Файл: papers.pdf

90

7.

Kovtanyuk A.E., Prokhorov I.V. // A boundary-value problem for the polarized-radiation
transfer equation with Fresnel interface conditions for a layered medium / Journal of
Computational and Applied Mathematics. 2011. P. 2006-2014.

8.

Марчук Г.И., Михайлов Г.А., Назаралиев М.А. и др. // Метод Монте-Карло в атмо-
сферной оптике / 1976. Новосибирск. Наука.

9.

Гермогенова Т.А. // Локальные свойства решений уравнения переноса. / 1986. М.
Наука.

10.

Аниконов Д.С., Ковтанюк А.Е., Прохоров И.В. // Использование уравнения переноса
в томографии / 2000. Москва. Логос.

11.

Соболь И.М. // Численные методы Монте-Карло. / 1973. М.: Наука.

Сборник материалов XXXVII Дальневосточной Математической Школы-Семинара

имени академика Е.В. Золотова, Владивосток, 8 – 14 сентября 2013 г.

УДК 519.248:62-192+519.176

КОМПЬЮТЕРНАЯ ТЕХНОЛОГИЯ

МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ

С УЧЕТОМ КОНТЕКСТОВ

А.А. Зуенко

Институт информатики и математического моделирования технологических

процессов Кольского научного центра РАН

Россия, 184209, Апатиты, Ферсмана, 24А

E-mail:

zuenko@iimm.kolasc.net.ru

А.Я. Фридман

Институт информатики и математического моделирования технологических

процессов Кольского научного центра РАН

Россия, 184209, Апатиты, Ферсмана, 24А

E-mail:

fridman@iimm.kolasc.net.ru

Ключевые слова:

концептуальное моделирование, ситуационное управле-

ние, контекстно-ориентированный подход, интеллектуальные базы данных.
Представлена интеллектуальная технология ситуационного моделирования
сложных организационно-технических систем, использующая контекстно-
ориентированный подход к управлению ограничениями, которые характе-
ризуют объект исследования. Технология позволяет решать с единых по-
зиций задачи стратегического планирования и оперативного управления в
таких системах, а также обеспечивает автоматизацию контроля корректно-
сти процесса моделирования.

Введение

На одной из предшествующих Школ-Семинаров имени академика Е.В. Золото-

ва была представлена [1] система ситуационного концептуального моделирования

(ССКМ), которая предназначена для сопоставительного анализа ситуаций, склады-

вающихся на объекте исследования, и синтеза стратегий управления структурой

объекта с учетом предпочтений лица, принимающего решение (ЛПР) [2]. В настоя-

щем докладе предлагается контекстно-ориентированный подход к управлению огра-

ничениями, которые характеризуют объект исследования на различных стадиях мо-

делирования. Это позволяет сократить перебор вариантов в ходе моделирования,

за счет чего повышается эффективность и оперативность принятия решений по

управлению гибкими дискретными системами в условиях меняющейся обстановки.

Оперативный анализ контекстов дает возможность унифицировать контроль оши-

бок при описании пользователем структуры иерархической модели, подключении

расчетных модулей и некорректном обращении к данным.

Сборник материалов XXXVII Дальневосточной Математической Школы-Семинара

имени академика Е.В. Золотова, Владивосток, 8 – 14 сентября 2013 г.

92

1.

Основы концептуального моделирования

Принципиальная неполнота знаний о сложных системах как объектах исследо-

вания существенно ограничивает применимость классических аналитических моде-

лей и требует использования интеллектуальных технологий и методов имитационно-

го моделирования. Ситуация усложняется, если объект характеризуется структур-

ной динамикой, которая может быть обусловлена как внутренними, так и внешними

возмущающими воздействиями. При этом ставится задача обеспечения устойчиво-

го функционирования (минимальной деградации) системы под действием возмуще-

ний различной природы [3]. Наиболее подходящей средой для решения подобных

задач представляются системы моделирования на основе декларативной концепту-

альной модели предметной области. Например, ядром ССКМ является иерархиче-

ская концептуальная модель (ИКМ) пространственных динамических объектов (в

частности, промышленно-природных комплексов (ППК)), предназначенная для де-

кларативного задания и оценки различных альтернатив управленческих решений.

