Правительство Российской Федерации
Федеральное государственное автономное образовательное учреждение высшего профессионального образования
"Национальный исследовательский университет
"Высшая школа экономики"
Московский институт электроники и математики Национального
исследовательского университета "Высшая школа экономики"
Факультет прикладной математики и кибернетики
Программа дисциплины
"СРЕДСТВА АНАЛИЗА И МОДЕЛИРОВАНИЯ СИСТЕМ”
для направления 2300700.62 «Прикладная информатика»
подготовки бакалавра
профиль подготовки: 071900 – «Информационные системы и технологии»
Кафедра «Кибернетика»
Заведующий кафедрой
д.т.н., профессор В.Н.Афанасьев
Москва – 2012 г.
1. Цели и задачи дисциплины:
Дисциплина “Средства анализа и моделирования систем” относится к профессиональному циклу дисциплин и входит в его вариативную часть Б3.В.5. Дисциплина предназначена для расширения научно-методических основ подготовки, требующейся при разработке сложных информационных систем, изучение и проектирование которых сопровождается моделированием. Целью преподавания дисциплины является систематизированное изложение теоретических основ, методологии и практики применения моделирования сложных систем как эффективного средства их анализа и проектирования, а также освоение языков и инструментальных средств моделирования.
Для достижения этой цели необходимо решение следующих задач:
Изучение теории, методологии и практического применения моделей сложных систем;
Изучение классификации и свойств математических схем, лежащих в основе различных типов моделей.
Изучение теории и практики применения аналитических и имитационных методов моделирования сложных систем;
Изучение методов расчета характеристик моделируемых производственных систем как систем массового обслуживания (СМО) для определения необходимого объема входной и выходной информации при построении модели и интерпретации результатов моделирования;
Изучение методов статистического оценивания результатов моделирования;
Изучение языков и инструментальных средств моделирования;
Освоение методов планирование имитационных экспериментов с моделями систем и анализ результатов моделирования с помощью технологий Data Mining.
2. Место дисциплины в структуре ООП
Дисциплина относится к профессиональному циклу и входит в его вариативную часть В5. Входные знания, требуемые для изучения данной дисциплины, включают овладение умениями и компетенциями по следующим областям знаний:
Математический анализ
Информатика
Основы алгоритмизации
Теория вероятностей и математическая статистика
Базы данных
Технология программирования
Информационные технологии
3. Требования к результатам освоения дисциплины:
Компетенции, полученные в результате изучения данной дисциплины, необходимы
для изучения следующих дисциплин и выполнения видов деятельности:
Б3.В10 Проектирование автоматизированных систем обработки информации и управления
Б3.В11 Системы реального времени
Б3.ДВ4. Экспертные системы или Прикладные системы программирования
Учебная и производственная практики и подготовка выпускной работы
Дисциплины подготовки магистра
Процесс изучения дисциплины направлен на формирование следующих компетенций в соответствии с ФГОС ВПО по направлению “Информатика и вычислительная техника”:
Общекультурные компетенции (ОК)
Выпускник должен обладать следующими общекультурными компетенциями:
Способностью к обобщению, анализу и интерпретации информации, постановке цели и задач исследования (ОК-1);
Способностью логически верно и аргументировано строить устную и письменную речь (ОК-2);
Способностью к кооперации со специалистами из различных предметных областей (ОК-3);
Умением использовать нормативно-правовые документы при обосновании цели и задач исследования (ОК-5);
Умением использовать основные законы естественнонаучных дисциплин, применять методы анализа и модели, теоретические и экспериментальные исследования (ОК-10);
Владением способами и средствами получения, хранения и переработки информации (ОК-11);
Способностью работать с информацией в Интернете (ОК-13).
b. Профессиональные компетенции (ПК)
Выпускник должен обладать следующими профессиональными компетенциями:
Способностью к осваиванию методик использования средств моделирования систем (ПК-2);
Способностью разрабатывать модели компонентов информационных систем (ПК-4);
Способностью использовать современные языки программирования, инструментальные средства и технологии программирования моделей систем (ПК-5);
Способностью обосновывать принимаемые проектные решения, выполнять эксперименты на модели, обрабатывать и интерпретировать их результаты (ПК-6);
Способностью подготовки презентаций, научно-технических отчетов, оформления результатов в виде статей и/или докладов (ПК-7);
Способностью инсталлировать программное обеспечение для моделирования информационных систем (ПК-11).
В результате изучения дисциплины студент должен:
Знать:
Основные понятия теории моделирования сложных систем;
Способы выбора и анализа математических схем для построения модели;
Методологию имитационного моделирования и статистического оценивания точности результатов;
Основы теории моделирования на ЭВМ заданных функций распределения;
Теорию построения аналитической модели на примере СМО.
Методику и алгоритм построения имитационной объектно-продукционной модели СМО
Теорию планирования имитационных экспериментов с моделью системы;
Языки и инструментальные средства моделирования.
