Классификация систем. Конструктивная идея моделирования самоорганизующихся систем

Децентрализованная система - это система, в которой нет главного элемента.

Важнейшие подсистемы в такой системе имеют приблизительно одинаковую ценность и построены не вокруг центральной подсистемы, а соединены между собой последовательно или параллельно.

Примеры.

1. Армейские структуры представляют собой ярко выраженные централизованные системы.

2. Интернет является практически идеальной децентрализованной системой.

1.5. Классификация по размерности.

Системы подразделяются:

      одномерные

      многомерные.

Система, имеющая один вход и один выход, называется одномерной. Если входов или выходов больше одного - многомерной.

Нужно понимать условность одномерности системы — в реальности любой объект имеет бесчисленное число входов и выходов.

1.6. Классификация систем по однородности и разнообразию структурных элементов.

Системы бывают:

      гомогенные,

      однородные,

      гетерогенные,

      разнородные,

      смешанные.

В гомогенных системах структурные элементы системы однородны, т. е. обладают одинаковыми свойствами. В связи с этим в гомогенных системах элементы взаимозаменяемы.

Пример. Гомогенная компьютерная система в организации состоит из однотипных компьютеров с установленными на них одинаковыми операционными системами и прикладными программами. Это позволяет заменить вышедший из строя компьютер любым другим без дополнительной настройки и переучивания конечного пользователя.

Понятие «гомогенная система» широко используется при описании свойств газов, жидкостей или популяций организмов.

Гетерогенные системы состоят из разнородных элементов, не обладающих свойством взаимозаменяемости.

Примеры: Гетерогенная сеть - информационная сеть, в которой работают протоколы сетевого уровня различных фирм-производителей. Гетерогенная вычислительная сеть состоит из фрагментов разной топологии и разнотипных технических средств.

Если университет в обычном понимании является гомогенным образованием, т. е. реализует подготовку по высшему и послевузовскому образованию (которые близки как по учебным программам, так и по методам их преподавания), то университетский комплекс представляется собой гетерогенную систему, в которой проводится подготовка по программам начального, среднего, высшего послевузовского образования.

1.7. Линейные и нелинейные системы.

Система называется линейной, если она описывается линейными уравнениями (алгебраическими, дифференциальными, интегральными и т. п.), в противном случае - нелинейной.

Для линейных систем справедлив принцип суперпозиции: реакция системы на любую комбинацию внешних воздействий равна сумме реакций на каждое из этих воздействий, поданных на систему порознь.

Предположим, что после изменения входной переменной на величину Δх выходная переменная изменяется на Δу. Если система линейна, то после двух независимых изменений входной переменной на Δx1 и Δх2. таких, что Δх1+Δх2 =Δх, суммарное изменение выходной переменной также будет равно Δу.

Большинство сложных систем являются нелинейными. В связи с этим для упрощения анализа систем довольно часто применяют процедуру линеаризации, при которой нелинейную систему описывают приближенно линейными уравнениями в некоторой (рабочей) области изменения входных переменных. Однако не всякую нелинейную систему можно линеаризировать, в частности, нельзя линеаризировать дискретные системы.

              1.8. Дискретные системы.

Среди нелинейных систем выделяют класс дискретных систем.

Дискретная система - это система, содержащая хотя бы один элемент дискретного действия.

Дискретный элемент - это элемент, выходная величина которого изменяется дискретно, т. е. скачками, даже при плавном изменении входных величин.

Все остальные системы относятся к системам непрерывного действия.

Система непрерывного действия (непрерывная система) состоит только из элементов непрерывного действия, т. е. элементов, выходы которых изменяются плавно при плавном изменении входных величин.

              1.9. Каузальные и целенаправленные системы.

В зависимости от способности системы ставить себе цель различают каузальные и целенаправленные (целеустремленные, активные) системы.

К каузальным системам относится широкий класс неживых систем:

Каузальные системы - это системы, которым цель внутренне не присуща.

Если такая система и имеет целевую функцию (например, автопилот), то эта функция задана извне пользователем.

Целенаправленные системы - это системы, способные к выбору своего поведения в зависимости от внутренне присущей цели.

В целенаправленных системах цель формируется внутри системы.

Пример. Система "самолет-пилоты" способна поставить себе цель и отклониться от маршрута.

Элемент целенаправленности всегда присутствует в системе, включающей в себя людей (или еще шире живые существа). Вопрос чаще всего состоит в степени влияния этой целенаправленности на функционирование объекта. Если мы имеем дело с ручным производством, то влияние так называемого человеческого фактора очень большое. Отдельный человек, группа людей или весь коллектив способны поставить цель своей деятельности, отличную от цели компании.

Активные системы, к которым, в первую очередь, относятся организационные, социальные и экономические, в зарубежной литературе называются «мягкими» системами. Они способны сознательно предоставлять недостоверную информацию и сознательно не выполнять планы, задания, если им это выгодно. Важным свойством таких систем является дальновидность, обеспечивающая способность системы прогнозировать будущие последствия принимаемых решений. Это, в частности, затрудняет применение обратной связи для управления системой.

Кроме того, иногда на практике системы условно делят на системы, стремящиеся к цели - целеориентированные, и на системы, которые ориентированы, в первую очередь, не на цели, а на определенные ценности - ценностноориентированные.

              1.10. Большие и сложные системы.

