Het concept van een model staat centraal algemene theorie systemen. Modelleren als een krachtige - en vaak de enige - onderzoeksmethode impliceert de vervanging van een echt object door een ander - materiaal of ideaal.
De belangrijkste vereisten elk model is de geschiktheid ervan voor het object dat wordt bestudeerd specifieke taak en haalbaarheid met de beschikbare middelen.
In efficiëntietheorie en informatica is een model van een object (systeem, operatie) een materieel of ideaal (mentaal voorstelbaar) systeem dat is gecreëerd en / of gebruikt bij het oplossen van een specifiek probleem om nieuwe kennis over het oorspronkelijke object te verkrijgen, adequaat om het in termen van de bestudeerde eigenschappen en in andere opzichten eenvoudiger dan het origineel.
De classificatie van de belangrijkste modelleringsmethoden (en hun overeenkomstige modellen) wordt getoond in Fig. 3.1.1.
In de studie van economische informatie Systemen(EIS) alle modelleringsmethoden vinden toepassing, maar deze sectie zal zich concentreren op semiotische (teken)methoden.
Bedenk dat semiotiek (van het Griekse semeion - teken, teken) de wetenschap is van algemene eigenschappen tekensystemen, dat wil zeggen systemen van concrete of abstracte objecten (tekens), waaraan elk een bepaalde waarde is gekoppeld. Voorbeelden van dergelijke systemen zijn alle talen
Rijst. 3.1.1. Classificatie van modelleringsmethoden
(natuurlijk of kunstmatig, bijvoorbeeld databeschrijving of modelleringstalen), signaleringssystemen in de samenleving en de dierenwereld, etc.
Semiotiek omvat drie secties: syntactiek; semantiek; pragmatiek.
Syntactiek bestudeert de syntaxis van tekensystemen zonder rekening te houden met eventuele interpretaties en problemen die samenhangen met de perceptie van tekensystemen als communicatie- en communicatiemiddel.
Semantiek bestudeert de interpretatie van uitspraken van een tekensysteem en neemt vanuit het oogpunt van het modelleren van objecten de belangrijkste plaats in de semiotiek in.
Pragmatiek onderzoekt de houding van de persoon die het tekensysteem gebruikt ten opzichte van het tekensysteem zelf, in het bijzonder - de perceptie van betekenisvolle uitingen van het tekensysteem.
Van de vele semiotische modellen vanwege de grootste verspreiding, vooral in de context van informatisering moderne samenleving en de introductie van formele methoden op alle gebieden menselijke activiteit, selecteer de wiskundige die worden weergegeven echte systemen door het gebruiken van wiskundige symbolen... Tegelijkertijd zullen we, rekening houdend met het feit dat we modelleringsmethoden overwegen met betrekking tot de studie van systemen in verschillende operaties, de bekende methodologie gebruiken Systeemanalyse, efficiëntietheorie en besluitvorming.
Meer over het onderwerp 3. TECHNOLOGIE VAN DE SIMULATIE VAN INFORMATIESYSTEMEN Methoden voor het modelleren van systemen:
- Simulatiemodellen van economische informatiesystemen Methodologische grondslagen van de toepassing van de simulatiemethode
- Sectie III BASIS VOOR HET MODELLEN VAN EEN SERVICEMARKETINGSYSTEEM
- HOOFDSTUK 1. GECONTROLEERDE DYNAMISCHE SYSTEMEN ALS COMPUTERSIMULATIE-OBJECT
- Grondbeginselen van structurele modellering van het marketingsysteem van medische diensten
- Sectie IV VOORBEELD VAN TOEGEPAST GEBRUIK VAN EEN MARKETINGSYSTEEMMODEL IN IMITATIEMODELLEN
- Het concept van het modelleren van de financiële sfeer van marketingsystemen
MINISTERIE VAN ONDERWIJS VAN DE RUSSISCHE FEDERATIE ULYANOVSK STAAT TECHNISCHE UNIVERSITEIT V.S.SHCHLEIN MODELLERING VAN INFORMATIESYSTEMEN Collegenota's voor studenten in de richting 652100 "Luchtvaart" Ulyanovsk 2002 2 UDC 621.9.06 Herzien leermiddelen Wetenschappelijke en Methodologische Raad van de Universiteit Shcheklein V.S. Щ Modellering van informatiesystemen: dictaten / V.S. SHCHEKLEIN. - Ulyanovsk: UlSTU, 2002 .-- p. De dictaten zijn een selectie van materiaal dat in het studiejaar 1999/2000 is gebruikt bij het geven van lessen in het vakgebied "Information Systems Modeling". Bestemd voor studenten van specialisaties: 130107" Softwareverwerking bouwmaterialen ”en 130111“ Projectmanagement van vliegtuigproductie ”. Deze handleiding is niet volledig, het is de bedoeling om nieuw ontwikkeld materiaal op te nemen, waarvan de selectie en het ontwerp worden uitgevoerd in overeenstemming met het goedgekeurde disciplineprogramma. 3 INHOUD INLEIDING …………………………………………… .. DE IMPLEMENTATIE MET BEHULP VAN EEN COMPUTER …………… 7 3. ALGEMENE STATISTISCHE MODELLERINGSALGORITHMEN ……………………… ……………………………………………………………………………………………………………………………………… ……………………………………………………………………………………………………………………………………… …………………… 9 DISTRIBUTIE. SIMULATIE VAN WILLEKEURIGE GEBEURTENISSEN ……………………………………………… .. 5. AANPAK VAN DE SIMULATIE VAN SYSTEMEN …………………… ... 15 6. INSTELLEN VAN WILLEKEURIGE WAARDEN EN WILLEKEURIGE GEBEURTENISSEN IN EXCEL ...................... 23 8. MODELLEN VAN MASSASERVICESYSTEMEN. 25 9. Structuur van informatie en computersystemen systematische TEM ................................................ ................................................. 26 9.1. Het concept van het proces …………………… ………………………… .. 28 9.2. Werklast …………………………………………………… 29 10. INFORMATIESYSTEEM PRESTATIE-INDICATOREN …………………………………………………………… ……… .. 30 11. SCHATTING VAN DE PRESTATIES VAN SYSTEEMCOMPONENTEN …………………………………………………………….…. 31 12. BEOORDELING VAN DE PRESTATIES VAN HET SYSTEEM IN HET ALGEMEEN ……. 32 13. DE INVLOED VAN DE GEGEVENSVERWERKINGSMODUS ………………… .. 