ССКМ обеспечивает автоматизацию всех этапов моделирования таких объектов на

основе совместной логико-аналитической обработки информации от ИКМ и инте-

грированных с ней геоинформационной и экспертной систем. Для использования

ИКМ необходимо представить ППК в виде иерархии объектов (составных частей ис-

следуемого ППК), отображающей организационную и пространственную структуру

ППК, с каждым из объектов может быть связан набор процессов, которые описы-

вают процедуры преобразования подмножества данных, входных по отношению к

рассматриваемому процессу, в другое их подмножество, именуемое выходным. Дан-

ные характеризуют состояние системы. Они используются при реализации процес-

сов, являются результатами их выполнения. Выполнение любого процесса изменяет

данные и соответствует переходу системы из одного состояния в другое [1]. При на-

личии концептуальной модели, открытой для оперативной модификации, самостоя-

тельную проблему составляет автоматизация контроля корректности процесса моде-

лирования с учетом контекстных ограничений (например, на доступные ресурсы, их

значения, на структуру модели, временные ограничения и т.п.), которые характери-

зуют предметную область, выбранные управленческие альтернативы, текущий шаг

имитации и т.д. С целью исключения ошибок, обусловленных человеческим факто-

ром, целесообразно возложить контроль корректности процесса моделирования на

саму систему моделирования. Кроме того, управление сложными организационно-

техническими объектами связано с анализом большого объема информации о ха-

рактеристиках этих объектов и требует использования интеллектуальных методов

снижения трудоемкости такого анализа. Тематике концептуального моделирования

объектов различной природы посвящено много публикаций (см., например, [2, 4 - 6]).

Системы концептуального моделирования изначально использовались для проекти-

рования программных комплексов [4], затем область их применения пополнилась

исследованиями организационно-технических объектов, в частности, природно-про-

мышленных комплексов [2]. Основная цель создания подобных программных си-

стем состоит в автоматизации всех этапов работы с ИКМ. Кратко поясним отличие

ИКМ от простых вычислительных моделей [5], определяемых как совокупность пе-

ременных и частичных отношений между ними. Простые вычислительные модели

позволяют эффективно синтезировать вычислительные процессы на основе задан-

ных отношений лишь для простых ациклических последовательностей обработки.

Сборник материалов XXXVII Дальневосточной Математической Школы-Семинара

имени академика Е.В. Золотова, Владивосток, 8 – 14 сентября 2013 г.

93

Для автоматизации более сложных вычислений используются расширенные вычис-

лительные модели, содержащие дополнительные механизмы управления (операто-

ры цикла, условного перехода и т.п.). К числу современных вариантов реализации

таких моделей можно отнести модели PowerSim. Один из самых существенных недо-

статков простых вычислительных моделей и их расширений заключается в том, что

они описывают только способы преобразования данных (например, [7, 8]) и не позво-

ляют производить структурную декомпозицию данных и процессов их обработки,

поэтапно уточняя процесс преобразований. Далее рассмотрим ИКМ как средство

преодоления этого недостатка. ИКМ представляют собой надстройку над простой

или расширенной вычислительной сетью в том смысле, что на множествах про-

цессов (функций) и потоков данных (переменных) дополнительно устанавливаются

иерархические отношения "часть-целое". Это дает возможность, с одной стороны,

поэтапно уточнять описание предметной области, а с другой стороны, - автоматиче-

ски контролировать согласованность описаний исследуемого процесса на различных

уровнях декомпозиции, анализируя различного рода структурные ограничения. На

уровне интерпретации ИКМ обычно представляются двудольным ориентированным

графом, в котором выделены два типа вершин: объекты (данные) и функции (про-

цессы обработки данных). Дуги связывают объектные и функциональные вершины.

Входящие в вершину-функцию дуги соотносят с ней объекты, которые выступают

в качестве входных аргументов для функции, исходящие - указывают на объекты,

в которые должна производиться запись вырабатываемых функцией результатов.

Каждой объектной вершине сопоставляются тип и значение. С каждой функцио-

нальной вершиной связаны целое число, играющее роль приоритета, и тип. В рам-

ках ССКМ на основе типизации элементов ИКМ исследуемого объекта разработаны

процедуры проверки ее корректности (полнота, связность, разрешимость и т.д.). В

результате, у пользователя имеется возможность оперативно (по мере уточнения

знаний) вносить изменения в ИКМ или создавать модели различных объектов, а

затем автоматически проверять их корректность. Однако в существовавших ранее

системах концептуального моделирования все проверки корректности модели бы-

ли жестко "зашиты"в специализированных программных процедурах, поэтому воз-

никало несоответствие между "открытым"декларативным представлением ИКМ,

допускающим оперативную модификацию ее структуры и подключение новых эле-

ментов из вычислительной среды, и процедурным вводом ограничений в систему.

