CINETICA PROCESELOR BIOLOGICE

Cum poate fi descrisă dinamica sistemelor biologice? În fiecare moment al timpului, un sistem biologic are un set de anumite caracteristici. De exemplu, observând o populație a unei specii, puteți înregistra dimensiunea acesteia, suprafața ocupată de teritoriu, cantitatea de hrană disponibilă, temperatura mediu inconjurator etc. Scurgeri reactie chimica poate fi caracterizat prin concentrațiile substanțelor participante, presiune, temperatură și nivelul de aciditate al mediului. Setul de valori ale tuturor caracteristicilor pe care cercetătorul le-a ales pentru a descrie sistemul este starea sistemului în fiecare moment de timp. La crearea unui model, variabilele și parametrii sunt selectați în setul specificat. Variabilele sunt acele mărimi ale căror modificări sunt de interes în primul rând pentru cercetător, parametrii sunt condițiile „mediului extern”. Pentru variabilele selectate sunt compilate ecuațiile care reflectă modelele de schimbare în sistem în timp. De exemplu, atunci când se creează un model pentru creșterea unei culturi microbiene, numărul acesteia este de obicei folosit ca variabilă, iar rata de reproducere ca parametru. Este posibil ca temperatura la care are loc creșterea să se dovedească a fi semnificativă, atunci acest indicator este și el inclus în model ca parametru. Și dacă, de exemplu, nivelul de aerare este întotdeauna suficient și nu are niciun efect asupra proceselor de creștere, atunci nu este inclus deloc în model. De regulă, parametrii rămân neschimbați în timpul experimentului, cu toate acestea, este de remarcat faptul că acest lucru nu este întotdeauna cazul.

Este posibil să se descrie dinamica unui sistem biologic (adică schimbarea stării acestuia în timp) folosind atât modele discrete, cât și continue. Modelele discrete presupun că timpul este cantitate discretă. Aceasta corespunde înregistrării valorilor variabilelor la anumite intervale fixe (de exemplu, o dată pe oră sau o dată pe an). În modelele continue, o variabilă biologică este o funcție continuă a timpului, notată, de exemplu, X(t).

De multe ori mare importanță avea condiții inițiale modele - starea caracteristicii studiate la momentul inițial de timp, i.e. la t = 0.

Când se studiază schimbarea continuă a unei caracteristici X(t) este posibil să cunoaștem informații despre rata de modificare a acesteia. Aceste informații pot fi scrise în general ca o ecuație diferențială:

O astfel de notație formală înseamnă că rata de schimbare a unei caracteristici studiate este o funcție de timp și de mărimea acestei caracteristici.

Dacă partea dreaptă a unei ecuații diferențiale a formei nu depinde în mod explicit de timp, i.e. echitabil:

atunci această ecuație se numește autonom(sistemul descris de o astfel de ecuație se numește autonom). Starea sistemelor autonome în fiecare moment de timp este caracterizată de o singură valoare - valoarea variabilei X pentru moment t.

Să ne punem o întrebare: să fie dată o ecuație diferențială pentru X(t), este posibil să găsiți toate funcțiile X(t) satisfacerea acestei ecuații? Sau: dacă se cunoaște valoarea inițială a unei anumite variabile (de exemplu, dimensiunea inițială a unei populații, concentrația unei substanțe, conductivitatea electrică a mediului etc.) și există informații despre natura modificării în această variabilă, este posibil să se prezică care va fi valoarea ei în toate momentele ulterioare în timp? Răspunsul la întrebarea pusă este următorul: dacă condițiile inițiale sunt date pentru și condițiile teoremei Cauchy sunt îndeplinite pentru ecuație (funcția dată într-o anumită regiune și derivata ei parțială sunt continue în această regiune), atunci există este o soluție unică a ecuației care satisface condițiile inițiale date. (Reamintim că orice funcție continuă care satisface o ecuație diferențială se numește soluție a acelei ecuații.) Aceasta înseamnă că putem prezice în mod unic comportamentul unui sistem biologic dacă caracteristicile stării sale inițiale sunt cunoscute și ecuația model îndeplinește condițiile de teorema lui Cauchy.

Stare staționară. Durabilitate

Vom lua în considerare ecuația diferențială autonomă

Într-o stare staționară, valorile variabilelor din sistem nu se modifică în timp, adică rata de modificare a valorilor variabilelor este 0: . Dacă partea stângă a ecuației (1.2) este egală cu zero, atunci și cea dreaptă este egală cu zero: . Rădăcinile acestei ecuații algebrice sunt stări staţionare ecuația diferențială (1.2).

Exemplul 1.1: Aflați stările staționare ale ecuației.

Soluţie: Să mutăm termenul, care nu conține derivata, în partea dreaptă a egalității: . Prin definiție, într-o stare staționară, este valabilă următoarea egalitate: . Deci egalitatea trebuie să se mențină . Rezolvam ecuatia:

,

Deci, ecuația are 3 stări staționare: , .

Sistemele biologice suferă în mod constant diverse influențe externe și numeroase fluctuații. În același timp, ele (sistemele biologice) au homeostazie, adică. rezistent. În limbajul matematic, aceasta înseamnă că variabilele, cu abateri mici, revin la valorile lor staționare. Va fi acest comportament al unui sistem biologic reflectat în modelul său matematic? Sunt stările staționare ale modelului stabile?

Starea de echilibru este durabil, dacă, pentru o abatere suficient de mică de la poziția de echilibru, sistemul nu va merge niciodată departe de punctul singular. Starea stabilă corespunde modului stabil de funcționare a sistemului.

O stare de echilibru a unei ecuații este Lyapunov stabilă dacă pentru oricare se poate găsi întotdeauna astfel încât dacă , atunci pentru toți .

Există o metodă analitică pentru studiul stabilității stare echilibrată– metoda Lyapunov. Pentru a o fundamenta, ne amintim formula Taylor.

Vorbind vag, formula Taylor arată comportamentul unei funcții în vecinătatea unui anumit punct. Fie ca o funcție să aibă derivate într-un punct de toate ordinele până la n- inclusiv. Atunci formula Taylor este valabilă pentru:

Înlăturând termenul rămas, care reprezintă el însuși un infinitezimal de ordin mai mare decât , obținem formula Taylor aproximativă:

Partea dreaptă a formulei aproximative se numește polinomul Taylor funcții, se notează ca .

Exemplul 1.2: Extindeți funcția într-o serie Taylor într-o vecinătate a unui punct până la ordinul al 4-lea.

Soluţie: Scriem seria Taylor până la ordinul 4 în formă generală:

Să găsim derivate funcţie dată la punctul:

,

Înlocuiți valorile obținute în formula originală:

O metodă analitică pentru studierea stabilității unei stări staționare ( metoda Lyapunov) este după cum urmează. Fie starea staționară a ecuației . Să setăm o mică abatere a variabilei X din valoarea sa staționară: , unde . Înlocuiți expresia punctului Xîn ecuația inițială: . Partea stângă a ecuației va lua forma: , întrucât în ​​starea staționară rata de modificare a valorii variabilei este egală cu zero: . Extindem partea dreaptă într-o serie Taylor în vecinătatea stării staționare, ținând cont de faptul că , lăsăm doar termenul liniar în partea dreaptă a ecuației:

A primit ecuație liniarizată sau prima ecuație de aproximare. Există o oarecare valoare constant, să o notăm A: . Soluția generală a ecuației liniarizate are forma: . Această expresie descrie legea conform căreia abaterea de la starea staționară dată de noi se va modifica în timp. Abaterea se va diminua în timp, adică. la , dacă exponentul din exponent este negativ, i.e. . Prin definiție, starea de echilibru va fi durabil. Dacă , atunci cu creșterea timpului, abaterea va crește doar, starea staționară este instabil. În cazul în care ecuația primei aproximări nu poate da un răspuns la întrebarea privind stabilitatea stării staționare. Este necesar să se ia în considerare termenii de ordin superior în expansiunea seriei Taylor.

Pe lângă metoda analitică de studiere a stabilității unei stări staționare, există și una grafică.

Exemplul 1.3. Lăsa . Găsiți stările staționare ale ecuației și determinați tipul lor de stabilitate folosind graficul funcției .

Soluţie: Să găsim puncte speciale:

,

,

Construim un grafic al funcției (Fig. 1.1).

Orez. 1.1. Graficul funcției (exemplul 1.3).

Să determinăm din grafic dacă fiecare dintre stările staționare găsite este stabilă. Să stabilim o mică abatere a punctului reprezentativ de la punctul singular la stânga: . Într-un punct cu o coordonată, funcția ia o valoare pozitivă: sau . Ultima inegalitate înseamnă că în timp coordonatele ar trebui să crească, adică punctul reprezentativ ar trebui să revină la punctul . Acum să stabilim o mică abatere a punctului reprezentativ de la punctul singular la dreapta: . În această regiune, funcția păstrează o valoare pozitivă, prin urmare, în timp, coordonatele X crește de asemenea, adică punctul reprezentativ se va îndepărta de punct. Astfel, o mică abatere scoate sistemul din starea staționară, prin urmare, prin definiție, punctul singular este instabil. Un raționament similar duce la faptul că orice abatere de la punctul singular se diminuează cu timpul, starea staționară este stabilă. Abaterea punctului reprezentativ în orice direcție de la starea staționară duce la eliminarea acestuia din punctul , aceasta este o stare staționară instabilă.

Rezolvarea unui sistem liniar ecuatii diferentiale

Să ne întoarcem la studiul sistemelor de ecuații, mai întâi liniare. În general, sistemul de ecuații diferențiale liniare poate fi reprezentat astfel:

Analiza sistemului de ecuații începe cu găsirea stărilor staționare. Pentru sistemele de forma (1.3), punctul singular este unic, coordonatele sale sunt (0,0). Excepția este cazul degenerat, când ecuațiile pot fi reprezentate ca:

(1.3*)

În acest caz, toate perechile care satisfac relația sunt puncte staționare ale sistemului (1.3*). În special, punctul (0,0) este de asemenea staționar pentru sistem (1.3*). Pe planul de fază, în acest caz, avem o dreaptă cu un coeficient de pantă care trece prin origine, fiecare punct al căruia este un punct singular al sistemului (1.3 *) (vezi Tabelul 1.1, punctul 6).

Principala întrebare la care ar trebui să se răspundă rezultatul studierii unui sistem de ecuații este dacă starea staționară a sistemului este stabilă și ce caracter are această soluție (monotonă sau nemonotonă).

Decizie comună sistemul de două ecuații liniare are forma:

numere caracteristice poate fi exprimat în termeni de coeficienți ai ecuațiilor liniare după cum urmează:

Numerele caracteristice pot fi 1) reale de semne diferite, 2) reale de același semn, 3) conjugate complexe și, de asemenea, în cazuri degenerate, 4) pur imaginare, 5) reale coincidente, 6) reale, dintre care unul (sau ambii) zero. Aceste cazuri determină tipul de comportament al soluției la un sistem de ecuații diferențiale obișnuite. Portretele de fază corespunzătoare sunt prezentate în Tabelul 1.1.

Tabelul 1.1. Tipuri de stări staționare ale unui sistem de două ecuații diferențiale liniare și portretele de fază corespunzătoare. Săgețile arată direcția de mișcare a punctului reprezentativ

Construirea portretelor de fază și cinetice ale unui sistem de două ecuații diferențiale liniare

planul de fază numit plan cu axe de coordonate pe care sunt trasate valorile variabilelor Xși y, fiecărui punct al planului îi corespunde o anumită stare a sistemului. Se numește setul de puncte de pe planul de fază, a căror poziție corespunde stărilor sistemului în procesul de schimbare a variabilelor în timp, conform ecuațiilor date ale sistemului studiat. traiectoria fazei. Setul de traiectorii de fază pentru diferite valori inițiale ale variabilelor oferă un portret al sistemului. Clădire portret de fază vă permite să trageți concluzii despre natura modificărilor variabilelor Xși y fără a cunoaşte soluţiile analitice ale sistemului original de ecuaţii.

Luați în considerare un sistem de ecuații diferențiale liniare:

Construcția portretului de fază începe cu construcția izoclinele principale(un izoclin este o linie de-a lungul căreia panta curbei de fază (traiectorie), determinată de ecuație, rămâne constantă). Pentru un sistem de două ecuații diferențiale liniare, acestea sunt întotdeauna drepte care trec prin origine. Ecuația izoclinele tangentelor orizontale: . Ecuația izoclinului tangentelor verticale: . Pentru construcția ulterioară a portretului de fază, este util să construiți o izoclină de tangente care trec la un unghi . Pentru a găsi ecuația de izoclină corespunzătoare, este necesar să se rezolve ecuația . De asemenea, puteți găsi izoclinele tangentelor altor unghiuri, folosind valorile aproximative ale tangentelor unghiurilor. Răspunsul la întrebarea în ce unghi ar trebui să intersecteze traiectoriile de fază cu axele de coordonate poate ajuta, de asemenea, la construirea portretului de fază. Pentru a face acest lucru, în ecuația izoclinului înlocuim egalitățile corespunzătoare (pentru a determina unghiul de intersecție cu axa OY) și (pentru a determina unghiul de intersecție cu axa OX).

Exemplul 1.4. Determinați tipul punctului singular al sistemului de ecuații liniare:

Construiți un portret de fază și cinetic al sistemului.

Soluţie: Coordonatele punctului singular sunt (0,0). Coeficienții ecuațiilor liniare sunt: ​​, , , . Să definim tipul de stare staționară (vezi secțiunea despre numerele caracteristice):

Astfel, rădăcinile caracteristice sunt imaginare: prin urmare, punctul singular al sistemului liniar considerat are tipul centru (Fig. 1.2a).

Ecuația izoclinului tangentelor orizontale: , Ecuația izoclinului tangentelor verticale: . La un unghi de 45°, traiectoriile sistemului intersectează o linie dreaptă .

După construirea portretului de fază, este necesar să se determine direcția de mișcare de-a lungul traiectoriilor găsite. Acest lucru se poate face în felul următor. Luați un punct arbitrar pe orice traiectorie. De exemplu, pe izoclinul tangentelor orizontale (1,1). Să substituim coordonatele acestui punct în sistemul de ecuații. Obținem expresii pentru ratele de modificare a variabilelor X,yîn acest moment:

Valorile obținute arată că rata de modificare a variabilei X- negativ, adică valoarea sa ar trebui să scadă, iar variabila y nu se schimba. Marcam direcția primită cu o săgeată. Astfel, în exemplul luat în considerare, mișcarea de-a lungul traiectoriilor de fază este direcționată în sens invers acelor de ceasornic. Înlocuind coordonatele diferitelor puncte în sistem, puteți obține o „hartă” a direcțiilor vitezelor, așa-numita câmp vectorial.

Fig 1.2. Faza (a) și portretul cinetic (b) al sistemului, exemplu 1.4

Rețineți că pe izoclinul tangentelor orizontale variabila y atinge valoarea maximă sau minimă pe o traiectorie dată. Dimpotrivă, pe izoclinul tangentelor verticale, variabila X.