35 14. BETROUWBAARHEIDSKENMERKEN ………………………………………………………………… ……………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………… .. … ……………………………………………………………………………………………………………………………………… ……………………………………………………………………………………………………………………………………… …………………………………………………………………………………. ” ……………. 40 REFERENTIES …………………………………. 46 4 INLEIDING Het nut van wiskundige modellering voor het oplossen van praktische problemen roept geen enkele twijfel op. De vraag kan rijzen, waarom is het nodig om het modelleren van informatiesystemen onder de knie te krijgen (en nu kunnen deze systemen niet meer zonder worden voorgesteld) computertechnologie) vliegtuigbouwers gericht op vliegtuigtechnologie? Moderne technologie wordt steeds meer geautomatiseerd. Een moderne vliegtuigbouwer, of hij nu een ontwerper of een technoloog is, moet computers gebruiken in zijn werk. Het gevaar bestaat dat bij het oplossen van problemen de mogelijkheden van de computer onvoldoende worden beoordeeld technische taken... Dit kan leiden tot een weigering om een of ander fragment van het technologische proces te automatiseren, of tot ongerechtvaardigde uitgaven voor computerapparatuur, waarvan de mogelijkheden sterk worden overschat in vergelijking met de noodzakelijke. In dit geval kan het zogenaamde gezond verstand leiden tot ernstige fouten in de beoordeling. Het doel van de discipline is om een jonge specialist uit te rusten met een apparaat voor het evalueren van informatie- en computersystemen, zodat hij automatiseringsmiddelen correct kan inpassen in de contouren van productie of beheer. Daarnaast doen studenten door het modelleren van bepaalde systemen indirecte ervaring op met het optimaliseren van systemen en versterken ze de vaardigheden van het gebruik van een computer bij het oplossen van professionele problemen. 1. BASISBEGRIPPEN VAN DE THEORIE VAN SIMULATIE Modellering is de vervanging van het ene object door een ander om informatie te verkrijgen over essentiële eigenschappen object - het origineel met behulp van het object - model. Model (Frans modele uit het Latijn modulas - maat, monster): 1) een monster voor massaproductie van een product; product merk; 2) het product waaruit de vorm is verwijderd (sjablonen, patronen, pleinen); 3) de persoon of het object afgebeeld door de kunstenaar; 4) een apparaat dat de structuur of werking van een ander apparaat reproduceert; 5) elke afbeelding van een object, proces of fenomeen dat wordt gebruikt als een vertegenwoordiger van het origineel (afbeelding, diagram, tekening, kaart); 6) het wiskundige apparaat dat een object, proces of fenomeen beschrijft; 7) een inrichting voor het maken van een afdruk in een gietvorm. In wat volgt, zal het model, tenzij anders vermeld, worden opgevat als een wiskundig apparaat. Alle modellen hebben een bepaalde structuur (statisch of dynamisch, materieel of ideaal), die lijkt op de structuur van het oorspronkelijke object. Tijdens het werk fungeert het model als een relatief onafhankelijk quasi-object, wat het mogelijk maakt om tijdens het onderzoek enige kennis over het object zelf te verkrijgen. Als de resultaten van een dergelijk onderzoek (modellering) worden bevestigd en als basis kunnen dienen voor voorspellingen in de bestudeerde objecten, dan zeggen ze dat het model geschikt is voor het object. In dit geval hangt de geschiktheid van het model af van het doel van de modellering en de gehanteerde criteria. Het modelleringsproces veronderstelt de aanwezigheid van: - het onderzoeksobject; - een onderzoeker met een specifieke taak; - een model dat is gemaakt om informatie te verkrijgen over een object dat nodig is om een probleem op te lossen. In relatie tot het model is de onderzoeker een experimentator. Houd er rekening mee dat elk experiment van groot belang kan zijn in een specifiek gebied van wetenschap en technologie, alleen met een speciale verwerking van de resultaten. Een van de meest belangrijke aspecten systeemmodellering is een doelprobleem. Elk model wordt gebouwd afhankelijk van het doel dat door de onderzoeker is gesteld, daarom is een van de belangrijkste problemen bij het modelleren het doeltoewijzingsprobleem. De gelijkenis van het proces dat in het model verloopt met het werkelijke proces is geen doel op zich, maar een voorwaarde voor het correct functioneren van het model. Als doel moet de taak worden gesteld om elk aspect van het functioneren van het object te bestuderen. Als de doelen van modellering duidelijk zijn, doet zich het volgende probleem voor, het probleem van het bouwen van een model. Deze constructie blijkt mogelijk te zijn als er informatie is of hypothesen worden geopperd over de structuur, algoritmen en parameters van het onderzochte object. Het moet worden benadrukt de rol van de onderzoeker in het proces van het bouwen van een model, dit proces is creatief, gebaseerd op kennis, ervaring, heuristiek. Formele methoden die een voldoende nauwkeurige beschrijving van een systeem of proces mogelijk maken, zijn onvolledig of ontbreken simpelweg. Daarom is de keuze voor deze of gene analogie volledig gebaseerd op de ervaring van de onderzoeker, en de fouten van de onderzoeker kunnen leiden tot foutieve simulatieresultaten. Wanneer het model is gebouwd, kan het volgende probleem worden beschouwd als het probleem om ermee te werken, de implementatie van het model. Hier zijn de belangrijkste taken het minimaliseren van de tijd om de definitieve resultaten te verkrijgen en de betrouwbaarheid ervan te waarborgen. Voor een correct geconstrueerd model is het kenmerkend dat het alleen die regelmatigheden onthult die de onderzoeker nodig heeft, en geen rekening houdt met de eigenschappen van het systeem - het origineel, die op het gegeven moment onbelangrijk zijn. De classificatie van soorten systeemmodellering wordt getoond in Fig. 1.1. Wiskundige modellering- dit is de constructie en het gebruik van wiskundige modellen om het gedrag van systemen (objecten) in verschillende omstandigheden te bestuderen, om bepaalde kenmerken van het origineel te verkrijgen (berekenen) zonder metingen of met een klein aantal ervan. In het kader van wiskundige modellering zijn twee benaderingen ontwikkeld: - analytisch; - imitatie. 