В частности, при переходе от одной предметной области к другой отсутствовала

возможность "наращивать"набор ограничений для проверки корректности модели.

Другими словами, основной недостаток рассматриваемого класса программных си-

стем - "жесткая фиксация"ограничений в коде программы. Особенно остро этот

недостаток систем концептуального моделирования стал ощущаться при переходе

от задач синтеза компьютерных программ к задачам моделирования сложных орга-

низационно-технических систем, характеризующихся структурной динамикой, где

появилась необходимость контроля корректности процесса имитации и выработки

координирующих управляющих воздействий при детектировании возмущений. Для

комплексного решения обозначенных проблем авторами предложен контекстно-ори-

ентированный подход к управлению ограничениями в системах на основе ИКМ.

Применение подхода позволяет оперативно активировать требуемые в текущий мо-

мент ограничения и, соответственно, значительно сократить перебор при анализе

параметров ИКМ, а также дает возможность организовать контроль корректности

Сборник материалов XXXVII Дальневосточной Математической Школы-Семинара

имени академика Е.В. Золотова, Владивосток, 8 – 14 сентября 2013 г.

94

всего процесса моделирования в рамках парадигмы "программирование в ограниче-

ниях". Реализация подхода проиллюстрирована на примере ССКМ.

2.

Контекстное управление ограничениями

Понятие "контекст"используется в лингвистике, теории перевода, системном

программном обеспечении (контекст задачи/процесса, контекст запроса), при изу-

чении формальных языков и грамматик (контекстно-свободные и контекстно-зави-

симые языки), а также при разработке систем поддержки принятия решений [9]. В

рамках информационных технологий контекст определяется как информация, кон-

кретизирующая описание ситуации, в которой находится в данный момент исследу-

емый объект. В общем случае контекст позволяет определить, какая информация

релевантна той или иной ситуации (для решения той или иной задачи). Учитывая

направленность на интеллектуализацию технологий, контекст включает в себя не

только информацию, но и знания, актуальные в текущей задаче. В ССКМ постанов-

ка задачи моделирования происходит поэтапно и начинается с описания исследуемой

модели и интересующей ситуации с помощью концептов, принятых в системе моде-

лирования. На уровне интерпретации ситуация - это фрагмент дерева ИКМ, допол-

ненный значениями переменных модели. Исходной ситуацией называется конечный

список фактов, вводимый пользователем при постановке задачи моделирования. На

основе анализа исходной ситуации встроенная в ССКМ экспертная система (задавая

при необходимости дополнительные вопросы пользователю) доопределяет исходную

ситуацию до полной ситуации, которой соответствует связный фрагмент модели,

возможно, включающий некоторые альтернативы. Достаточная ситуация получает-

ся из соответствующей ей полной ситуации путем выбора альтернатив, предпочти-

тельных по результатам классификации ситуаций. Достаточные ситуации должны

быть предварительно классифицированы по структурам реализации исследуемой

системы и упорядочены внутри каждого класса по критерию доминирования вкла-

да одного из скалярных критериев качества объекта, на котором находится ЛПР,

в обобщенный критерий качества этого объекта. Контекстно-ориентированный под-

ход к управлению ограничениями в ССКМ основывается на следующей классифи-

кации ограничений: 1) ограничения, которые описывают конструкции, допустимые

в системе моделирования - ограничения системы моделирования; 2) ограничения,

характерные для элементов (типов элементов) модели, которые используются в ис-

следуемой предметной области - ограничения предметной области; 3) ограничения,

присущие элементам (типам элементов), которые входят в данный фрагмент модели

(ситуацию) - ограничения фрагмента модели; 4) ограничения на значения перемен-

ных, формируемые в процессе имитации в рамках заранее выбранного фрагмента

модели - ограничения этапа имитации. Программно контекстно-ориентированное

управление ограничениями осуществляется на уровне семантического интерфейса

реляционных баз данных (БД) CСКМ. Разработанный семантический интерфейс

реляционной БД обеспечивает возможность декларативного ввода в систему огра-

ничений, контролирует корректность взаимодействия блоков модели, обеспечивая

возможность отслеживать действия блоков модели над общими данными на основе

анализа гибко модифицируемых и оперативно подгружаемых предметно-ориентиро-

ванных ограничений. Применение реляционных баз данных обусловливается необ-

ходимостью сопровождать открытую модель предметной области и обеспечивать

Сборник материалов XXXVII Дальневосточной Математической Школы-Семинара

имени академика Е.В. Золотова, Владивосток, 8 – 14 сентября 2013 г.