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. |