A construi un portret cinetic al sistemului înseamnă a reprezenta grafic dependența valorilor variabilelor X,y din timp. Un portret de fază poate fi folosit pentru a construi unul cinetic și invers. O traiectorie de fază corespunde unei perechi de curbe cinetice. Să alegem un punct arbitrar pe portretul de fază pe o traiectorie de fază arbitrară. Acesta este punctul de plecare corespunzător timpului. În funcție de direcția de mișcare în sistemul luat în considerare, valorile variabilelor X,y fie scad, fie cresc. Fie coordonatele punctului de plecare (1,1). Conform portretului de fază construit, începând din acest punct, trebuie să deplasăm în sens invers acelor de ceasornic, coordonatele Xși yîn timp ce acestea vor scădea. În timp, coordonatele X trece prin 0, valoare y rămânând în același timp pozitiv. Alte coordonate Xși y continua să scadă, coordonatele y trece prin 0 (valoare Xîn timp ce este negativ). Valoare X atinge valoarea sa minimă pe izoclinul tangentelor verticale, apoi începe să crească. Valoare y atinge valoarea minimă pe izoclinul tangentelor orizontale (valoare Xîn acest moment este negativ). În continuare, și valoarea X, și valoarea y crește, revenind la valorile inițiale (Fig. 1.2b).

Investigarea stabilității stărilor staționare ale sistemelor neliniare de ordinul doi

Fie descris un sistem biologic printr-un sistem de două ecuații diferențiale autonome de ordinul doi vedere generala:

Valorile staționare ale variabilelor de sistem sunt determinate din ecuațiile algebrice:

În vecinătatea fiecărei stări staționare, se poate lua în considerare primul sistem de aproximare(sistem liniarizat), al cărui studiu poate face posibil să se răspundă la întrebarea privind stabilitatea punctului singular și natura traiectoriilor de fază în vecinătatea sa mică.

in afara

Avem , , punctul singular este grosier. Rădăcinile caracteristice ale sistemului din prima aproximare sunt egale cu , ambele sunt reale și negative, prin urmare, în vecinătatea punctului singular zero, comportamentul traiectoriilor de fază ale sistemului va corespunde tipului de nod stabil.

Introducere

Întrucât conceptul de sistem dinamic neliniar este suficient de bogat pentru a acoperi o gamă extrem de largă de procese în care comportamentul viitor al sistemului este determinat de trecut, metodele de analiză dezvoltate în acest domeniu sunt utile într-o mare varietate de contexte.

Dinamica neliniară intră în literatură în cel puțin trei moduri. În primul rând, există cazuri în care datele experimentale privind modificarea în timp a uneia sau mai multor cantități sunt colectate și analizate folosind tehnici bazate pe teoria dinamică neliniară, cu ipoteze minime despre ecuațiile subiacente care guvernează procesul care produce datele. Adică, este un caz în care se caută să găsească corelații în datele care pot ghida dezvoltarea unui model matematic, mai degrabă decât să ghicească mai întâi modelul și apoi să-l compare cu datele.

În al doilea rând, există cazuri în care teoria dinamică neliniară poate fi utilizată pentru a afirma că un model simplificat ar trebui să prezinte caracteristici importante a acestui sistem, din care rezultă că modelul descriptiv poate fi construit și studiat într-o gamă largă de parametri. Acest lucru duce adesea la modele care se comportă calitativ diferit în funcție de parametri diferiți și demonstrează că o regiune prezintă un comportament care este foarte similar cu cel observat în sistemul real. În multe cazuri, comportamentul modelului este destul de sensibil la modificările parametrilor, așa că dacă parametrii modelului pot fi măsurați într-un sistem real, modelul prezintă un comportament realist la aceste valori și se poate fi sigur că modelul surprinde caracteristicile esențiale ale sistemului.

În al treilea rând, există cazuri când ecuațiile modelului sunt construite pe baza descrieri detaliate fizica cunoscuta. Experimentele numerice pot furniza apoi informații despre variabilele care nu sunt disponibile experimentelor fizice.

Pe baza celei de-a doua căi, această lucrare este o extensie a lucrării mele anterioare „Modelul dinamic neliniar al industriilor interdependente”, precum și o altă lucrare (Dmitriev, 2015)

Toate definițiile necesare și alte informații teoretice necesare în lucrare vor apărea în primul capitol, după caz. Două definiții vor fi date aici, care sunt necesare pentru dezvăluirea temei de cercetare în sine.

Mai întâi, să definim dinamica sistemului. Conform uneia dintre definiții, dinamica sistemului este o abordare de modelare prin simulare care, prin metodele și instrumentele sale, ajută la evaluarea structurii. sisteme complexeși dinamica lor (Shterman). Merită adăugat că dinamica sistemului este, de asemenea, o tehnică de modelare care este folosită pentru a recrea modele corecte (din punct de vedere al acurateței) computerizate pentru sisteme complexe pentru utilizarea lor viitoare în scopul creării unei companii/organizații mai eficiente, precum și a îmbunătățirii metodelor de interacțiunea cu acest sistem. Predominant, nevoia de dinamică a sistemului apare atunci când se confruntă cu modele strategice pe termen lung și, de asemenea, este de remarcat faptul că este mai degrabă abstractă.

Vorbind despre dinamica diferențială neliniară, vom lua în considerare un sistem neliniar, care, prin definiție, este un sistem în care modificarea rezultatului nu este proporțională cu modificarea parametrilor de intrare și în care funcția descrie dependența schimbării în timp și a poziției unui punct în spațiu (Boeing, 2016).

Pe baza definițiilor de mai sus, devine clar că acest lucru va lua în considerare diverse sisteme diferențiale neliniare care descriu interacțiunea companiilor, precum și modele de simulare construite pe baza acestora. Pe baza acesteia se va stabili scopul lucrării.

Astfel, scopul acestei lucrări este de a efectua o analiză calitativă a sistemelor dinamice care descriu interacțiunea companiilor în prima aproximare și de a construi un model de simulare pe baza acestora.

Pentru atingerea acestui obiectiv au fost identificate următoarele sarcini:

Determinarea stabilității sistemului.

Construirea portretelor de fază.

Găsirea traiectoriilor integrale ale sistemelor.

Construirea modelelor de simulare.

Fiecare dintre aceste sarcini va fi dedicată uneia dintre secțiunile fiecărui capitol al lucrării.

Pe baza practicii, construirea unor structuri matematice fundamentale care modelează eficient dinamica în diferite sisteme și procese fizice, indică faptul că modelul matematic corespunzător reflectă într-o oarecare măsură apropierea de originalul studiat, atunci când acesta caracteristici poate fi derivată din proprietățile și structura tipului de mișcare care formează dinamica sistemului. Până în prezent, știința economică se află într-un stadiu al dezvoltării sale, în care metodele și metodele și metodele de modelare fizică și matematică noi și, în multe cazuri, nestandardizate sunt utilizate în mod deosebit în mod eficient. procesele economice. Aici urmează concluzia despre necesitatea de a crea, studia și construi modele care să poată descrie cumva situația economică.

În ceea ce privește motivul alegerii analizei calitative și nu cantitative, este de remarcat faptul că, în marea majoritate a cazurilor, rezultatele și concluziile unei analize calitative a sistemelor dinamice se dovedesc a fi mai semnificative decât rezultatele analizei lor cantitative. Într-o astfel de situație, se cuvine să se sublinieze declarațiile lui V.P. Milovanov, în care afirmă că ei cred în mod tradițional că rezultatele așteptate la aplicarea metodelor matematice la analiza obiectelor reale ar trebui reduse la un rezultat numeric. În acest sens, metodele calitative au o sarcină oarecum diferită. Se concentrează pe obținerea unui rezultat care descrie calitatea sistemului, pe căutarea trăsăturilor caracteristice tuturor fenomenelor în ansamblu, pe prognoză. Desigur, este important să înțelegem cum se va schimba cererea atunci când prețurile pentru un anumit tip de mărfuri se schimbă, dar nu uitați că este mult mai important să înțelegeți dacă va exista un deficit sau un surplus al acestor bunuri în astfel de condiții (Dmitriev , 2016).

Obiectul acestui studiu este diferenţialul neliniar şi dinamica sistemului.

În acest caz, subiectul cercetării este descrierea procesului de interacțiune dintre companii prin diferențial neliniar și dinamica sistemului.

Vorbind despre aplicarea practică a studiului, merită să-l împărțim imediat în două părți. Și anume, teoretică, adică o analiză calitativă a sistemelor, și practică, în care se va avea în vedere construcția modelelor de simulare.

Partea teoretică a acestui studiu oferă concepte și fenomene de bază. Ea are în vedere sisteme diferențiale simple, ca în lucrările multor alți autori (Teschl, 2012; Nolte, 2015), dar permite în același timp descrierea interacțiunii dintre companii. Pe baza acestui fapt, în viitor, va fi posibil să efectuați studii mai aprofundate sau, altfel, să vă începeți cunoștințele cu ceea ce constituie o analiză calitativă a sistemelor.

Partea practică a lucrării poate fi folosită pentru a crea un sistem de sprijinire a deciziilor. Sistem de asistență pentru decizii - Automatizat Sistem informatic, care vizează sprijinirea afacerilor sau luării deciziilor într-o organizație, permițându-vă să alegeți între multe alternative diferite (Keen, 1980). Chiar dacă modelele nu sunt foarte precise în acest moment, dar schimbându-le pentru o anumită companie, poți obține rezultate mai precise. Astfel, atunci când schimbați în ele diverși parametri și condiții care pot apărea pe piață, puteți obține o prognoză pentru viitor și puteți lua o decizie mai profitabilă în avans.

1. Interacțiunea companiilor în condițiile mutualismului

Lucrarea va prezenta sisteme bidimensionale destul de simple în comparație cu sisteme de ordin superior, dar care în același timp ne permit să demonstrăm relațiile dintre organizații de care avem nevoie.

Merită să începeți munca cu alegerea tipului de interacțiune, care va fi descris în viitor, deoarece pentru fiecare dintre tipurile sistemele care le descriu sunt, deși ușor, diferite. Figura 1.1 prezintă clasificarea lui Yujim Odum pentru interacțiunea populației modificată pentru interacțiunea economică (Odum, 1968), pe baza căreia vom analiza în continuare interacțiunea companiilor.

Figura 1.1. Tipuri de interacțiune între întreprinderi

Pe baza figurii 1.1, evidențiem 4 tipuri de interacțiuni și prezentăm pentru fiecare dintre ele un sistem de ecuații care le descriu pe baza modelului Malthus (Malthus, 1798). Potrivit acesteia, rata de creștere este proporțională cu abundența actuală a speciei, cu alte cuvinte, poate fi descrisă prin următoarea ecuație diferențială:

unde a este un parametru care depinde de creșterea naturală a populației. De asemenea, merită adăugat că, în sistemele considerate mai jos, toți parametrii, precum și variabilele, iau valori nenegative.

Producția de materii prime este producția de produse, care este similară cu modelul prădător-pradă. Modelul prădător-pradă, cunoscut și sub denumirea de model Lotka-Volterra, este o pereche de ecuații diferențiale neliniare de ordinul întâi care descriu dinamica unui sistem biologic cu două specii, dintre care una este prădătoare și cealaltă pradă (Llibre , 2007). Modificarea abundenței acestor specii este descrisă de următorul sistem de ecuații:

(1.2)

unde - caracterizează creșterea producției primei întreprinderi fără influența celei de-a doua (în cazul modelului prădător-pradă, creșterea populației de pradă fără prădători),

Caracterizează creșterea producției celei de-a doua întreprinderi fără influența primei (creșterea populației de prădători fără pradă),

Caracterizează creșterea producției primei întreprinderi, ținând cont de influența celei de-a doua întreprinderi asupra acesteia (o creștere a numărului de pradă atunci când interacționează cu prădătorii),

Caracterizează creșterea producției celei de-a doua întreprinderi, ținând cont de influența primei întreprinderi asupra acesteia (o creștere a numărului de prădători în timpul interacțiunii lor cu victimele).

În primul rând, prădătorul, după cum se poate observa din sistem, precum și din clasificarea lui Odum, interacțiunea lor impune un efect favorabil. Pe de alta nefavorabil. Dacă este luat în considerare în realitățile economice, atunci, așa cum se poate observa în figură, cel mai simplu analog este producătorul și furnizorul său de resurse, care corespund prădtorului și, respectiv, pradei. Astfel, în absența materiilor prime, producția scade exponențial.

Concurența este rivalitatea între două sau mai multe (în cazul nostru, luăm în considerare sisteme bidimensionale, deci luăm exact competiția între două specii) specii, grupuri economice pentru teritorii, resurse limitate sau alte valori (Elton, 1968). Modificările numărului de specii sau ale numărului de produse în cazul nostru sunt descrise de sistemul de mai jos:

(1.3)

În acest caz, speciile sau companiile care produc un produs se afectează negativ reciproc. Adică, în absența unui concurent, creșterea produselor va crește exponențial.

Acum să trecem la o interacțiune simbiotică, în care ambele întreprinderi au o influență pozitivă una asupra celeilalte. Să începem cu mutualismul. Mutualismul este un tip de relație între diferite specii în care fiecare dintre ele beneficiază de acțiunile celeilalte și este de remarcat faptul că prezența unui partener este o condiție necesară pentru existență (Thompson, 2005). Acest tip de relație este descris de sistem:

(1.4)

Întrucât interacțiunea între companii este necesară pentru existența lor, în absența produsului unei companii, producția de bunuri a alteia scade exponențial. Acest lucru este posibil atunci când companiile pur și simplu nu au alte alternative pentru achiziții.

Luați în considerare un alt tip de interacțiune simbiotică, protocooperarea. Proto-cooperarea este similară cu mutualismul, cu singura excepție că nu este nevoie de un partener, deoarece, de exemplu, există și alte alternative. Deoarece sunt similare, sistemele lor arată aproape identice între ele:

(1.5)

Astfel, absența unui produs al unei companii nu împiedică creșterea produsului altei companii.

Desigur, pe lângă cele enumerate la paragrafele 3 și 4, pot fi remarcate și alte tipuri de relații simbiotice: comensalism și amensalism (Hanski, 1999). Dar ele nu vor fi menționate mai departe, deoarece în comensalism unul dintre parteneri este indiferent față de interacțiunea lui cu celălalt, dar totuși luăm în considerare cazurile în care există influență. Și amensalismul nu este luat în considerare, deoarece din punct de vedere economic, astfel de relații, atunci când interacțiunea lor dăunează unuia, iar celălalt este indiferent, pur și simplu nu pot exista.

Pe baza influenței companiilor una asupra celeilalte, și anume a faptului că relațiile simbiotice duc la o coexistență stabilă a companiilor, în această lucrare vom lua în considerare doar cazuri de mutualism și proto-cooperare, întrucât în ​​ambele cazuri interacțiunea este benefică pentru toată lumea.

Acest capitol este dedicat interacțiunii companiilor în condițiile mutualismului. Se va lua în considerare două sisteme care reprezintă o dezvoltare ulterioară a sistemelor bazate pe modelul Malthus, și anume sisteme cu restricții impuse privind creșterea producției.

