कंप्यूटर विज्ञान में मॉडलिंग - यह क्या है? मॉडलिंग के प्रकार और चरण। "मॉडल", "मॉडलिंग" की अवधारणा, मॉडल के वर्गीकरण के लिए विभिन्न दृष्टिकोण

कभी-कभी प्रोग्रामिंग भाषाओं में मॉडल लिखे जाते हैं, लेकिन यह एक लंबी और महंगी प्रक्रिया है। मॉडलिंग के लिए गणितीय पैकेजों का उपयोग किया जा सकता है, लेकिन अनुभव से पता चलता है कि उनमें आमतौर पर कई इंजीनियरिंग उपकरणों की कमी होती है। सिमुलेशन वातावरण का उपयोग करना इष्टतम है।

हमारे पाठ्यक्रम में, . पाठ्यक्रम में आपके सामने आने वाली प्रयोगशालाओं और डेमो को स्ट्रैटम-2000 परियोजनाओं के रूप में चलाया जाना चाहिए।

मॉडल, जिसे इसके आधुनिकीकरण की संभावना को ध्यान में रखते हुए बनाया गया है, निश्चित रूप से कमियां हैं, उदाहरण के लिए, कोड निष्पादन की कम गति। लेकिन निर्विवाद फायदे भी हैं। मॉडल की संरचना, कनेक्शन, तत्व, सबसिस्टम दृश्यमान और सहेजे गए हैं। आप हमेशा वापस जा सकते हैं और कुछ फिर से कर सकते हैं। मॉडल डिज़ाइन इतिहास में एक ट्रेस संरक्षित है (लेकिन जब मॉडल को डीबग किया जाता है, तो यह प्रोजेक्ट से सेवा जानकारी को हटाने के लिए समझ में आता है)। अंत में, ग्राहक को सौंपे गए मॉडल को एक विशेष स्वचालित वर्कस्टेशन (AWS) के रूप में डिज़ाइन किया जा सकता है, जो पहले से ही एक प्रोग्रामिंग भाषा में लिखा गया है, जिसमें पहले से ही मुख्य रूप से इंटरफ़ेस, गति मापदंडों और अन्य पर ध्यान दिया जाता है। उपभोक्ता गुण जो ग्राहक के लिए महत्वपूर्ण हैं। वर्कस्टेशन, निश्चित रूप से, एक महंगी चीज है, इसलिए इसे तभी जारी किया जाता है जब ग्राहक ने सिमुलेशन वातावरण में परियोजना का पूरी तरह से परीक्षण किया हो, सभी टिप्पणियां कीं और अपनी आवश्यकताओं को अब और नहीं बदलने का वचन दिया।

मॉडलिंग एक इंजीनियरिंग विज्ञान है, समस्याओं को हल करने की एक तकनीक है। यह टिप्पणी बहुत महत्वपूर्ण है। चूंकि प्रौद्योगिकी अग्रिम में एक ज्ञात गुणवत्ता और गारंटीकृत लागत और समय सीमा के साथ परिणाम प्राप्त करने का एक तरीका है, फिर मॉडलिंग, एक अनुशासन के रूप में:

• समस्याओं को हल करने के तरीकों का अध्ययन करता है, अर्थात यह एक इंजीनियरिंग विज्ञान है;
• एक सार्वभौमिक उपकरण है जो विषय क्षेत्र की परवाह किए बिना किसी भी समस्या के समाधान की गारंटी देता है।

मॉडलिंग से संबंधित विषय हैं: प्रोग्रामिंग, गणित, संचालन अनुसंधान।

प्रोग्रामिंगक्योंकि मॉडल अक्सर एक कृत्रिम माध्यम (प्लास्टिसिन, पानी, ईंटों, गणितीय अभिव्यक्तियों) पर लागू किया जाता है, और कंप्यूटर सूचना के सबसे सार्वभौमिक वाहक में से एक है और इसके अलावा, सक्रिय (प्लास्टिसिन, पानी, ईंटों की नकल करता है, गणितीय अभिव्यक्तियों की गणना करता है, आदि।)। प्रोग्रामिंग भाषा के रूप में एल्गोरिथम प्रस्तुत करने का एक तरीका है। एक एल्गोरिदम एक कृत्रिम कंप्यूटिंग वातावरण में एक विचार, एक प्रक्रिया, एक घटना का प्रतिनिधित्व (प्रतिबिंबित) करने के तरीकों में से एक है, जो एक कंप्यूटर (वॉन न्यूमैन आर्किटेक्चर) है। एल्गोरिथ्म की विशिष्टता क्रियाओं के अनुक्रम को प्रतिबिंबित करना है। सिमुलेशन प्रोग्रामिंग का उपयोग कर सकता है यदि मॉडलिंग की जा रही वस्तु को उसके व्यवहार के संदर्भ में वर्णन करना आसान है। यदि किसी वस्तु के गुणों का वर्णन करना आसान है, तो प्रोग्रामिंग का उपयोग करना कठिन है। यदि सिमुलेशन वातावरण वॉन न्यूमैन वास्तुकला के आधार पर नहीं बनाया गया है, तो प्रोग्रामिंग व्यावहारिक रूप से बेकार है।

एल्गोरिदम और मॉडल के बीच क्या अंतर है?

