Программа междисциплинарного государственного экзамена
По направлению 090302
Информационные системы и технологии
(для заочной и ускоренной форм обучения)
Информационные системы
1. Классификация информационных систем.
Классификация по масштабу
· Одиночные
· Информационные системы
· Групповые \ Корпоративные
Классификация по сфере применения
· • системы обработки транзакций;
· • системы принятия решений;
· • информационно-справочные системы;
· офисные информационные системы.
Классификация по способу организации
· • системы на основе архитектуры файл-сервер;
· • системы на основе архитектуры клиент-сервер;
· • системы на основе многоуровневой архитектуры;
· • системы на основе Интернет/интранет-технологий.
2. Понятие информационной системы. Структура информационной
системы.
Под информационной системой обычно понимается прикладная программная подсистема,
ориентированная на сбор, хранение, поиск и обработку текстовой и/или
фактографической информации. Подавляющее большинство информационных
систем работает в режиме диалога с пользователем.
В наиболее общем случае типовые программные компоненты, входящие в состав
информационной системы, включают:
• диалоговый ввод-вывод;
• логику диалога;
• прикладную логику обработки данных;
• логику управления данными;
• операции манипулирования файлами и (или) базами данных.
Корпоративной информационной системой (КИС) мы будем называть совокупность
специализированного программного обеспечения и вычислительной аппаратной
платформы, на которой установлено и настроено программное обеспечение.
3. Свойства информационных систем.
Свойства информационных систем:
· любая ИС может быть подвергнута анализу, построена и управляема на основе общих принципов построения сложных систем;
· при построении ИС необходимо использовать системный подход;
· ИС является динамичной и развивающейся системой;
· ИС следует воспринимать как систему обработки информации, состоящую из компьютерных и телекоммуникационных устройств, реализованную на базе современных технологий;
· выходной продукцией ИС является информация, на основе которой принимаются решения или производятся автоматическое выполнение рутинных операций;
· участие человека зависит от сложности системы, типов и наборов данных, степени формализации решаемых задач.
Свойства системы (в т.ч. ИС):
· сложность - система зависит от множества входящих в нее компонентов, их структурного взаимодействия, а так же сложности внутренних и внешних связей;
· делимость - система состоит из ряда подсистем или элементов, выделенных по определенным признакам и отвечающих конкретным целям и задачам;
· целостность системы - означает то, что все элементы системы функционируют как единое целое;
· многообразие элементов системы и различие их природы - свойство связано с функционированием элементов, их спецификой и автономностью;
· структурность - определяет наличие установленных связей и отношений между элементами внутри системы, распределение элементов системы по уровням и иерархиям;
· адаптивность системы - означает приспосабливаемость системы к условиям конкретной предметной области;
· интегрируемость - означает возможность взаимодействия системы с вновь подключаемыми компонентами или подсистемами.
4. Показатели эффективности работы информационных систем.
5. Системы хранения и манипулирования данными.
6. Модели данных и их отличительные особенности.
7. Этапы проектирования информационных систем.
Управление данными
8. Архитектура системы управления базой данных.
9. Реляционная модель базы данных. Основные определения.
В реляционных базах данных кортеж — это элемент отношения, строка таблицы; упорядоченный набор из N элементов.
10. Принципы инфологического проектирования (модель «сущность-
связь).
Моделирование предметной области базируется на использовании графических диаграмм, включающих небольшое число разнородных компонентов.
Основными понятиями ER-диаграммы являются сущность, связь и атрибут. Сущность — это реальный или виртуальный объект, имеющий существенное значение для рассматриваемой предметной области, информация о котором подлежит хранению. Связь — это соединение двух сущностей, при котором, как правило, каждый экземпляр одной сущности, называемой родительской сущностью, ассоциирован с произвольным (в том числе нулевым) количеством экземпляров второй сущности, называемой сущностью-потомком, а каждый экземпляр сущности-потомка ассоциирован в точности с одним экземпляром сущности-родителя. Атрибут является характеристикой сущности, значимой для рассматриваемой предметной области.
11. Операторы выборки данных языка SQL.
Оператор SELECT является фактически самым важным для пользователя и самым сложным оператором SQL. Он предназначен для выборки данных из таблиц, т.е. он, собственно, и реализует одно их основных назначение базы данных - предоставлять информацию пользователю.
Оператор SELECT всегда выполняется над некоторыми таблицами, входящими в базу данных.