Dinamica unei perechi conectată prin relații mutualiste, așa cum sa menționat mai sus, poate fi descrisă în prima aproximare de către sistem:

(1.6)

Se poate observa că cu o cantitate inițială mare de producție, sistemul crește la nesfârșit, iar cu o cantitate mică, producția scade. Aici se află incorectitudinea descrierii biliniare a efectului care decurge din mutualism. Pentru a încerca să corectăm imaginea, introducem un factor asemănător cu saturația unui prădător, adică un factor care va reduce rata de creștere a producției, dacă aceasta este în exces. În acest caz, ajungem la următorul sistem:

(1.7)

unde este creșterea producției de produs a primei companii în interacțiunea acesteia cu a doua, ținând cont de saturație,

Creșterea producției de produs a celei de-a doua companii în interacțiunea acesteia cu prima, ținând cont de saturație,

Coeficienții de saturație.

Astfel, avem două sisteme: modelul malthusian de creștere cu și fără saturație.

1.1 Stabilitatea sistemelor în prima aproximare

Stabilitatea sistemelor în prima aproximare este considerată în multe lucrări străine (Hairer, 1993; Bhatia, 2002; Khalil, 2001; Strogatz, 2001 și alții) și în limba rusă (Akhromeyeva, 1992; Bellman, 1954; Demidovich, 1967; Krasovsky, 1959 și alții), iar definirea sa este un pas de bază pentru analiza proceselor care au loc în sistem. Pentru a face acest lucru, efectuați următorii pași necesari:

Să găsim punctele de echilibru.

Să găsim matricea jacobiană a sistemului.

Găsiți valorile proprii ale matricei jacobiene.

Clasificăm punctele de echilibru după teorema Lyapunov.

Având în vedere pașii, merită să ne oprim asupra explicației lor mai detaliat, așa că voi da definiții și voi descrie metodele pe care le vom folosi în fiecare dintre acești pași.

Primul pas, căutarea punctelor de echilibru. Pentru a le găsi, echivalăm fiecare funcție cu zero. Adică rezolvăm sistemul:

unde a și b înseamnă toți parametrii ecuației.

Următorul pas este găsirea matricei jacobiane. În cazul nostru, aceasta va fi o matrice de 2 pe 2 cu derivate prime la un moment dat, după cum se arată mai jos:

După parcurgerea primilor doi pași, trecem la găsirea rădăcinilor următoarei ecuații caracteristice:

Unde punctul corespunde punctelor de echilibru găsite în prima etapă.

După ce am găsit și , trecem la pasul al patrulea și folosim următoarele teoreme Lyapunov (Parks, 1992):

Teorema 1: Dacă toate rădăcinile ecuației caracteristice au o parte reală negativă, atunci punctul de echilibru corespunzător sistemului original și liniarizat este asimptotic stabil.

Teorema 2: Dacă cel puțin una dintre rădăcinile ecuației caracteristice are o parte reală pozitivă, atunci punctul de echilibru corespunzător sistemului original și liniarizat este asimptotic instabil.

De asemenea, privind și este posibil să se determine tipul de stabilitate mai precis, pe baza diviziunii prezentate în figurile 1.2 (Universitatea Lamar).

Figura 1.2. Tipuri de stabilitate a punctelor de echilibru

Având în vedere informațiile teoretice necesare, trecem la analiza sistemelor.

Luați în considerare un sistem fără saturație:

Este foarte simplu și nu este potrivit pentru utilizare practică, deoarece nu are restricții. Dar, ca prim exemplu de analiză a sistemului, este potrivit pentru luare în considerare.

Mai întâi, să găsim punctele de echilibru echivalând laturile din dreapta ecuațiilor cu zero. Astfel, găsim două puncte de echilibru, să le numim A și B: .

Să combinăm pasul cu căutarea matricei jacobiene, rădăcinile ecuației caracteristice și determinarea tipului de stabilitate. Deoarece sunt elementare, primim imediat răspunsul:

1. În punctul , , există un nod stabil.

La un moment dat: ... şa.

După cum am scris deja, acest sistem este prea banal, așa că nu a fost necesară nicio explicație.

Acum să analizăm sistemul din saturație:

(1.9)

Apariția unei restricții privind saturarea reciprocă a produselor de către întreprinderi ne aduce mai aproape de imaginea reală a ceea ce se întâmplă și, de asemenea, complică ușor sistemul.

Ca și înainte, echivalăm părțile corecte ale sistemului cu zero și rezolvăm sistemul rezultat. Punctul a rămas neschimbat, dar celălalt punct în acest caz conține mai mulți parametri decât înainte: .

În acest caz, matricea Jacobi ia următoarea formă:

Scădeți din ea matricea de identitate înmulțită cu , și egalați determinantul matricei rezultate în punctele A și B la zero.

În punctul unei imagini timpurii similare:

nod stabil.

Dar la punctul totul este ceva mai complicat și, deși matematica este încă destul de simplă, complexitatea provoacă inconvenientul de a lucra cu expresii literale lungi. Deoarece valorile se dovedesc a fi destul de lungi și incomod notate, ele nu sunt date, este suficient să spunem că în acest caz, ca și în cazul sistemului anterior, tipul de stabilitate obținut este o șa.

Portrete în 2 faze ale sistemelor

Marea majoritate a modelelor dinamice neliniare sunt ecuații diferențiale complexe care fie nu pot fi rezolvate, fie aceasta este un fel de complexitate. Un exemplu este sistemul din secțiunea anterioară. În ciuda simplității aparente, găsirea tipului de stabilitate în al doilea punct de echilibru nu a fost o sarcină ușoară (deși nu din punct de vedere matematic), iar odată cu creșterea parametrilor, restricțiilor și ecuațiilor pentru creșterea numărului de întreprinderi care interacționează, complexitatea nu va face decât să crească. Desigur, dacă parametrii sunt expresii numerice, atunci totul va deveni incredibil de simplu, dar atunci analiza își va pierde cumva orice semnificație, pentru că în cele din urmă vom putea găsi puncte de echilibru și vom putea afla tipurile de stabilitate ale acestora numai pentru un anumit caz, și nu unul general.

În astfel de cazuri, merită să ne amintim planul de fază și portretele de fază. În matematica aplicată, în special în contextul analizei sistemelor neliniare, planul de fază este o reprezentare vizuală a anumitor caracteristici ale anumitor tipuri de ecuații diferențiale (Nolte, 2015). Planul de coordonate cu axe de valori ale oricărei perechi de variabile care caracterizează starea sistemului - un caz bidimensional al unui spațiu comun de fază n-dimensional.

Datorită planului de fază, este posibilă determinarea grafică a existenței ciclurilor limită în soluțiile unei ecuații diferențiale.

Soluțiile unei ecuații diferențiale sunt o familie de funcții. Grafic, aceasta poate fi reprezentată în planul de fază ca un câmp vectorial bidimensional. Vectorii sunt desenați pe plan, reprezentând derivate în puncte caracteristice față de un parametru, în cazul nostru, în raport cu timpul, adică (). Cu suficiente din aceste săgeți într-o zonă, comportamentul sistemului poate fi vizualizat și ciclurile limită pot fi ușor identificate (Boeing, 2016).

Câmpul vectorial este un portret de fază, o anumită cale de-a lungul liniei de curgere (adică o cale întotdeauna tangentă la vectori) este o cale de fază. Fluxurile într-un câmp vectorial indică schimbarea sistemului în timp, descrisă de o ecuație diferențială (Iordan, 2007).

Este de remarcat faptul că un portret de fază poate fi construit chiar și fără a rezolva o ecuație diferențială și, în același timp, o vizualizare bună poate oferi multe Informatii utile. În plus, în prezent există multe programe care pot ajuta la construirea diagramelor de fază.

Astfel, planurile de fază sunt utile pentru vizualizarea comportamentului sistemelor fizice. În special, sistemele oscilatoare, cum ar fi modelul prădător-pradă deja menționat mai sus. În aceste modele, traiectorii de fază se pot „răuci” spre zero, „ieși dintr-o spirală” la infinit sau pot ajunge la o situație stabilă neutră numită centre. Acest lucru este util pentru a determina dacă dinamica este stabilă sau nu (Iordan, 2007).

Portretele de fază prezentate în această secțiune vor fi construite folosind instrumentele WolframAlpha sau furnizate din alte surse. Model de creștere malthusian fără saturație.

Să construim un portret de fază al primului sistem cu trei seturi de parametri pentru a le compara comportamentul. Setul A ((1,1), (1,1)), care va fi denumit un singur set, setul B ((10,0.1), (2,2)), atunci când este selectat, sistemul experimentează un scăderea producției și mulțimea C ((1,10), (1,10)) pentru care, dimpotrivă, are loc o creștere bruscă și nelimitată. Trebuie remarcat faptul că valorile de-a lungul axelor în toate cazurile vor fi în aceleași intervale de la -10 la 10, pentru comoditatea comparării diagramelor de fază între ele. Desigur, acest lucru nu se aplică unui portret calitativ al sistemului, ale cărui axe sunt adimensionale.

Figura 1.3 Portret de fază cu parametrii A

ecuația limită diferențială a mutualismului

Figura 1.3 de mai sus prezintă portretele de fază ale sistemului pentru cele trei seturi specificate de parametri, precum și portretul de fază care descrie comportamentul calitativ al sistemului. Nu uitați că cel mai important din punct de vedere practic este primul trimestru, deoarece cantitatea de producție, care poate fi doar nenegativă, este axele noastre.

În fiecare dintre figuri, stabilitatea la punctul de echilibru (0,0) este clar vizibilă. Și în prima figură, „punctul șa” este de asemenea vizibil în punctul (1,1), cu alte cuvinte, dacă înlocuim valorile setului de parametri în sistem, atunci la punctul de echilibru B. Când limitele construcției modelului se schimbă, punctul de șa se găsește și pe alte portrete de fază.

Model malthusian de creștere din saturație.

Să construim diagrame de fază pentru al doilea sistem, în care există saturație, cu trei seturi noi de valori ale parametrilor. Setul A, ((0,1,15,100), (0,1,15,100)), setul B ((1,1,0,5), (1, 1,0,5)) și setul C ((20,1,100), (20,1,100) )).

Figura 1.4. Portret de fază cu parametrii A

După cum puteți vedea, pentru orice set de parametri, punctul (0,0) este echilibru și, de asemenea, stabil. De asemenea, în unele figuri, puteți vedea un punct de șa.

În acest caz, au fost luate în considerare diferite scări pentru a demonstra mai clar că, chiar și atunci când un factor de saturație este adăugat la sistem, imaginea calitativă nu se schimbă, adică saturația singură nu este suficientă. Trebuie avut în vedere faptul că, în practică, companiile au nevoie de stabilitate, adică dacă luăm în considerare ecuațiile diferențiale neliniare, atunci ne interesează cel mai mult punctele de echilibru stabil, iar în aceste sisteme, doar punctele zero sunt astfel de puncte, ceea ce înseamnă că astfel de modele matematice nu sunt în mod clar potrivite pentru întreprinderi. La urma urmei, asta înseamnă că numai cu producție zero, companiile sunt în stabilitate, ceea ce este clar diferit de imaginea reală a lumii.

În matematică, o curbă integrală este o curbă parametrică care reprezintă o soluție specifică a unei ecuații diferențiale obișnuite sau a unui sistem de ecuații (Lang, 1972). Dacă ecuația diferențială este reprezentată ca un câmp vectorial, atunci curbele integrale corespunzătoare sunt tangente la câmp în fiecare punct.

Curbele integrale sunt cunoscute și sub alte denumiri, în funcție de natura și interpretarea ecuației diferențiale sau a câmpului vectorial. În fizică, curbe integrale pentru un câmp electric sau camp magnetic sunt cunoscute ca linii de câmp, iar curbele integrale pentru câmpul de viteză a fluidului sunt cunoscute sub denumirea de linii de curent. În sistemele dinamice, curbele integrale pentru o ecuație diferențială se numesc traiectorii.

Figura 1.5. Curbe integrale

Soluțiile oricăruia dintre sisteme pot fi considerate și ecuații ale curbelor integrale. Evident, fiecare traiectorie de fază este o proiecție a unei curbe integrale în spatiu x,y,t la planul de fază.

Există mai multe moduri de a construi curbe integrale.

Una dintre ele este metoda izoclinei. Un izoclin este o curbă care trece prin puncte în care panta funcției luate în considerare va fi întotdeauna aceeași, indiferent de condițiile inițiale (Hanski, 1999).

Este adesea folosită ca metodă grafică pentru rezolvarea ecuațiilor diferențiale obișnuite. De exemplu, într-o ecuație de forma y "= f (x, y), izoclinele sunt drepte în planul (x, y) obținute prin echivalarea f (x, y) cu o constantă. Aceasta dă o serie de drepte ( pentru diferite constante) de-a lungul cărora curbele soluțiile au același gradient. Prin calcularea acestui gradient pentru fiecare izoclină, câmpul pantei poate fi vizualizat, făcând relativ ușor să se deseneze curbe de soluție aproximative. Figura de mai jos prezintă un exemplu de utilizare a metodei izoclinului .

Figura 1.6. Metoda izoclinului

Această metodă nu necesită calcule computerizate și a fost foarte populară în trecut. Acum există soluții software care vor construi curbe integrale pe computere extrem de precis și rapid. Cu toate acestea, chiar și așa, metoda izoclinei s-a dovedit bine ca un instrument pentru studierea comportării soluțiilor, deoarece permite să se arate zonele de comportament tipic ale curbelor integrale.

Model de creștere malthusian fără saturație.

Să începem cu faptul că, în ciuda existenței diferitelor metode de construcție, nu este atât de ușor să arăți curbele integrale ale unui sistem de ecuații. Metoda izoclinului menționată mai devreme nu este potrivită deoarece funcționează pentru ecuații diferențiale de ordinul întâi. Iar instrumentele software care au capacitatea de a trasa astfel de curbe nu sunt în domeniul public. De exemplu, Wolfram Mathematica, care este capabil de acest lucru, este plătit. Prin urmare, vom încerca să folosim cât mai mult posibil capacitățile Wolfram Alpha, lucru cu care este descris în diverse articole și lucrări (Orca, 2009). Chiar și în ciuda faptului că imaginea nu va fi în mod clar pe deplin de încredere, dar cel puțin vă va permite să arătați dependența în planuri (x, t), (y, t). Mai întâi, să rezolvăm fiecare dintre ecuațiile pentru t. Adică, derivăm dependența fiecăreia dintre variabile în raport cu timpul. Pentru acest sistem obținem:

(1.10)

(1.11)

Ecuațiile sunt simetrice, așa că considerăm doar una dintre ele și anume x(t). Fie constanta egală cu 1. În acest caz, vom folosi funcția de reprezentare grafică.

Figura 1.7. Model tridimensional pentru ecuația (1.10)

Model malthusian de creștere din saturație.

Să facem același lucru pentru celălalt model. În cele din urmă, obținem două ecuații care demonstrează dependența variabilelor de timp.

(1.12)

(1.13)

Să construim din nou un model tridimensional și linii de nivel.

Figura 1.8. Model tridimensional pentru ecuația (1.12)

Deoarece valorile variabilelor sunt nenegative, atunci în fracția cu exponent obținem un număr negativ. Astfel, curba integrală scade cu timpul.