6 Systeemmodellering Deterministisch Stochastisch Statisch Dynamisch Discreet Discreet Continu Continu Abstract Materiaal Visueel Symbolisch Wiskundig Natuurlijk Fysisch Analytisch Gecombineerd. Simulatie Afb. 1.1. De analytische benadering is gebaseerd op de constructie van formule-afhankelijkheden die de parameters en elementen van het systeem met elkaar verbinden. Lange tijd was deze benadering eigenlijk een wiskundige benadering. Echter, bij het overwegen van ingewikkelde systemen strikte wiskundige afhankelijkheden zijn erg complex, het is vereist een groot aantal van metingen om de vereiste parameterwaarden te verkrijgen. Analyse van de kenmerken van de werkingsprocessen van complexe systemen waarbij alleen analytische onderzoeksmethoden worden gebruikt, stuit op aanzienlijke problemen, wat leidt tot de noodzaak van een aanzienlijke vereenvoudiging van modellen, hetzij in de fase van hun constructie, hetzij tijdens het werken met een model, dat vermindert de betrouwbaarheid van de resultaten. De simulatie (statistische) benadering van modellering is gebaseerd op het gebruik van de limietstelling van Chebyshev in de probabilistische representatie van de systeemparameters. Op basis van een voorstudie van het gemodelleerde systeem is het vrij eenvoudig om de soorten en waarden van de verdelingswetten te bepalen voor de willekeurige waarden van de parameters. In het kader van de simulatiebenadering worden analytische afhankelijkheden tussen de parameters van de systeemelementen gebruikt, maar deze afhankelijkheden zijn van een meer algemene, vereenvoudigde aard. Ze zijn veel eenvoudiger dan afhankelijkheden in de analytische benadering. 7 Wiskundige modellering van systemen, inclusief informatiesystemen, is gericht op het optimaliseren van de structuur van systemen, het kiezen van de meest optimale werkingsmodi van systemen, het bepalen van de vereiste kenmerken van hardware en software... Wiskundige modellering van technologische processen, inclusief informatieprocessen, heeft als hoofddoelen het vinden van de optimale of acceptabele kenmerken van het object zelf, het vinden van de optimale verwerkingsmodi, het opleiden van personeel en het verschaffen van bepaalde besturingsfuncties. De modellering moet in ieder geval aan de volgende eisen voldoen: - de modellen moeten geschikt zijn voor de bijbehorende systemen of technologische taken; - de vereiste nauwkeurigheid moet worden gewaarborgd; - het gemak van de gebruiker moet worden gewaarborgd - een specialist in technologie of informatieverwerking (beheer): - duidelijke interface simulatie beheer; - voldoende snelheid van werken; - zichtbaarheid van de resultaten; - aanvaardbare kosten voor ontwikkeling en gebruik van simulatietools. 2. ESSENTIE VAN DE METHODE VAN DE STATISTISCHE TESTEN EN DE UITVOERING DAARVAN MET DE HULP VAN EEN COMPUTER De methode van statistische modellering bestaat uit het reproduceren van het bestudeerde proces met behulp van een probabilistisch wiskundig model en het berekenen van de kenmerken van dit proces. De methode is gebaseerd op herhaald testen van het geconstrueerde model met daaropvolgende statistische verwerking van de verkregen gegevens om de kenmerken van het beschouwde proces te bepalen in de vorm statistische evaluaties zijn parameters. Beschouw de vergelijking: y = f (x, t, ξ), (2.1) waarbij y een te bepalen systeemparameter is, x een fasevariabele is, t tijd is, ξ een willekeurige parameter is, waarvan de verdelingswet is bij ons bekend. Als de functie f in wezen niet-lineair is, dan is er voor de oplossing van dit probleem geen universele methoden oplossingen en redelijk volledig ontwikkelde reguliere zoekmethoden optimale oplossingen alleen kan worden toegepast door prioriteit te geven aan de zichtbaarheid van het gebruik van wiskunde, zal vereenvoudiging leiden tot een ernstig verlies aan nauwkeurigheid. Wiskundig model zal ontoereikend worden 8 voor het bestudeerde systeem, en modellering zal slechts een vorm van waanvoorstelling zijn. Als het echter mogelijk is om een functie y = ϕ (ξ) en een generator van willekeurige getallen ξ 1, ξ 2, ..., ξ N te construeren met een gegeven verdelingswet, dan kan de waarde van y worden berekend als y = ∑ ϕ (ξ i) N, (2.2) waarbij ϕ (ξ 1) de waarde is van de i-de realisatie. Als f (x, t, ξ) een analytisch model is van het informatietransformatieproces, of technologisch proces het onderdeel verwerken, dan zal ϕ (ξ) een statistisch model zijn. Enkele principes en technieken voor het construeren van statistische modellen zullen later worden besproken. Het is belangrijk dat bij het construeren van de functie y = ϕ (ξ) en de sensor willekeurige nummersξ 1, ξ 2, ..., ξ N op papier is het in de overgrote meerderheid van de gevallen vrij eenvoudig om ze met de juiste software op een computer te implementeren. In dit geval zullen de resultaten een fout bevatten, maar deze fout is kleiner dan fouten als gevolg van aannames in het analytische model. Daarnaast kan de fout door toepassing van het statistische model worden gekwantificeerd. Deze techniek strekt zich uit tot meer moeilijke gevallen, wanneer vergelijking (2.1) niet