Результатом выполнения оператора SELECT всегда является таблица. Таким образом, по результатам действий оператор SELECT похож на операторы реляционной алгебры. Любой оператор реляционной алгебры может быть выражен подходящим образом сформулированным оператором SELECT. Сложность оператора SELECT определяется тем, что он содержит в себе все возможности реляционной алгебры, а также дополнительные возможности, которых в реляционной алгебре нет.
12. Порядок выполнения операторов SQL.
Инфокоммуникационные системы и сети
13. Основные показатели качества информационной сети.
14. Физическая и логическая структуризация сети.
15. Алгоритмы и протоколы маршрутизации.
16. Техническое обеспечение информационных сетей.
17. Программное обеспечение информационных сетей.
18. Трансляция сетевых адресов.
ТИС
Теория информационных процессов и систем
19. Основные понятия теории систем (система, элемент, структура,
функция системы, целостность).
20. Понятие и свойства сложной системы.
21. Математическое описание системы.
22. Сущность задач анализа и синтеза систем.
23. Количественные и качественные методы системного анализа.
Интеллектуальные системы и технологии
24. Классификация интеллектуальных информационных систем.
25. Генетические алгоритмы. Назначение, основные определения и
свойства.
Генетические алгоритмы – перспективное и динамично развивающееся направление интеллектуальной обработки данных, связанное с решением задач поиска и оптимизации.
Генетические алгоритмы применяются для решения комбинаторных задач, для оценки значений непрерывных параметров моделей большой размерности, для оптимизации моделей, включающих одновременно непрерывные и дискретные параметры. Другая область применения – использование в системах извлечения новых знаний из больших баз данных, обучение нейронных сетей, оценка параметров в задачах многомерного статистического анализа.
Основное их преимущество в том, что они позволяют найти более “хорошие” решения очень трудных задач за меньшее время, чем другие методы. Отрицательной чертой генетических алгоритмов является то, что они представляют собой скорее подход к решению задач оптимизации, чем алгоритм. И вследствие этого требуют адаптации к каждому конкретному классу задач путем выбора определенных характеристик и параметров.
основные понятия и термины, используемые в области генетических алгоритмов:
• генотип и фенотип;
• особь и качество особи;
• популяция и размер популяции;
• поколение;
• родители и потомки.
Выше было показано, что генетический алгоритм работает с кодами безотносительно их смысловой интерпретации. Поэтому сам код и его структура описываются понятием генотип, а его интерпретация, с точки зрения решаемой задачи, – понятием фенотип. Каждый код представляет, по сути, точку пространства поиска. С целью максимально приблизиться к биологическим терминам, экземпляр кода называют хромосомой, особью или индивидуумом.
На каждом шаге работы генетический алгоритм использует несколько точек поиска одновременно. Совокупность этих точек является набором особей, который называется популяцией.
К характеристикам генетического алгоритма относятся:
• размер популяции;
• оператор скрещивания и вероятность его использования;
• оператор мутации и вероятность мутации;
• оператор отбора;
• оператор редукции;
• критерий останова.
26. Нечеткие подмножества, функции принадлежности и операции над
ними.
так называемые нечеткие множества (НМ), которые в свою очередь определены на некотором базовом наборе значений или базовой числовой шкале, имеющей размерность.
нечетким множеством А универсального множества U называется отображение m А: U ® [0,1], которое ставит в соответствие каждому элементу u множества U степень его принадлежности нечеткому множеству А и называется функцией принадлежности нечеткого множества А: m А (u), u Î U.
Подмножеством нечеткого множества А является нечеткое множество С, если выполняется условие: 
Дополнением нечеткого множества А называется нечеткое множество D, имеющее функцию принадлежности 
.
Объединением нечетких множеств А и С называется нечеткое множество 
, имеющее функцию принадлежности:
.
Пересечением нечетких множеств А и С называют нечеткое множество D = 
с функцией принадлежности 
.
Разностью нечетких множеств А и С называется нечеткое множество D = А \ С с функцией принадлежности 
.
Декартовым произведением нечетких множеств 
универсальных множеств 
называется нечеткое множество 
уни-
версального множества 
, имеющее функцию принадлежности:
.
Для нечетких множеств также вводят специальные операции.
Суммой нечетких множеств А и C называется нечеткое множество 
, имеющее функцию принадлежности:
.
Скалярным произведением нечетких множеств А и С называют нечеткое множество 
, имеющее функцию принадлежности:
.