एक एल्गोरिथ्म चरणों के अनुक्रम को लागू करके किसी समस्या को हल करने की एक प्रक्रिया है, जबकि एक मॉडल किसी वस्तु के संभावित गुणों का एक समूह है। यदि आप मॉडल से कोई प्रश्न रखते हैं और जोड़ते हैं अतिरिक्त शर्तेंप्रारंभिक डेटा (अन्य वस्तुओं के साथ संबंध, प्रारंभिक स्थितियों, प्रतिबंधों) के रूप में, फिर इसे शोधकर्ता द्वारा अज्ञात के संबंध में हल किया जा सकता है। समस्या को हल करने की प्रक्रिया को एक एल्गोरिथम द्वारा दर्शाया जा सकता है (लेकिन हल करने के अन्य तरीके भी ज्ञात हैं)। सामान्य तौर पर, प्रकृति में एल्गोरिदम के उदाहरण अज्ञात हैं, वे मानव मस्तिष्क के उत्पाद हैं, एक योजना स्थापित करने में सक्षम दिमाग। एल्गोरिथम ही योजना है जो क्रियाओं के अनुक्रम में सामने आई है। प्राकृतिक कारणों से जुड़ी वस्तुओं के व्यवहार और गति के पाठ्यक्रम को नियंत्रित करने वाले मन के शिल्प के बीच अंतर करना आवश्यक है, ज्ञान के आधार पर परिणाम की भविष्यवाणी करता है और उपयुक्त व्यवहार का चयन करता है।

मॉडल + प्रश्न + अतिरिक्त शर्तें = कार्य.

गणित एक विज्ञान है जो उन मॉडलों की गणना करने की संभावना प्रदान करता है जिन्हें एक मानक (विहित) रूप में घटाया जा सकता है। औपचारिक परिवर्तनों के माध्यम से विश्लेषणात्मक मॉडल (विश्लेषण) के समाधान खोजने का विज्ञान।

संचालन अनुसंधानएक अनुशासन जो मॉडल (संश्लेषण) पर सर्वोत्तम नियंत्रण क्रियाओं को खोजने के संदर्भ में मॉडल के अध्ययन के तरीकों को लागू करता है। ज्यादातर विश्लेषणात्मक मॉडल से संबंधित है। निर्मित मॉडलों का उपयोग करके निर्णय लेने में मदद करता है।

एक वस्तु और उसके मॉडल को बनाने की प्रक्रिया को डिजाइन करें; डिजाइन परिणाम का मूल्यांकन करने का एक तरीका मॉडलिंग; डिजाइन के बिना कोई मॉडलिंग नहीं है।

मॉडलिंग के लिए संबंधित विषयों को इलेक्ट्रिकल इंजीनियरिंग, अर्थशास्त्र, जीव विज्ञान, भूगोल और अन्य के रूप में पहचाना जा सकता है, इस अर्थ में कि वे अपने स्वयं के लागू वस्तु का अध्ययन करने के लिए मॉडलिंग विधियों का उपयोग करते हैं (उदाहरण के लिए, एक लैंडस्केप मॉडल, एक इलेक्ट्रिकल सर्किट मॉडल, एक कैश फ्लो मॉडल , आदि।)।

एक उदाहरण के रूप में, आइए देखें कि आप किसी पैटर्न का पता कैसे लगा सकते हैं और फिर उसका वर्णन कैसे कर सकते हैं।

मान लीजिए कि हमें "काटने की समस्या" को हल करने की आवश्यकता है, अर्थात, हमें यह अनुमान लगाने की आवश्यकता है कि आकृति (चित्र 1.16) को दिए गए टुकड़ों में विभाजित करने के लिए सीधी रेखाओं के रूप में कितने कटौती की आवश्यकता होगी (उदाहरण के लिए) , यह पर्याप्त है कि आंकड़ा उत्तल है)।

आइए इस समस्या को मैन्युअल रूप से हल करने का प्रयास करें।

अंजीर से। 1.16 यह देखा जा सकता है कि 0 कट के साथ, 1 टुकड़ा बनता है, 1 कट के साथ 2 टुकड़े बनते हैं, दो 4 के साथ, तीन 7 के साथ, चार 11. क्या अब आप पहले से बता सकते हैं कि कितने कट बनाने की आवश्यकता होगी , उदाहरण के लिए, 821 टुकड़े ? मुझे ऐसा नहीं लगता! आप कठिन समय क्यों बिता रहे हैं? आप पैटर्न नहीं जानते क = एफ(पी) , कहाँ पे कटुकड़ों की संख्या, पीकटौती की संख्या। पैटर्न का पता कैसे लगाएं?

आइए टुकड़ों और कटों की ज्ञात संख्याओं को जोड़ने वाली एक तालिका बनाएं।

जबकि पैटर्न स्पष्ट नहीं है। इसलिए, आइए व्यक्तिगत प्रयोगों के बीच के अंतरों पर विचार करें, आइए देखें कि एक प्रयोग का परिणाम दूसरे से कैसे भिन्न होता है। अंतर को समझने के बाद, हम एक परिणाम से दूसरे परिणाम पर जाने का रास्ता खोज लेंगे, यानी जोड़ने वाला कानून कतथा पी .