Anterior, a fost dată o definiție a dinamicii sistemului pentru a înțelege esența lucrării, dar acum să ne oprim asupra acestui lucru mai detaliat.

Dinamica sistemului - metodologie și metodă modelare matematică pentru formarea, înțelegerea și discutarea problemelor complexe, dezvoltate inițial în anii 1950 de Jay Forrester și descrise în lucrarea sa (Forrester, 1961).

Dinamica sistemului este un aspect al teoriei sistemelor ca metodă de înțelegere a comportamentului dinamic al sistemelor complexe. Baza metodei este recunoașterea faptului că structura oricărui sistem constă din numeroase relații între componentele sale, care sunt adesea la fel de importante în determinarea comportamentului său ca și componentele individuale în sine. Exemple sunt teoria haosului și dinamica socială, descrise în lucrările diverșilor autori (Grebogi, 1987; Sontag, 1998; Kuznetsov, 2001; Tabor, 2001). Se mai susține că, deoarece proprietățile întregi nu pot fi găsite adesea în proprietățile elementului, în unele cazuri comportamentul întregului nu poate fi explicat în termeni de comportament al părților.

Simularea poate arăta cu adevărat întregul semnificație practică sistem dinamic. Deși este posibil în foi de calcul, există multe pachete software care au fost optimizate special pentru acest scop.

Modelarea în sine este procesul de creare și analiză a unui prototip al unui model fizic pentru a prezice performanța acestuia în lumea reală. Modelarea prin simulare este folosită pentru a ajuta proiectanții și inginerii să înțeleagă în ce condiții și în ce cazuri un proces poate eșua și ce sarcini poate rezista (Khemdy, 2007). Simularea poate ajuta, de asemenea, să prezică comportamentul fluxurilor de fluid și altele fenomene fizice. Modelul analizează condițiile aproximative de lucru datorate software-ului de simulare aplicat (Strogalev, 2008).

Limitările posibilităților de modelare prin simulare au o cauză comună. Construcția și calculul numeric al unui model exact garantează succesul numai în acele domenii în care există o teorie cantitativă exactă, adică atunci când ecuațiile care descriu anumite fenomene sunt cunoscute, iar sarcina este doar de a rezolva aceste ecuații cu acuratețea necesară. În zonele în care nu există o teorie cantitativă, construirea unui model exact are o valoare limitată (Bazykin, 2003).

Cu toate acestea, posibilitățile de modelare nu sunt nelimitate. În primul rând, acest lucru se datorează faptului că este dificil să se evalueze sfera de aplicabilitate a modelului de simulare, în special, perioada de timp pentru care prognoza poate fi construită cu precizia necesară (Legea, 2006). În plus, prin natura sa, modelul de simulare este legat de un obiect anume, iar atunci când se încearcă aplicarea unui alt obiect, chiar similar, necesită o ajustare radicală sau, cel puțin, o modificare semnificativă.

Există un motiv general pentru existența unor limitări ale simulării. Construirea și calculul numeric al unui model „exact” are succes numai dacă există o teorie cantitativă, adică numai dacă toate ecuațiile sunt cunoscute, iar problema se reduce doar la rezolvarea acestor ecuații cu o anumită acuratețe (Bazykin, 2003).

Dar chiar și în ciuda acestui fapt, modelarea prin simulare este un instrument excelent pentru vizualizarea proceselor dinamice, permițând, cu un model mai mult sau mai puțin corect, să se ia decizii pe baza rezultatelor acestuia.

În această lucrare, modelele de sistem vor fi construite folosind instrumentele de dinamică a sistemului oferite de programul AnyLogic.

Model de creștere malthusian fără saturație/

Înainte de a construi un model, este necesar să luăm în considerare elementele de dinamică a sistemului pe care le vom folosi și să le raportăm la sistemul nostru. Următoarele definiții au fost preluate din informațiile de ajutor ale programului AnyLogic.

Unitatea este elementul principal al diagramelor de dinamică a sistemului. Sunt folosite pentru a reprezenta obiecte din lumea reală, în care se acumulează anumite resurse: bani, substanțe, număr de grupuri de oameni, unele obiecte materiale etc. Acumulatoarele reflectă starea statică a sistemului simulat, iar valorile acestora se modifică în timp în funcție de fluxurile existente în sistem. Rezultă că dinamica sistemului este determinată de fluxuri. Debitele care intră și ies din acumulator cresc sau scad valorile acumulatorului.

Fluxul, precum și unitatea menționată mai sus, este elementul principal al diagramelor dinamice de sistem.

În timp ce containerele definesc partea statică a sistemului, fluxurile determină rata de schimbare a containerelor, adică modul în care stocurile se modifică în timp și, astfel, determină dinamica sistemului.

Agentul poate conține variabile. Variabilele sunt de obicei folosite pentru a modela caracteristicile în schimbare ale unui agent sau pentru a stoca rezultatele modelului. De obicei, variabilele dinamice constau din funcții de acumulator.

Agentul poate avea parametri. Parametrii sunt adesea folosiți pentru a reprezenta unele dintre caracteristicile obiectului modelat. Sunt utile atunci când instanțele de obiect au același comportament ca cel descris în clasă, dar diferă în anumite valori ale parametrilor. Există o diferență clară între variabile și parametri. Variabila reprezintă starea modelului și se poate modifica în timpul simulării. Parametrul este de obicei folosit pentru a descrie obiecte static. În timpul unei „execuții” a modelului, parametrul este de obicei o constantă și este schimbat doar atunci când comportamentul modelului trebuie reconfigurat.

O legătură este un element al dinamicii sistemului care este utilizat pentru a determina relația dintre elementele unei diagrame de flux și acumulatori.Nu creează automat legături, ci obligă utilizatorul să le deseneze în mod explicit în editorul grafic (cu toate acestea, merită remarcat că AnyLogic acceptă și un mecanism pentru setarea rapidă a legăturilor lipsă). De exemplu, dacă orice element al lui A este menționat în ecuație sau valoarea inițială a elementului B, atunci trebuie mai întâi să conectați aceste elemente cu o legătură care merge de la A la B și abia apoi introduceți expresia în proprietățile lui B. .

Există și alte elemente ale dinamicii sistemului, dar acestea nu vor fi implicate în cursul lucrărilor, așa că le vom omite.

Pentru început, să considerăm în ce va consta modelul sistemului (1.4).

În primul rând, marchem imediat două unități, care vor conține valorile cantității de producție a fiecăreia dintre întreprinderi.

În al doilea rând, deoarece avem doi termeni în fiecare ecuație, obținem două fluxuri către fiecare unitate, unul de intrare, celălalt de ieșire.

În al treilea rând, trecem la variabile și parametri. Există doar două variabile. X și Y, responsabili de creșterea producției. Avem și patru opțiuni.

În al patrulea rând, în ceea ce privește conexiunile, fiecare dintre fluxuri trebuie să fie asociat cu variabilele și parametrii incluși în ecuația debitului, iar ambele variabile trebuie asociate cu acumulatori pentru a modifica valoarea în timp.

Vom lăsa o descriere detaliată a construirii unui model, ca exemplu de lucru în mediul de modelare AnyLogic, pentru următorul sistem, deoarece este ceva mai complicat și utilizează mai mulți parametri, și vom trece imediat să luăm în considerare versiunea finală a sistem.

Figura 1.9 de mai jos prezintă modelul construit:

Figura 1.9. Model de dinamică a sistemului pentru sistem (1.4)

Toate elementele dinamicii sistemului corespund celor descrise mai sus, i.e. două unități, patru fluxuri (două de intrare, două de ieșire), patru parametri, două variabile dinamice și legături necesare.

Figura arată că cu cât mai multe produse, cu atât creșterea sa mai puternică, ceea ce duce la o creștere bruscă a numărului de mărfuri, ceea ce corespunde sistemului nostru. Dar, așa cum am menționat mai devreme, absența restricțiilor asupra acestei creșteri nu permite aplicarea acestui model în practică.

Modelul de creștere malthusian de la saturație/

Având în vedere acest sistem, să ne oprim asupra construcției modelului mai detaliat.

Primul pas este să adăugați două unități, să le numim X_stock și Y_stock. Fiecăruia dintre ele atribuim o valoare inițială de 1. Rețineți că în absența fluxurilor în clasic ecuația dată nu este nimic în depozit.

Figura 1.10. Construirea unui model de sistem (1.9)

Următorul pas este adăugarea de fire. Să construim un flux de intrare și de ieșire pentru fiecare unitate folosind un editor grafic. Nu trebuie să uităm că una dintre marginile fluxului trebuie să fie în unitate, altfel nu vor fi conectate.

Puteți vedea că ecuația pentru unitate a fost setată automat, desigur, utilizatorul o poate scrie el însuși alegând modul de ecuație „arbitrară”, dar cel mai simplu mod este să lăsați această acțiune în seama programului.

Al treilea pas este să adăugăm șase parametri și două variabile dinamice. Să dăm fiecărui element un nume în conformitate cu expresia sa literală în sistem și, de asemenea, să setăm valorile inițiale ale parametrilor după cum urmează: e1=e2=1, a12=a21=3, n1=n2=0,2.

Toate elementele ecuațiilor sunt prezente, rămâne doar să scrieți ecuațiile pentru fluxuri, dar pentru aceasta trebuie mai întâi să adăugați conexiuni între elemente. De exemplu, fluxul de ieșire responsabil pentru termen trebuie să fie asociat cu e1 și x. Și fiecare variabilă dinamică trebuie să fie asociată cu stocul corespunzător (X_stock x, Y_stock y). Crearea de linkuri este similară cu adăugarea de fire.

După crearea conexiunilor necesare, puteți trece la scrierea ecuațiilor pentru fluxuri, care este prezentată în figura din dreapta. Desigur, puteți merge în ordine inversă, dar dacă există conexiuni, la scrierea ecuațiilor apar indicii pentru înlocuirea parametrilor/variabilelor necesare, ceea ce ușurează sarcina în modelele complexe.

După finalizarea tuturor pașilor, puteți rula modelul de simulare și puteți privi rezultatul acestuia.

Având în vedere sistemele de ecuații diferențiale neliniare pentru interacțiunea companiilor în condițiile mutualismului, putem trage câteva concluzii.

Există două stări ale sistemului: o creștere bruscă nelimitată sau tendința cantității de producție la zero. Pe care dintre cele două stări le va asuma sistemul depinde de parametri.

Niciunul dintre modelele propuse, inclusiv modelul care ține cont de saturație, nu este adecvat pentru utilizare practică, din cauza lipsei unei poziții stabile diferite de zero, precum și din motivele descrise la paragraful 1.

În cazul încercării de a studia în continuare acest tip de interacțiune simbiotică pentru a crea un model aplicabil de către companii în practică, este necesar să se complice și mai mult sistemul și să se introducă noi parametri. De exemplu, Bazykin în cartea sa oferă un exemplu de dinamică a două populații mutualiste cu introducerea unui factor suplimentar de competiție intraspecifică. Datorită căruia sistemul ia forma:

(1.15)

Și în acest caz, apare o poziție stabilă diferită de zero a sistemului, separată de zero printr-o „șa”, ceea ce îl aduce mai aproape de imaginea reală a ceea ce se întâmplă.

2. Interacțiunea companiilor în condițiile protocooperării

Toate informațiile teoretice de bază au fost prezentate în capitolul anterior, astfel încât în ​​analiza modelelor luate în considerare în acest capitol, în cea mai mare parte, teoria va fi omisă, cu excepția câtorva puncte pe care nu le-am întâlnit în precedentul capitol. capitol și poate exista și o reducere a calculelor. Modelul de interacțiune între organizații luat în considerare în acest capitol în condiții de proto-cooperare, care constă din sisteme de două ecuații bazate pe modelul malthusian, arată ca sistemul (1.5). Sistemele analizate în capitolul anterior au arătat că pentru aproximarea lor maximă la modelele existente este necesară complicarea sistemelor. Pe baza acestor constatări, vom adăuga imediat modelului o constrângere de creștere. Spre deosebire de tipul anterior de interacțiune, când creșterea care nu depinde de o altă companie este negativă, în acest caz toate semnele sunt pozitive, ceea ce înseamnă că avem o creștere constantă. Evitând neajunsurile descrise mai devreme, vom încerca să o limităm la ecuația logistică, cunoscută și sub numele de ecuația Verhulst (Gershenfeld, 1999), care are următoarea formă:

, (2.1)

unde P este dimensiunea populației, r este parametrul care arată rata de creștere, K este parametrul responsabil pentru dimensiunea maximă posibilă a populației. Adică, în timp, dimensiunea populației (în cazul nostru, producția) va tinde către un anumit parametru K.

Această ecuație va ajuta la limitarea creșterii vertiginoase a producției pe care am văzut-o până acum. Astfel, sistemul ia următoarea formă:

(2.2)

Nu uitați că volumul de mărfuri stocate în depozit pentru fiecare companie este diferit, deci parametrii care limitează creșterea sunt diferiți. Să numim acest sistem „”, iar în viitor vom folosi acest nume atunci când îl vom lua în considerare.

Al doilea sistem pe care îl vom lua în considerare este dezvoltare ulterioară modele cu constrângere Verhulst. Ca și în capitolul anterior, introducem o constrângere de saturație, apoi sistemul va lua forma:

(2.3)

Acum fiecare dintre termeni are propria sa limită, deci fără analize suplimentare se poate observa că nu va exista o creștere nelimitată, ca în modelele din capitolul anterior. Și deoarece fiecare dintre termeni demonstrează o creștere pozitivă, atunci cantitatea de producție nu va scădea la zero. Să numim acest model „modelul proto-operație cu două constrângeri”.

Aceste două modele sunt discutate în diverse surse privind populațiile biologice. Acum vom încerca să extindem oarecum sistemele. Pentru a face acest lucru, luați în considerare următoarea figură.

Figura prezintă un exemplu de procese a două companii: industria oțelului și a cărbunelui. În ambele întreprinderi există o creștere a producției care este independentă de cealaltă și, de asemenea, există o creștere a producției, care se obține datorită interacțiunii lor. Am luat deja în considerare acest lucru în modelele anterioare. Acum merită să acordați atenție faptului că companiile nu numai că produc produse, ci le vând și, de exemplu, pieței sau unei companii care interacționează cu aceasta. Acestea. Pe baza concluziilor logice, este nevoie de o creștere negativă a companiilor din cauza vânzării de produse (în figură, parametrii β1 și β2 sunt responsabili pentru aceasta), precum și din cauza transferului unei părți din produse către o altă întreprindere . Anterior, am luat în considerare acest lucru doar cu un semn pozitiv pentru o altă companie, dar nu am luat în considerare faptul că numărul de produse scade pentru prima întreprindere la transferul produselor. În acest caz, obținem sistemul:

(2.4)

Și dacă se poate spune despre termen că dacă s-a indicat în modelele anterioare că , caracterizează creșterea naturală, iar parametrul poate fi negativ, atunci practic nu există nicio diferență, atunci despre termen asta nu se poate spune. În plus, în viitor, atunci când luăm în considerare un astfel de sistem cu o restricție impusă acestuia, este mai corect să folosiți termenii de creștere pozitivă și negativă, deoarece în acest caz li se pot impune restricții diferite, ceea ce este imposibil pentru natural. creştere. Să-l numim „modelul extins de proto-cooperare”.

