Одной из центральных проблем в теории моделирования является проблема адекватности модели и исследуемого объекта. Любая модель представляет собой упрощение реальной ситуации. Хорошая модель учитывает существенные черты явления и, что не менее важно, игнорирует несущественные. В связи с этим возникает вопрос о выборе критериев для оценки адекватности модели, ее близости к оригиналу (эталону). Имеются два подхода к решению этой проблемы: сравнение поведения объекта и модели (сигналов) и сравнение их структуры (параметров).
Согласно первому подходу (его можно назвать функциональным) объект и модель считаются близкими, если с достаточной точностью совпадает их поведение, т. е. близки реакции на одинаковые входные воздействия (рис. 1.1).
Такой подход обычно применяют для систем с неизвестным математическим описанием.
Согласно второму подходу (его можно назвать параметрическим) объект и модель считаются близкими, если совпадают (с заданной точностью) их параметры, например коэффициенты дифференциальных уравнений или другие численные характеристики. Параметрический подход удобен для объектов с известным математическим описанием.
Если результаты моделирования подтверждаются экспериментально и могут служить основой для прогнозирования процессов, протекающих в исследуемых объектах, то говорят, что модель адекватна объекту. При этом адекватность модели зависит от цели моделирования и принятых критериев.
Описанные подходы не эквивалентны и не сводятся друг к другу, поскольку из близости параметров не следует, вообще говоря, близость реакций и обратно. Можно привести много примеров, когда поведение систем с близкими параметрами качественно различается или, наоборот, когда системы с сильно различающимися параметрами ведут себя почти одинаково. Первая ситуация характерна для значений параметров, близких к бифуркационным, вторая – для параметров с малыми коэффициентами чувствительности.
Предпочтительность того или иного подхода определяется спецификой предметной области и решаемой задачей. Методически оба подхода могут быть объединены в рамках теории инвариантов. Суть анализа адекватности с помощью теории инвариантов сводится к выявлению некоторых характеристик объекта, остающихся неизменными при нормальном функционировании. Далее эти характеристики (инварианты) используются в качестве прямых или косвенных критериев адекватности. Согласно сказанному выше инварианты могут быть двух типов – параметры (параметрические инварианты) и сигналы (сигнальные инварианты).
Виды моделей
Разнообразие моделей, применяемых в различных областях науки и техники, чрезвычайно велико. Их можно классифицировать по различным признакам.
С точки зрения сложности и степени детализации можно определить следующую иерархию моделей. На ее первом уровне находятся наиболее простые модели – вербальные или лингвистические. В этих моделях причина со следствием связывается с помощью языковых средств. Лингвистические модели наиболее распространены в гуманитарных науках (филология, юриспруденция) и ряде естественных наук (ботаника, биология). Второй уровень иерархии подразумевает введение формализованной структуры и предполагает задание моделей с помощью структурных, функциональных и принципиальных схем. Введение дополнительных переменных – входных, выходных и внутренних сигналов, позволяет перейти к третьему уровню иерархии, включающему сетевые, графические, функционально-логические и информационные модели. На четвертом уровне иерархии располагаются математические модели, обеспечивающие наибольший уровень детализации. Они отражают не только причинно-следственные связи, но и динамические свойства объектов, задаваемые в математической (аналитической) форме дифференциальными и другими уравнениями.
Второй признак классификации моделей учитывает способ их реализации.
Первоначально в практике моделирования использовались три вида моделей – геометрические, математические и физические. Названные модели представляют собой конкретизацию общего определения модели, учитывающую тип соответствия объекта и модели.
1. Геометрические модели. Этот вид моделей отражает внешние, наглядные стороны объекта и используется в основном для демонстрационных целей. Примерами могут служить модели архитектурных сооружений, макеты кораблей, экспонаты выставок, туристские схемы, географические карты и т. п.
2. Математические модели. Этот вид моделей лишен внешнего сходства с объектом, но отражает более глубокие свойства объекта, касающиеся его реакции на внешние воздействия. При математическом моделировании требуется сходство математических уравнений (обычно алгебраических или дифференциальных), описывающих объект и модель. Именно этот вид моделей получил широкое распространение в вычислительной технике.
3. Физические модели. При физическом моделировании требуется более полное отражение свойств объекта: кроме внешнего сходства и одинакового математического описания модель и объект должны иметь одинаковую физическую природу. Физические модели находят довольно широкое применение в технике. Достаточно назвать действующие макеты электростанций, продувку моделей самолетов в аэродинамических трубах, тренажерные комплексы, используемые при обучении пилотов и т. д.
Сопоставляя физические и математические модели, можно отметить следующее. Физические модели более наглядны, более полно отражают процессы, протекающие в исследуемом объекте, но имеют ограниченную область применения. Практически для каждой новой задачи приходится создавать новую физическую модель, что далеко не всегда удобно и экономически оправданно. Поэтому физические модели находят применение в тех случаях, когда производится многократное, в течение длительного времени исследование объектов одного класса.
