objekt eller en prosess kan ha ulike volum og presentasjonsformer, og komme til uttrykk på ulike måter. Dette mangfoldet er like ubegrenset som evnene til hver person og hans fantasi. Informasjonsmodeller inkluderer symbolsk og verbal.

Ikonisk modell - en informasjonsmodell uttrykt med spesielle tegn, dvs. ved hjelp av et hvilket som helst formelt språk.

Ikoniske modeller er rundt oss. Dette er tegninger, tekster, grafer og diagrammer.

Etter implementeringsmetode ikoniske modeller kan deles inn i datamaskin og ikke-datamaskin.

Datamaskin modell - en modell implementert ved hjelp av et programvaremiljø.

Verbal (fra latin "verbalis" - muntlig) modell - en informasjonsmodell i mental eller muntlig form.

Dette er modeller oppnådd som et resultat av refleksjon og slutninger. De kan forbli mentale eller uttrykkes verbalt. Et eksempel på en slik modell vil være vår oppførsel når vi krysser gaten.

Prosessen med å bygge en modell kalles modellering med andre ord, modellering er prosessen med å studere strukturen og egenskapene til originalen ved hjelp av en modell.

Planetarier" href="/text/category/planetarii/" rel="bookmark">planetarium, i arkitektur - byggemodeller, i flyproduksjon - modeller fly og så videre.

Ideell modellering er fundamentalt forskjellig fra emne (material) modellering.

Perfekt modellering er ikke basert på en materiell analogi av et objekt og en modell, men på en ideell, tenkelig analogi.

Ikonisk modellering er modellering som bruker symbolske transformasjoner av noe slag som modeller: diagrammer, grafer, tegninger, formler, sett med symboler.

Matematisk modellering er modellering der studiet av et objekt utføres gjennom en modell formulert på matematikkspråket: beskrivelse og studie av Newtons mekanikklover ved bruk av matematiske formler.

Modelleringsprosessen består av følgende stadier:

Hovedoppgaven til modelleringsprosessen er å velge den mest passende modellen til originalen og overføre forskningsresultatene til originalen. Det er nok generelle metoder og modelleringsmetoder.

Før du bygger en modell av et objekt (fenomen, prosess), er det nødvendig å identifisere dets bestanddeler og forbindelsene mellom dem (tegne system analyse) og "oversette" (vise) den resulterende strukturen til en hvilken som helst en viss form- formalisere informasjon.

Formalisering er prosessen med å isolere og oversette intern struktur objekt, fenomen eller prosess ved et bestemt informasjonsstruktur- form.

Formalisering er reduksjon av essensielle egenskaper og egenskaper ved et modelleringsobjekt i den valgte formen (til det valgte formspråket).

Modelleringsstadier

Før du tar på deg noe arbeid, må du tydelig forestille deg startpunktet og hvert punkt for aktiviteten, så vel som dens omtrentlige stadier. Det samme kan sies om modellering. Utgangspunktet her er en prototype. Det kan være et eksisterende eller designet objekt eller prosess. Det siste stadiet av modellering er å ta en beslutning basert på kunnskap om objektet.

Kjedet ser slik ut.

https://pandia.ru/text/78/457/images/image007_30.jpg" width="474" height="430 src=">

STAGE I. SCENE OPPGAVER.

En oppgave er et problem som må løses. På stadiet av problemformuleringen er det nødvendig å reflektere tre hovedpunkter: beskrivelse av problemet, fastsettelse av modelleringsmål og analyse av objektet eller prosessen.

Beskrivelse av oppgaven

Problemstillingen er formulert i vanlig språk, og beskrivelsen skal være tydelig. Hovedsaken her er å definere modelleringsobjektet og forstå hva resultatet skal være.

Formål med modellering

1) kunnskap om verden rundt

2) opprettelse av objekter med gitte egenskaper (bestemt ved å stille problemet "hvordan gjøre slik at ...".

3) fastsettelse av konsekvensene av påvirkning på objektet og aksept riktig avgjørelse. Hensikten med å modellere problemer som "hva vil skje hvis ..." (hva vil skje hvis du øker prisen for transport, eller hva vil skje hvis du begraver atomavfall i et slikt og et slikt område?)

Objektanalyse

På dette stadiet er det modellerte objektet og dets hovedegenskaper tydelig identifisert, hva det består av og hvilke forbindelser som finnes mellom dem.

Et enkelt eksempel på underordnede objektforbindelser er å analysere en setning. Først blir hovedmedlemmene (subjekt, predikat) identifisert, deretter mindreårige medlemmer, relatert til de viktigste, deretter ord relatert til de sekundære osv.

Trinn II. MODELLUTVIKLING

1. Informasjonsmodell

På dette stadiet blir egenskapene, tilstandene, handlingene og andre egenskaper til elementære objekter avklart i enhver form: verbalt, i form av diagrammer, tabeller. Det dannes en idé om de elementære objektene som utgjør det opprinnelige objektet, det vil si en informasjonsmodell.

Modeller skal reflektere mest essensielle funksjoner, egenskaper, tilstander og relasjoner til objekter objektiv verden. Det er de som gir full informasjon om objektet.

2. Ikonisk modell

Før du starter modelleringsprosessen, lager en person foreløpige skisser av tegninger eller diagrammer på papir, tegner beregningsformler, dvs. den skaper en informasjonsmodell i en eller annen symbolsk form, som kan være enten datamaskin eller ikke-datamaskin.