În cele din urmă, al patrulea model luat în considerare este modelul de proto-cooperare extins cu constrângerea de creștere logistică menționată anterior. Și sistemul pentru acest model este următorul:

, (2.5)

unde este creșterea producției primei întreprinderi, independent de a doua, ținând cont de constrângerea logistică, - creșterea producției primei întreprinderi, în funcție de a doua, ținând cont de constrângerea logistică, - creșterea producției celei de-a doua întreprinderi, independent de prima, ținând cont de constrângerea logistică, - creșterea producției celei de-a doua firme, în funcție de prima, ținând cont de constrângerea logistică, - consumul de bunuri al primei firme, neaferente altei, - consumul de bunuri ale celei de-a doua firme, neafiliate alteia , - consumul de bunuri din prima industrie de către cea de-a doua industrie, - consumul de bunuri din a doua industrie prima industrie.

În viitor, acest model va fi denumit „modelul de proto-operație extins cu o constrângere logistică”.

1 Stabilitatea sistemelor în prima aproximare

Model de proto-operație cu constrângere Verhulst

Metodele de analiză a stabilității sistemului au fost indicate într-o secțiune similară a capitolului precedent. În primul rând, găsim punctele de echilibru. Una dintre ele, ca întotdeauna, este zero. Celălalt este un punct cu coordonate.

Pentru punctul zero λ1 = , λ2 = , deoarece ambii parametri sunt nenegativi, obținem un nod instabil.

Deoarece nu este foarte convenabil să lucrați cu al doilea punct, din cauza lipsei capacității de a scurta expresia, vom lăsa definiția tipului de stabilitate pe seama diagramelor de fază, deoarece acestea arată clar dacă punctul de echilibru este stabil. sau nu.

Analiza acestui sistem este mai complicată decât precedentul datorită faptului că se adaugă factorul de saturație, astfel apar noi parametri, iar la găsirea punctelor de echilibru va fi necesar să se rezolve nu o ecuație liniară, ci una biliniară datorită variabila din numitor. Prin urmare, ca și în cazul precedent, lăsăm definiția tipului de stabilitate pe seama diagramelor de fază.

În ciuda apariției de noi parametri, jacobianul la punctul zero, precum și rădăcinile ecuației caracteristice, arată similar cu modelul anterior. Astfel, la punctul zero, un nod instabil.

Să trecem la modele avansate. Prima dintre ele nu conține nicio restricție și ia forma sistemului (2.4)

Să facem o schimbare de variabile, , și . Sistem nou:

(2.6)

În acest caz, obținem două puncte de echilibru, punctul A(0,0), B(). Punctul B se află în primul trimestru deoarece variabilele au o valoare nenegativă.

Pentru punctul de echilibru A obținem:

. - nod instabil

. - șa,

. - șa,

. - nod stabil

În punctul B, rădăcinile ecuației caracteristice sunt numere complexe: λ1 = , λ2 = . Nu putem determina tipul de stabilitate bazându-ne pe teoremele lui Lyapunov, așa că vom efectua simulări numerice care nu vor arăta toate stările posibile, dar ne vor permite să aflăm cel puțin câteva dintre ele.

Figura 2.2. Simularea numerică a căutării tipului de stabilitate

Având în vedere acest model, va trebui să se confrunte cu dificultăți de calcul, deoarece are un număr mare de parametri diferiți, precum și două limitări.

Fără a intra în detalii ale calculelor, ajungem la următoarele puncte de echilibru. Punctul A(0,0) și punctul B cu următoarele coordonate:

(), unde a =

Pentru punctul A, determinarea tipului de stabilitate este o sarcină banală. Rădăcinile ecuației caracteristice sunt λ1 = , λ2 = . Astfel, avem patru opțiuni:

1. λ1 > 0, λ2 > 0 - nod instabil.

2.λ1< 0, λ2 >0 - şa.

3. λ1 ​​​​> 0, λ2< 0 - седло.

4.λ1< 0, λ2 < 0 - устойчивый узел.

Vorbind despre punctul B, merită să fim de acord că înlocuirea abrevierilor în expresie va complica munca cu jacobianul și găsirea rădăcinilor ecuației caracteristice. De exemplu, după ce am încercat să le găsească folosind instrumentele de calcul WolframAlpha, rezultatul rădăcinilor a luat aproximativ cinci linii, ceea ce nu permite lucrul cu ele în termeni literali. Desigur, dacă există deja parametri, pare posibil să găsim rapid un punct de echilibru, dar acesta este un caz special, deoarece vom găsi starea de echilibru, dacă există, numai pentru acești parametri, care nu este potrivit pentru decizie. sistem de suport pentru care modelul este planificat să fie creat.

Datorită complexității lucrului cu rădăcinile ecuației caracteristice, construim aranjarea reciprocă a izoclinelor zero prin analogie cu sistemul analizat în lucrarea lui Bazykin (Bazykin, 2003). Acest lucru ne va permite să luăm în considerare stările posibile ale sistemului și, în viitor, atunci când construim portrete de fază, să găsim puncte de echilibru și tipuri de stabilitate a acestora.

După unele calcule, ecuațiile izoclinice zero iau următoarea formă:

(2.7)

Astfel, izoclinele au forma de parabole.

Figura 2.3. Posibila localizare nul-izoclinica

În total, există patru cazuri posibile de aranjare reciprocă a acestora în funcție de numărul de puncte comune dintre parabole. Fiecare dintre ele are propriile seturi de parametri și, prin urmare, portretele de fază ale sistemului.

Portrete în 2 faze ale sistemelor

Să construim un portret de fază al sistemului, cu condiția ca iar parametrii rămași sunt egali cu 1. În acest caz, un set de variabile este suficient, deoarece calitatea nu se va schimba.

După cum se poate observa din figurile de mai jos, punctul zero este un nod instabil, iar al doilea punct, dacă înlocuim valorile numerice ale parametrilor, obținem (-1,5, -1,5) - o șa.

Figura 2.4. Portret de fază pentru sistem (2.2)

Astfel, deoarece nu ar trebui să apară modificări, atunci pentru acest sistem există doar stări instabile, ceea ce se datorează cel mai probabil posibilității de creștere nelimitată.

Un model de proto-operație cu două restricții.

În acest sistem, există un factor limitator suplimentar, astfel încât diagramele de fază trebuie să difere de cazul precedent, după cum se poate observa în figură. Punctul zero este și un nod instabil, dar în acest sistem apare o poziție stabilă și anume un nod stabil. Cu acești parametri, coordonatele sale (5.5,5.5), este prezentat în figură.

Figura 2.5. Portret de fază pentru sistem (2.3)

Astfel, restrângerea fiecărui termen a făcut posibilă obținerea unei poziții stabile a sistemului.

Model extins de proto-operație.

Să construim portrete de fază pentru modelul extins, dar imediat folosind forma modificată:

Să luăm în considerare patru seturi de parametri, cum ar fi să luăm în considerare toate cazurile cu un punct de echilibru zero și, de asemenea, să demonstrăm diagramele de fază ale simulării numerice utilizate pentru un punct de echilibru diferit de zero: mulțimea A(1,0.5,0.5) corespunde statului , setul B(1,0.5,-0.5) îi corespunde setați C(-1.0.5,0.5) și setați D(-1.0.5,-0.5) , adică un nod stabil la punctul zero. Primele două seturi vor demonstra portretele de fază pentru parametrii pe care i-am luat în considerare în simularea numerică.

Figura 2.6. Portret de fază pentru sistem (2.4) cu parametrii А-D.

În figuri, este necesar să se acorde atenție punctelor (-1,2) și respectiv (1,-2), în ele apare o „șa”. Pentru o reprezentare mai detaliată, figura prezintă o scară diferită a figurii cu un punct de șa (1,-2). În figură, în punctele (1,2) și (-1,-2), este vizibil un centru stabil. În ceea ce privește punctul zero, începând de la figură la figură pe diagramele de fază, putem distinge clar un nod instabil, o șa, o șa și un nod stabil.

Model extins de proto-cooperare cu constrângere logistică.

Ca și în modelul anterior, vom demonstra portrete de fază pentru patru cazuri de punct zero și vom încerca, de asemenea, să notăm soluții diferite de zero în aceste diagrame. Pentru a face acest lucru, luați următoarele seturi de parametri cu parametrii specificați în următoarea ordine (): A (2,1,2,1), B (2,1,1,2), C (1,2,2) ,1) și D (1,2,1,2). Restul parametrilor pentru toate seturile vor fi următorii: , .

În figurile prezentate mai jos, se pot observa cele patru stări de echilibru ale punctului zero descrise în secțiunea anterioară pentru acest sistem dinamic. Și, de asemenea, în figuri, poziția stabilă a unui punct cu o coordonată diferită de zero.

Figura 2.7. Portret de fază pentru sistem (2.5) cu parametrii A-B

3 Traiectoriile integrale ale sistemelor

Model de proto-operație cu constrângere Verhulst

Ca și în capitolul anterior, rezolvăm fiecare dintre ecuațiile diferențiale separat și exprimăm în mod explicit dependența variabilelor de parametrul timp.

(2.8)

(2.9)

Din ecuațiile obținute se poate observa că valoarea fiecăreia dintre variabile crește, ceea ce se demonstrează în modelul tridimensional de mai jos.

Figura 2.8. Model tridimensional pentru ecuația (2.8)

Acest tip de diagramă seamănă inițial cu modelul malthusian 3D nesaturat discutat în capitolul 1 prin faptul că are o creștere rapidă similară, dar mai târziu puteți observa o scădere a ratei de creștere pe măsură ce se atinge limita de producție. Astfel, aspectul final al curbelor integrale este similar cu graficul ecuației logistice care a fost folosit pentru a limita unul dintre termeni.

Un model de proto-operație cu două restricții.

Rezolvăm fiecare dintre ecuații folosind instrumentele Wolfram Alpha. Astfel, dependența funcției x(t) se reduce la următoarea formă:

(2.10)

Pentru a doua funcție, situația este similară, așa că omitem soluția ei. Valorile numerice au apărut datorită înlocuirii parametrilor cu anumite valori adecvate, ceea ce nu afectează comportamentul calitativ al curbelor integrale. Graficele de mai jos arată utilizarea limitelor de creștere pe măsură ce creșterea exponențială devine logaritmică în timp.

Figura 2.9. Model tridimensional pentru ecuația (2.10)

Model extins de proto-operație

Aproape asemănătoare cu modelele cu mutualism. Singura diferență este în creșterea mai rapidă față de acele modele, ceea ce poate fi văzut din ecuațiile de mai jos (dacă vă uitați la gradul exponentului) și grafice. Curba integrală trebuie să ia forma unui exponent.

(2.11)

(2.12)

Model extins de proto-cooperare cu constrângere logistică

Dependența x(t) arată astfel:

Fără un grafic, este dificil de evaluat comportamentul funcției, așa că folosind instrumentele deja cunoscute de noi, o vom construi.

Figura 2.10 Model 3D pentru ecuație

Valoarea funcției scade pentru valorile non-mici ale altei variabile, ceea ce se datorează absenței restricțiilor asupra termenului biliniar negativ și este un rezultat evident

4 Dinamica sistemului a companiilor care interacționează

Model de proto-operație cu constrângere Verhulst.

Să construim sistemul (2.2). Folosind instrumentele deja cunoscute de noi, construim un model de simulare. De data aceasta, spre deosebire de modelele mutualiste, modelul va avea o constrângere logistică.

Figura 2.11. Model de dinamică a sistemului pentru sistem (2.2)

Să rulăm modelul. În acest model, este de remarcat faptul că creșterea din relație nu este limitată de nimic, iar creșterea producției fără influența celuilalt are o limitare specifică. Dacă te uiți la expresia funcției logistice în sine, poți observa că în cazul în care variabila (numărul de mărfuri) depășește volumul maxim posibil de stocare, termenul devine negativ. În cazul în care există doar o funcție logistică, acest lucru este imposibil, dar cu un factor suplimentar de creștere întotdeauna pozitiv, acest lucru este posibil. Și acum este important să înțelegem că funcția de logistică va face față situației de creștere nu prea rapidă a numărului de produse, de exemplu, liniare. Să aruncăm o privire la imaginile de mai jos.

Figura 2.12. Un exemplu de funcționare a modelului de dinamică a sistemului pentru sistem (2.2)

Figura din stânga arată pasul 5 al programului corespunzător modelului propus. Dar în acest moment merită să acordați atenție figurii potrivite.

În primul rând, pentru unul dintre fluxurile de intrare pentru Y_stock, legătura către x, exprimată în termeni de , a fost eliminată. Acest lucru se face pentru a arăta diferența de performanță a modelului cu un flux liniar întotdeauna pozitiv și creștere biliniară, care este prezentată pentru X_stock. Cu fluxuri liniare nelimitate, după depășirea parametrului K, sistemul ajunge la un moment dat la echilibru (în acest model, starea de echilibru este de 200 de mii de unități de mărfuri). Dar mult mai devreme, creșterea biliniară duce la o creștere bruscă a cantității de bunuri, trecând la infinit. Dacă lăsăm ambele fluxuri pozitive din dreapta și din stânga constant biliniare, atunci deja la aproximativ 20-30 de pași, valoarea acumulatorului ajunge la diferența de două infinitate.

Pe baza celor de mai sus, este sigur să spunem că, în cazul utilizării ulterioare a unor astfel de modele, este necesar să se limiteze orice creștere pozitivă.

Un model de proto-operație cu două restricții.

După ce am aflat deficiențele modelului anterior și am introdus o restricție asupra celui de-al doilea termen prin factorul de saturație, vom construi și vom rula un nou model.

Figura 2.13. Modelul dinamicii sistemului și un exemplu de funcționare a acestuia pentru sistem (2.3)

Acest model, in final, aduce rezultatele mult asteptate. S-a dovedit a limita creșterea valorilor acumulatorilor. După cum se poate observa din figura din dreapta, pentru ambele întreprinderi, echilibrul este atins cu un ușor exces de volum de stocare.

Model extins de proto-operație.

Luând în considerare dinamica sistemului acestui model, vor fi demonstrate capacitățile mediului software AnyLogic pentru vizualizarea colorată a modelelor. Toate modelele anterioare au fost construite folosind doar elemente ale dinamicii sistemului. Prin urmare, modelele în sine păreau discrete, nu permiteau urmărirea dinamicii modificărilor cantității de producție în timp și modificarea parametrilor în timp ce programul rula. Când lucrăm cu acesta și cu următoarele modele, vom încerca să folosim o gamă mai largă de capabilități ale programului pentru a schimba cele trei dezavantaje de mai sus.

În primul rând, pe lângă secțiunea „dinamica sistemului”, programul conține și secțiunile „imagini”, „obiecte 3D”, care fac posibilă diversificarea modelului, ceea ce este util pentru prezentarea lui ulterioară, deoarece face ca modelul să arate "mai plăcut".

În al doilea rând, pentru a urmări dinamica schimbărilor în valorile modelului, există o secțiune „statistici” care vă permite să adăugați diagrame și diverse instrumente de colectare a datelor, legându-le la model.