पहले से ही कुछ नियमितता दिखाई दे रही है, है ना?

आइए दूसरे अंतरों की गणना करें।

अब सब कुछ सरल है। समारोह एफबुलाया जनरेटिंग फंक्शन. यदि यह रैखिक है, तो पहले अंतर एक दूसरे के बराबर हैं। यदि यह द्विघात है, तो दूसरे अंतर एक दूसरे के बराबर हैं। और इसी तरह।

समारोह एफन्यूटन के सूत्र का एक विशेष मामला है:

कठिनाइयाँ एक , बी , सी , डी , इहमारे लिए द्विघातकार्यों एफप्रायोगिक तालिका 1.5 की पंक्तियों की पहली कोशिकाओं में हैं।

तो, एक पैटर्न है, और यह इस प्रकार है:

क = एक + बी · पी + सी · पी · ( पी 1)/2 = 1 + पी + पी · ( पी 1)/2 = 0.5 पी 2 + 0.5 पी + 1 .

अब जब पैटर्न निर्धारित हो गया है, तो हम प्रतिलोम समस्या को हल कर सकते हैं और प्रश्न का उत्तर दे सकते हैं: 821 टुकड़े प्राप्त करने के लिए आपको कितने कट लगाने होंगे? क = 821 , क= 0.5 पी 2 + 0.5 पी + 1 , पी = ?

हम एक द्विघात समीकरण हल करते हैं 821 = 0.5 पी 2 + 0.5 पी + 1 , जड़ों का पता लगाएं: पी = 40 .

आइए संक्षेप करें (इस पर ध्यान दें!)

हम तुरंत समाधान नहीं निकाल सके। प्रयोग कठिन साबित हुआ। मुझे एक मॉडल बनाना था, यानी चरों के बीच एक पैटर्न खोजने के लिए। मॉडल एक समीकरण के रूप में निकला। समीकरण में एक प्रश्न और एक ज्ञात स्थिति को दर्शाने वाले समीकरण को जोड़कर, उन्होंने एक समस्या का निर्माण किया। चूंकि समस्या एक विशिष्ट प्रकार (कैनोनिकल) की निकली, इसलिए ज्ञात विधियों में से एक का उपयोग करके इसे हल करना संभव था। इसलिए, समस्या हल हो गई थी।

और यह भी ध्यान रखना बहुत महत्वपूर्ण है कि मॉडल कारण संबंधों को दर्शाता है। वास्तव में निर्मित मॉडल के चरों के बीच एक मजबूत संबंध है। एक चर में परिवर्तन से दूसरे में परिवर्तन होता है। हमने पहले कहा है कि "मॉडल वैज्ञानिक ज्ञान में एक प्रणाली-निर्माण और अर्थ-निर्माण भूमिका निभाता है, हमें घटना को समझने की अनुमति देता है, अध्ययन के तहत वस्तु की संरचना, एक दूसरे के साथ कारण और प्रभाव के संबंध को स्थापित करने के लिए।" इसका मतलब यह है कि मॉडल आपको घटना के कारणों, इसके घटकों की बातचीत की प्रकृति को निर्धारित करने की अनुमति देता है। मॉडल कानूनों के माध्यम से कारणों और प्रभावों को जोड़ता है, यानी चर समीकरणों या अभिव्यक्तियों के माध्यम से एक साथ जुड़े होते हैं।

परंतु!!! गणित स्वयं प्रयोगों के परिणामों से कोई नियम या मॉडल प्राप्त करना संभव नहीं बनाता है।, जैसा कि अभी विचार किए गए उदाहरण के बाद लग सकता है। गणित केवल एक वस्तु, एक घटना, और इसके अलावा, सोचने के कई संभावित तरीकों में से एक का अध्ययन करने का एक तरीका है। उदाहरण के लिए, एक धार्मिक पद्धति या कलाकारों द्वारा उपयोग की जाने वाली एक विधि, भावनात्मक-सहज, इन विधियों की सहायता से वे दुनिया, प्रकृति, लोगों को स्वयं भी सीखते हैं।

इसलिए, चर ए और बी के बीच संबंध के बारे में परिकल्पना को शोधकर्ता को स्वयं, बाहर से, इसके अलावा पेश किया जाना चाहिए। एक व्यक्ति इसे कैसे करता है? एक परिकल्पना को पेश करने की सलाह देना आसान है, लेकिन इसे कैसे पढ़ाया जाए, इस क्रिया की व्याख्या करने के लिए, जिसका अर्थ है, फिर से, इसे कैसे औपचारिक रूप देना है? हम इसे भविष्य के पाठ्यक्रम "आर्टिफिशियल इंटेलिजेंस सिस्टम मॉडलिंग" में विस्तार से दिखाएंगे।