3. Datamaskinmodell

En datamaskinmodell er en modell implementert ved hjelp av et programvaremiljø.

Det er mange programvaresystemer, som tillater forskning (modellering) informasjonsmodeller. Hvert programvaremiljø har sine egne verktøy og lar deg jobbe med visse typer informasjonsobjekter.

Personen vet allerede hva modellen blir og bruker datamaskinen for å gi den en ikonisk form. For eksempel brukes grafiske miljøer til å bygge geometriske modeller og diagrammer, og et tekstredigeringsmiljø brukes for verbale eller tabellformede beskrivelser.

TRINN III. DATAEKSPERIMENT

Med utviklingen av datateknologi har det oppstått en ny unik forskningsmetode – et dataeksperiment. Dataeksperiment inkluderer sekvensen av arbeid med modellen, et sett med målrettede brukerhandlinger på datamaskinmodellen.

STAGE IV ANALYSE AV MODELLERINGSRESULTATER

Det endelige målet med modellering er å ta en beslutning, som bør tas på grunnlag av en omfattende analyse av de oppnådde resultatene. Dette stadiet er avgjørende - enten fortsetter du forskningen eller fullfører den. Kanskje du kjenner det forventede resultatet, så må du sammenligne de oppnådde og forventede resultatene. Hvis det er en match, vil du kunne ta en avgjørelse.

For å forstå essensen matematisk modellering, la oss se på de grunnleggende definisjonene og funksjonene til prosessen.

Essensen av begrepet

Modellering er prosessen med å lage og bruke en modell. Det anses å være ethvert abstrakt eller materiellt objekt som erstatter et ekte modelleringsobjekt i studieprosessen. Et viktig poeng er bevaring av egenskapene som er nødvendige for en fullstendig analyse av emnet.

Datamodellering er en variant av kognisjon basert på en matematisk modell. Det innebærer et system av ulikheter, ligninger, logiske symbolske uttrykk som fullt ut reflekterer alle egenskapene til et fenomen eller objekt.

Matematisk modellering innebærer spesifikke beregninger og bruk av datateknologi. Mer forskning er nødvendig for å forklare prosessen. Klarer denne oppgaven datamodellering.

Spesifisitet av datamodellering

Denne måten å studere på komplekse systemer anses som effektive og effektive. Det er mer praktisk og enklere å analysere datamodeller, siden en rekke beregningsmessige handlinger kan utføres. Dette gjelder spesielt i tilfeller der reelle eksperimenter av fysiske eller materielle årsaker ikke tillater å oppnå ønsket resultat. Logikken til slike modeller gjør det mulig å bestemme hovedfaktorene som bestemmer parametrene til originalen som studeres.

Denne anvendelsen av matematisk modellering gjør det mulig å identifisere oppførselen til et objekt i ulike forhold, identifisere virkningen ulike faktorer på hans oppførsel.

Grunnleggende om datamodellering

Hva er denne modellen basert på? Hva har skjedd Vitenskapelig forskning basert på IKT? La oss starte med det faktum at enhver datamodellering er basert på visse prinsipper:

matematisk modellering for å beskrive prosessen som studeres;
anvendelse av innovative matematiske modeller for en detaljert vurdering av prosessene som studeres.

Typer modellering

Foreløpig er det ulike metoder matematisk modellering: simulering og analytisk.

Det analytiske alternativet er assosiert med studiet av abstrakte modeller av et virkelig objekt i form av differensial, algebraiske ligninger, som involverer implementering av presise beregningsteknikker som er i stand til å gi en nøyaktig løsning.

Simuleringsmodellering innebærer studiet av en matematisk modell i form av en spesifikk algoritme som reproduserer funksjonen til det analyserte systemet gjennom sekvensiell utførelse av et system med enkle beregninger og operasjoner.

Funksjoner ved å konstruere en datamodell

La oss se nærmere på hvordan slik modellering skjer. Hva er stadiene i dataforskning? La oss starte med at prosessen er basert på å bevege oss bort fra et tydelig objekt eller fenomen som analyseres.

Slik modellering består av to hovedtrinn: å lage en kvalitativ og kvantitativ modell. Datalæring består i å utføre et system med beregningshandlinger på personlig datamaskin rettet mot analyse, systematisering, sammenligning av forskningsresultater med ekte oppførsel analysert objekt. Om nødvendig utføres ytterligere foredling av modellen.

Modelleringsstadier

Hvordan gjøres modellering? Hva er stadiene i dataforskning? Så den følgende algoritmen for handlinger angående konstruksjonen av en datamodell skiller seg ut:

1. stadie. Sette mål og mål for arbeidet, identifisere modelleringsobjektet. Det forventes å samle inn data, stille et spørsmål, identifisere målene og formene for studien og beskrive resultatene som er oppnådd.

Trinn 2. Analyse og studie av systemet. Objektet beskrives, en informasjonsmodell lages, programvare og maskinvare velges, og eksempler på matematisk modellering velges.

Trinn 3. Overgang til matematisk modell, utvikling av designmetode, valg av handlingsalgoritme.

Trinn 4. Valg av programmeringsspråk eller miljø for modellering, diskusjon av analysealternativer, registrering av algoritmen på spesifikt språk programmering.