alleen willekeurige parameters bevat, maar ook willekeurige functies. Na ontvangst van N realisaties op een computer, volgt de fase van het verwerken van statistieken, waarmee, samen met de wiskundige verwachting (2.2), andere parameters ϕ (ξ) kunnen worden berekend, bijvoorbeeld de variantie D = 1 N * ∑ xi - 1 N 2 * (∑xi). In de statistische testmethode is het, om voldoende betrouwbare resultaten te verkrijgen, noodzakelijk om ervoor te zorgen: groot aantal implementaties van N, bovendien, met een verandering in ten minste één initiële parameter van het probleem, is het noodzakelijk om opnieuw een reeks N-tests uit te voeren. Bij complexe modellen kan een onterecht grote waarde van N een factor worden die de ontvangst van het resultaat vertraagt. Daarom is het belangrijk om het benodigde aantal resultaten correct in te schatten. Betrouwbaarheidsinterval ε, betrouwbaarheidskans α, variantie D en het aantal realisaties N zijn gerelateerd aan de relatie ε = D NФ −1 (α), waarbij Ф −1 (α) een functie is, omgekeerde functie Laplace. In de praktijk kun je de verhouding N ≤ D ε 2 * 6,76 voor α ≥ 0,99 gebruiken, waarbij je voor de betrouwbaarheid de grootste waarde van N uit de verhouding () neemt. Een schatting van de variantie D kan vooraf worden verkregen met hetzelfde statistische model voor het aantal realisaties n, n<< N . 9 При построении статистических моделей информационных систем ис- пользуется общий и прикладной математический аппарат. В качестве приме- ра можно привести аппарат систем массового обслуживания. Система массо- вого обслуживания (СМО) - система, предназначенная для выполнения пото- ка однотипных требований случайного характера. Статистическое моделиро- вание СМО заключается в многократном воспроизведении исследуемого процесса (технического, социального и т.д.) при помощи вероятностной ма- тематической модели и соответствующей обработке получаемой при этом статистики. Существуют пакеты программ статистического моделирования СМО, однако они требуют определенных усилий для их освоения и не всегда доступны. Поэтому в рамках дисциплины предлагается достаточно простой подход, позволяющий с наименьшими затратами моделировать простые СМО. При этом предполагается, что пользователь ознакомлен с теорией мас- сового обслуживания и имеет навыки работы на компьютере. Следует пом- нить, что массовое обслуживание - важный, но далеко не единственный предмет статистического моделирования. На основе этого метода решаются, например, задачи физики (ядерной, твердого тела, термодинамики), задачи оптимизации маршрутов, моделирования игр и т.п. 3. ОБОБЩЕННЫЕ АЛГОРИТМЫ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ Существуют две схемы статистического моделирования: - моделирование по принципу особых состояний; - моделирование по принципу ∧ t . Порядок моделирования по принципу особых состояний заключается в выполнении следующих действий: 1) случайным образом определяется событие с минимальным временем - бо- лее раннее событие; 2) модельному времени присваивается значение времени наступления наибо- лее раннего события; 3) определяется тип наступившего события; 4) в зависимости от типа наступившего события осуществляется выполнение тех или иных блоков математической модели; 5) перечисленные действия повторяются до истечения времени моделирова- ния. В процессе моделирования производится измерение и статистическая обработка значений выходных характеристик. Эта схема моделирования хо- рошо подходит для систем массового обслуживания в традиционном их опи- сании. Обобщенный алгоритм моделирования по принципу особых состоя- ний представлен схемой на рис. 3.1. 10 н Определение времени наступления очередного события Корректировка текущего модельного времени Опр.типа соб Блок реакции 1 Блок реакции К нет Конец модел Да Рис. к Моделирование по принципу ∧ t осуществляется следующим образом: 1) устанавливаются начальные состояния, в т. ч. t = 0 ; 2) модельному времени дается приращение t = t + ∧t ; 3) на основе вектора текущих состояний элементов модели и нового значения времени рассчитываются новые значения этих состояний; за ∧ t может на- ступить одно событие, несколько событий или же может вообще не проис- ходить событий; пересчет состояния всех элементов системы – более тру- доемкая процедура, нежели любой из блоков реакции модели, построенной по принципу особых состояний; 4) если не превышено граничное время моделирования, предыдущие пункты повторяются. В процессе моделирования производится измерение и статистическая обработка значений выходных характеристик. Эта схема моделирования применима для более широкого круга систем, нежели моделирование по принципу особых событий, однако есть проблемы с определением ∧ t . Если задать его слишком большим - теряется точность, слишком малым - возрас- тает время моделирования. На основе базовых схем моделирования можно строить комбинирован- ные и диалоговые схемы, в которых моделирование идет под контролем опе-
1 van 38
Presentatie over het onderwerp: Modellering van informatiesystemen
Dia nr. 1
Schuif nr. 2
Diabeschrijving:
Het doel van de cursus is het verdiepen van kernvakken (informatica, wiskunde); het vormen van competenties voor beroepsactiviteiten op het gebied van informatiemodellering Motivatie van studenten bij het kiezen van een EC. - studenten testen op hun capaciteiten en interesse in creatieve onderzoeksactiviteiten op het gebied van informatiemodellering; - voorbereiding op het invoeren van een universiteit voor specialiteiten met betrekking tot informatiemodellering en computertechnologieën: toegepaste wiskunde, modellering, computersystemen, enz.