लेकिन यह बाहर से क्यों किया जाना चाहिए, अलग से, इसके अतिरिक्त और उससे आगे, हम अब समझाएंगे। यह तर्क गोडेल का नाम रखता है, जिन्होंने अपूर्णता प्रमेय को सिद्ध किया कि एक ही सिद्धांत (मॉडल) के ढांचे के भीतर एक निश्चित सिद्धांत (मॉडल) की शुद्धता को साबित करना असंभव है। अंजीर को फिर से देखें। 1.12. उच्च स्तरीय मॉडल बदलता है के बराबरएक दृश्य से दूसरे दृश्य में निचले स्तर का मॉडल। या यह फिर से अपने समकक्ष विवरण के अनुसार एक निम्न-स्तरीय मॉडल उत्पन्न करता है। लेकिन वह खुद को बदल नहीं सकती। मॉडल मॉडल बनाता है। और मॉडलों (सिद्धांतों) का यह पिरामिड अंतहीन है।

इस बीच, "बकवास पर मत उड़ाओ" के लिए, आपको अपने गार्ड पर रहने और सामान्य ज्ञान के साथ सब कुछ जांचने की आवश्यकता है। आइए एक उदाहरण देते हैं, भौतिकविदों की लोककथाओं का एक पुराना प्रसिद्ध चुटकुला।

गणितीय मॉडलिंग को विश्लेषणात्मक, संख्यात्मक और सिमुलेशन में विभाजित किया जा सकता है।

ऐतिहासिक रूप से, विश्लेषणात्मक मॉडलिंग विधियों को सबसे पहले विकसित किया गया था, और सिस्टम के अध्ययन के लिए एक विश्लेषणात्मक दृष्टिकोण विकसित हुआ है।

विश्लेषणात्मक मॉडलिंग के तरीके (एएम)। AM के साथ, वस्तु का एक विश्लेषणात्मक मॉडल बीजीय, अंतर, परिमित-अंतर समीकरणों के रूप में बनाया जाता है। विश्लेषणात्मक मॉडल की जांच या तो विश्लेषणात्मक तरीकों से या संख्यात्मक तरीकों से की जाती है। विश्लेषणात्मक तरीके सिस्टम की विशेषताओं को इसके कामकाज के मापदंडों के कुछ कार्यों के रूप में प्राप्त करना संभव बनाते हैं। विश्लेषणात्मक विधियों का उपयोग काफी सटीक अनुमान देता है, जो अक्सर वास्तविकता से अच्छी तरह मेल खाता है। एक वास्तविक प्रणाली की अवस्थाओं में परिवर्तन बाहरी और आंतरिक दोनों तरह के कारकों के प्रभाव में होता है, जिनमें से अधिकांश एक स्टोकेस्टिक प्रकृति के होते हैं। इसके परिणामस्वरूप, और कई वास्तविक प्रणालियों की महान जटिलता, विश्लेषणात्मक विधियों का मुख्य नुकसान यह है कि उन सूत्रों को प्राप्त करते समय कुछ धारणाएं बनाई जानी चाहिए जिन पर वे आधारित हैं और जिनका उपयोग ब्याज के मानकों की गणना के लिए किया जाता है। हालांकि, यह अक्सर पता चलता है कि ये धारणाएं काफी उचित हैं।

संख्यात्मक मॉडलिंग के तरीके।मॉडल का समीकरणों में परिवर्तन, जिसका समाधान कम्प्यूटेशनल गणित के तरीकों से संभव है। समस्याओं का वर्ग बहुत व्यापक है, लेकिन संख्यात्मक तरीके सटीक समाधान नहीं देते हैं, लेकिन किसी को समाधान की सटीकता निर्धारित करने की अनुमति देते हैं।

मॉडलिंग के सिमुलेशन तरीके (आईएम)।कंप्यूटर प्रौद्योगिकी के विकास के साथ, उन प्रणालियों का विश्लेषण करने के लिए सिमुलेशन विधियों का व्यापक रूप से उपयोग किया गया है जिनमें स्टोकेस्टिक प्रभाव प्रबल होते हैं।

आईएम का सार समय में सिस्टम के कामकाज की प्रक्रिया का अनुकरण करना है, जो मूल प्रणाली में संचालन की अवधि के समान अनुपात को देखते हुए है। उसी समय, प्रक्रिया को बनाने वाली प्राथमिक घटनाओं की नकल की जाती है: उनकी तार्किक संरचना, समय में प्रवाह का क्रम संरक्षित होता है। IM का परिणाम सिस्टम की विशेषताओं का अनुमान प्राप्त करना है।