Trinn 5. Det består av å utføre et sett med beregningseksperimenter, feilsøke beregninger og behandle resultatene som er oppnådd. Om nødvendig, på sånn som det er nå Modelleringen justeres.

Etappe 6. Tolking av resultater.

Hvordan analyseres simuleringen? Hva har skjedd programvareprodukter for forskning? Først av alt betyr det bruk av tekst, grafiske redaktører, regneark, matematiske pakker som lar deg få maksimalt resultat fra forskningen din.

Gjennomføring av et beregningseksperiment

Alle metoder for matematisk modellering er basert på eksperimenter. De forstås vanligvis som eksperimenter utført med en modell eller et objekt. De består i gjennomføringen visse handlinger, som lar en bestemme oppførselen til en eksperimentell prøve som svar på foreslåtte handlinger.

Det er umulig å forestille seg et beregningseksperiment uten å utføre beregninger som innebærer bruk av en formalisert modell.

Det grunnleggende i matematisk modellering innebærer å utføre forskning med et ekte objekt, men beregningshandlinger utføres med det en nøyaktig kopi(modell). Når du velger et spesifikt sett med innledende modellindikatorer, etter å ha fullført beregningshandlingene, kan du få optimale forhold for full funksjon ekte objekt.

For eksempel å ha Matematisk ligning, som beskriver forløpet til den analyserte prosessen, når koeffisientene, initiale og mellomliggende forhold endres, kan vi anta objektets oppførsel. I tillegg er det mulig å lage en pålitelig prognose for oppførselen til dette objektet eller naturfenomenet under visse forhold. Når det gjelder et nytt sett med innledende data, er det viktig å gjennomføre nye beregningseksperimenter.

Sammenligning av innhentede data

For å utføre en tilstrekkelig sjekk av et virkelig objekt eller en opprettet matematisk modell, samt å evaluere resultatene av forskning på datateknologi Forskningsresultatene sammenlignes med resultatene av eksperimentet utført på en fullskala prototype.

Beslutningen om å bygge avhenger av avviket mellom informasjonen innhentet under forskningen. ferdig prøve eller om å justere den matematiske modellen.

Et slikt eksperiment gjør det mulig å erstatte naturlig, kostbar forskning med databeregninger, analysere mulighetene for å bruke et objekt på et minimum av tid, og å identifisere betingelsene for den faktiske driften.

Simulering i miljøer

For eksempel bruker et programmeringsmiljø tre stadier av matematisk modellering. På stadiet med å lage en algoritme og informasjonsmodell, bestemmes mengdene som vil være inputparametere og forskningsresultater, og deres type identifiseres.

Om nødvendig, forberede spesielle matematiske algoritmer i form av blokkdiagrammer, skrevet på et spesifikt programmeringsspråk.

Et dataeksperiment innebærer å analysere resultatene fra beregninger og justere dem. Blant de viktige stadiene i slik forskning merker vi testing av algoritmen og analyse av ytelsen til programmet.

Å feilsøke det innebærer å finne og eliminere feil som fører til uønskede resultater og feil i beregninger.

Testing innebærer å kontrollere at programmet fungerer korrekt, samt å vurdere påliteligheten til dets individuelle komponenter. Prosessen består i å sjekke ytelsen til programmet, dets egnethet for å studere et bestemt fenomen eller objekt.

Regneark

Modellering ved hjelp av regneark lar deg dekke et stort volum av oppgaver innen ulike fagområder. De betraktes som et universelt verktøy som lar deg løse den arbeidskrevende oppgaven med å beregne de kvantitative parametrene til et objekt.

Når det gjelder dette modelleringsalternativet, er det en viss transformasjon av algoritmen for å løse problemet, det er ikke nødvendig å utvikle et datagrensesnitt. I dette tilfellet er det et feilsøkingsstadium, som inkluderer fjerning av datafeil, søk etter forbindelser mellom celler og identifisering av beregningsformler.

Ettersom arbeidet skrider frem, tilleggsoppgaver, for eksempel å skrive ut resultater på papir, rasjonell presentasjon av informasjon på en dataskjerm.

Sekvensering

Modellering utføres i regneark i henhold til en viss algoritme. Først bestemmes målene for studien, hovedparametrene og sammenhengene identifiseres, og en spesifikk matematisk modell sammenstilles basert på den innhentede informasjonen.

For en kvalitativ undersøkelse av modellen brukes initiale, mellomliggende og endelige egenskaper, supplert med tegninger og diagrammer. Ved hjelp av grafer og diagrammer får du visuell representasjon om resultatene av arbeidet.

Modellering i et DBMS-miljø

Den lar deg løse følgende problemer:

lagre informasjon og redigere den i tide;
organisere eksisterende data i henhold til spesifikke egenskaper;
lage forskjellige kriterier for valg av data;
presentere tilgjengelig informasjon i en praktisk form.

Etter hvert som modellen utvikles, basert på de første dataene, skapes optimale forhold for å beskrive egenskapene til objektet ved hjelp av spesielle tabeller.

Dette innebærer å sortere informasjon, søke og filtrere data og lage algoritmer for å utføre beregninger. Ved hjelp av et dashbord på datamaskinen kan du lage forskjellige skjermskjemaer, samt alternativer for å motta trykte papirrapporter om fremdriften av eksperimentet.