În al treilea rând, pentru a modifica parametrii și alte obiecte în timpul execuției modelului, există o secțiune „controale”. Obiectele din această secțiune vă permit să modificați parametrii în timp ce modelul rulează (de exemplu, „glisor”), să selectați diferite stări ale obiectului (de exemplu, „comutați”) și să efectuați alte acțiuni care modifică datele specificate inițial în timpul lucrului .

Modelul este potrivit pentru predarea cunoașterii dinamicii schimbărilor în producția întreprinderilor, dar lipsa restricțiilor privind creșterea nu permite utilizarea acestuia în practică.

Model extins de proto-cooperare cu constrângere logistică.

Folosind modelul anterior deja pregătit, vom adăuga parametri din ecuația logistică pentru a limita creșterea.

Omitem construcția modelului, deoarece cele cinci modele anterioare prezentate în lucrare au demonstrat deja toate instrumentele și principiile necesare pentru a lucra cu ele. Este de remarcat doar faptul că comportamentul său este similar cu modelul de proto-cooperare cu constrângerea Verhulst. Acestea. lipsa saturaţiei împiedică aplicarea sa practică.

După analizarea modelelor în termeni de proto-cooperare, definim câteva puncte principale:

Modelele luate în considerare în acest capitol sunt mai potrivite în practică decât cele mutualiste, deoarece au poziții stabile de echilibru non-zero chiar și cu doi termeni. Permiteți-mi să vă reamintesc că în modelele de mutualism am putut realiza acest lucru doar adăugând un al treilea termen.

Modelele adecvate trebuie să aibă restricții la fiecare dintre termeni, deoarece, în caz contrar, o creștere bruscă a factorilor biliniari „distruge” întregul model de simulare.

Pornind de la paragraful 2, atunci când se adaugă o proto-operație cu restricția Verhulst a factorului de saturație la modelul extins, precum și se adaugă o cantitate critică mai mică de producție, modelul ar trebui să devină cât mai aproape posibil de starea reală a lucrurilor. Dar nu uitați că astfel de manipulări ale sistemului îi vor complica analiza.

Concluzie

În urma studiului, a fost realizată o analiză a șase sisteme care descriu dinamica producției de către întreprinderi care se influențează reciproc. Ca urmare, punctele de echilibru și tipurile de stabilitate a acestora au fost determinate într-unul din următoarele moduri: analitic, sau datorită portretelor de fază construite în cazurile în care o soluție analitică nu este posibilă din anumite motive. Pentru fiecare dintre sisteme au fost construite diagrame de fază, precum și modele tridimensionale, pe care la proiectare se pot obține curbe integrale în planurile (x, t), (y, t). După aceea, folosind mediul de modelare AnyLogic, toate modelele au fost construite și opțiunile de comportament ale acestora au fost luate în considerare sub anumiți parametri.

După analizarea sistemelor și construirea modelelor lor de simulare, devine evident că aceste modele pot fi considerate doar ca instruire sau pentru descrierea sistemelor macroscopice, dar nu ca un sistem de sprijinire a deciziilor pentru companii individuale, din cauza acurateței lor scăzute și în unele locuri. nu este o reprezentare destul de fiabilă a proceselor în curs. Dar, de asemenea, nu uitați că oricât de adevărat este sistemul dinamic care descrie modelul, fiecare companie/organizație/industrie are propriile procese și limitări, astfel încât nu este posibil să se creeze și să descrie un model general. În fiecare caz specific, acesta va fi modificat: să devină mai complicat sau, dimpotrivă, să fie simplificat pentru lucrări ulterioare.

Făcând o concluzie din concluziile pentru fiecare capitol, merită să ne concentrăm asupra faptului relevat că introducerea de restricții asupra fiecăruia dintre termenii ecuației, deși complică sistemul, dar vă permite și detectarea pozițiilor stabile ale sistemului, precum şi să-l apropie de ceea ce se întâmplă în realitate. Și este de remarcat faptul că modelele de proto-cooperare sunt mai potrivite pentru studiu, deoarece au poziții stabile diferite de zero, în contrast cu cele două modele mutualiste pe care le-am luat în considerare.

Astfel, scopul acestui studiu a fost atins, iar sarcinile au fost îndeplinite. Pe viitor, ca o continuare a acestei lucrări, va fi luat în considerare un model extins de interacțiune a tipului de proto-operație cu trei restricții introduse asupra acesteia: logistică, factor de saturație, număr critic mai mic, care ar trebui să permită crearea unei mai precise. model pentru un sistem de suport decizional, precum și un model cu trei companii. Ca o extensie a lucrării, putem lua în considerare alte două tipuri de interacțiune în afară de simbioză, care au fost menționate în lucrare.

Literatură

1. Bhatia Nam Parshad; Szegh Giorgio P. (2002). Teoria stabilității sistemelor dinamice. Springer.

2. Blanchard P.; Devaney, R. L.; Hall, G. R. (2006). Ecuatii diferentiale. Londra: Thompson. pp. 96-111.

Boeing, G. (2016). Analiza vizuală a sistemelor dinamice neliniare: haos, fractali, auto-similaritate și limitele predicției. sisteme. 4(4):37.

4. Campbell, David K. (2004). Fizică neliniară: Respirație proaspătă. Natură. 432 (7016): 455-456.

Elton C.S. (1968) retipărire. ecologie animală. Marea Britanie: William Clowes and Sons Ltd.

7. Forrester Jay W. (1961). Dinamica industrială. MIT Press.

8. Gandolfo, Giancarlo (1996). Dinamica economică (ed. a treia). Berlin: Springer. pp. 407-428.

9. Gershenfeld Neil A. (1999). Natura modelării matematice. Cambridge, Marea Britanie: Cambridge University Press.

10 Goodman M. (1989). Note de studiu în dinamica sistemului. Pegasus.

Grebogi C, Ott E și Yorke J. (1987). Haos, atractori ciudați și limite ale bazinului fractal în dinamica neliniară. Science 238 (4827), pp. 632-638.

12 Coafor Ernst; Nørsett Syvert Paul; Wanner, Gerhard (1993), Rezolvarea ecuațiilor diferențiale ordinare I: Probleme nonstiff, Berlin, New York

Hanski I. (1999) Metapopulation Ecology. Oxford University Press, Oxford, pp. 43-46.

Hughes-Hallett Deborah; McCallum, William G.; Gleason, Andrew M. (2013). Calcul: Single și Multivariable (6 ed.). John Wiley.

15. Llibre J., Valls C. (2007). Primele integrale analitice globale pentru sistemul planar real Lotka-Volterra, J. Math. Fiz.

16. Jordan D.W.; Smith P. (2007). Ecuații diferențiale ordinare neliniare: Introducere pentru oameni de știință și ingineri (ed. a IV-a). Presa Universitatii Oxford.

Khalil Hassan K. (2001). sisteme neliniare. Prentice Hall.

Universitatea Lamar, Note de matematică online - Planul de fază, P. Dawkins.

Universitatea Lamar, Note de matematică online - Sisteme de ecuații diferențiale, P. Dawkins.

Lang Serge (1972). Varietăți diferențiale. Reading, Mass.-London-Don Mills, Ont.: Addison-Wesley Publishing Co., Inc.

Legea Averill M. (2006). Simulare de modelare și analiză cu software-ul Expertfit. Știința McGraw-Hill.

Lazard D. (2009). Treizeci de ani de rezolvare a sistemelor polinomiale și acum? Jurnalul de calcul simbolic. 44(3):222-231.

24 Lewis Mark D. (2000). Promisiunea abordărilor sistemelor dinamice pentru un cont integrat al dezvoltării umane. Dezvoltarea copilului. 71(1): 36-43.

25. Malthus T.R. (1798). An Essay on the Principle of Population, în Oxford World's Classics reprint, p. 61, sfârșitul capitolului VII

26. Morecroft John (2007). Modelarea strategică și dinamica afacerilor: o abordare a sistemelor de feedback. John Wiley & Sons.

27. Nolte D.D. (2015), Introducere în dinamica modernă: haos, rețele, spațiu și timp, Oxford University Press.

Automatizare și telemecanică, L-1, 2007

RAS B 02.70.-c, 47.ll.-j

© 2007 Yu.S. POPKOV, Dr. tech. Sci. (Institutul pentru Analiza Sistemelor RAS, Moscova)

ANALIZA CALITATIVĂ A SISTEMELOR DINAMICE CU OPERATOR Vd-ENTROPY

Este propusă o metodă pentru studierea existenței, unicității și localizării punctelor singulare ale clasei considerate de DSEE. Se obțin condiții de stabilitate „în mic” și „în mare”. Sunt date exemple de aplicare a condițiilor obținute.

1. Introducere

Multe probleme de modelare matematică a proceselor dinamice pot fi rezolvate pe baza conceptului de sisteme dinamice cu operator de entropie (DEOS). DSEE este un sistem dinamic în care neliniaritatea este descrisă de problema parametrică a maximizării entropiei. Feio-moiologic, DSEO este un model de macrosistem cu auto-reproducere „lentă” și alocare „rapidă” a resurselor. Unele proprietăți ale DSEO au fost studiate în. Această lucrare continuă ciclul de studii ale proprietăților calitative ale DSEO.

Considerăm un sistem dinamic cu un operator Vd-entropie:

^ = £(x, y(x)), x e En:

y(x) = a^max(Hv(y) | Ty = u(x), y e E^) > 0.

În aceste expresii:

C(x, y), u(x) sunt funcții vectoriale diferențiabile continuu;

Entropie

(1.2) Hv (y) = uz 1n ca > 0, s = T~m;

T - (r x w)-matricea cu elemente ^ 0 are un rang total egal cu r;

Se presupune că funcția vectorială u(x) este diferențiabilă continuu, mulțimea

(1,3) Q = (q: 0<оТ ^ ц ^ а+} С Е+,

unde a- și a + sunt vectori din E+, unde a- este un vector cu componente mici.

Folosind binecunoscuta reprezentare a operatorului de entropie în termeni de multiplicatori Lagrange. transformăm sistemul (1.1) în următoarea formă:

- = £(x, y(z)), x e Kn, y(z) e K?, r e Er+

Uz (r) \u003d az\\ ^, 3 \u003d 1, m-

O(x, z) = Ty(z) = q(x),

unde rk = exp(-Ak) > 0 sunt multiplicatorii exponențiali Lagrange.

Alături de DSEE al formei generale (1.1), vom avea în vedere, urmând clasificarea dată în .

DSEE cu debit separabil:

(1-5) ^ = I (x) + Vy (z),

unde B (n x m)-matrice;

DSEO cu flux multiplicativ:

(1.6) ^ = x ® (a - x ® Xu(r)), ab

unde W este o matrice (n x m) cu elemente nenegative, a este un vector cu componente pozitive, ® ​​este semnul înmulțirii în coordonate.

Scopul acestei lucrări este de a studia existența, unicitatea și localizarea punctelor singulare ale DSEE și stabilitatea acestora.

2. Puncte singulare

2.1. Existenţă

Luați în considerare sistemul (1.4). Punctele singulare ale acestui sistem dinamic sunt determinate de următoarele ecuații:

(2.1) C^(x, y(z))=0, r = TP;

(2.2) uz(r) = a^ r^, 3 = T^:

(2.3) bk(r) = ^as r^ = dk(x), k = 1,r.

Luați în considerare mai întâi sistemul auxiliar de ecuații:

(2.4) C(q, z) = r, q e R,

unde mulțimea R este definită prin egalitatea (1.3) și C(q, r) este o funcție vectorială cu componente

(2.5) Sk(d, r) = - Ok(r), a-< дк < а+, к =1,г.

Ecuația (2.4) are o soluție unică r* pentru fiecare vector fix q, care rezultă din proprietățile operatorului Vg-entropie (vezi ).

Din definirea componentelor funcției vectoriale С(g, z), are loc estimarea evidentă:

(2,6) C(a+, r)< С(д, г) < С(а-,г), г в Е+. Рассмотрим два уравнения:

Să notăm soluția primei ecuații cu r+ și a doua - prin r-. Să definim

(2.7) C (a+,z) = z, C(a

(2.8) zmaX = max z+, zmin = mm zk

și vectori r-dimensionali

(2.9) z(zmax, zmax), z(zmin, zmin).

Lema 2.1. Pentru toate q G Q (1 . 3) soluțiile z*(q) din ecuația (2.4) aparțin vectorului 1 al segmentului

zmin< z*(q) < zmax,

unde vectorii zmin și zmax sunt definiți prin expresiile (2.7)-(2.9).

Dovada teoremei este dată în Anexă. Qq

qk(x) (1.3) pentru x G Rn, atunci avem

Corolarul 2.1. Fie îndeplinite condițiile lemei 2.1 și funcțiile qk(x) satisfac condițiile (1.3) pentru toate ex x G Rn. Atunci pentru toate x G Rm soluțiile z* ale ecuației (2.3) aparțin segmentului vectorial

zmin< z* < zmax

Să revenim acum la ecuațiile (2.2). care determină componentele funcţiei vectoriale y(z). Elementele lui Jacobian au forma

(2.10) jb aj zk JJ & > 0

pentru toți z G R+ cu excepția 0 și g. Prin urmare, funcția vectorială y(z) este strict în creștere monotonică. Conform Lemei 2.1, este mărginit de jos și de sus, adică pentru toți z G Rr (deci pentru toți x G Rn) valorile sale aparțin mulțimii

(2.11) Y = (y: y-< y < y+},

unde componentele vectorilor yk, y+ sunt determinate de expresiile:

(2.12) yk = aj y+ = aj znlax, j = h™.

(2.13) bj = Y, tsj, 3 =1,

Luați în considerare prima ecuație din (2.1) și rescrieți-o ca:

(2.14) L(x, y) = 0 pentru toate y e Y ⊂ E^.

Această ecuație determină dependența variabilei x de variabila y aparținând lui Y

noi (1.4) se reduce la existența unei funcții implicite x(y) definită prin ecuația (2.14).

Lema 2.2. Să fie îndeplinite următoarele condiții:

a) funcţia vectorială L(x, y) este continuă în mulţimea variabilelor;

b) lim L(x, y) = ±<ж для любого фиксированного у е Y;

c) det J (x, y) = 0 pentru toate ex x e En pentru orice fix y e Y.

Apoi, există o funcție implicită unică x*(y) definită pe Y. În această lemă, J(x, y) este jacobianul cu elemente

(2.15) Ji,i (x,y) = --i, i,l = l,n.

Dovada este dată în Anexă. Din lemele de mai sus rezultă

Teorema 2.1. Fie îndeplinite condițiile Lemelor 2.1 și 2.2. Apoi, există un punct singular unic al DSEE (1.4) și, în consecință, (1.1).

2.2. Localizare

Studiul localizării unui punct singular este înțeles ca fiind posibilitatea de a stabili intervalul în care acesta se află. Această sarcină nu este foarte simplă, dar pentru o anumită clasă de DSEE se poate stabili un astfel de interval.

Să ne întoarcem la primul grup de ecuații din (2.1) și să le reprezentăm sub forma

(2.16) L(x,y)=0, y- y y y+,

unde y- și y+ sunt definite prin egalități (2.12), (2.13).