प्रसिद्ध अमेरिकी वैज्ञानिक रॉबर्ट शैनन निम्नलिखित परिभाषा देते हैं: "सिमुलेशन एक वास्तविक प्रणाली के एक मॉडल के निर्माण और इस मॉडल पर प्रयोग स्थापित करने की प्रक्रिया है ताकि या तो सिस्टम के व्यवहार को समझ सकें या मूल्यांकन कर सकें (लगाई गई सीमाओं के भीतर) कुछ मानदंड या मानदंडों के सेट द्वारा) विभिन्न रणनीतियाँ जो इस प्रणाली के कामकाज को सुनिश्चित करती हैं।" सभी सिमुलेशन मॉडल ब्लैक बॉक्स सिद्धांत का उपयोग करते हैं। इसका मतलब है कि जब कुछ इनपुट सिग्नल इसमें प्रवेश करते हैं तो वे सिस्टम के आउटपुट सिग्नल का उत्पादन करते हैं। इसलिए, विश्लेषणात्मक मॉडल के विपरीत, आवश्यक जानकारी या परिणाम प्राप्त करने के लिए, सिमुलेशन मॉडल को "रन" करना आवश्यक है, अर्थात, मॉडल के इनपुट को सिग्नल, ऑब्जेक्ट या डेटा का एक निश्चित अनुक्रम प्रदान करना और आउटपुट जानकारी को ठीक करना , और उन्हें "हल" नहीं करते। राज्यों के स्थान (सेट) (राज्यों के सभी संभावित मूल्यों का सेट) से मॉडलिंग ऑब्जेक्ट के राज्यों का एक प्रकार का "चयन" होता है (राज्य समय में विशिष्ट बिंदुओं पर सिस्टम के गुण होते हैं) . यह नमूना जिस हद तक प्रतिनिधि है, वह उस हद तक होगा जहां तक ​​सिमुलेशन परिणाम वास्तविकता के अनुरूप होंगे। यह निष्कर्ष सिमुलेशन परिणामों के मूल्यांकन के लिए सांख्यिकीय विधियों के महत्व को दर्शाता है। इस प्रकार, सिमुलेशन मॉडल उस रूप में अपना समाधान नहीं बनाते हैं जिसमें यह विश्लेषणात्मक मॉडल में होता है, लेकिन केवल प्रयोगकर्ता द्वारा निर्धारित शर्तों के तहत सिस्टम के व्यवहार का विश्लेषण करने के साधन के रूप में कार्य कर सकता है।

कुछ शर्तों के तहत सिमुलेशन मॉडलिंग का उपयोग उचित है। इन शर्तों को आर। शैनन द्वारा परिभाषित किया गया है:

इस समस्या का कोई पूर्ण गणितीय सूत्रीकरण नहीं है, या तैयार किए गए गणितीय मॉडल को हल करने के लिए विश्लेषणात्मक तरीके अभी तक विकसित नहीं हुए हैं। कई कतारबद्ध मॉडल इस श्रेणी में आते हैं।

विश्लेषणात्मक विधियाँ उपलब्ध हैं, लेकिन गणितीय प्रक्रियाएँ इतनी जटिल और समय लेने वाली हैं कि अनुकरण समस्या को हल करने का एक आसान तरीका प्रदान करता है।

कुछ मापदंडों के मूल्यांकन के अलावा, आवश्यक समय अवधि के लिए सिमुलेशन मॉडल पर प्रक्रिया की प्रगति की निगरानी करना वांछनीय है।

सिमुलेशन मॉडलिंग का एक अतिरिक्त लाभ शिक्षा और प्रशिक्षण के क्षेत्र में इसके आवेदन की व्यापक संभावनाएं माना जा सकता है। एक सिमुलेशन मॉडल का विकास और उपयोग प्रयोगकर्ता को मॉडल पर वास्तविक प्रक्रियाओं और स्थितियों को देखने और "प्ले आउट" करने की अनुमति देता है।

मॉडलिंग सिस्टम की प्रक्रिया में उत्पन्न होने वाली कई समस्याओं की पहचान करना आवश्यक है। शोधकर्ता को उन पर ध्यान केंद्रित करना चाहिए और अध्ययन के तहत प्रणाली के बारे में अविश्वसनीय जानकारी प्राप्त करने से बचने के लिए उन्हें हल करने का प्रयास करना चाहिए।

पहली समस्या, जो विश्लेषणात्मक मॉडलिंग विधियों पर भी लागू होती है, वह है प्रणाली के सरलीकरण और जटिलता के बीच "सुनहरा माध्य" खोजना। शैनन के अनुसार, मॉडलिंग की कला में मुख्य रूप से उन कारकों को खोजने और त्यागने की क्षमता होती है जो अध्ययन की जा रही प्रणाली की विशेषताओं को प्रभावित नहीं करते हैं या थोड़ा प्रभावित करते हैं। इस "समझौता" को खोजना काफी हद तक शोधकर्ता के अनुभव, योग्यता और अंतर्ज्ञान पर निर्भर करता है। यदि मॉडल बहुत सरल है और कुछ महत्वपूर्ण कारकों को ध्यान में नहीं रखा जाता है, तो इस मॉडल से गलत डेटा प्राप्त करने की एक उच्च संभावना है, दूसरी ओर, यदि मॉडल जटिल है और इसमें ऐसे कारक शामिल हैं जिनका प्रभाव बहुत कम है अध्ययन के तहत प्रणाली, तो ऐसे मॉडल को बनाने की लागत और मॉडल की तार्किक संरचना में त्रुटियों का जोखिम बढ़ जाता है। इसलिए, एक मॉडल बनाने से पहले, सिस्टम की संरचना और उसके तत्वों के बीच संबंधों का विश्लेषण करने, इनपुट क्रियाओं की समग्रता का अध्ययन करने और अध्ययन के तहत सिस्टम के बारे में उपलब्ध सांख्यिकीय डेटा को ध्यान से संसाधित करने पर बहुत काम करना आवश्यक है।