Уметь:
- Различать типы моделей и обосновывать их выбор применительно к задаче;
- Разрабатывать математические схемы для моделирования сложных систем;
- Разрабатывать программные генераторы случайных величин с заданными
функциями плотности распределения и встраивать их в имитационные модели;
- Разрабатывать алгоритмы расчета характеристик моделирования;
- Анализировать результаты имитационных экспериментов методами Data Mining.
Владеть:
- Языками и средствами объектно-продукционного программирования моделей систем;
- Статистическими методами оценивания достоверности результатов моделирования;
- Методами разработки нестандартных программных генераторов случайных величин;
- Методами получения с помощью имитационной модели данных и их преобразования в стандартный формат;
- Методами интерпретации результатов моделирования с использованием технологии Data Mining, в том числе, путем поиска закономерностей и связей в данных.
4. Объем дисциплины и виды учебной работы
Вид учебной работы
|
Всего часов / зачетных единиц
|
Семестры
|
7
|
8
|
Аудиторные занятия (всего)
|
126/3,5
|
36/1
|
54/1,5
|
В том числе:
|
-
|
-
|
-
|
Лекции
|
54/1,5
|
36
|
18
|
Лабораторные работы (ЛР)
|
36/1
|
-
|
36
|
Самостоятельная работа (всего)
|
90/2,5
|
-
|
90/2,5
|
В том числе:
|
-
|
-
|
-
|
Курсовой проект (работа)
|
|
|
|
Расчетно-графические работы
|
54/1,5
|
-
|
54
|
Домашняя работа
|
36/1
|
-
|
36
|
Вид промежуточной аттестации (зачет, экзамен)
|
|
экзамен
36
|
зачет
|
Общая трудоемкость часы
зачетные единицы
|
216
|
72
|
144
|
6
|
2
|
4
|
5. Содержание дисциплины
5.1. Содержание разделов дисциплины
№ п/п
|
Наименование раздела дисциплины
|
Содержание раздела
|
1.
|
Основные понятия теории моделирования систем. Виды моделей.
|
Определения, назначение и роль моделирования при анализе и проектировании систем. Требования к моделям. Историческая эволюция методов моделирования и их классификация. Теория моделирования и подобия.
|
2.
|
Представление и свойства D, F,P, Q, A и N математических схем
|
Обобщенная математическая модель. D-схема. F-схемы, типы и способы представления. Асинхронный автомат. Р-схема. Y-детерминированный конечный автомат. Q-схема. А-схема. Простые и раскрашенные сети Петри. Моделирование логики обслуживания Q-схем с помощью N-схем.
|
3.
|
Имитационные методы моделирования сложных систем. Планирование экспериментов.
|
Формализация и алгоритмизация функционирования имитационной модели. Этапы построения. Теория планирования экспериментов на модели и представление результатов в формате средств анализа данных Deductor 5.2.
|
4.
|
Статистическое оценива-ние результатов модели-рования. Методы модели-рования заданных, в том числе, нестандартных распределений.
|
Эмпирическая оценка функций распределения случайной величины. Выборочные оценки. Расчет и программная реализация нестандартного генератора случайных величин. Проверка статистических гипотез. Использование среды Excel.
|
5.
|
Модели систем массового обслуживания (СМО). Аналитическая модель одноканальной СМО. Расчет характеристик обслуживания и опреде-ление входных и выходных переменных.
|
Марковские предпосылки построения аналитической модели со случайными потоками событий. Определение вероятности состояния системы. Вывод соотношений для расчета характеристик обслуживания с учетом случайности потоков событий. Определение входных и выходных переменных имитационной модели при переносе модели в среду Arena или цветных сетей Петри
|
6.
|
Определение вероятности состоянии и характе-ристик процесса обслу-живания многоканальной СМО.
|
Вывод уравнений для вероятности состояний многоканальной СМО. Вывод соотношений для расчета характеристик обслуживания. Обобщенные формулы для использования в алгоритме модели.
|
7.
|
Сетевые модели систем массового обслуживания.
|
Пример гибкой производственной системы. Теорема Джексона и ее использования для расчета характеристик узлов сети. Баланс времени узлов сети с учетом транспортного обслуживания производственного участка и отказов узлов обслуживания (гибких обрабатывающих модулей).
|
8.
|
Обоснование выбора языка и средств модели-рования. Построение и изучение алгоритмов аналитической и имита-ционной моделей произ-водственной системы.
|
Объектно-продукционный язык и среда CLIPS для построения адаптивной имитационной модели СМО. Продукционные правила. Пользовательские функции. Исходные данные и их представление в виде фактов. Объекты и обработчики сообщений. Формирование выходных XML- файлов для вывода характеристик обслуживания.
|
9.
|
Работа в средах CLIPS 6.2 и Deductor 5.2 при получении смоделирован-ных данных и их анализе и интерпретации.