Teorema 2.2. Fie funcția vectorială L(x,y) diferențiabilă continuu și crescătoare monotonă în ambele variabile, adică.

--> 0, --> 0; i,l = 1, n; j = 1,m. dxi dyj

Atunci soluția sistemului (2.16) față de variabila x aparține intervalului (2.17) xmin x x x xmax,

a) vectorii xmin, xmax au forma

Min \u003d i x 1 xmax \u003d r x t;

\xmin: . .., xminlxmax, . . ., xmax):

xmin - ^Qin ^ ■ , xmax - ^QaX ^ ;

6) x- și x+ - componente ale soluției următoarelor ecuații

(2.19) L(x,y-)=0, L(x,y+) = 0

cu oo m desigur.

Dovada teoremei este dată în Anexă.

3. Durabilitatea DSEA „în mic”

3.1. DSEE cu flux separabil Să trecem la ecuațiile DSEE cu flux separabil, prezentându-le sub forma:

- \u003d / (x) + Bu (r (x)), x e Kp ab

Y- (r (X)) \u003d azP (X) Y33, 3 \u003d 1, "~ 8 \u003d 1

0(x, r(x)) = Ty(r(x)) = q(x), r e Hr.

Aici valorile componentelor funcției vectoriale q(x) aparțin mulțimii Q (1.3), matricea (n × w) B are un rang total egal cu n (n< ш). Вектор-функция / (х) непрерывно дифференцируемая.

Fie că sistemul în cauză are un punct singular x. Pentru a studia stabilitatea acestui punct singular „în mic” construim un sistem liniarizat

unde A este o matrice (n x n), ale cărei elemente sunt calculate în punctul x, iar vectorul t = x - x. Conform primei ecuații din (3.1), matricea sistemului liniarizat are

A \u003d 7 (x) + BUg (g) Xx (x), x \u003d g (x),

| 3 \u003d 1, w, k \u003d 1,

I k \u003d 1, g, I \u003d 1, p

Din (3.1) se determină elementele matricei Yr: dy.

"bkz P" 8=1

3, r8 x8, 5 1, r.

Pentru a determina elementele matricei Zx, ne întoarcem la ultimul grup de ecuații din (3.1). B arată că aceste ecuații definesc o funcție vectorială implicită r(x), care este diferențiabilă continuu dacă funcția vectorială g(x) este diferențiabilă continuu. Zxul jacobian al funcției vectoriale z(x) este definit de ecuație

<Эг (z)Zx(Х) = Qx(Х),

vg (X) \u003d T Ug (X),

ddk, -t-, - "- k \u003d 1, r, I \u003d 1, n dx \

Din această ecuație avem (3.9) Zx(x) = s-1(z)Qx(x).

Înlocuind acest rezultat în egalitate (3.3). primim:

A \u003d 1 (x) + P (x), P (x) \u003d VUg (g) [Tg (g)] -1 Qx (x).

Astfel, ecuația sistemului liniarizat ia forma

(c.i) | = (j+p)e

Aici, elementele matricelor J, P sunt calculate într-un punct singular. Condițiile de stabilitate suficiente „în DSEE mic” (3.1) sunt determinate de următoarele

Teorema 3.1. DSEE (3.1) are un punct singular x care este stabil „în mic” dacă sunt îndeplinite următoarele condiții:

a) matricile J, P (3.10) ale sistemului liniarizat (3.11) au valori proprii reale si diferite, iar matricea J are valoarea proprie maxima

Pmax = max Pg > 0,

Wmax = maxUi< 0;

Umax + Ptah<

Din această teoremă și egalitatea (3.10) rezultă că pentru punctele singulare pentru care Qx(x) = 0 și (sau) pentru X, = 0 și tkj ^ 1 pentru toate ex k,j, condițiile suficiente ale teoremei nu sunt multumit.

3.2. DSEE cu flux multiplicativ Luați în considerare ecuațiile (1.6). prezentându-le sub forma:

X® (a-x® Wy(z(x))), x e Rn;

yj(z(x)) = aj ПZs(x)]isi" j = 1,m;

(ZL2) yj (z(x)) = a^<~"ts

Q(x, z(x)) = Ty(z(x)) = q(x), z e R++.

sisteme. Vom avea:

(3,13)

În această expresie, diag C] este o matrice diagonală cu elemente pozitive a1,..., an, Yr, Zx sunt matrice definite prin egalități (3.4)-(3.7).

Reprezentăm matricea A sub forma

(3.14) A = diag + P (x),

(3.15) P(x) = -2xWYz(z)Zx(x).

Se notează: maxi ai = nmax și wmax este valoarea proprie maximă a matricei P(x) (3.15). Atunci Teorema 3.1 este valabilă și pentru DSEE (1.6). (3.12).

4. Sustenabilitatea DSEA „în mare”

Să ne întoarcem la ecuațiile DESO (1.4), în care valorile componentelor funcției vectoriale q(x) aparțin mulțimii Q (1.3). În sistemul luat în considerare, există un punct singular Z, la care vectorii z(x) = z ^ z-> 0 și

y(x) = y(z) = y > y- > 0.

Să introducem vectorii de abatere £, C, П de la punctul singular: (4.1) £ = x - x, (= y - y, n = z - z.

ZHEZHERUN A.A., POKROVSKY A.V. - 2009

1

Scopul studiului este de a dezvolta o metodă logică orientată spre supercomputer (metoda constrângerii booleene) și o tehnologie orientată spre servicii pentru crearea și utilizarea unui sistem informatic pentru un studiu calitativ al dinamicii comportamentului traiectoriilor sistemelor dinamice binare autonome peste un interval de timp finit. Relevanța temei este confirmată de gama de aplicații în continuă creștere a modelelor binare în cercetarea științifică și aplicată, precum și de necesitatea unei analize calitative a unor astfel de modele cu o dimensiune vectorială mare de stare. Sunt prezentate un model matematic al unui sistem binar autonom pe un interval de timp finit și o ecuație booleană echivalentă cu acest sistem. Specificarea unei proprietăți dinamice se propune să fie scrisă în limbajul logicii predicatelor folosind cuantificatori existențiali și universali limitati. Se obțin ecuații booleene pentru căutarea stărilor și ciclurilor de echilibru ale unui sistem binar și condițiile de izolare a acestora. Sunt specificate principalele proprietăți ale tipului de accesibilitate (accesibilitate, siguranță, accesibilitate simultană, accesibilitate sub constrângeri de fază, atracție, conectivitate, accesibilitate totală). Pentru fiecare proprietate, modelul acesteia este construit sub forma unei constrângeri booleene (o ecuație booleană sau o formulă booleană cuantificată) care satisface specificația logică a proprietății și ecuațiile dinamicii sistemului. Astfel, verificarea fezabilității diferitelor proprietăți ale comportării traiectoriilor sistemelor dinamice binare autonome pe un interval de timp finit se reduce la problema fezabilității constrângerilor booleene folosind soluții SAT și TQBF moderni. Este dat un exemplu demonstrativ de utilizare a acestei tehnologii pentru a testa fezabilitatea unora dintre proprietățile date anterior. În concluzie, sunt enumerate principalele avantaje ale metodei constrângerii booleene, caracteristicile implementării sale software în cadrul unei abordări orientate spre servicii și sunt indicate direcțiile de dezvoltare ulterioară a metodei pentru alte clase de sisteme dinamice binare.

sistem dinamic binar

proprietate dinamică

analiza calitativa

constrângeri booleene

problema de satisfacție booleană

1. Biere A., Ganesh V., Grohe M., Nordstrom J., Williams R. Teoria și practica rezolvării SAT. Rapoartele Dagstuhl. 2015.vol. 5. nr. 4. R. 98–122.

2. Marin P., Pulina L., Giunchiglia E., Narizzano M., Tacchella A. Doisprezece ani de evaluări QBF: QSAT Is PSPACE-Hard and It Shows. fundam. informa. 2016.vol. 149. R. 133–58.

3. Bohman D., Posthof H. Sisteme dinamice binare. M.: Energoatomizdat, 1986. 400 p.

4. Maslov S.Yu. Teoria sistemelor deductive și aplicarea acesteia. Moscova: Radio și comunicare, 1986. 133 p.

5. Jhala R., Majumdar R. Verificare model software. Sondaje ACM Computing. 2009.vol. 41 nr. 4 R. 21:1–21:54.

6. Vasiliev S.N. Metoda de reducere și analiza calitativă a sistemelor dinamice. I–II // Izvestiya RAN. Teorie și sisteme de control. 2006. Nr 1. S. 21–29. Nr. 2, p. 5–17.

7. Format DIMACS [Resursă electronică]. Mod de acces: http://www.cs.utexas.edu/users/moore/acl2/manuals/current/manual/index-seo.php/SATLINK____DIMACS (accesat 24.07.2018).

8. Standard QDIMACS [Resursă electronică]. Mod de acces: http://qbflib.org/qdimacs.html (accesat 24.07.2018).

9. Delgado-Eckert E., Reger J., Schmidt K. Sisteme de timp discrete cu dinamică bazată pe evenimente: evoluții recente în metodele de analiză și sinteză. Mario Alberto Jordan (Ed.). Sisteme de timp discrete. intech. 2011. R. 447–476.

10. Vasiliev S.N. Accesibilitate și conectivitate într-o rețea de automate cu o regulă generală de comutare // Ecuații diferențiale. 2002. V. 38. Nr. 11. S. 1533–1539.

11. Bychkov I.V., Oparin G.A., Bogdanova V.G., Gorsky S.A., Pashinin A.A. Tehnologie multi-agent pentru automatizarea soluției paralele a ecuațiilor booleene într-un mediu de calcul distribuit // Tehnologii de calcul. 2016. V. 21. Nr. 3. S. 5–17.

12. Lonsing F., Biere A. DepQBF. Un rezolvator QBF cu dependență. Jurnal de Satisfiabilitate. Modelare booleană și calcul. 2010. vol. 9. R. 71–76.

13. Oparin G.A., Bogdanova V.G., Pashinin A.A., Gorsky S.A. Rezolvatori distribuiti de probleme aplicate bazate pe microservicii și rețele de agenți. Proc. Al 41-lea Intern. Convenția privind tehnologia informației și comunicațiilor, electronică și microelectronică (MIPRO-2018). R. 1643–1648.

14. Bogdanova V.G., Gorsky S.A. Rezolvator paralel scalabil al problemelor booleene de satisfacție. Proc. Al 41-lea Intern. Convenția privind tehnologia informației și comunicațiilor. Electronică și Microelectronică (MIPRO-2018). R. 244–249.

15. Bychkov I.V., Oparin G.A., Bogdanova V.G., Pashinin A.A. Tehnologia aplicată de rezolvare a problemelor bazată pe modelul domeniului subiectului computațional distribuit: o abordare descentralizată // Conferința internațională XII Parallel Computing Technologies, PaVT’2018, Rostov-on-Don, 2–6 aprilie 2018. Articole scurte și descrieri de poster. Chelyabinsk: Centrul de publicare al SUSU, 2018. P. 34–48.

Gama de aplicații ale modelelor dinamice binare este extrem de largă, iar în fiecare an numărul de obiecte și sarcini în care este necesară utilizarea lor crește doar. Un exemplu clasic este un automat sincron binar, care este un model al multor dispozitive discrete din sistemele de control, tehnologia computerelor, telemecanica. Aplicațiile moderne ale modelelor dinamice binare includ problemele de bioinformatică, economie, sociologie și o serie de alte domenii care par departe de utilizarea variabilelor cu două valori. În acest sens, relevanța dezvoltării unor metode noi și îmbunătățirii existente pentru analiza calitativă a comportamentului traiectoriilor sistemelor dinamice binare (DDS) crește semnificativ.

După cum se știe, scopul unei analize calitative a unui sistem dinamic (nu doar a unuia binar) este de a obține un răspuns pozitiv sau negativ la întrebarea: Proprietatea dinamică necesară este valabilă într-un sistem dat? Să reformulam această întrebare după cum urmează: Comportamentul traiectoriilor unui sistem dinamic satisface un anumit set de constrângeri care caracterizează proprietatea? În continuare, vom folosi această interpretare a scopului unei analize calitative a proprietăților dinamice ale sistemului.

Pentru DDS, a cărui operare este considerată pe un interval de timp finit, astfel de constrângeri sunt booleene și sunt scrise în limbajul ecuațiilor booleene sau al formulelor booleene cu cuantificatori. Primul tip de constrângeri conduce la necesitatea rezolvării problemei SAT (problema booleană de satisfiabilitate); al doilea tip de constrângeri este asociat cu rezolvarea problemei TQBF (verificarea adevărului formulelor booleene cuantificate). Prima problemă este un reprezentant tipic al clasei de complexitate NP, iar a doua problemă este clasa de complexitate PSPACE. După cum se știe, PSPACE-completitudinea unei probleme discrete oferă o dovadă mai puternică a insolubilității acesteia decât NP-completitudinea. Din această cauză, reducerea problemei analizei calitative a DDS la problema SAT este mai preferabilă decât reducerea la problema TQBF. În cazul general, studiul nu tuturor proprietăților DDS poate fi reprezentat în limbajul ecuațiilor booleene.

Posibilitatea teoretică de utilizare a constrângerilor booleene (și anume, ecuațiile booleene) în analiza calitativă a DDS a fost demonstrată pentru prima dată în . Cu toate acestea, trebuie remarcat faptul că aplicarea acestei abordări în practică la acea perioadă a fost constrânsă de lipsa algoritmilor și programelor eficienți pentru rezolvarea ecuațiilor booleene (în special cu un număr mare de variabile necunoscute), ceea ce ar reduce semnificativ spațiul de căutare. În ultimul deceniu, ca urmare a cercetărilor intense în acest domeniu, a apărut un număr suficient de diverși rezolvatori de ecuații booleene (solver SAT) eficienți care folosesc realizările moderne (noi euristici, structuri rapide de date, calcul paralel etc.) în rezolvare. problema booleană a satisfacabilității. Procese similare (dar cu o oarecare întârziere) se observă și în domeniul creării de algoritmi și programe din ce în ce mai eficienți pentru rezolvarea problemei TQBF. Astfel, până în prezent, există toate premisele necesare pentru dezvoltarea sistematică a metodei constrângerilor booleene în analiza calitativă a DDS, implementarea software-ului și aplicarea acestuia în rezolvarea problemelor științifice și aplicate.

Pe lângă metoda constrângerii booleene, la DDS sunt aplicabile și alte metode de analiză calitativă, care includ analiza deductivă, verificarea modelului și metoda reducerii. Fiecare dintre aceste metode (inclusiv metoda constrângerii booleene) are limitările, avantajele și dezavantajele sale. Un dezavantaj comun este că toate metodele sunt de natură enumerativă și problema reducerii enumerarii este fundamentală pentru aceste metode.