दूसरी समस्या यादृच्छिक पर्यावरणीय प्रभावों का कृत्रिम पुनरुत्पादन है। यह मुद्दा बहुत महत्वपूर्ण है, क्योंकि अधिकांश गतिशील उत्पादन प्रणालियां स्टोकेस्टिक हैं, और उन्हें मॉडलिंग करते समय, यादृच्छिकता का एक उच्च-गुणवत्ता वाला निष्पक्ष प्रजनन आवश्यक है, अन्यथा, मॉडल पर प्राप्त परिणाम पक्षपाती हो सकते हैं और वास्तविकता के अनुरूप नहीं हो सकते हैं।

इस समस्या को हल करने के दो मुख्य तरीके हैं: हार्डवेयर और सॉफ़्टवेयर (छद्म-यादृच्छिक) यादृच्छिक अनुक्रमों की पीढ़ी। पर हार्डवेयर तरीका पीढ़ीयादृच्छिक संख्या एक विशेष उपकरण द्वारा उत्पन्न की जाती है। इस तरह के संख्या जनरेटर के अंतर्निहित भौतिक प्रभाव के रूप में, इलेक्ट्रॉनिक और अर्धचालक उपकरणों में शोर, रेडियोधर्मी तत्वों के क्षय की घटना आदि का सबसे अधिक उपयोग किया जाता है। सिमुलेशन समय, साथ ही यादृच्छिक संख्याओं के समान अनुक्रम प्राप्त करने की असंभवता। प्रोग्रामेटिक तरीकाविशेष एल्गोरिदम का उपयोग करके यादृच्छिक संख्याओं के गठन के आधार पर। यह विधि सबसे आम है, क्योंकि इसमें विशेष उपकरणों की आवश्यकता नहीं होती है और एक ही क्रम को बार-बार पुन: उत्पन्न करना संभव बनाता है। इसका नुकसान यादृच्छिक संख्याओं के वितरण को मॉडलिंग करने में त्रुटि है, इस तथ्य के कारण पेश किया गया है कि कंप्यूटर n-बिट संख्याओं (यानी, असतत) के साथ काम करता है, और अनुक्रमों की आवधिकता जो उनके एल्गोरिथम प्राप्त करने के कारण उत्पन्न होती है। इस प्रकार, छद्म यादृच्छिक अनुक्रम जनरेटर की गुणवत्ता की जांच के लिए सुधार और मानदंड के तरीकों को विकसित करना आवश्यक है।

तीसरी सबसे कठिन समस्या है मॉडल की गुणवत्ता का आकलन और इसकी मदद से प्राप्त परिणाम (यह समस्या विश्लेषणात्मक तरीकों के लिए भी प्रासंगिक है)। प्राप्त परिणामों के अनुसार अन्य मॉडलों (जो पहले से ही अपनी विश्वसनीयता की पुष्टि कर चुके हैं) की तुलना में, विशेषज्ञ आकलन की विधि द्वारा मॉडलों की पर्याप्तता का आकलन किया जा सकता है। बदले में, प्राप्त परिणामों को सत्यापित करने के लिए, उनमें से कुछ की तुलना पहले से उपलब्ध आंकड़ों से की जाती है।

मॉडलिंग विधिअनुसंधान की सबसे आशाजनक विधि के लिए मनोवैज्ञानिक से एक निश्चित स्तर के गणितीय प्रशिक्षण की आवश्यकता होती है। यहां मानसिक घटनाओं का अध्ययन वास्तविकता की अनुमानित छवि के आधार पर किया जाता है - इसका मॉडल। मॉडल केवल मानस की मुख्य, सबसे आवश्यक विशेषताओं पर मनोवैज्ञानिक का ध्यान केंद्रित करना संभव बनाता है। एक मॉडल अध्ययन के तहत वस्तु का एक अधिकृत प्रतिनिधि है (मानसिक घटना, विचार प्रक्रिया, आदि)। बेशक, अध्ययन के तहत घटना का समग्र दृष्टिकोण तुरंत प्राप्त करना बेहतर है। लेकिन यह, एक नियम के रूप में, मनोवैज्ञानिक वस्तुओं की जटिलता के कारण असंभव है।

मॉडल अपने मूल से एक समानता संबंध द्वारा संबंधित है।

मनोविज्ञान की दृष्टि से मूल का ज्ञान मानसिक चिंतन की जटिल प्रक्रियाओं से होता है। मूल और उसका चैत्य प्रतिबिंब एक वस्तु और उसकी छाया की तरह संबंधित हैं। अनुमानित छवियों के संज्ञान की एक लंबी श्रृंखला के माध्यम से, किसी वस्तु का पूर्ण संज्ञान क्रमिक रूप से, स्पर्शोन्मुख रूप से किया जाता है। ये अनुमानित छवियां संज्ञेय मूल के मॉडल हैं।