27. Нечеткая переменная. Лингвистическая переменная. Правила для
лингвистической переменной.
Лингвистическая переменная (ЛП) – это переменная, значения которой определяются набором вербальных (словесных) характеристик некоторого свойства. Значения лингвистической переменной определяются через так называемые нечеткие множества (НМ), которые в свою очередь определены на некотором базовом наборе значений или базовой числовой шкале, имеющей размерность. Нечеткой переменной называется совокупность трех элементов:
< X, U, µ A (u) >,
где Х – название нечеткой переменной; U – универсальное множество; µ A (u) – нечеткое подмножество А универсального множества U. Другими словами, нечеткая переменная представляет собой именованное нечеткое множество.
Лингвистической переменной называется совокупность пяти элементов:
< L, T (X), U, G, M >,
где L – название лингвистической переменной;
Т (X) –множество базовых термов лингвистической переменной, состоящее из множества названий значений лингвистических переменных { T 1, T 2, …, Tn }, каждому из которых соответствует нечеткая переменная Х универсального множества U;
U – универсальное множество, на котором определена лингвистическая переменная;
G – синтаксическое правило, порождающее названия X значений переменной;
М – семантическое правило, которое ставит в соответствие каждой нечеткой переменной X ее смысл М (X), т.е. нечеткое подмножество универсального множества U.
Синтаксическое правило G представляет собой совокупность четырех элементов: G = < VT, VN, T, P >,
где VT – совокупность терминальных символов или слов; VN – совокупность нетерминальных символов или фраз; Т – совокупность базовых термов; Р – совокупность правил подстановки, определяющих эквивалентность фраз.
Семантическое правило М ставит в соответствие каждой фразе новое не-
четкое множество, определенное на основе функций принадлежности базовых термов и совокупности операций с нечеткими множествами.
28. Параметрическое нечеткое множество. Сравнение нечетких множеств.
Меры сходства нечетких множеств.
Нечетким числом (НЧ) называется нечеткая переменная, имеющая следующие свойства: 
; 
.
Другими словами, нечеткое число– именованное нечеткое множество, для которого универсальное множество U представляет собой интервал действительной оси R.
Нечеткое параметрическое число обозначается (a, b, c, d) LR.
Одной из важнейших операций с нечеткими числами является их сравнение. Результат сравнения очевиден лишь в том случае, если основания сравниваемых нечетких чисел M и N не пересекаются, т.е 
. В этом случае большим считается то число, чье основание на действительной оси расположено правее Однако в большинстве случаев основания нечетких чисел пересекаются,
поэтому их сравнение происходит следующим образом. Для каждого из сравниваемых нечетких чисел M и N вычисляют специальные меры Н (М), Н (N), которые затем сравнивают:
.
Вычисление меры Н выполняется двумя способами:
- поиск точки максимума;
- поиск центра тяжести.
Еще одной важной операцией с нечеткими множествами, в том числе нечеткими числами, является определение меры сходства. Обычно данную операцию применяют для этого, чтобы определить какое из двух нечетких множеств больше похоже на третье.
29. Нечеткие системы управления.
30. Искусственные нейронные сети: структура и обучение.
Основные компоненты искусственных нейронных сетей моделируют структуру мозга. Элементом структуры мозга является нервная клетка (нейрон). Нейрон отличается от других клеток биоткани по функциональному назначению. Нейрон выполняет прием, элементарное преобразование и передачу информации другим нейронам. Информация передается в виде импульсов нервной активности, имеющих электрохимическую природу.
Тело нейрона содержит множество отростков двух типов. Отростки первого типа, называемые дендритами, служат в качестве входных каналов для нервных импульсов от других нейронов. Эти импульсы поступают в тело нейрона, вызывая его возбуждение, которое затем распространяется по выходному отростку второго типа – аксону. Возбуждение нейрона передается другим нейронам, которые таким образом объединены в проводящую нервные импульсы сеть. Участки контакта данного нейрона с дендритами других нейронов называют синапсами. В области синапса происходит обмен информации о возбуждении между нейронами. Поступающие в тело нейрона входные сигналы суммируются, причем одни входы стремятся возбудить нейрон, а другие препятствуют его возбуждению. Когда суммарное возбуждение в теле нейрона превысит некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. Эта основная функциональная схема моделируется с помощью искусственных нейронных сетей.