Hvis de oppnådde resultatene ikke sammenfaller med de planlagte alternativene, endres parametrene og ytterligere forskning utføres.

Anvendelse av en datamodell

Beregningseksperiment og datamodellering er nye vitenskapelige forskningsmetoder. De gjør det mulig å modernisere dataapparatet som brukes til å bygge en matematisk modell, for å spesifisere, tydeliggjøre og komplisere eksperimenter.

Blant de mest lovende for praktisk bruk, utfører en full beregningseksperiment fremheve utformingen av reaktorer for høyeffekt atomkraftverk. I tillegg inkluderer dette opprettelsen av magnetohydrodynamiske omformere elektrisk energi, samt balansert langsiktig plan for land, region, industri.

Det er ved hjelp av datamaskin og matematisk modellering at man kan designe instrumentene som er nødvendige for å studere termonukleære reaksjoner, kjemiske prosesser.

Datamodellering og beregningseksperimenter gjør det mulig å redusere langt fra «matematiske» objekter til sammensetningen og løsningen av et matematisk problem.

Den åpner seg store muligheter for søknad matematisk apparat i et system med moderne datateknologiå løse problemer knyttet til utviklingen verdensrommet, "erobring" av atomprosesser.

Modellering har blitt en av de de viktigste alternativene kunnskap om ulike omkringliggende prosesser og naturfenomener. Denne erkjennelsen er en kompleks og arbeidskrevende prosess og involverer bruk av et system forskjellige typer modellering, som starter med utvikling av reduserte modeller av virkelige objekter, og slutter med valg av spesielle algoritmer for å utføre komplekse matematiske beregninger.

Avhengig av hvilke prosesser eller fenomener som skal analyseres, velges visse algoritmer handlinger, matematiske formler for beregninger. Datamodellering tillater minimale kostnader motta ønsket resultat, viktig informasjon om egenskapene og parameterne til et objekt eller fenomen.

Simuleringsmetode den mest lovende forskningsmetoden krever en psykolog et visst nivå matematisk opplæring. Her studeres mentale fenomener ut fra et tilnærmet bilde av virkeligheten – dens modell. Modellen gjør det mulig å fokusere psykologens oppmerksomhet bare på de viktigste, viktigste egenskapene til psyken. Modellen er Autorisert representant objektet som studeres (mentalt fenomen, tenkeprosess, etc.). Selvfølgelig er det bedre å umiddelbart få en helhetlig forståelse av fenomenet som studeres. Men dette er vanligvis umulig på grunn av kompleksiteten til psykologiske objekter.

Modellen er relatert til originalen ved et likhetsforhold.

Erkjennelse av originalen fra psykologiens ståsted skjer gjennom komplekse prosesser mental refleksjon. Originalen og dens psykiske refleksjon er relatert som et objekt og dets skygge. Fullstendig erkjennelse av et objekt utføres sekvensielt, asymptotisk, gjennom en lang kjede av erkjennelse av omtrentlige bilder. Disse omtrentlige bildene er modeller av den gjenkjennelige originalen.

Behovet for modellering oppstår i psykologi når:
- den systemiske kompleksiteten til et objekt er en uoverstigelig hindring for å skape dets helhetlige bilde på alle detaljnivåer;
- operasjonsstudie nødvendig psykologisk objekt til skade for detaljene i originalen;
- mentale prosesser med høy grad av usikkerhet er gjenstand for studier og mønstrene de adlyder er ukjente;
- Det kreves optimalisering av objektet som studeres ved å variere innsatsfaktorer.

Modelleringsoppgaver:
- beskrivelse og analyse psykiske fenomener på ulike nivåer deres strukturelle organisering;
- forutsi utviklingen av mentale fenomener;
- identifikasjon av mentale fenomener, det vil si å etablere deres likheter og forskjeller;
- optimering av forhold for forekomsten av mentale prosesser.

Kort om klassifisering av modeller i psykologi. Det er objekt- og symbolmodeller. Fagene har fysisk natur og i sin tur er delt inn i naturlig og kunstig. Naturlige modeller er basert på representanter for levende natur: mennesker, dyr, insekter. La oss huske mannens trofaste venn - hunden, som fungerte som modell for å studere arbeid fysiologiske mekanismer person. I kjernen kunstige modeller ligger elementer av "andre natur" skapt av menneskelig arbeid. Som et eksempel kan vi nevne F. Gorbovs homeostat og N. Obozovs cybernometer, som brukes til å studere gruppeaktivitet.

Skiltmodeller lages på grunnlag av et system av tegn av svært ulik karakter. Dette:
- alfanumeriske modeller, der bokstaver og tall fungerer som tegn (som for eksempel er reguleringsmodellen felles aktiviteter N.N. Obozova);
- modeller av spesielle symboler (for eksempel algoritmiske modeller av aktivitetene til A. I. Gubinsky og G. V. Sukhodolsky i ingeniørpsykologi eller musikalsk notasjon for orkester musikkstykke, som inneholder alle nødvendige elementer som synkroniserer komplekset jobber sammen utøvere);
- grafiske modeller som beskriver et objekt i form av sirkler og kommunikasjonslinjer mellom dem (førstnevnte kan for eksempel uttrykke tilstandene til et psykologisk objekt, sistnevnte - mulige overganger fra en tilstand til en annen);
- matematiske modeller bruke et mangfoldig språk matematiske symboler og har sitt eget klassifiseringsskjema;
- Kybernetiske modeller er bygget på grunnlag av teorien om automatiske styrings- og simuleringssystemer, informasjonsteori, etc.