मनोविज्ञान में मॉडलिंग की आवश्यकता तब उत्पन्न होती है जब:
- वस्तु की प्रणाली जटिलता विस्तार के सभी स्तरों पर अपनी अभिन्न छवि बनाने में एक दुर्गम बाधा है;
- मूल के विवरण की हानि के लिए मनोवैज्ञानिक वस्तु का त्वरित अध्ययन आवश्यक है;
- उच्च स्तर की अनिश्चितता वाली मानसिक प्रक्रियाएं अध्ययन के अधीन हैं और जिन पैटर्न का वे पालन करते हैं वे अज्ञात हैं;
- अध्ययन के तहत वस्तु का अनुकूलन इनपुट कारकों को बदलकर आवश्यक है।

मॉडलिंग कार्य:
- उनके संरचनात्मक संगठन के विभिन्न स्तरों पर मानसिक घटनाओं का विवरण और विश्लेषण;
- मानसिक घटनाओं के विकास की भविष्यवाणी करना;
- मानसिक घटनाओं की पहचान, अर्थात्, उनकी समानता और अंतर की स्थापना;
- मानसिक प्रक्रियाओं के प्रवाह के लिए परिस्थितियों का अनुकूलन।

मनोविज्ञान में मॉडलों के वर्गीकरण के बारे में संक्षेप में। विषय और प्रतीकात्मक मॉडल आवंटित करें। उद्देश्य की एक भौतिक प्रकृति होती है और बदले में, प्राकृतिक और कृत्रिम में विभाजित होती है। प्राकृतिक मॉडल का आधार वन्यजीवों के प्रतिनिधि हैं: लोग, जानवर, कीड़े। आइए हम मनुष्य के एक सच्चे मित्र को याद करें - एक कुत्ता, जिसने मानव शारीरिक तंत्र के काम का अध्ययन करने के लिए एक मॉडल के रूप में कार्य किया। कृत्रिम मॉडल के केंद्र में मानव श्रम द्वारा निर्मित "दूसरी प्रकृति" के तत्व हैं। उदाहरण के तौर पर, हम एफ. गोरबोव के होमोस्टैट और एन. ओबोजोव के साइबरनोमीटर का हवाला दे सकते हैं, जो समूह गतिविधि का अध्ययन करने के लिए काम करते हैं।

साइन मॉडल संकेतों की एक प्रणाली के आधार पर बनाए जाते हैं जिनकी प्रकृति बहुत भिन्न होती है। यह:
- अल्फ़ान्यूमेरिक मॉडल, जहाँ अक्षर और संख्याएँ संकेत के रूप में कार्य करती हैं (जैसे, उदाहरण के लिए, N. N. Obozov द्वारा संयुक्त गतिविधियों को विनियमित करने के लिए मॉडल है);
- विशेष प्रतीकों के मॉडल (उदाहरण के लिए, इंजीनियरिंग मनोविज्ञान में एआई गुबिंस्की और जीवी सुखोडोल्स्की की गतिविधि के एल्गोरिथम मॉडल या ऑर्केस्ट्रल संगीत कार्य के लिए एक संगीत संकेतन, जिसमें सभी आवश्यक तत्व शामिल हैं जो कलाकारों के जटिल संयुक्त कार्य को सिंक्रनाइज़ करते हैं);
- ग्राफिकल मॉडल जो उनके बीच मंडलियों और संचार लाइनों के रूप में वस्तु का वर्णन करते हैं (पूर्व व्यक्त कर सकते हैं, उदाहरण के लिए, एक मनोवैज्ञानिक वस्तु की स्थिति, बाद वाला - एक राज्य से दूसरे राज्य में संभावित संक्रमण);
- गणितीय प्रतीकों की विविध भाषा का उपयोग करने वाले गणितीय मॉडल और उनकी अपनी वर्गीकरण योजना है;
- साइबरनेटिक मॉडल स्वचालित नियंत्रण और सिमुलेशन सिस्टम, सूचना सिद्धांत आदि के सिद्धांत के आधार पर बनाए जाते हैं।

मॉडलिंग एक वस्तु (मूल) को दूसरे (मॉडल) के साथ बदलना और मॉडल के गुणों की जांच करके मूल के गुणों को ठीक करना या उनका अध्ययन करना है।

एक मॉडल किसी वस्तु, प्रणाली या अवधारणा (विचार) का उनके वास्तविक अस्तित्व के रूप से भिन्न किसी रूप में प्रतिनिधित्व है।

मॉडलिंग के लाभ केवल तभी प्राप्त किए जा सकते हैं जब निम्नलिखित स्पष्ट रूप से स्पष्ट शर्तें पूरी हों:

मॉडल अध्ययन के उद्देश्य के दृष्टिकोण से आवश्यक मूल के गुणों को पर्याप्त रूप से दर्शाता है;

मॉडल वास्तविक वस्तुओं पर माप करने में निहित समस्याओं को समाप्त करना संभव बनाता है।

