Отрывок из учебника по теории систем и системному анализу (стр. 6 из 16)

Например, реальная ЛВС, с точки зрения системного администратора, - совокупность программного, математического, информационного, лингвистического, технического и других видов обеспечения, с точки зрения противника, - совокупность объектов, подлежащих разведке, подавлению (блокированию), уничтожению, с точки зрения технического обслуживания, - совокупность исправных и неисправных средств.

Деление систем на простые и сложные (большие) подчеркивает, что в системном анализе рассматриваются не любые, а именно сложные системы большого масштаба. При этом выделяют структурную и функциональную (вычислительную) сложность.

Общепризнанной границы, разделяющей простые, большие и сложные системы, нет. Однако условно будем считать, что сложные системы характеризуются тремя основными признаками: свойством робастности, наличием неоднородных связей и эмерджентностью.

Во-первых, сложные системы обладают свойством робастности - способностью сохранять частичную работоспособность (эффективность) при отказе отдельных элементов или подсистем. Оно объясняется функциональной избыточностью сложной системы и проявляется в изменении степени деградации выполняемых функций, зависящей от глубины возмущающих воздействий. Простая система может находиться не более чем в двух состояниях: полной работоспособности (исправном) и полного отказа (неисправном).

Во-вторых, в составе сложных систем кроме значительного количества элементов присутствуют многочисленные и разные по типу (неоднородные) связи между элементами. Основными типами считаются следующие виды связей: структурные (в том числе иерархические), функциональные, каузальные (причинно-следственные, отношения истинности), информационные, пространственно-временные. По этому признаку будем отличать сложные

26

Глава 1

системы от больших систем, представляющих совокупность однородных элементов, объединенных связью одного типа.

В-третьих, сложные системы обладают свойством, которое отсутствует у любой из составляющих ее частей. Это интегратив-ность (целостность), или эмерджентность. Другими словами, отдельное рассмотрение каждого элемента не дает полного представления о сложной системе в целом. Эмерджентность может достигаться за счет обратных связей, играющих важнейшую роль в управлении сложной системой.

Считается, что структурная сложность системы должна быть пропорциональна объему информации, необходимой для ее описания (снятия неопределенности). В этом случае общее количество информации о системе S, в которой априорная вероятность появленияу'-ro свойства равна р(у), определяется известным соотношением для количества информации

I(Y) = -Ip(_yj)log₂p(y_j).(1.6)

Это энтропийный подход к дескриптивной (описательной) сложности.

Одним из способов описания такой сложности является оценка числа элементов, входящих в систему (переменных, состояний, компонентов), и разнообразия взаимозависимостей между ними.

В общей теории систем утверждается, что не существует систем обработки данных, которые могли бы обработать более чем 2-10⁵⁴⁷ бит в секунду на грамм своей массы. При этом компьютерная система, имеющая массу, равную массе Земли, за период, равный примерно возрасту Земли, может обработать порядка 10⁵⁹³ бит информации (предел Бреммермана). Задачи, требующие обработки более чем 10⁵⁹³ бит, называются трансвычислительными. В практическом плане это означает, что, например, полный анализ системы из 110 переменных, каждая из которых может принимать 7 разных значений, является трансвычислительной задачей.

Для оценки сложности функционирования систем применяется алгоритмический подход. Он основан на определении ресурсов (время счета или используемая память), используемых в системе при решении некоторого класса задач. Например, если функция времени вычислений является полиномиальной функцией от входных данных, то мы имеем дело с полиномиальным по вре-

Ф-

ч)

0

Ч

^

1с

Основы системного анализа

мени, или «легким» алгоритмом. В случае экспоненциального по времени алгоритма говорят о его «сложности». Алгоритмическая сложность изучается в теории NP-полных задач.

Сложные системы допустимо делить на искусственные и естественные (природные).

Искусственные системы, как правило, отличаются от природных наличием определенных целей функционирования (назначением) и наличием управления.

Рассмотрим еще один важный признак классификации систем. Принято считать, что система с управлением, имеющая нетривиальный входной сигнал x(t) и выходной сигнал y(t), может рассматриваться как преобразователь информации, перерабатывающий поток информации (исходные данные) x(t) в поток информации (решение по управлению) y(t).