Schuif nr. 3
Diabeschrijving:
Dia nr. 4
Diabeschrijving:
Inhoud van het leerboek Hoofdstuk 1. Modellering van informatiesystemen 1.1. Informatiesystemen en systemologie 1.2. Relationeel model en databases (Toegang) 1.3. Spreadsheet - Informatiemodelleringstool 1.4. Applicatieprogrammering (VBA-elementen voor Excel) Hoofdstuk 2. Computer wiskundige modellering 2.1. Inleiding tot modellering 2.2. Toolkit voor computer wiskundige modellering (Excel, MathCad, VBA, Pascal) 2.3. Optimale modellering van planningsprocessen 2.4. Toepassingen voor computersimulatie
Schuif nr. 5
Diabeschrijving:
"Modellering en ontwikkeling van informatiesystemen" Doelstellingen van het bestuderen van de sectie Algemene ontwikkeling en vorming van het wereldbeeld van studenten. De belangrijkste ideologische component van de inhoud van dit deel van de cursus is de vorming van een systematische benadering van de analyse van de omringende realiteit. Beheersing van de basisprincipes van de methodologie voor het bouwen van informatiereferentiesystemen. Studenten krijgen inzicht in de fasen in de ontwikkeling van een informatiesysteem: de ontwerpfase en de implementatiefase. Het creëren van een database met meerdere tabellen vindt plaats in de relationele DBMS-omgeving van MS Access. Studenten beheersen de technieken van het bouwen van een database, applicaties (query's, rapporten), interface-elementen (dialoogvensters). Ontwikkeling en professionalisering van computervaardigheden. De vaardigheden die in de basiscursus zijn geleerd, worden verder ontwikkeld. - werken met vectorafbeeldingen bij het bouwen van structurele modellen van systemen - diepgaande studie van de mogelijkheden van het MS Access DBMS - MS Excel gebruiken als middel om met een database te werken - programmeren in VBA in de Excel-omgeving voor interface-ontwikkeling - tijdens het werken voor samenvattingen wordt aanbevolen om internetbronnen te gebruiken; materiaal ter bescherming voorbereiden in de vorm van een presentatie (Power Point)
Schuif nr. 6
Diabeschrijving:
Methode van projectonderwijs Probleemstelling: Onderwerp: middelbare school Doel van het project: het creëren van een informatiesysteem "Onderwijsproces" Doel van het informatiesysteem: gebruikers informeren: Over de leerlingengroep Over het onderwijzend personeel van de school Over de verdeling van het onderwijs belasting en klassenleiderschap Over de voortgang van studenten
Schuif nr. 7
Diabeschrijving:
Schuif nr. 8
Diabeschrijving:
Schuif nr. 9
Diabeschrijving:
Schuif nr. 10
Diabeschrijving:
Dia nr. 11
Diabeschrijving:
Schuif nr. 12
Diabeschrijving:
Applicatie ontwikkeling Applicaties: queries, rapporten Taak. Het is verplicht om een lijst te krijgen van alle meisjes in de negende klas die een 10 hebben voor informatica. Subschemaconcept Een hypothetische zoekopdracht gebruiken Taalkeuze STUDENTEN ACHTERNAAM STUDENTENNAAM STUDENTENKLASSE STUDENTKLASSE = '9?sorteer STUDENTEN.Achternaam oplopend
Schuif nr. 13
Diabeschrijving:
Schuif nr. 14
Diabeschrijving:
Schuif nr. 15
Diabeschrijving:
VBA Programming Private Sub CommandButton1_Click () "Beschrijving van variabelen Dim i, j, n As Integer Dim Flag As Boolean" Gegevensinitialisatie Flag = False "Bepaalt het aantal rijen in de lijst met scholen n = Bereik (" A3 "). CurrentRegion .Rows. Count "Zoek in de lijst naar het schoolnummer dat is opgegeven in het invoerveld 'TextBox1' For i = 3 To n + 2 If Cells (i, 1) .Value = Val (UserForm1.TextBox1.Text) Then Flag = True Exit For End If Next Fragment van het programma voor het verwerken van de gebeurtenis "Klik op de SEARCH-knop"
Schuif nr. 16
Diabeschrijving:
"Computer mathematische modellering" Doelstellingen van het bestuderen van de sectie Modelleren beheersen als een methode om de omringende realiteit te kennen (onderzoekskarakter van de sectie) - het is aangetoond dat modellering op verschillende kennisgebieden vergelijkbare kenmerken heeft, vaak voor verschillende processen is het mogelijk om verkrijg zeer vergelijkbare modellen; - demonstreert de voor- en nadelen van een computerexperiment in vergelijking met een experiment op ware grootte; - er wordt aangetoond dat zowel het abstracte model als de computer de mogelijkheid bieden om de omringende wereld te kennen, te beheersen in het belang van de mens. Ontwikkeling van praktische vaardigheden in computermodellering. De algemene methodologie van computer wiskundige modellering wordt gegeven. Naar het voorbeeld van een aantal modellen uit verschillende wetenschaps- en praktijkgebieden, worden praktisch alle stadia van modellering geïmplementeerd, van het formuleren van het probleem tot de interpretatie van de resultaten die zijn verkregen in de loop van een computerexperiment. Beroepsbegeleiding van studenten bevorderen. Het onthullen van de aanleg van de student voor onderzoeksactiviteiten, de ontwikkeling van creatief potentieel, oriëntatie op de keuze van een beroep dat verband houdt met wetenschappelijk onderzoek. Het overwinnen van dissociatie van onderwerpen, kennisintegratie. De cursus onderzoekt modellen uit verschillende wetenschapsgebieden met behulp van wiskunde. Ontwikkeling en professionalisering van computervaardigheden. Mastering software voor algemene en gespecialiseerde doeleinden, programmeersystemen.
Schuif nr. 17
Diabeschrijving:
Schuif nr. 18
Diabeschrijving:
Modellering van de processen van optimale planning Het probleem van het plannen van het werk van een tankstation Probleemstelling Laat het autotankstation twee soorten diensten uitvoeren: TO-1 en TO-2. Auto's worden aan het begin van de werkdag aangenomen en aan het einde van de werkdag aan de klanten overhandigd. Vanwege de beperkte parkeergelegenheid kunnen er maximaal 140 auto's per dag worden onderhouden. De werkdag duurt 8 uur. Als alle auto's alleen TO-1 zouden passeren, zou de capaciteit van het station 200 auto's per dag kunnen onderhouden, als alle auto's alleen TO-2 zouden passeren, dan 50. De kosten (voor de klant) van TO-2 zijn twee keer zo hoog als die van TO-1. In werkelijkheid passeren sommige auto's TO-1 en andere passeren op dezelfde dag TO-2. Het opstellen van zo'n dagelijks serviceplan is nodig om de onderneming van de hoogste kasontvangsten te voorzien.