Главным достоинством математических моделей является их универсальность, связанная с тем, что различные объекты, процессы и явления описываются одними и теми же математическими уравнениями. Поэтому, построив вычислительную машину, способную решать, например, дифференциальные уравнения, мы тем самым получаем возможность моделировать на ней широкий круг процессов и явлений (физических, химических, технических, экономических, социальных и пр.). Именно на этом пути были созданы вначале аналоговые, а затем цифровые вычислительные машины.
На рис. 1.2 приведена классификация моделей по трем основным признакам – назначению, области применения и способу реализации.
Левая ветвь классификации отражает деление моделей по их назначению (цели, решаемым задачам). Подобие процесса, протекающего в модели, реальному процессу является не целью, а условием правильного функционирования модели и поэтому в качестве цели должна быть поставлена задача изучения какой-либо стороны функционирования объекта или применения модели в той или иной области человеческой деятельности.
Из нескольких десятков возможных целей на рисунке приведены лишь четыре.
Рис. 1.2. Классификация моделей
Гносеологические модели используются в науке для познания окружающего нас мира. По сути дела вся история развития науки сводится к созданию тех или иных гносеологических моделей, их изучению и совершенствованию. Определяя гносеологическую роль теории моделирования, т. е. ее значение в процессе познания, необходимо выделить то общее, что присуще моделям различных по своей природе объектов и явлений реального мира. Оно заключается в наличии некоторой структуры (статической или динамической, материальной или мысленной), которая подобна структуре данного объекта. В процессе изучения модель выступает в роли относительно самостоятельного объекта, позволяющего получить при исследовании новые знания.
Исследовательские модели широко применяются в технике, медицине, физике и других науках. При конструировании новых технических устройств и исследовании новых технологических процессов применяют технологические модели. Например, прежде чем построить новую гидростанцию, сначала выполняют ее уменьшенную модель и проводят ее испытание.
Важное и все возрастающее значение имеют прогностические модели, которые используются для предсказания будущих событий. Они широко применяются как инструмент принятия решений в технике, политике, экономике, экологии, военном деле (прогноз погоды, прогнозирование курса акций, моделирование возможных сценариев развития событий).
Особое место в теории моделирования занимают кибернетические модели, в которых отсутствует непосредственное подобие физических процессов реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируются некоторые связи между выходами и входами. Кибернетические модели используют в нейрофизиологии, биологии, теории управления для получения математического описания объектов либо при создании устройств управления, регуляторов и фильтров.
Назовем также использование моделей для контроля и диагностики технических устройств (контроль дублированием, диагностика на основе аналитической избыточности, избыточное кодирование в теории информации). Из более экзотических применений укажем игровую функцию моделей (например, всем известные компьютерные игры типа «Цивилизация»), гедонистическую функцию (модели, создаваемые, чтобы доставлять наслаждение), обучающую функцию (модели в виде тренажеров, наглядных пособий).
В правой части рис. 1.2 показана классификация моделей по области применения. Перечень этих областей можно продолжать неограниченно (химия, социология, космонавтика, филология, архитектура и т. д.).
В нижней части рис. 1.2 дано деление моделей по способу их реализации – это идеальные, материальные и компьютерные модели.
Идеальные модели не предполагают их физической реализации, они существуют в виде мысленных образов (концепций), словесных описаний либо математических формул. Их расположение по степени содержательности иллюстрируется рис. 1.3. Наименьшей степенью формализации среди них характеризуются вербальные и информационные модели, а наиболее содержательными и информационно емкими являются математические и аналитические модели. Их в свою очередь можно классифицировать по сложности и степени адекватности к объекту.
Под математическим моделированием принято понимать процесс установления соответствия данному реальному объекту некоторого математического объекта (например, системы уравнений), называемого математической моделью, и исследование этой модели, позволяющее получить характеристики рассматриваемого реального объекта.
При имитационном моделировании алгоритм, реализующий модель, воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени. Это позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Основным недостатком имитационного моделирования является то, что полученное решение всегда носит частный характер, так как оно соответствует фиксированным элементам структуры и значениям параметров системы.
Рис. 1.3. Идеальные модели15
О возможностях различного материального воплощения моделей (см. рис. 1.2) уже говорилось. Кроме геометрических, физических и электрических моделей можно назвать механические, гидравлические, робототехнические, биологические и многие другие.
Доминирующее положение сегодня занимают компьютерные (см. рис. 1.2). Вычислительные машины позволяют реализовывать имитационные, алгоритмические, математические и иные модели такой сложности, о которой ученые предыдущих поколений могли только мечтать. Благодаря компьютерам появились и активно используются принципиально новые классы моделей, такие как нейросетевые модели, генетические модели и алгоритмы, модели искусственного интеллекта с использованием нечетких множеств, баз данных и знаний. Компьютерные технологии реализации моделей образуют единый фундамент, на котором базируется современная дисциплина моделирования.
Приведенная классификация, безусловно, не является полной. Она не учитывает, в частности, степень формализации моделей (полностью формализованные, частично формализованные, неформализованные). Не отражено деление на функциональные (бихевиористические) и структурные (анатомические) модели, не затронуты этические аспекты моделирования и др. В то же время ее можно углублять, более детально рассматривая отдельные виды моделей. В качестве примера ниже подробно рассматриваются математические модели, ввиду их особой роли в теории моделирования.