В соответствии с типом значений x(t), y(t), z(t) и tсистемы делятся на дискретные и непрерывные.

Такое деление проводится в целях выбора математического аппарата моделирования. Так, теория обыкновенных дифференциальных уравнений и уравнений в частных производных позволяет исследовать динамические системы с непрерывной переменной (ДСНП). С другой стороны, современная техника создает антропогенные динамические системы с дискретными событиями (ДСДС), не поддающиеся такому описанию. Изменения состояния этих систем происходят не непрерывно, а в дискретные моменты времени, по принципу «от события к событию». Математические (аналитические) модели заменяются на имитационные, дискретно-событийные: модели массового обслуживания, сети Петри, цепи Маркова и др.

Примеры фазовых траекторий ДСДС и ДСНП показаны на рис. 1.3, а, б.

Для ДСДС траектория является кусочно-постоянной и формируется последовательностью событий и. Последовательность отрезков постоянства отражает последовательность состояний zсистемы, а длительность каждого отрезка отражает время пребывания системы в соответствующем состоянии. Под состоянием при этом понимается «физическое» состояние (например, число сообщений, ожидающих передачи в каждом узле обработки). Состояния принимают значения из дискретного множества.

28

Глава 1

Основы системного анализа

29

Состояние j,

z

"3

2524 23

«5

«2

F

t₄ts

h '3a

0 1

to

Рис. 1.З. Типичные примеры фазовых траекторий ДСДС(а)иДСНП(б)

Таким образом, траектория описывается последовательностью из двух чисел (состояния и времени пребывания в нем). Следует подчеркнуть, что термин «дискретный» отличается от широко используемого прилагательного «цифровой», поскольку последнее означает лишь то, что анализ задачи ведется не в терминах вещественной числовой переменной, а численными методами. Траектория ДСНП, состояниями которой являются точки пространства R", постоянно изменяется и, вообще говоря, развивается на основе непрерывных входных воздействий. Здесь под состоянием понимается «математическое» состояние в том смысле, что оно включает в себя информацию к данному моменту времени (кроме внешних воздействий), которая необходима для однозначного определения дальнейшего поведения системы. Математическое определение включает в себя и физическое определение, но не наоборот.

Для перехода от детерминированной к стохастической системе достаточно в правые части соотношений (1.4) и (1.5) добавить в качестве аргументов функционалов случайную функцию p(t), принимающую значения на непрерывном или дискретном множестве действительных чисел.

Следует иметь в виду, что в отличие от математики для системного анализа, как и для кибернетики, характерен конструктивный подход к изучаемым объектам. Это требует обеспечения корректности задания системы, под которой понимается возможность фактического вычисления выходного сигнала y(t) (с той или иной степенью точности) для всех / > 0 при задании начального состояния системы z(0) и входного сигнала x(t) для всех i_t. Поэтому при изучении сложных систем приходится переходить к конечным аппроксимациям.

Системы с нетривиальным входным сигналом x(t), источником которого нельзя управлять (непосредственно наблюдать), или системы, в которых неоднозначность их реакции нельзя объяснить разницей в состояниях, называются открытыми.

Признаком, по которому можно определить открытую систему, служит наличие взаимодействия с внешней средой. Взаимодействие порождает проблему «предсказуемости» значений выходных сигналов и, как следствие, - трудности описания открытых систем.

30

Глава 1

Примером трудностей описания является понятие «странный аттрактор» - специфическое свойство некоторых сложных систем. Простейший аттрактор, называемый математиками неподвижной точкой, представляет собой такой вид равновесия, который характерен для состояния устойчивых систем после кратковременного возмущения (состояние покоя емкости с водой после встряхивания). Второй вид аттрактора - предельный цикл маятника. Все разновидности предельного цикла предсказуемы. Третья разновидность называется странным аттрактором. Обнаружено много систем, имеющих встроенные в них источники нарушений, которые не могут быть заранее предсказаны (погода, место остановки шарика в рулетке). В экспериментах наблюдали за краном, из которого нерегулярно капали капли, хотя промежутки должны быть регулярными и предсказуемыми, так как вентиль зафиксирован и поток воды постоянен.