Алгоритмы формирования последовательности псевдослучайных чисел в натурном эксперименте при имитации процессов функционирования сложных информационных систем
Автор: Баркалов Сергей Алексеевич, Серебрякова Елена Анатольевна, Нижегородов Кирилл Александрович
Рубрика: Управление в технических системах
Статья в выпуске: 1 т.24, 2024 года.
Бесплатный доступ
В данной работе рассматривается информационная система - ее структура и факторы воздействия внешней среды, что позволяет описывать ее имитационными средствами. Элементами для описания подобных систем являются алгебраические дифференциальные уравнения, цепи Маркова или аналогичные им. Цель исследования заключается в формировании условий проведения натурного эксперимента не на исследуемой системе, а на некоторой другой (с известными параметрами распределения исследуемой случайной величины, например, закона распределения), достаточно «похожей» на данную и такой, экспериментальное функционирование которой не приведет к сколько-нибудь ощутимым издержкам. Методы исследования. При имитации процессов Маркова очень часто встречаются трудности, связанные с необходимостью ввода в память машины стохастических матриц бесконечной размерности. Фактически очень трудно представить бесконечную стохастическую матрицу, в которой все элементы выбраны «чисто случайно», т. е. без каких бы то ни было закономерностей. На практике всегда случаются только такие матрицы, в которых, начиная с некоторой строки, проявляется определенная закономерность в образовании элементов. На этом свойстве основывается решение указанной проблемы.
Алгоритм, закон распределения, модель, машина, натурный эксперимент, случайное число
Короткий адрес: https://sciup.org/147242623
IDR: 147242623 | УДК: 63.009.34 | DOI: 10.14529/ctcr240105
Algorithms of forming of the sequence of pseudorandom numbers in the natural experiment at simulation of processes of functioning of complex information systems
In this work is considered information systems: its structure and influencing factors of the external environment that allows to describe its simulation means. Elements for the description of similar systems are algebraic differential equations, Markov chains or similar of the Research objective consists in forming of conditions of carrying out a natural experiment not on the studied system, and on some other (with the known distribution parameters of the studied random variable, for example, of the distribution law), rather “similar” to given and such which experimental functioning will not lead to a little notable costs. Research methods. At simulation of processes of Markov the difficulties connected with need of input in memory of the machine of stochastic matrixes of infinite dimension very often meet. It is actually very difficult to present an infinite stochastic matrix in which all elements are selected “purely accidentally”, i.e. without any patterns. In practice there are always only such matrixes in which, since some line, a certain pattern in formation of elements is shown. The solution of the specified problem is based on this property.
Список литературы Алгоритмы формирования последовательности псевдослучайных чисел в натурном эксперименте при имитации процессов функционирования сложных информационных систем
- Баркалов С.А., Бурков В.Н., Порядина В.Л. Механизмы активной экспертизы в задачах комплексного оценивания // Вестник Воронежского государственного технического университета. 2009. Т. 5, № 6. С. 64–67.
- Белоусов В.Е., Абросимов И.П., Губина О.В. Алгоритм идентификации состояний многоуровневой технической системы с использованием расплывчатых категорий модели представления знаний // Вестник ВГУ. Серия: Системный анализ и информационные технологии. № 3. 2017. C. 124–129.
- Jordan M.I. Attractor dynamics and parallelism in a connectionist sequential machine // The Eighth Annual Conference of the Cognitive Science Society. Amherst, MA, 1986. P. 531–546.
- Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа. 2004. 341 с.
- Белоусов В.Е., Баркалов С.А., Нижегородов К.А. Ресурсно-временной анализ в задачах календарного планирования строительных предприятий // Материалы XVI Всероссийской школы-конференции молодых ученых «Управление большими системами». Тамбов: Изд-во ТГТУ, 2019. Т. 1. С. 98–101.
- Вапник В.Н. Восстановление зависимости по эмпирическим данным. М.: Наука, 1979. 295 с.
- Osherson D.N., Weinstein S., Stoli M. Modular learning // Computational Neuroscience / E.L. Schwartz (ed.). Cambridge, MA: MIT Press, 1990. P. 369–377.
- Галинская А.А. Модульные нейронные сети: обзор современного состояния разработок // Математические машины и системы. 2003. № 3-4. С. 87–102.
- Алгоритмы: построение и анализ / Т. Кормен, Ч. Лейзерсон, Р. Ривест, К. Штайн; пер. с англ. и ред. И.В. Красикова. 2-е изд. М.: Вильямс, 2005. 1296 с.
- Моделирование системы оценки компетенций в управлении профессорско-преподавательским составом вуза / С.А. Баркалов, В.Е. Белоусов, Н.Ю. Калинина и др. // XXI Международная конференция по мягким вычислениям и измерениям (SCM-2018): сб. докл. в 2 т. СПб.: СПбГЭТУ «ЛЭТИ», 2018. Т. 1. С. 355–358.
- Белоусов В.Е., Нижегородов К.A., Соха И.С. Алгоритмы получения упорядоченных правил предпочтения в задачах принятия решений при планировании производственных программ // Управление строительством. 2019. № 1 (14). С. 105–111.
- Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001. С. 203–211.
- Губко М.В., Караваев А.П. Согласование интересов в матричных структурах управления // Автоматика и телемеханика. 2001. № 10. С. 112–119.
- Hart O.D., Holmstrom B. Theory of contracts // Advances in economic theory. 5-th World Congress. Cambridge: Cambridge Univ. Press; 1987. P. 71–155.