मॉडलिंग के लिए दृष्टिकोण (तरीके)।

1) क्लासिक (आगमनात्मक)विशेष से सामान्य की ओर बढ़ते हुए प्रणाली पर विचार करता है, अर्थात। प्रणाली का मॉडल नीचे से ऊपर की ओर बनाया गया है और अलग से विकसित घटक प्रणालियों के मॉडल-तत्वों को मिलाकर संश्लेषित किया गया है।

2) प्रणालीगत. सामान्य से विशेष की ओर संक्रमण। अध्ययन का उद्देश्य मॉडल निर्माण के केंद्र में है। यह उसी से है कि वे एक मॉडल बनाते हुए आगे बढ़ते हैं। लक्ष्य वह है जो हम वस्तु के बारे में जानना चाहते हैं।

मॉडलिंग के बुनियादी सिद्धांतों पर विचार करें।

1) सूचना पर्याप्तता का सिद्धांत. ऐसी जानकारी एकत्र करना आवश्यक है जो पर्याप्त स्तर की जानकारी प्रदान करे।

2) व्यवहार्यता का सिद्धांत।मॉडल को यह सुनिश्चित करना चाहिए कि लक्ष्य वास्तविक रूप से दिए गए समय के भीतर हासिल किया जाए।

3) एकत्रीकरण का सिद्धांत।एक जटिल प्रणाली में एक बिल्ली के लिए सबसिस्टम (समुच्चय) होते हैं। आप स्वतंत्र मॉडल बना सकते हैं और उन्हें एक सामान्य मॉडल में कम कर सकते हैं। मॉडल लचीला है। लक्ष्य बदलते समय, कई घटक मॉड्यूल का उपयोग किया जा सकता है। मॉडल व्यवहार्य है यदि

तथा
.

मॉडलिंग के तरीकों का वर्गीकरण।

1) अध्ययन के तहत प्रक्रियाओं की प्रकृति से

नियतात्मक - नकली वस्तु के कामकाज के दौरान, यादृच्छिक कारकों को ध्यान में नहीं रखा जाता है (सब कुछ पूर्व निर्धारित है)।

स्टोकेस्टिक - मौजूदा वास्तविक प्रणालियों पर विभिन्न कारकों के प्रभाव को ध्यान में रखता है

2) समय के साथ विकास के आधार पर

स्थैतिक - किसी वस्तु के व्यवहार का एक निश्चित समय पर वर्णन किया जाता है

गतिशील - एक निश्चित अवधि के लिए

3) मॉडल में जानकारी प्रस्तुत करके

असतत - यदि राज्य में परिवर्तन की ओर ले जाने वाली घटनाएँ एक निश्चित समय पर घटित होती हैं।

निरंतर, असतत-निरंतर।

4) मॉडलिंग वस्तु के प्रतिनिधित्व के रूप के अनुसार

मानसिक- यदि अनुकार वस्तु मौजूद नहीं है, या इसके भौतिक निर्माण के लिए शर्तों के बाहर मौजूद है।

ए) प्रतीकात्मक। एक तार्किक वस्तु का निर्माण जो वास्तविक को बदल देता है।

बी) गणितीय

विश्लेषणात्मक। वस्तु का वर्णन कार्यात्मक संबंधों का उपयोग करके किया जाता है, इसके बाद एक स्पष्ट समाधान प्राप्त करने का प्रयास किया जाता है।

नकल। सिस्टम के कामकाज का वर्णन करने वाला एल्गोरिथ्म समय में वस्तु के संचालन की प्रक्रिया को पुन: पेश करता है। इस पद्धति को सांख्यिकीय भी कहा जाता है, क्योंकि नकली घटनाओं के आंकड़े एकत्र किए जाते हैं। (मोंटे कार्लो पद्धति पर आधारित - स्थैतिक परीक्षण विधि)

बी) दृश्य

वास्तविक- वस्तु मौजूद है।

एक प्राकृतिक। विशेषज्ञ को सिमुलेशन ऑब्जेक्ट पर ही किया जाता है। सबसे आम रूप परीक्षण है।

बी) शारीरिक। पर शोध किया जा रहा है बिल्ली में स्थापना, प्रक्रियाएं। वास्तविक वस्तुओं में प्रक्रियाओं के साथ उनकी भौतिक समानता है।

विश्लेषणात्मक मॉडल को विधियों द्वारा खोजा जा सकता है:

एक) विश्लेषणात्मक: एक स्पष्ट रूप (सामान्य) में समाधान प्राप्त करने का प्रयास;

बी) संख्यात्मक:दी गई प्रारंभिक स्थितियों (समाधान की निजी प्रकृति) के लिए एक संख्यात्मक समाधान प्राप्त करें;

में) गुणवत्ता:एक स्पष्ट समाधान के बिना, कोई भी समाधान के गुणों को स्पष्ट रूप से पा सकता है।

सिमुलेशन मॉडलिंग में, सिस्टम के कामकाज का वर्णन करने वाला एल्गोरिदम समय में ऑब्जेक्ट के संचालन की प्रक्रिया को पुन: उत्पन्न करता है। इस पद्धति को सांख्यिकीय भी कहा जाता है, क्योंकि नकली घटनाओं के आंकड़े एकत्र किए जाते हैं। (मोंटे कार्लो पद्धति पर आधारित)