Noen ganger er modeller skrevet på programmeringsspråk, men dette er en lang og kostbar prosess. Matematiske pakker kan brukes til modellering, men som erfaringen viser at de vanligvis mangler mange ingeniørverktøy. Det er optimalt å bruke et simuleringsmiljø.

På kurset vårt valgte vi . Laboratoriearbeid og demoene du møter i kurset bør kjøres som prosjekter i Stratum-2000-miljøet.

Modellen, laget under hensyntagen til muligheten for modernisering, har selvfølgelig ulemper, for eksempel lav kodeutførelseshastighet. Men det er også ubestridelige fordeler. Modellstrukturen, forbindelser, elementer, delsystemer er synlige og lagret. Du kan alltid gå tilbake og gjøre om noe. Et spor i historien til modelldesign er bevart (men når modellen feilsøkes, er det fornuftig å fjerne tjenesteinformasjon fra prosjektet). Til slutt kan modellen som overleveres til kunden utformes i form av en spesialisert automatisert arbeidsstasjon (AWS), skrevet i et programmeringsspråk, der oppmerksomhet hovedsakelig rettes mot grensesnitt, hastighetsparametere og andre forbrukeregenskaper. som er viktige for kunden. Arbeidsstasjonen er selvfølgelig en kostbar ting, så den utgis først når kunden har testet prosjektet fullstendig i modelleringsmiljøet, kommet med alle kommentarer og forplikter seg til å ikke endre kravene sine lenger.

Simulering er ingeniørvitenskap, problemløsningsteknologi. Denne bemerkningen er veldig viktig. Siden teknologi er en måte å oppnå et resultat med en kvalitet kjent på forhånd og garanterte kostnader og tidsfrister, så er modellering som en disiplin:

studerer måter å løse problemer på, det vil si at det er en ingeniørvitenskap;
er et universelt verktøy som garanterer løsning av eventuelle problemer, uavhengig av fagområde.

Fag relatert til modellering er: programmering, matematikk, operasjonsforskning.

Programmering fordi modellen ofte implementeres på et kunstig medium (plastisin, vann, murstein, matematiske uttrykk ), og datamaskinen er en av de mest universelle informasjonsmediene og dessuten aktiv (imiterer plastelina, vann, murstein, beregner matematiske uttrykk, etc.). Programmering er en måte å uttrykke en algoritme på i en språkform. Algoritme er en av måtene å representere (reflektere) en tanke, prosess, fenomen i et kunstig datamiljø, som er en datamaskin (von Neumann-arkitektur). Spesifisiteten til algoritmen er å gjenspeile rekkefølgen av handlinger. Modellering kan bruke programmering hvis objektet som modelleres er lett å beskrive med tanke på oppførselen. Hvis det er lettere å beskrive egenskapene til et objekt, så er det vanskelig å bruke programmering. Hvis simuleringsmiljøet ikke er bygget på grunnlag av von Neumann-arkitektur, er programmering praktisk talt ubrukelig.

Hva er forskjellen mellom en algoritme og en modell?

En algoritme er en prosess for å løse et problem ved å implementere en sekvens av trinn, mens en modell er et sett med potensielle egenskaper til et objekt. Hvis du stiller et spørsmål til modellen og legger til tilleggsbetingelser i form av initialdata (forbindelse med andre objekter, startbetingelser, restriksjoner), så kan det løses av forskeren angående ukjente. Prosessen med å løse et problem kan representeres av en algoritme (men andre løsningsmetoder er også kjent). Generelt er eksempler på algoritmer i naturen ukjente de er et produkt av Menneskehjerne, et sinn som er i stand til å etablere en plan. Egentlig er algoritmen en plan, utviklet til en sekvens av handlinger. Det er nødvendig å skille mellom oppførselen til gjenstander knyttet til naturlige årsaker og sinnets forsyn, kontrollere bevegelsesforløpet, forutsi resultatet på grunnlag av kunnskap og velge riktig oppførsel.

modell + spørsmål + tilleggsbetingelser = oppgave.

Matematikk er en vitenskap som gir mulighet for å regne ut modeller som kan reduseres til en standard (kanonisk) form. Vitenskapen om å finne løsninger på analytiske modeller (analyse) ved hjelp av formelle transformasjoner.

Driftsforskning en disiplin som implementerer metoder for å studere modeller ut fra synspunktet om å finne de beste kontrollhandlingene på modeller (syntese). Omhandler mest analytiske modeller. Hjelper med å ta beslutninger ved hjelp av bygde modeller.

Design prosessen med å lage et objekt og dets modell; modellering av en måte å evaluere designresultatet på; Det er ingen modellering uten design.

Beslektede disipliner for modellering inkluderer elektroteknikk, økonomi, biologi, geografi og andre i den forstand at de bruker modelleringsmetoder for å studere sitt eget anvendte objekt (for eksempel en landskapsmodell, en elektrisk krets, kontantstrømmodell osv.).

La oss som et eksempel se på hvordan et mønster kan oppdages og deretter beskrives.

