Все связи в информационной модели требуют описания, которое, как минимум, включает:

• идентификатор связи;

• формулировку сущности связи;

• вид связи (ее множественность и условность);

• способ описания связи с помощью вспомогательных атрибутов объектов.

Дальнейшее развитие представлений информационного моделирования связано с развитием понятия связи, структур, ими образуемых, и задач, которые могут быть решены на этих структурах. Нам уже известна простая последовательная структура экземпляров – очередь. Возможными обобщениями информационных моделей являются циклическая структура, таблица.

Очень важную роль играет древовидная информационная модель, являющаяся одной из самых распространенных типов классификационных структур. Эта модель строится на основе связи, отражающей отношение части к целому: “А есть часть М” или “М управляет А”. Очевидно, древовидная связь является безусловной связью типа один-ко-многим и графически изображена на рис. 6, в. На этом же рисунке для сравнения приведены схемы информационных моделей типа “очередь” (а) и “цикл” (б).

Еще более общей информационной моделью является, так называемая, графовая структура, рис. 7. Графовые структуры являются основой решения огромного количества задач информационного моделирования.

Многие прикладные задачи информационного моделирования были поставлены и изучены достаточно давно, в 50-60-х годах, в связи с активно развивавшимися тогда исследованиями и разработками по научным основам управления в системах различной природы и в связи с попытками смоделировать с помощью компьютеров психическую деятельность человека при решении творческих интеллектуальных задач. Научное знание и модели, которые были получены в ходе решения этих задач, объединены в науке под названием “Кибернетика”, в рамках которой существует раздел “Исследования по искусственному интеллекту”.

Информационная модель типа “граф”

Итак, мы выяснили, что второй тип информационного моделирования – динамический, используется при компьютерном моделировании. Исторически случилось так, что первые работы по компьютерному моделированию, или, как говорили раньше, моделированию на ЭВМ, были связаны с физикой, где с помощью моделирования решался целый ряд задач гидравлики, фильтрации, теплопереноса и теплообмена, механики твердого тела и т. д. Моделирование в основном представляло собой решение сложных нелинейных задач математической физики с помощью итерационных схем, за исключением разве тех задач, где использовался метод Монте-Карло, и по существу было оно, конечно, моделированием математическим. Успехи математического моделирования в физике способствовали распространению его на задачи химии, электроэнергетики, биологии и некоторые другие дисциплины, причем схемы моделирования не слишком отличались друг от друга. Сложность решаемых на основе моделирования задач всегда ограничивалась лишь мощностью имеющихся ЭВМ.

Надо заметить, что подобный вид моделирования весьма широко распространен и в настоящее время. Более того, за время развития методов моделирования на ЭВМ при решении задач фундаментальных дисциплин и смежных предметных областей накоплены целые библиотеки подпрограмм и функций, облегчающих применение и расширяющих возможности моделирования. И все же в настоящее время понятие "компьютерное моделирование" обычно связывают не с фундаментальными дисциплинами, а в первую очередь с системным анализом - направлением кибернетики, впервые заявившим о себе в начале 50-х годов при исследовании сложных систем в биологии, макроэкономике, при создании автоматизированных экономико-организационных систем управления.

Компьютерное моделирование - метод решения задачи анализа или синтеза сложной системы на основе использования ее компьютерной модели. Суть компьютерного моделирования заключена в получении количественных и качественных результатов по имеющейся модели. Качественные выводы, получаемые по результатам анализа, позволяют обнаружить неизвестные ранее свойства сложной системы: ее структуру, динамику развития, устойчивость, целостность и др. Количественные выводы в основном носят характер прогноза некоторых будущих или объяснения прошлых значений переменных, характеризирующих систему.

Часто компьютерные модели проще и удобнее исследовать, они позволяют проводить вычислительные эксперименты, реальная постановка которых затруднена или может дать непредсказуемый результат. Логичность и формализованность компьютерных моделей позволяет выявить основные факторы, определяющие свойства изучаемых объектов, исследовать отклик физической системы на изменения ее параметров и начальных условий.

Компьютерное моделирование требует абстрагирования от конкретной природы явлений, построения сначала качественной, а затем и количественной модели. За этим следует проведение серии вычислительных экспериментов на компьютере, интерпретация результатов, сопоставление результатов моделирования с поведением исследуемого объекта, последующее уточнение модели и т.д.

К основным этапам компьютерного моделирования относятся: постановка задачи, определение объекта моделирования; разработка концептуальной модели, выявление основных элементов системы и элементарных актов взаимодействия; формализация, то есть переход к математической модели; создание алгоритма и написание программы; планирование и проведение компьютерных экспериментов; анализ и интерпретация результатов.

Различают аналитическое и имитационное моделирование. Аналитическими называются модели реального объекта, использующие алгебраические, дифференциальные и другие уравнения, а также предусматривающие осуществление однозначной вычислительной процедуры, приводящей к их точному решению. Имитационными называются математические модели, воспроизводящие алгоритм функционирования исследуемой системы путем последовательного выполнения большого количества элементарных операций.

А. Гультяев [6] отмечает, что принципы моделирования состоят в следующем:

1. Принцип информационной достаточности. При полном отсутствии

информации об объекте построить модель невозможно. При наличии полной

информации моделирование лишено смысла. Существует уровень информационной достаточности, при достижении которого может быть построена модель системы.

2. Принцип осуществимости. Создаваемая модель должна обеспечивать достижение поставленной цели исследования за конечное время.

3. Принцип множественности моделей. Любая конкретная модель отражает лишь

некоторые стороны реальной системы. Для полного исследования необходимо построить ряд моделей исследуемого процесса, причем каждая последующая модель должна уточнять предыдущую.

4. Принцип системности. Исследуемая система представима в виде совокупности взаимодействующих друг с другом подсистем, которые моделируются стандартными математическими методами. При этом свойства системы не являются суммой свойств ее элементов.

5. Принцип параметризации. Некоторые подсистемы моделируемой системы могут быть охарактеризованы единственным параметром: вектором, матрицей, графиком, формулой.