Schuif nr. 19
Diabeschrijving:
Modellering van de processen van optimale planning Formalisatie en wiskundig model van het probleem Geplande indicatoren x - dagelijks productieplan TO-1; y - dagelijks productieplan voor TO-2. Uit de probleemstelling volgt het systeem van ongelijkheden. De grootste winst wordt behaald bij de maximale waarde van de functie. De functie f (x, y) heet de objectieve functie, en het systeem van ongelijkheden heet het systeem van beperkingen. Heb je een lineair programmeerprobleem
Schuif nr. 20
Diabeschrijving:
Schuif nr. 21
Diabeschrijving:
Modellering van de processen van optimale planning Methoden voor het oplossen van het probleem van lineair programmeren Simplex methode is een universele methode voor het oplossen van het probleem van lineair programmeren Simplex tabel Basis St. x1 ¼ xi ¼ xr xr + 1 ¼ xj ¼ xn x1 b1 1 ¼ 0 ¼ 0 a1, r + 1 ¼ a1j ¼ a1n xi bi 0 1 ¼ 0 ai, r + 1 ¼ aij ¼ ain ¼ ¼ ¼ ¼ ¼ ¼ ¼ ¼ xr br 0 0 ¼ 1 ar, r + 1 ¼ arj ¼ Arn f 0 0 0 ¼ 0 gr + 1 ¼ gj ¼ gn
Schuif nr. 22
Diabeschrijving:
Schuif nr. 23
Diabeschrijving:
Schuif nr. 24
Diabeschrijving:
Schuif nr. 25
Diabeschrijving:
Optimale planningsprocessen modelleren Private Sub CommandButton1_Click () Dim d (5, 9) As Variant Dim i, j, r, n, k, m As Integer Dim p, q, t As String Dim a, b As Double For i = 1 Naar 5 Voor j = 1 Naar 9 d (i, j) = Bereik ("a6: i10") Cellen (i, j) .Waarde Volgende j Volgende in = 7: r = 3 "Analyse van de optimaliteit van de stroom oplossing 't = "volgende" Do While t = "volgende" Simplex-methodeprogramma in VBA voor Excel (fragment)
Schuif nr. 28
Diabeschrijving:
Schuif nr. 29
Diabeschrijving:
Modellering van de processen van optimale planning De taak van het plannen van werkzaamheden aan de aanleg van de weg Probleemstelling Er zijn twee punten - de initiële H en de uiteindelijke K; van de eerste tot de tweede is het noodzakelijk om een weg te bouwen, die bestaat uit verticaal en segmenten. De kosten van het bouwen van elk van de mogelijke secties zijn bekend (weergegeven in de afbeelding). In werkelijkheid zal de weg een onderbroken lijn zijn die de punten H en K verbindt. Het is nodig om zo'n lijn te vinden die de laagste kosten heeft. Dit is een dynamische programmeertaak
Diabeschrijving:
Schuif nr. 33
Diabeschrijving:
Computersimulatie Het apparaat van wiskundige statistiek wordt gebruikt Willekeurige gebeurtenissen: - tijdsinterval tussen twee transacties - transactieservicetijd Kansdichtheidsfuncties van willekeurige gebeurtenissen Uniforme verdeling Gauss-normale verdeling Poissonverdeling
Diabeschrijving:
Geplande leerresultaten voor EC. Studenten moeten weten: het doel en de samenstelling van informatiesystemen; stadia van het creëren van een computerinformatiesysteem; basisconcepten van systemologie, bestaande variëteiten van systeemmodellen; wat is een infologisch domeinmodel; wat is een database (DB); database-classificatie; de structuur van een relationele database (RDB); normalisatie van de database; wat is een DBMS; hoe koppelingen zijn georganiseerd in een database met meerdere tabellen; wat zijn de soorten zoekopdrachten naar de database; wat is de structuur van het verzoekcommando voor het selecteren en sorteren van gegevens; welke mogelijkheden voor het werken met databases heeft een spreadsheetprocessor (MS Excel); hoe u een macro kunt maken en uitvoeren in MS Excel; wat is een objectgeoriënteerde applicatie; VBA-programmeerbasis; de inhoud van de begrippen "model", "informatiemodel", "wiskundig computermodel";
Schuif nr. 36
Diabeschrijving:
stadia van wiskundige computermodellering, hun inhoud; de samenstelling van de toolkit voor computer wiskundige modellering; de mogelijkheden van de Excel-spreadsheetprocessor bij de implementatie van wiskundige modellering; de mogelijkheden van het MathCAD-systeem bij de implementatie van wiskundige computermodellen; de bijzonderheden van wiskundige computermodellering in economische planning; voorbeelden van zinvolle taken op het gebied van economische planning, opgelost door de methode van computermodellering; verklaring van problemen opgelost door de lineaire programmeermethode; verklaring van problemen opgelost door de methode van dynamisch programmeren; de basisconcepten van de waarschijnlijkheidstheorie, noodzakelijk voor de implementatie van simulatiemodellering: een willekeurige variabele, de verdelingswet van een willekeurige variabele, de kansverdelingsdichtheid, de betrouwbaarheid van het resultaat van een statistisch onderzoek; manieren om reeksen willekeurige getallen te verkrijgen met een gegeven distributiewet; verklaring van problemen opgelost door de methode van simulatiemodellering in de wachtrijtheorie.
Schuif nr. 37
Diabeschrijving:
Studenten moeten in staat zijn om: een eenvoudig informatie- en referentiesysteem te ontwerpen; een database met meerdere tabellen ontwerpen; navigeren door de MS Access DBMS-omgeving; maak een databasestructuur en vul deze met gegevens; query's maken voor selectie in MS Access met behulp van de queryontwerper; werken met formulieren; na ontvangst van de definitieve gegevens navraag doen; rapporten ontvangen; organiseer databases met één tabel (lijsten) in MS Excel; selecteer en sorteer gegevens in lijsten; gegevens filteren; draaitabellen maken; macro's opnemen voor MS Excel met behulp van een macrorecorder; schrijf eenvoudige gebeurtenishandlers in VBA. pas het schema van een computerexperiment toe bij het oplossen van zinvolle problemen waar er behoefte is aan computerwiskundige modellering; selecteer de factoren die het gedrag van het bestudeerde systeem beïnvloeden, voer de rangschikking van deze factoren uit;
Schuif nr. 38
Diabeschrijving:
modellen bouwen van de bestudeerde processen; kies software voor het bestuderen van de geconstrueerde modellen; analyseer de verkregen resultaten en onderzoek het wiskundige model voor verschillende sets parameters, inclusief grens of kritisch; gebruik eenvoudige optimalisatie-economische modellen; de eenvoudigste modellen van wachtrijsystemen bouwen en de resultaten interpreteren. eenvoudige wiskundige modellen op een computer implementeren, algoritmen en programma's maken in de Visual Basic-taal; gebruik de mogelijkheden van TP Excel om eenvoudige wiskundige berekeningen uit te voeren en de resultaten van wiskundige modellering te illustreren met grafieken en staafdiagrammen; gebruik de tool "Zoeken naar een oplossing" TP Excel om lineaire en niet-lineaire programmeerproblemen op te lossen; het MathCAD-systeem gebruiken om eenvoudige wiskundige berekeningen uit te voeren, de resultaten van modellering grafisch te illustreren; gebruik het MathCAD-systeem om lineaire en niet-lineaire optimalisatieproblemen op te lossen.
Leerboek voor universiteiten
2e druk, ds. en voeg toe.
2014 G.
Oplage 1000 exemplaren.