Искусственный нейрон имитирует приближенно свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов. Каждый вход умножается на соответствующий вес, аналогичный синаптической силе, и все произведения суммируются, определяя уровень активации нейрона. Нейронная сеть образуется путем объединения выходов одних нейронов с входами других нейронов. Нейроны в сетях группируются по слоям. Обучение сети состоит в подстройке весовых коэффициентов каждого нейрона. Пусть имеется набор пар векторов 
, 
, называемый обучающей выборкой. Будем называть нейронную сеть обученной на данной обучающей выборке, если при подаче на входы сети каждого вектора 
на выходах всякий раз получается соответсвующий вектор 
.
Проектирование информационных систем
31. Стратегии проектирования информационных систем. Макетирование
(прототипирование) информационных систем.
32. Моделирование потоков данных (DFD).
Логическая DFD показывает внешние по отношению к системе источники и стоки (адресаты) данных, идентифицирует логические функции (процессы) и группы элементов данных, связывающие одну функцию с другой (потоки), а также идентифицирует хранилища (накопители) данных, к которым осуществляется доступ. Структуры потоков данных и определения их компонентов хранятся и анализируются в словаре данных. Каждая логическая функция (процесс) может быть детализирована с помощью DFD нижнего уровня; когда дальнейшая детализация перестает быть полезной, переходят к выражению логики функции при помощи спецификации процесса (мини-спецификации).
В частности, в DFD не показываются процессы, которые управляют собственно потоком данных и не приводятся различия между допустимыми и недопустимыми путями. DFD содержат множество полезной информации, а кроме того:
- позволяют представить систему с точки зрения данных;
- иллюстрируют внешние механизмы подачи данных, которые потребуют наличия специальных интерфейсов;
- позволяют представить как автоматизированные, так и ручные процессы системы;
- выполняют ориентированное на данные секционирование всей системы.
Потоки данных используются для моделирования передачи информации (или даже физических компонентов) из одной части системы в другую.
33. Описания бизнес- процессов (IDEF3).
34. Диаграммы вариантов использования согласно стандарту языка UML.
UML представляет собой язык для определения, представления, проектирования и документирования программных, организационно-экономических, технических и других систем различной природы. UML содержит стандартный набор диаграмм и нотаций самых разнообразных видов. Стандарт UML версии 1.1, принятый OMG в 1997 г., предлагает следующий набор диаграмм для моделирования:
— диаграммы вариантов использования (use case diagrams, иногда называют диаграммами прецедентов)для моделирования бизнес-процессов организации и требований к создаваемой системе;
Варианты использования характеризуются рядом свойств:
— вариант использования охватывает некоторую очевидную для пользователей функцию;
— вариант использования может быть как небольшим, так и достаточно крупным;
— вариант использования решает некоторую дискретную задачу пользователя.
В простейшем случае вариант использования создается в процессе обсуждения с пользователями тех вещей, которые они хотели бы получить от системы. При этом каждой отдельной функции, которую они хотели бы реализовать, присваивается некоторое имя и записывается ее краткое текстовое описание.
Основными элементами диаграммы вариантов использования являются действующие лица, варианты использования и отношения между ними.
35. Диаграммы классов языка UML.
— диаграммы классов (class diagrams)для моделирования статической структуры классов системы и связей между ними;
Диаграммы классов могут применяться и при прямом проектировании, то есть в процессе разработки новой системы, и при обратном проектировании - описании существующих и используемых систем. Информация с диаграммы классов напрямую отображается в исходный код приложения - в большинстве существующих инструментов UML-моделирования возможна кодогенерация для определенного языка программирования (обычно Java или C++). Таким образом, диаграмма классов - конечный результат проектирования и отправная точка процесса разработки.
36. Диаграммы взаимодействия языка UML.
· диаграммы взаимодействия (interaction diagrams): диаграммы последовательности (sequence diagrams)и диаграммы взаимодействия (collaboration diagrams, иногда называют кооперативными диаграммами) для моделирования процесса обмена сообщениями между объектами;
Диаграмма взаимодействия - это диаграмма, на которой представлено взаимодействие, состоящее из множества объектов и отношений между ними, включая и сообщения, которыми они обмениваются. Этот термин применяется к видам диаграмм с акцентом на взаимодействии объектов (диаграммах кооперации, последовательности и деятельности). Диаграмма последовательностей - диаграмма взаимодействия, в которой основной акцент сделан на упорядочении сообщений во времени.