La oss si at vi må løse "skjæreproblemet", det vil si at vi må forutsi hvor mange kutt i form av rette linjer som kreves for å dele figuren (fig. 1.16) i gitt nummer stykker (for eksempel er det nok til at figuren er konveks).

La oss prøve å løse dette problemet manuelt.

Fra fig. 1.16 kan man se at med 0 kutt dannes 1 stykke, med 1 kutt dannes 2 stykker, med to 4, med tre 7, med fire 11. Kan du nå fortelle på forhånd hvor mange kutt som vil kreves for å danne, for eksempel, 821 stykker? Etter min mening, nei! Hvorfor har du problemer? Du kjenner ikke mønsteret K = f(P) , Hvor K antall stykker, P antall kutt. Hvordan oppdage et mønster?

La oss lage en tabell som forbinder det kjente antallet stykker og kutt.

Mønsteret er ennå ikke klart. La oss derfor se på forskjellene mellom individuelle eksperimenter, la oss se hvordan resultatet av ett eksperiment skiller seg fra et annet. Etter å ha forstått forskjellen, vil vi finne en måte å flytte fra ett resultat til et annet, det vil si en lov som forbinder K Og P .

Et bestemt mønster har allerede dukket opp, ikke sant?

La oss beregne de andre forskjellene.

Nå er alt enkelt. Funksjon f kalt genererende funksjon. Hvis det er lineært, er de første forskjellene like med hverandre. Hvis den er kvadratisk, er de andre forskjellene lik hverandre. Og så videre.

Funksjon f Det er spesielt tilfelle Newtons formler:

Odds en , b , c , d , e for vår kvadratisk funksjoner f er i de første cellene i radene i forsøkstabell 1.5.

Så det er et mønster, og det er dette:

K = en + b · s + c · s · ( s 1)/2 = 1 + s + s · ( s 1)/2 = 0,5 · s 2 + 0,5 s + 1 .

Nå som mønsteret er bestemt, kan vi løse omvendt problem og svar på spørsmålet: hvor mange kutt må du gjøre for å få 821 stykker? K = 821 , K= 0,5 · s 2 + 0,5 s + 1 , s = ?

Løse en andregradsligning 821 = 0,5 · s 2 + 0,5 s + 1 , finner vi røttene: s = 40 .

La oss oppsummere (vær oppmerksom på dette!).

Vi kunne ikke gjette løsningen med en gang. Å gjennomføre eksperimentet viste seg å være vanskelig. Jeg måtte bygge en modell, det vil si finne et mønster mellom variablene. Modellen ble oppnådd i form av en ligning. Ved å legge til et spørsmål til ligningen og en ligning som reflekterer en kjent tilstand, ble det dannet et problem. Siden problemet viste seg å være av en typisk type (kanonisk), ble det løst ved hjelp av en av de velkjente metodene. Derfor ble problemet løst.

Og det er også veldig viktig å merke seg at modellen gjenspeiler årsak-virkningsforhold. Det er faktisk en sterk sammenheng mellom variablene i den konstruerte modellen. En endring i en variabel innebærer en endring i en annen. Vi sa tidligere at "modellen spiller en systemdannende og meningsdannende rolle i vitenskapelig kunnskap, den lar oss forstå fenomenet, strukturen til objektet som studeres, og etablere sammenhengen mellom årsak og virkning." Dette betyr at modellen lar oss bestemme årsakene til fenomener og arten av samspillet mellom dens komponenter. Modellen relaterer årsaker og virkninger gjennom lover, det vil si at variabler er relatert til hverandre gjennom likninger eller uttrykk.

Men!!! Matematikken i seg selv gjør det ikke mulig å utlede noen lover eller modeller fra resultatene av eksperimenter, som det kan se ut etter eksemplet som nettopp ble betraktet. Matematikk er bare en måte å studere et objekt, et fenomen, og dessuten en av flere mulige måter tenker. Det finnes også for eksempel en religiøs metode eller en metode som kunstnere bruker, en følelsesmessig-intuitiv, ved hjelp av disse metodene lærer de også om verden, naturen, menneskene, seg selv.

Så hypotesen om sammenhengen mellom variablene A og B må introduseres av forskeren selv, utenfra, i tillegg. Hvordan gjør en person dette? Det er lett å gi råd om å introdusere en hypotese, men hvordan lære dette, forklare denne handlingen, og derfor igjen, hvordan formalisere den? Vi vil vise dette i detalj i det fremtidige kurset "Modellering av kunstige intelligenssystemer".

Men hvorfor dette må gjøres fra utsiden, separat, i tillegg og i tillegg, skal vi forklare nå. Dette resonnementet bærer navnet på Gödel, som beviste ufullstendighetsteoremet: det er umulig å bevise riktigheten av en viss teori (modell) innenfor rammen av den samme teorien (modellen). Se igjen på fig. 1.12. Modeller mer høy level transformerer tilsvarende lavere nivå modell fra en art til en annen. Eller genererer en modell mer lavt nivå i henhold til tilsvarende beskrivelse igjen. Men hun kan ikke forvandle seg selv. Modellen bygger modellen. Og denne pyramiden av modeller (teorier) er uendelig.

I mellomtiden, for å "ikke bli blåst opp av tull," må du være på vakt og sjekke alt sunn fornuft. La oss gi et eksempel, en gammel kjent vits fra fysikernes folklore.