|
Основные необходимые сведения о языке и среде CLIPS. Примеры построения компонентов модели. Анализ данных, полученных в результате моделирования на содержание в них неизвестных ранее и полезных связей между параметрами в среде Deductor.
|
5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми
(последующими) дисциплинами
№ п/п
|
Наименование обеспе-чиваемых (последую-щих) дисциплин
|
№ № разделов данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
1.
|
Проектирование автоматизированных систем обработки информации и управления
|
*
|
|
*
|
*
|
*
|
|
|
|
*
|
2.
|
Системы реального времени
|
|
|
|
*
|
|
|
*
|
|
*
|
3.
|
Экспертные системы
|
|
|
|
*
|
*
|
*
|
|
|
*
|
4.
|
Выпускная работа
|
|
|
*
|
*
|
*
|
*
|
*
|
*
|
*
|
5.3. Разделы дисциплин и виды занятий
№ п/п
|
Наименование раздела дисциплины
|
Лекции
|
Лаб.
зан.
|
СРС
|
Всего
|
1.
|
Основные понятия теории моделирования систем. Виды моделей.
|
4
|
|
|
4
|
2.
|
Представление и свойства D, F,P, Q, A и N математических схем
|
12
|
|
|
12
|
3.
|
Имитационные методы моделирования сложных систем. Планирование экспериментов.
|
4
|
|
|
4
|
4.
|
Статистическое оценивание результатов моделирования. Методы моделирования заданных, в том числе, нестандартных распределений.
|
4
|
12
|
54
|
70
|
5.
|
Модели систем массового обслуживания (СМО). Аналитическая модель одноканальной СМО. Расчет характеристик обслуживания и определение входных и выходных переменных.
|
12
|
|
|
12
|
6.
|
Определение вероятности состоянии и характеристик процесса обслуживания многоканальной СМО
|
6
|
|
|
6
|
7.
|
Сетевые модели систем массового обслуживания
|
4
|
|
|
4
|
8.
|
Обоснование выбора языка и средств моделирования. Построение и изучение алгоритмов аналитической и имитационной моделей производственной системы.
|
4
|
12
|
18
|
34
|
9.
|
Работа в средах CLIPS 6.2 и Deductor 5.2 при получении смоделированных данных и их анализе и интерпретации.
|
4
|
12
|
18
|
34
|
6. Лабораторный практикум
№ п/п
|
№ раздела дисциплины
|
Наименование лабораторных работ
|
Трудоемкость
(часы/зач. ед.)
|
1
|
4
|
Расчет, реализация и исследование нестандартного программного генератора случайных величин для имитационной модели
|
12/0,33
|
2.
|
8
|
Получение с помощью имитационной модели производственной системы данных для анализа закономерностей предметной области
|
12/0,33
|
3.
|
9
|
Поиск закономерностей в данных имитационного моделирования средствами Data Mining
|
12/0,33
|
7. Примерная тематика курсовых проектов (работ) – не предусмотрено.
8. Учебно-методическое и информационное обеспечение дисциплины:
а) Основная литература
Подлесных В.Г. Электронный конспект лекций по дисциплине “Моделирование систем”, перераб. и доп., 2011.
2. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. для вузов. 3-е изд.,
перераб. и доп. –М.: Высш. школа, 2001.
3. Азбель В.О. и др. Организационно-технологическое проектирование ГПС.
–Л.: Машиностроение, 1986.
4. А.П.Частиков, Т.А.Гаврилова, Д.Л.Белов. Разработка экспертных систем.
Среда CLIPS. – СПб.: БХВ-Петербург, 2003.
б) дополнительная литература __________________________________________________
____________________________________________________________________________
в) программное обеспечение: Widows, Micosoft Excel, язык и среда CLIPS 6.22, Deductor
5.2, Microsoft Office
г) базы данных: Access
9. Материально-техническое обеспечение дисциплины: дисплейный класс РС
10. Методические рекомендации по организации изучения дисциплины:
Дисциплина изучается в двух семестрах. Материал 1-го семестра представляет собой модуль внутри дисциплины, посвященный общим вопросам методологии моделирования и рассмотрению основных математических схем. Материал второго семестра также представляет собой модуль, посвященный вопросам разработки аналитической и имитационной моделей. Контроль усвоения материала 1-го модуля производится путем выборочного контрольного опроса на лекциях и зачета по предлагаемому списку вопросов в конце семестра. Контроль усвоения материала 2-го модуля производится в ходе подготовки и выполнения лабораторного практикума.
Рабочая программа составлена в соответствии с Федеральным Государственным образовательным стандартом высшего профессионального образования по направлению 230100 – Информатика и вычислительная техника, профиль подготовки: 230102.62 – Автоматизированные системы обработки информации и управление..
Составитель:
д.т.н., профессор каф. Кибернетика ____________________ Никольский С.Н. |