Formaat 60x90/16 (145x215 mm)
Uitvoering: paperback
ISBN 978-5-9912-0193-3
BBQ 32.882
UDC 621.395
Grif UMO
Door de UMO aanbevolen voor onderwijs op het gebied van telecommunicatie als leerboek voor studenten van hoger onderwijsinstellingen die studeren in de specialisaties "Netwerken en Schakelsystemen", "Meerkanaals Telecommunicatiesystemen"
annotatie
Algoritmen voor het modelleren van discrete en continue willekeurige variabelen en processen worden overwogen. De principes en algoritmen voor het modelleren van informatiesignalen beschreven door Markov-processen met discrete en continue tijd worden vermeld.De principes van het modelleren van wachtrijsystemen worden overwogen. De kenmerken van de beschrijving en het gebruik van fractal- en multifractal-processen voor het modelleren van telecommunicatieverkeer worden beschreven. Methoden en voorbeelden van het modelleren van informatiesystemen met behulp van gespecialiseerde softwarepakketten Matlab, Opnet, Network simulator worden geanalyseerd.
Voor studenten die zijn ingeschreven voor de specialisaties "Netwerken en schakelsystemen", "Meerkanaals telecommunicatiesystemen", "Informatiesystemen en technologieën".
Invoering
1 Algemene principes van systeemmodellering
1.1. Algemene concepten van modelleren en modelleren
1.2. Modelclassificatie
1.3. Modelstructuur
1.4. Methodologische grondslagen voor het formaliseren van het functioneren van een complex systeem
1.5. Componentmodellering
1.6. Stadia van de vorming van een wiskundig model
1.7. Simulatiemodellering
Controlevragen
2 Algemene principes van het bouwen van communicatiesystemen en netwerken
2.1. Het concept van het bouwen van communicatiesystemen en netwerken
2.2. Gelaagde netwerkmodellen
2.2.1. Model met drie niveaus
2.2.2. TCP / IP-protocolarchitectuur
2.2.3. OSI-referentiemodel
2.3. Communicatie netwerkstructuur
2.3.1. Wereldwijde netwerken
2.3.2. Lokale netwerken
2.3.3. Computernetwerktopologieën
2.3.4. Lokale Ethernet-netwerken
2.4. Frame Relay-netwerken
2.5. IP-telefonie
Controlevragen
3 Simulatie van willekeurige getallen
3.1. Willekeurige getallen begrijpen
3.2. Programmatische methoden voor het genereren van uniform verdeelde willekeurige getallen
3.3. Vorming van willekeurige variabelen met een gegeven distributiewet
3.3.1. Inverse functie methode:
3.3.2. Geschatte methoden voor het converteren van willekeurige getallen
3.3.3. Screeningsmethode (Neumann-generatiemethode)
3.4. Methoden gebaseerd op de centrale limietstelling
3.5. Algoritmen voor het modelleren van veelgebruikte willekeurige variabelen
3.6. Algoritmen voor het modelleren van gecorreleerde willekeurige variabelen
3.7. Vorming van realisaties van willekeurige vectoren en functies
3.7.1. Modelleren van een n-dimensionaal willekeurig punt met onafhankelijke coördinaten
3.7.2. Vorming van een willekeurige vector (in het kader van de correlatietheorie)
3.7.3. Vorming van implementaties van willekeurige functies
4 Modelleren van discrete distributies
4.1. Bernoulli-distributie
4.2. binominale verdeling
4.3. Poisson-verdeling
4.4. Simulatie van proeven in een willekeurig gebeurtenisschema
4.4.1. Simulatie van willekeurige gebeurtenissen
4.4.2. Tegengestelde gebeurtenissen modelleren
4.4.3. Een discrete willekeurige variabele modelleren
4.4.4. Modelleren van een complete groep gebeurtenissen
4.5. Streams van evenementen
4.6. Verwerking van simulatieresultaten
4.6.1. Precisie en aantal realisaties
4.6.2. Primaire statistische gegevensverwerking
Controlevragen
5 Algoritmen voor het modelleren van stochastische signalen en interferentie in communicatiesystemen
5.1. Algoritme voor het modelleren van niet-stationaire stochastische processen
5.2. Algoritmen voor het modelleren van stationaire willekeurige processen
5.3. Methoden voor het modelleren van signalen en ruis in de vorm van stochastische differentiaalvergelijkingen
5.4. Voorbeelden van modellen van stochastische processen in communicatiesystemen
5.4.1. Informatieprocesmodellen
5.4.2. Interferentiemodellen
5.4.3. Kenmerken van de belangrijkste soorten interferentie
Controlevragen
6 Markov stochastische processen en hun modellering
6.1. Basisconcepten van een Markov stochastisch proces
6.2. Basiseigenschappen van discrete Markov-ketens
6.3. Continue Markov-ketens
6.3.1. Basisconcepten
6.3.2. Semi-Markov-processen
6.3.3. Dood- en voortplantingsprocessen
6.4. Modellen van willekeurige Markov-processen met continue waarde op basis van stochastische differentiaalvergelijkingen
6.5. Modellering van Markov stochastische processen
6.5.1. Modelleren van discrete processen
6.5.2. Modellering van scalaire processen met continue waarde
6.5.3. Modelleren van continue gewaardeerde vectorprocessen
6.5.4. Modelleren van een Gaussiaans proces met fractioneel-rationele spectrale dichtheid
6.5.5. Modelleren van meervoudig verbonden reeksen
6.5.6. Markov-processen modelleren met behulp van vormfilters
6.5.7. Algoritme voor statistische modellering van Markov-ketens
Controlevragen
7 Voorbeelden van Markov-modellen
7.1. Markov-modellen van spraakdialoog van abonnees
7.1.1. Spraaktoestanden
7.1.2. Dialoogmodellen
7.2. Markov-modellen van spraakmonoloog
7.3. Markov-gedreven Poisson-proces in spraakmodellen
7.4. Markov-modellen van digitale sequenties aan de uitgang van de G.728-codec
7.5. Statistische multiplexing van de bron van spraakpakketten, rekening houdend met het Markov-model van telefoondialoog
7.6. Markov-model van een draadloos kanaal met ARQ / FEC-mechanisme