I denne artikkelen foreslår vi å analysere temaet modellering i informatikk så detaljert som mulig. Denne delen har veldig viktigå utdanne fremtidige spesialister innen informasjonsteknologi.

For å løse ethvert problem (industrielt eller vitenskapelig), bruker datavitenskap følgende kjede:

Det er verdt å være spesielt oppmerksom på konseptet "modell". Uten denne koblingen vil det ikke være mulig å løse problemet. Hvorfor brukes modellen og hva menes med dette begrepet? Vi skal snakke om dette i neste avsnitt.

Modell

Modellering i informatikk er å lage et bilde av ethvert objekt i det virkelige liv som gjenspeiler alle de essensielle funksjonene og egenskapene. En modell for å løse et problem er nødvendig, siden den faktisk brukes i løsningsprosessen.

I skolekurs I informatikk begynner temaet modellering å bli studert i sjette klasse. Helt i begynnelsen må barn bli introdusert for konseptet med en modell. Hva det er?

Forenklet objektlikhet;
En mindre kopi av en ekte gjenstand;
Plan for et fenomen eller en prosess;
Bilde av et fenomen eller en prosess;
Beskrivelse av et fenomen eller en prosess;
Fysisk analog av et objekt;
Informasjon analog;
Et plassholderobjekt som gjenspeiler egenskapene til det virkelige objektet, og så videre.

En modell er et veldig vidt begrep, som allerede har blitt klart av ovenstående. Det er viktig å merke seg at alle modeller vanligvis er delt inn i grupper:

materiale;
perfekt.

En materialmodell forstås som en gjenstand basert på et virkelighetsobjekt. Det kan være hvilken som helst kropp eller prosess. Denne gruppen Det er vanlig å dele inn i to typer:

fysisk;
analog.

Denne klassifiseringen er betinget, fordi det er svært vanskelig å trekke en klar grense mellom disse to underartene.

Den ideelle modellen er enda vanskeligere å karakterisere. Det er relatert til:

tenkning;
fantasi;
oppfatning.

Dette inkluderer kunstverk (teater, maleri, litteratur og så videre).

Modelleringsmål

Modellering i informatikk er veldig viktig stadium, siden den forfølger mange mål. Nå inviterer vi deg til å bli kjent med dem.

Først av alt hjelper modellering å forstå verden rundt oss. I uminnelige tider akkumulerte folk kunnskapen de tilegnet seg og ga den videre til sine etterkommere. Dermed dukket det opp en modell av planeten vår (kloden).

I tidligere århundrer ble modellering utført på ikke-eksisterende gjenstander som nå er godt forankret i livene våre (en paraply, en mølle og så videre). For tiden er modellering rettet mot:

identifisere konsekvensene av enhver prosess (øke reisekostnadene eller resirkulering av kjemisk avfall under jorden);
sikre effektiviteten til beslutninger som tas.

Modelleringsoppgaver

Informasjonsmodell

La oss nå snakke om en annen type modeller studert i et skoleinformatikkkurs. Datamodellering, som enhver fremtidig IT-spesialist trenger å mestre, inkluderer prosessen med å implementere en informasjonsmodell ved hjelp av dataverktøy. Men hva er dette, en informasjonsmodell?

Det er en hel liste med informasjon om et objekt. Hva beskriver denne modellen, og hva nyttig informasjon bærer:

egenskapene til det modellerte objektet;
hans tilstand;
forbindelser med omverdenen;
forhold til eksterne objekter.

Hva kan tjene som informasjonsmodell:

verbal beskrivelse;
tekst;
tegning;
bord;
ordningen;
tegning;
formel og så videre.

Et særtrekk ved informasjonsmodellen er at den ikke kan tas på, smakes og så videre. Den har ikke en vesentlig utførelsesform, da den presenteres i form av informasjon.

Systematisk tilnærming til å lage en modell

I hvilken klasse skolepensum studere modellering? 9. klasse informatikk introduserer elevene til dette emnet mer detaljert. Det er i denne klassen barnet lærer om den systematiske tilnærmingen til modellering. Vi foreslår at vi snakker om dette litt mer detaljert.

La oss starte med konseptet "system". Det er en gruppe av sammenkoblede elementer som jobber sammen for å utføre en gitt oppgave. For å bygge en modell bruker de ofte systematisk tilnærming, siden objektet anses som et system som opererer i et bestemt miljø. Hvis noen komplekst objekt, da er systemet vanligvis delt inn i mindre deler - delsystemer.

Formål med bruk

Nå skal vi se på målene med modellering (informatikk, klasse 11). Tidligere ble det sagt at alle modeller er delt inn i visse typer og klasser, men grensene mellom dem er vilkårlige. Det er flere egenskaper som modeller vanligvis klassifiseres etter: formål, kunnskapsområde, tidsfaktor, presentasjonsmetode.

Når det gjelder mål, er det vanlig å skille mellom følgende typer:

pedagogisk;
opplevde;
etterligning;
spilling;
vitenskapelig og teknisk.