Диаграмма кооперации - диаграмма взаимодействий, в которой основной акцент сделан на структурной организации объектов, посылающих и получающих сообщения.
37. Диаграммы состояний и деятельности языка UML.
— диаграммы поведения системы (behavior diagrams):
· диаграммы состояний (statechart diagrams) для моделирования поведения объектов системы при переходе из одного состояния в другое;
· диаграммы деятельностей (иногда называют диаграммами активности) (activity diagrams) для моделирования поведения системы в рамках различных вариантов использования или деятельностей;
— диаграммы реализации (implementation diagrams):
· диаграммы компонентов (component diagrams)для моделирования иерархии компонентов (подсистем) системы;
· диаграммы размещения (deployment diagrams, иногда называют диаграммами поставки, развертывания, топологии) для моделирования физической архитектуры системы.
38. Методология функционального моделирования (IDEF0).
39. Задачи проектирования информационной системы.
Проектирование информационных систем всегда начинается с определения цели проекта. Основная задача любого успешного проекта заключается в том, чтобы на момент запуска системы и в течение всего времени ее эксплуатации можно было обеспечить:
- требуемую функциональность системы и степень адаптации к изменяющимся условиям ее функционирования;
- требуемую пропускную способность системы;
- требуемое время реакции системы на запрос;
- безотказную работу системы в требуемом режиме, иными словами - готовность и доступность системы для обработки запросов пользователей;
- простоту эксплуатации и поддержки системы;
- необходимую безопасность.
40. Модели жизненного цикла информационной системы.
К настоящему времени наибольшее распространение получили следующие две основные модели жизненного цикла:
• каскадная модель, иногда также называемая моделью «водопад» (waterfall);
• спиральная модель.
Каскадная модель предусматривает последовательную организацию работ. При этом основной особенностью является разбиение всей разработки на этапы, причем переход с одного этапа на следующий происходит только после того, как будут полностью завершены все работы на предыдущем этапе. Каждый этап завершается выпуском полного комплекта документации, достаточной для того, чтобы разработка могла быть продолжена другой командой разработчиков.
Спиральная модель, в отличие от каскадной, предполагает итерационный процесс разработки информационной системы. При этом возрастает значение начальных этапов жизненного цикла, таких как анализ и проектирование. На этих этапах проверяется и обосновывается реализуемость технических решений путем создания прототипов. 
Моделирование систем
41. Классификация видов моделирования систем.
При полном моделировании модели идентичны объекту во времени и пространстве.
Для неполного моделирования эта идентичность не сохраняется. В основе приближенного моделирования лежит подобие, при котором некоторые стороны реального объекта не моделируются совсем.
Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий.
Стохастическое моделирование учитывает вероятностные процессы и события.
Статическое моделирование служит для описания состояния объекта в фиксированный момент времени, а динамическое — для исследования объекта во времени. При этом оперируют аналоговыми (непрерывными), дискретными и смешанными моделями.
При полном моделировании модели идентичны объекту во времени и пространстве.
Для неполного моделирования эта идентичность не сохраняется.
В основе приближенного моделирования лежит подобие, при котором некоторые стороны реального объекта не моделируются совсем.
Мысленное моделирование применяется тогда, когда модели не реализуемы в заданном интервале времени либо отсутствуют условия для их физического создания (например, ситуация микромира).
При наглядном моделировании на базе представлений человека о реальных объектах создаются наглядные модели, отображающие явления и процессы, протекающие в объекте.
В основу гипотетического моделирования закладывается гипотеза о закономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта.
Макетирование применяется, когда протекающие в реальном объекте процессы не поддаются физическому моделированию или могут предшествовать проведению других видов моделирования.
Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает его основные свойства с помощью определенной системы знаков и символов.
В основе языкового моделирования лежит некоторый тезаурус, который образуется из набора понятий исследуемой предметной области, причем этот набор должен быть фиксированным. Под тезаурусом понимается словарь, отражающий связи между словами или иными элементами данного языка, предназначенный для поиска слов по их смыслу.
Если ввести условное обозначение отдельных понятий, т.е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий.
Математическое моделирование — это процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью.
Для аналитического моделирования характерно то, что в основном моделируется только функциональный аспект системы. При этом глобальные уравнения системы, описывающие закон (алгоритм) ее функционирования, записываются в виде некоторых аналитических соотношений (алгебраических, интегродифференциальных, конечноразностных и т.д.) или логических условий.