7.7. Batchfouten
7.8. Berekening van foutstroomkarakteristieken door modelparameters
7.8.1. De parameters van de foutenstroom schatten
7.8.2. Evaluatie van de geschiktheid van het foutenstroommodel
7.9. Markov-modellen voor het beoordelen van de QoS van realtime multimediadiensten op internet
7.9.1. Realtime multimediadienstenconcept
7.9.2. Analyse en modellering van vertragingen en verliezen
7.10. Modellen van multimedia verkeersstromen
Controlevragen
8 Wachtrijsystemen en hun modellering
8.1. Algemene kenmerken van wachtrijsystemen
8.2. Structuur van wachtrijsysteem
8.3. Wachtrijsystemen met wachten
8.3.1. Servicesysteem M / M / 1
8.3.2. Servicesysteem M / G / 1
8.3.3. Netwerken met een groot aantal knooppunten verbonden door communicatiekanalen
8.3.4. Prioritaire dienst
8.3.5. Servicesysteem M / M / N / m
8.4. Storingswachtrijsystemen
8.5. Algemene principes van het modelleren van wachtrijsystemen
8.5.1. Statistische testmethode:
8.5.2. Modellen van systeemfunctionerende processen blokkeren
8.5.3. Kenmerken van modellering met behulp van Q-circuits
Controlevragen
9 Modelleren van informatiesystemen met behulp van typische technische middelen
9.1. Systeemmodellering en programmeertalen
9.2. De GPSS-taal begrijpen
9.2.1. Dynamische objecten GPSS. Transactiegerichte blokken (operators)
9.2.2. Hardware-georiënteerde blokken (operators)
9.2.3. Meerkanaalsservice
9.2.4. GPSS statistische blokken
9.2.5. Bedieningseenheden GPSS
9.2.6. Andere GPSS-blokken
9.3. Simulatie van het ETHERNET-netwerk in de GPSS-omgeving
Controlevragen
10 Modellering van informatietransmissiesystemen
10.1. Typisch datatransmissiesysteem:
10.2. Immuniteit van transmissie van discrete signalen. Optimale ontvangst
10.3. Schatting van de kans op foutieve ontvangst van discrete signalen met volledig bekende parameters
10.4. Immuniteit van discrete signalen met willekeurige parameters
10.5. Immuniteit van discrete signalen met onsamenhangende ontvangst
10.6. Immuniteit van discrete signalen met willekeurige essentiële parameters
10.7. Algoritmen voor de vorming van discrete signalen
10.8. Algoritme voor het genereren van interferentie
10.9. Algoritme voor demodulatie van discrete signalen
10.10. De structuur van het imitatiecomplex en zijn subroutines
10.11. Mathworks Matlab-softwareomgeving en Simulink visueel modelleringspakket
10.11.1. Technische beschrijving en interface
10.11.2. Simulink Visuele Simulatie Pakket
10.11.3. Aanmaken en maskeren van subsystemen
10.11.4. Communicatie Toolbox Uitbreidingspakket
10.12. Modellering van de blokken van het WiMAX-gegevensoverdrachtsysteem
10.12.1. Zender simulatie
10.12.2. Een transmissiekanaal modelleren
10.12.3. Ontvanger simulatie
10.12.4. Implementatie van het model in het Mathlab-systeem
10.13. Resultaten van WiMAX-systeemsimulatie
Controlevragen
11 Zelf-soortgelijke processen en hun toepassing in telecommunicatie
11.1. Grondbeginselen van de theorie van fractale processen
11.2. Multifractale processen
11.3. Schatting van de Hurst-exponent
11.4. Multifractale analyse met software
11.4.1. Beschrijving van de software
11.4.2. Voorbeelden van het beoordelen van de mate van zelfgelijkenis
11.5. Algoritmen en software voor multifractale analyse
11.6. Invloed van zelfgelijkenis van verkeer op de kenmerken van het servicesysteem
11.7. Methoden voor het modelleren van vergelijkbare processen in tv-verkeer
11.8. Verkenning van de zelf-soortgelijke structuur van Ethernet-verkeer
11.9. Zelfvergelijkende verkeersopstoppingscontrole
11.10. Fractale Brownse beweging
11.10.1. RMD-algoritme voor het genereren van FBD
11.10.2. SRA FWA Generatie-algoritme
11.12. Fractal Gauss-ruis
11.12.1. FFT-algoritme voor FGS-synthese
11.12.2. Evaluatie van simulatieresultaten
Controlevragen
12 Modelleren van een
12.1. Grondbeginselen van het Frame Relay-protocol
12.2. Frame Relay Host Ontwerp
12.3. Simulatieresultaten van een FR-router met G.728-codecs aan de ingang
12.4. Impact van zelfgelijkenis van verkeer op QoS
Controlevragen
13 Gespecialiseerde systemen voor simulatie van computernetwerken
13.1. Algemene kenmerken van gespecialiseerde softwarepakketten voor netwerkmodellering
13.2. Algemene principes van modellering in de OPNET Modeler-omgeving
13.3. OPNET-toepassingsvoorbeelden
13.3.1. Model voor het beoordelen van de kwaliteit van de dienstverlening
13.3.2. Implementatie van het lokale netwerkmodel
Controlevragen
14 Simulatie met Netwerksimulator 2
14.1. Geschiedenis en architectuur van het NS2-pakket
14.2. Een simulatorobject maken
14.3. Een netwerktopologie maken
14.4. Generatorparameters instellen
14.4.1. Exponentieel Aan / Uit
14.4.2. Pareto Aan / Uit
14.5. Twee belangrijke wachtrij-algoritmen
14.6. Adaptieve routering in NS2
14.6.1. API op gebruikersniveau
14.6.2. Interne architectuur
14.6.3. Uitbreidingen naar andere lessen
14.6.4. nadelen
14.6.5. Lijst met opdrachten die worden gebruikt om dynamische scripting in NS2 te simuleren
14.6.6. Een voorbeeld van dynamische routering in NS2
14.7. Een scriptprogramma uitvoeren in NS2
14.8. Procedure voor het verwerken van simulatieresultaten:
14.9. Een voorbeeld van het modelleren van een draadloos netwerk
14.10. Een voorbeeld van simulatie van de kwaliteit van streaming videotransmissie met behulp van het NS 2-pakket
14.10.1. De structuur van het hardware- en softwarecomplex voor het beoordelen van de kwaliteit van streaming video
14.10.2. PAK functionele modules
14.10.3. Beoordeling videokwaliteit