Den første typen inkluderer undervisningsmateriell. Den andre er forminskede eller forstørrede kopier av virkelige objekter (en modell av en struktur, en flyvinge og så videre). lar deg forutsi utfallet av en hendelse. Simuleringsmodellering ofte brukt i medisin og sosial sfære. Hjelper modellen for eksempel til å forstå hvordan folk vil reagere på en bestemt reform? Før man utførte en alvorlig operasjon på en person for en organtransplantasjon, ble det utført mange eksperimenter. Med andre ord lar en simuleringsmodell deg løse et problem ved å prøve og feile. En spillmodell er en slags økonomisk, forretningsmessig eller krigsspill. Ved å bruke denne modellen kan du forutsi oppførselen til et objekt i ulike situasjoner. En vitenskapelig og teknisk modell brukes til å studere en prosess eller et fenomen (en enhet som simulerer lynutladning, planetarisk bevegelsesmodell solsystemet og så videre).

Kunnskapsfelt

I hvilken klasse blir elevene introdusert til modellering mer detaljert? 9. klasse informatikk fokuserer på å forberede studentene til eksamen for opptak til høyere utdanning utdanningsinstitusjoner. Siden i Unified State Exam-billetter og GIA er det spørsmål om modellering, nå er det nødvendig å vurdere dette emnet så detaljert som mulig. Så hvordan oppstår klassifisering etter kunnskapsområde? Basert på denne funksjonen skilles følgende typer ut:

biologisk (for eksempel kunstig forårsaket sykdommer hos dyr, genetiske lidelser, ondartede neoplasmer);
atferden til selskapet, modell for markedsprisdannelse og så videre);
historisk (slektstre, modeller historiske hendelser, modell av den romerske hæren og lignende);
sosiologisk (modell av personlig interesse, bankfolks oppførsel når de tilpasser seg nye økonomiske tilstander) og så videre.

Tidsfaktor

I henhold til denne egenskapen skilles to typer modeller:

dynamisk;
statisk.

Ut fra navnet alene er det ikke vanskelig å gjette at den første typen gjenspeiler funksjon, utvikling og endring av et objekt over tid. Statisk, tvert imot, er i stand til å beskrive et objekt på et bestemt tidspunkt. Denne typen kalles noen ganger strukturell, siden modellen gjenspeiler strukturen og parametrene til objektet, det vil si at den gir et øyeblikksbilde av informasjon om det.

Eksempler er:

et sett med formler som gjenspeiler bevegelsen til planetene i solsystemet;
graf over lufttemperaturendringer;
videoopptak av et vulkanutbrudd og så videre.

Eksempler statistisk modell tjene:

liste over planeter i solsystemet;
områdekart og så videre.

Presentasjonsmetode

Til å begynne med er det veldig viktig å si at alle modeller har en form og form, de er alltid laget av noe, på en eller annen måte representert eller beskrevet. I henhold til dette kriteriet aksepteres det som følger:

materiale;
immateriell.

Den første typen inkluderer materialkopier av eksisterende objekter. Du kan ta på dem, lukte på dem og så videre. De gjenspeiler de ytre eller indre egenskapene og handlingene til et objekt. Hvorfor trengs materialmodeller? De brukes til eksperimentell metode kognisjon (eksperimentell metode).

Vi har også tatt for oss immaterielle modeller tidligere. De bruker teoretisk metode kunnskap. Slike modeller kalles vanligvis ideelle eller abstrakte. Denne kategorien er delt inn i flere undertyper: imaginære modeller og informasjonsmodeller.

Informasjonsmodeller gir en liste over ulike opplysninger om et objekt. Informasjonsmodellen kan være tabeller, figurer, verbale beskrivelser, diagrammer og så videre. Hvorfor denne modellen kalt immateriell? Hele poenget er at du ikke kan røre det, siden det ikke har noen materiell legemliggjøring. Blant informasjonsmodeller skilles det mellom ikonisk og visuelt.

Den imaginære modellen er en av de kreativ prosess, passerer i fantasien til en person, som går foran opprettelsen av en materiell gjenstand.

Modelleringsstadier

Emnet i informatikk for klasse 9 «Modellering og formalisering» har tung vekt. Det er et must å lære. I klasse 9-11 er læreren pålagt å introdusere elevene til stadiene for å lage modeller. Dette skal vi gjøre nå. Så de fremhever neste skritt modellering:

meningsfull uttalelse av problemet;
matematisk formulering av problemet;
utvikling ved hjelp av datamaskiner;
drift av modellen;
får resultatet.

Det er viktig å merke seg at når man studerer alt som omgir oss, brukes prosesser for modellering og formalisering. Datavitenskap er et fag dedikert til moderne metoder studere og løse eventuelle problemer. Følgelig er det lagt vekt på modeller som kan implementeres ved hjelp av en datamaskin. Spesiell oppmerksomhet I dette emnet bør oppmerksomhet rettes mot utviklingen av en løsningsalgoritme ved bruk av elektroniske datamaskiner.

Relasjoner mellom objekter

La oss nå snakke litt om sammenhenger mellom objekter. Det er tre typer totalt:

en til en (en slik forbindelse er indikert med en enveis pil i den ene eller den andre retningen);
én til mange (flere forhold er angitt med en dobbel pil);
mange til mange (dette forholdet er indikert med en dobbel pil).

Det er viktig å merke seg at tilkoblinger kan være betingede eller ubetingede. En ubetinget kobling innebærer å bruke hver forekomst av et objekt. Og i det betingede er kun individuelle elementer involvert.