При имитационном моделировании воспроизводится алгоритм функционирования системы во времени — поведение системы, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы.
Комбинированное (аналитико-имитационное) моделирование позволяет объединить достоинства аналитического и имитационного моделирования.
Информационное (кибернетическое) моделирование связано с исследованием моделей, в которых отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам.
Структурное моделирование системного анализа базируется на некоторых специфических особенностях структур определенного вида, которые используются как средство исследования систем или служат для разработки на их основе специфических подходов к моделированию с применением других методов формализованного представления систем.
Ситуационное моделирование опирается на модельную теорию мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений.
При реальном моделировании используется возможность исследования характеристик либо на реальном объекте целиком, либо на его части.
Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия.
Видом реального моделирования является физическое, отличающееся от натурного тем, что исследование проводится а установках, которые сохраняют природу явлений и обладают физическим подобием.
42. Математические схемы моделирования (назначение, характеристика).
43. Моделирование дискретно-детерминированных систем (F-схемы).
Дискретно-детерминированный подход характерен тем, что в качестве математического аппарата на этапе формализации процесса функционирования систем используется математического аппарата математический аппарат теории автоматов. Теория автоматов — это раздел теоретической кибернетики, в котором изучаются математические модели — автоматы. На основе этой теории система представляется в виде автомата, перерабатывающего дискретную информацию и меняющего свои внутренние состояния лишь в допустимые моменты времени.
Автомат можно представить как некоторое устройство (черный ящик), на которое подаются входные сигналы и снимаются выходные и которое может иметь некоторые внутренние состояния. Конечным автоматом называется автомат, у которого множество внутренних состояний и входных сигналов (аследовательно, и множество выходных сигналов) являются конечными множествами.
Абстрактно конечный автомат (англ. finite automata) можно представить как математическую схему (F-схему), характеризующуюся шестью элементами: конечным множеством X входных сигналов (входным алфавитом); конечным множеством Y выходных сигналов (выходным алфавитом); конечным множеством Z внутренних состояний (внутренним алфавитом или алфавитом состояний); начальным состоянием z0, z0 Î Z; функцией переходов j (z, х)\ функцией выходов y (z, х).
Автомат, задаваемый F-схемой: 
,— функционирует в дискретные моменты времени, которые называются такты, равные друг другу, каждому из которых соответствуют постоянные значения входного и выходного сигналов и внутренние состояния.
Абстрактный конечный автомат имеет один входной и один выходной каналы. В каждый момент t = 0, 1, 2,... дискретного времени F-автомат находится в определенном состоянии z(t) из множества Z состояний автомата, причем в начальный момент времени t = 0 он всегда находится в начальном состоянии z(0)=zo.
44. Моделирование дискретно-стохастических систем (Р-схемы).
В общем виде вероятностный автомат (англ. probabilistic automat) можно определить как дискретный потактный преобразователь информации с памятью, функционирование которого в каждом такте зависит только от состояния памяти в нем и может быть описано статистически. Применение схем вероятностных автоматов (Р - схем) имеет важное значение для разработки методов проектирования дискретных систем, проявляющих статистически закономерное случайное поведение, для выяснения алгоритмических возможностей таких систем и обоснования границ целесообразности их использования, а также для решения задач синтеза по выбранному критерию дискретных стохастических систем, удовлетворяющих заданным ограничениям.
45. Моделирования непрерывно-стохастических систем (Q-схемы).
Q-схемы моделирования
При непрерывно-стохастическом подходе в качестве типовых математических схем применяется система массового обслуживания (англ.queueing system), которые будем называть Q-схемами. Системы массового обслуживания представляют собой класс математических схем, разработанных в теории массового обслуживания и различных приложениях для формализации процессов функционирования систем, которые по своей сути являются процессами обслуживания.
В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы функционирования экономических, производственных, технических и других систем, например потоки поставок продукции некоторому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха, заявки на обработку информации ЭВМ от удаленных терминалов и т. д.
При этом характерным для работы таких объектов является случайное появление заявок (требований) на обслуживание и завершение обслуживания в случайные моменты времени, т. е. стохастический характер процесса их функционирования. Остановимся на основных понятиях массового обслуживания, необходимых для использования Q-схем, как прианалитическом, так и при имитационном.
В любом элементарном акте обслуживания можно выделить две основные составляющие:
1. ож