Достаточно часто термины «большая система» и «сложная система» используются как синонимы. В то же время существует точка зрения, что большие и сложные системы — это разные классы систем. При этом некоторые авторы связывают понятие «большая" с величиной системы, количеством элементов (часто относительно однородных), а понятие "сложная" - со сложностью отношений, алгоритмов или сложностью поведения. Существуют более убедительные обоснования различия понятий «большая система" и "сложная" "система».

              1.10.1. Большие системы.

Понятие «большая система» стало употребляться после появления книги Р.Х. Гуда и Р.З. Макола. Этот термин широко использовался в период становления системных исследований для того, чтобы подчеркнуть принципиальные особенности объектов и проблем, требующих применения системного подхода.

В качестве признаков большой системы предлагалось использовать различные понятия:

      понятие иерархической структуры, что, естественно, служило класс структур, с помощью которых может отображаться система;

      понятие «человеко-машинная» система (но тогда выпадали полностью автоматические комплексы);

      наличие больших потоков информации;

      или большого числа алгоритмов ее переработки

У.Р. Эшби считал, что система является большой с точки зрения наблюдателя, возможности которого она превосходит в каком-то аспекте, важном для достижения цели. При этом физические размеры объекта не являются критерием отнесения объекта к классу больших систем. Один и тот же материальный объект в зависимости от цели наблюдателя и средств, имеющихся в его распоряжении, можно отображать или не отображать большой системой.

Ю.И. Черняк также в явном виде связывает понятие большой системы с понятием «наблюдатель»: для изучения большой системы, в отличие от сложной, необходим "наблюдатель" (имеется в виду не число людей, принимающих участие в исследовании или проектировании системы, а относительная однородность их квалификации: например, инженер или экономист). Он подчеркивает, что в случае большой системы объект может быть описан как бы на одном языке, т. е. с помощью единого метода моделирования, хотя и по частям, подсистемам. Еще Ю.И. Черняк предлагает называть большой системой «такую, которую невозможно исследовать иначе, как по подсистемам».

              1.10.2. Классификация систем по сложности.

Существует ряд подходов к разделению систем по сложности, и, к сожалению, нет единого определения этому понятию, нет и четкой границы, отделяющей простые системы от сложных. Разными авторами предлагались различные классификации сложных систем.

Например, признаком простой системы считают сравнительно небольшой объем информации, требуемый для ее успешного управления. Системы, в которых не хватает информации для эффективного управления, считают сложными.

Г.Н. Поваров оценивает сложность систем в зависимости от числа элементов, входящих в систему:

      малые системы (10-103 элементов);

      сложные (104-106);

      ультрасложные (107-1030 элементов);

      суперсистемы (1030-10200 элементов).

В частности, Ю.И. Черняк сложной называет систему, которая строится для решения многоцелевой, многоаспектной задачи и отражает объект с разных сторон в нескольких моделях. Каждая из моделей имеет свой язык, а для согласования этих моделей нужен особый метаязык. При этом подчеркивалось наличие у такой системы сложной, составной цели или даже разных целей и притом одновременно многих структур (например, технологической, административной, коммуникационной, функциональной и т. д.).

B.C. Флейшман за основу классификации принимает сложность поведения системы.

Одна из интересных классификаций по уровням сложности предложена К. Боулдингом. В этой классификации каждый последующий класс включает в себя предыдущий.

Условно можно выделить два вида сложности: структурную и функциональную.

Структурная сложность. Ст. Вир предлагает делить системы на простые, сложные и очень сложные.

Простые - это наименее сложные системы.

Сложные - это системы, отличающиеся разветвленной структурой и большим разнообразием, внутренних связей.

Очень сложная система - это сложная система, которую подробно описать нельзя.

Несомненно, что эти деления довольно условны и между ними трудно провести границу. (Здесь сразу вспоминается вопрос: с какого количества камней начинается куча?)

Позднее Ст. Вир предложил относить к простым системам те, которые имеют до 103 состояний, к сложным - от 103 до 106 состояний и к очень сложным - системы, имеющие свыше миллиона состояний.

Одним из способов описания сложности является оценка числа элементов, входящих в систему (переменных, состояний, компонентов), и разнообразия взаимозависимостей между ними. Например, количественную оценку сложности системы можно произвести, сопоставляя число элементов системы (n) и число связей (m) по следующей формуле:

где n(n -1) - максимально возможное число связей.

Можно применить энтропийный подход к оценке сложности системы. 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 появления i-го свойства равна p(si), определяется как

Функциональная сложность. Говоря о сложности систем, Ст. Вир отразил только одну сторону сложности - сложность строения - структурную сложность. Однако следует сказать и о другой сложности систем - функциональной (или вычислительной).

Для количественной оценки функциональной сложности можно использовать алгоритмический подход, например количество арифметико-логических операций, требуемых для реализации функции системы преобразования входных значений в выходные, или объем ресурсов (время счета или используемая память), используемых в системе при решении некоторого класса задач.

Считается, что не существует систем обработки данных, которые могли бы обработать более чем 1.6 • 1017 бит информации в секунду на грамм своей массы. Тогда гипотетическая компьютерная система, имеющая массу, равную массе Земли, за период, равный примерно возрасту Земли, может обработать порядка 1098 бит информации (предел Бреммермана). При этих расчетах в качестве информационной ячейки использовался каждый квантовый уровень в атомах, образующих вещество Земли. Задачи, требующие обработки более чем 1093 бит называются транс вычислительными. В практическом плане это означает, что, например, полный анализ системы из 100 переменных, каждая из которых может принимать 10 разных значений, является транс вычислительной задачей.