Importanța analizei deductive, care presupune aplicarea axiomelor și a regulilor de inferență pentru a demonstra funcționarea corectă a unui sistem, este recunoscută de o gamă largă de specialiști, dar aceasta este o metodă laborioasă și, prin urmare, rar utilizată. În metoda de verificare a modelului, limbajul de specificare a proprietăților cerut folosește limbajul logicii temporale, ceea ce este neobișnuit pentru specialiștii în dinamica automatelor. Metoda reducerii este asociată cu construirea unui model simplificat (într-un anumit sens) al sistemului original, studiul proprietăților acestuia și condițiile de transfer al acestor proprietăți la sistemul complex original. Condițiile pentru transferabilitatea proprietăților sunt suficiente doar în acest caz. Simplitatea ideii metodei de reducere în analiza calitativă a DDS se confruntă cu problema alegerii unui sistem simplificat care să îndeplinească toate condițiile metodei.

Utilizarea practică a metodei constrângerii booleene implică algoritmizarea și automatizarea următoarelor procese:

1) dezvoltarea unui limbaj logic pentru specificarea proprietăților dinamice axat pe un specialist în dinamica sistemelor;

2) construirea unui model al unei proprietăți dinamice sub forma unei constrângeri booleene de un tip sau altul care satisface specificația logică a proprietății și ecuațiile de dinamică ale unui sistem binar;

3) prezentarea modelului rezultat în format internațional DIMACS sau QDIMACS;

4) selectarea (dezvoltarea) unui rezolvator paralel (distribuit) eficient al problemei satisfacabilității constrângerilor booleene (solver SAT sau TQBF);

5) dezvoltarea de instrumente pentru crearea de servicii software;

6) dezvoltarea serviciilor de cercetare calitativă a diferitelor proprietăți dinamice ale DDS.

scop a prezentului studiu este soluția doar a primelor două probleme în legătură cu algoritmizarea studiilor calitative ale DDS sincrone autonome (fără intrări de control). Astfel de sisteme din publicațiile în limba engleză se numesc rețele booleene sincrone (rețea booleană). Alte aspecte ale aplicării metodei constrângerii booleene (inclusiv pentru DDS cu intrări de control) fac obiectul următoarelor publicații.

Modelul matematic al DDS autonom

Fie X = Bn (B = (0, 1) multimea vectorilor binari de dimensiunea n (spațiul de stări DDS) Fie t∈T = (1,…,k) să desemneze timpul discret (numărul ciclului).

Pentru fiecare stare x0∈X, numită stare inițială, definim traiectoria x(t, x0) ca o succesiune finită de stări x0, x1,…, xk din mulțimea X. În continuare, vom considera DDS în care fiecare pereche ale stărilor adiacente xt, x(t - 1) (t∈T) traiectorii sunt legate prin relația

xt = F(xt - 1). (unu)

Aici F:X>X este o funcție vectorială de algebră logică, numită funcție de tranziție. Astfel, pentru orice x0∈X, sistemul de ecuații booleene (1) reprezintă un model al dinamicii comportării traiectoriilor DDS în spațiul de stări X pe un interval de timp finit T = (1, 2,…,k). Aici și mai jos, valoarea k din definiția mulțimii T este presupusă a fi o constantă predeterminată. Această limitare este destul de firească. Ideea este că într-o analiză calitativă a comportamentului traiectoriilor DDS, de interes practic este întrebarea ce se poate spune despre fezabilitatea unei proprietăți dinamice pentru un k fix, nu prea mare. Alegerea valorii lui k în fiecare caz specific se bazează pe informații a priori despre durata proceselor în sistemul discret simulat.

Se știe că sistemul de ecuații booleene (1) cu starea inițială x0∈X pentru T = (1, 2,…,k) este echivalent cu o ecuație booleană de forma

Pentru k = 1 (se iau în considerare doar tranzițiile într-un singur pas), ecuația (2) ia forma

(3)

Soluțiile acestei ecuații definesc un grafic direcționat format din 2n vârfuri marcate de una dintre cele 2n stări ale mulțimii X. Vârfurile x0 și x1 ale graficului sunt conectate printr-un arc direcționat de la starea x0 la starea x1. Un astfel de grafic în teoria automatelor binare se numește diagramă de tranziție. Reprezentarea comportamentului DDS sub forma unei diagrame de tranziție este foarte clară atât la construirea traiectoriilor, cât și la studierea proprietăților acestora, dar este practic realizabilă doar pentru dimensiuni mici n ale vectorului de stare x∈X.

Limbajul înseamnă pentru specificarea proprietăților dinamice

Cel mai convenabil este să specificați o specificație de proprietate dinamică în limbajul logicii formale. În urma lucrării, notăm cu X0∈X, X1∈X, X*∈X seturile de stări inițiale, admisibile și țintă.

Principalele elemente sintactice ale formulei logice a proprietății dinamice sunt: ​​1) variabilele subiect (componentele vectorilor x0, x1,…, xk, timpul t); 2) cuantificatori limitați ai existenței și universalității; 3) conexiuni logice v, &; formule finale. Formula finală reprezintă afirmația că unele stări ale mulțimii de traiectorii x(t, x0) (x0∈X0) aparțin mulțimilor de evaluare X* și X1.

Trebuie remarcat faptul că utilizarea unor cuantificatori existențiali și universali limitati oferă o modalitate de scriere a unei proprietăți dinamice care este familiară unui specialist în dinamică. În procesul de construire a unui model boolean, proprietățile sistemului (1) sunt înlocuite cu cuantificatori restrânși cu unele obișnuite, conform următoarelor definiții:

unde A(y) este un predicat care limitează valoarea variabilei y.

Datorită caracterului finit al intervalului variabilei t, cuantificatorii limitați ai existenței și universalității față de această variabilă sunt înlocuiți cu formule echivalente care nu conțin cuantificatori.

În cele ce urmează, vom presupune că elementele mulțimilor X0, X1, X* sunt determinate, respectiv, de zerourile următoarelor ecuații booleene

sau funcţiile caracteristice ale acestor mulţimi , .

Ținând cont de restricția privind stările inițiale G0(x) = 0, împreună cu ecuațiile (2, 3), vom folosi următoarele ecuații booleene pentru a scurta notația:

(4)

Analiza calitativă preliminară a DDS autonome

În etapa analizei preliminare se pot identifica (dacă este necesar) ramificarea stării (mulțimea predecesorilor săi imediati), prezența stărilor de echilibru și a traiectoriilor (ciclurilor) închise.

Starea x1 din (3) va fi numită succesorul stării x0, iar x0 predecesorul stării x1. Într-un DDS autonom, fiecare stare are un singur succesor, iar numărul de predecesori ai unei stări date poate varia de la zero la 2n - 1. Toți predecesorii imediati x0 ai unei stări s∈X sunt zerouri ale ecuației booleene

Dacă ecuația (6) nu are soluții, atunci nu există predecesori ai stării s.

Stările de echilibru (dacă există) sunt soluții ale ecuației booleene

Traiectoria x0, x1,..., xk se numește ciclu de lungime k dacă stările x0, x1,..., xk-1 sunt diferite pe perechi una de alta și xk = x0. O secvență ciclică de lungime k (dacă există) este o soluție a ecuației booleene

unde = 0 ( ) - condiții de diferență perechi pentru mulțimea stărilor C a unui ciclu de lungime k. Dacă niciuna dintre stările ciclului nu are predecesori care nu aparțin setului C, atunci un astfel de ciclu se numește izolat. Fie elementele s ale mulțimii C să fie determinate de soluția ecuației booleene Gc(s) = 0. Atunci este ușor de arătat că condiția de izolare a ciclului este echivalentă cu absența zerourilor în următoarea ecuație booleană:

Soluțiile ecuației (7) (dacă există) determină stările ciclului care au predecesori care nu aparțin mulțimii C.

Deoarece starea de echilibru este un ciclu de lungime k = 1, condiția sa de izolare este similară cu condiția de izolare cu k ≥ 2, cu diferența că Gc(s) are forma unei disjuncții complete care determină această stare de echilibru.

În cele ce urmează, stările și ciclurile de echilibru neizolate vor fi numite atractori.

Specificarea proprietăților dinamice ale unui tip de accesibilitate

Principala proprietate a DDS, necesitatea de a verifica care apare cel mai adesea în practică, este proprietatea de accesibilitate studiată în mod tradițional în teoria grafurilor (în cazul nostru, un astfel de graf este o diagramă de tranziție) și diferitele sale variații. Atingerea este definită ca problema clasică de analiză a comportamentului traiectoriilor DDS.

Definiția acestei proprietăți este legată de atribuirea mulțimilor introduse anterior X0, X*, X1 (corespunzător acestor mulțimi de ecuații booleene). Se presupune că mulțimile X0, X*, X1 satisfac constrângerea

Deoarece mulțimea T este finită, proprietatea de accesibilitate și variațiile sale vor fi înțelese în continuare ca proprietatea accesibilității practice (accesibilitatea într-un număr finit de cicluri). Sunt luate în considerare următoarele proprietăți ale tipului de accesibilitate:

1. Proprietatea principală de accesibilitate a mulţimii X* din mulţimea X0 se formulează astfel: orice traiectorie lansată din mulţimea stărilor iniţiale X0 atinge setul ţintă X*. Folosind cuantificatorii existențiali și universali restrânși, formula acestei proprietăți este:

2. Proprietatea de securitate asigură că pentru orice traiectorie lansată de la X0 setul X* este inaccesibil:

3. Proprietatea accesibilității simultane. În unele cazuri, poate fi stabilită o „cerință mai strictă”, care constă în faptul că fiecare traiectorie atinge ținta stabilită în exact k cicluri (k∈T):

4. Proprietatea de accesibilitate sub constrângeri de fază:

Această proprietate garantează că toate traiectoriile emise din setul X0, până când ating setul țintă X*, sunt în setul X1.

5. Proprietate de atractie. Fie X* un atractor. Atunci formula logică a proprietății de atracție coincide cu formula proprietății principale de accesibilitate:

acestea. pentru fiecare traiectorie eliberată din mulţimea X0 există un timp t∈T, începând de la care traiectoria nu depăşeşte mulţimea X*. Mulțimea X0 în acest caz aparține unei părți a zonei de atracție a mulțimii X*(X0∈Xa, unde Xа este zona completă de atracție (bazin) a atractorului).

Rețineți că toate variabilele din formulele de mai sus de proprietăți sunt de fapt conectate, deoarece traiectoria x0, x1,..., xk este complet determinată de starea inițială. Întrucât cuantificatorii față de variabila t sunt înlocuiți cu operații de disjuncție multiloc sau conjuncție a predicatelor corespunzătoare, în fiecare dintre formule rămâne un singur cuantificator universal mărginit (), care ne permite să scriem condițiile de fezabilitate a acestora. proprietăți în limbajul ecuațiilor booleene (sub forma unei probleme SAT).

Prezentăm două proprietăți, a căror verificare conduce la necesitatea rezolvării problemei TQBF.

6. Proprietatea de conectivitate a setului țintă:

acestea. există o stare inițială x0∈X0 astfel încât fiecare stare țintă x*⊆X* este accesibilă la un moment dat t∈T, ceea ce înseamnă că există o traiectorie corespunzătoare acestei stări, astfel încât toate stările țintă x*∈X* să aparțină la această traiectorie.

7. Proprietatea accesibilității totale a unui set X* din X0:

acestea. fiecare stare țintă este accesibilă de la X0.

Verificarea fezabilității proprietăților dinamice

Pentru proprietățile (1-5), verificarea fezabilității acestora se reduce la găsirea zerourilor ecuației booleene, a cărei tehnologie de formare este de natură standardizată și este luată în considerare în detaliu doar pentru proprietatea principală de realizabilitate. Proprietățile (6, 7) conduc la problema verificării adevărului unei formule booleene cuantificate.

1. Principala proprietate a accesibilității. Formula sa logică este

Ținând cont de (4), scriem formula (8) ca

unde este funcţia caracteristică a mulţimii de stări ale traiectoriei eliberate din starea iniţială x0∈X0. Să scăpăm de cuantificatorul existențial din (9). Atunci vom avea

unde este funcția caracteristică a mulțimii X*. Înlocuim cuantificatorii universali restricționați cu cuantificatori obișnuiți. Drept urmare, obținem

Formula (10) este adevărată dacă și numai dacă expresia subcuantificatorului este identic adevărată, i.e.

Adevărul identic al implicației înseamnă că funcția booleană este o consecință logică a funcției , i.e. orice traiectorie cu starea initiala x0∈X0 atinge setul tinta X*.

Satisfacția identității (11) este echivalentă cu absența zerourilor în ecuația booleană

În derivarea (12), am scăpat de implicație și am înlocuit ϕ*(x0, x1,..., xk) cu . Dacă ecuația (12) are cel puțin o soluție, atunci proprietatea de accesibilitate nu este valabilă. O astfel de soluție reprezintă (într-un anumit sens) un contraexemplu pentru proprietatea verificată și poate ajuta cercetătorul să identifice cauza erorii.

Mai mult, pentru concizie, pentru fiecare proprietate (2-4) scriem doar o ecuație de tip (12), sugerând cititorului să reproducă independent argumentele necesare apropiate de cele date pentru proprietatea principală de accesibilitate.

2. Proprietate de siguranță

3. Proprietatea accesibilității simultane

4. Proprietatea de accesibilitate sub constrângeri de fază

5. Proprietate de atractie. Fezabilitatea acestei proprietăți este verificată în două etape. În prima etapă, se află dacă mulțimea X* este un atractant. Dacă răspunsul este da, atunci proprietatea principală de accesibilitate este verificată în a doua etapă. Dacă X* este accesibil de la X0, atunci toate condițiile proprietății atracție sunt îndeplinite.

6. Proprietatea conectivitate

7. Proprietatea accesibilității totale`

Pentru proprietățile (6, 7), forma scalară a egalității a doi vectori booleeni xt = x* are forma

Să demonstrăm tehnologia de mai sus pentru analiza calitativă a DDS autonomă folosind metoda constrângerii booleene atunci când verificăm fezabilitatea unora dintre proprietățile de mai sus pentru modelul 3.2 din lucru:

Notăm cu x0∈X = B3 starea inițială a modelului (13). Fie T = (1, 2). Să scriem funcțiile tranzițiilor într-un pas și în doi pași ale modelului (13) necesare pentru specificarea proprietăților:

(14)

unde semnul „”. denotă operația de conjuncție.

Pentru a verifica satisfacabilitatea fiecărei proprietăți, sunt specificate seturile inițiale (X0) și țintă (X*), care sunt determinate de zerourile ecuațiilor G0(x) = 0, G*(x) = 0 sau de caracteristica funcțiile acestor seturi (vezi Secțiunea 2). Ca soluție SAT, este utilizat soluția de complex instrumental (IC) REBUS, iar soluția TQBF este DepQBF. Codarea variabilelor în modele booleene a proprietăților considerate mai jos pentru aceste solutoare este dată în Tabel. 1, modelele booleene ale acestor proprietăți în formatele DIMACS și QDIMACS sunt localizate în tabel. 2.

tabelul 1

Codificare variabilă

Număr variabil în modelul boolean

Proprietatea 1

Proprietatea 2

Proprietatea 3

Proprietatea 4

Proprietatea 5

masa 2

Modele de proprietăți booleene

Proprietatea 1	Proprietatea 2	Proprietatea 3	Proprietatea 4 (A)	Proprietatea 4 (B)	Proprietatea 5
					e 1 2 3 4 5 6 7 8 9 0 4 -5 -6 7 -8 -9 -10 11 12 0 4 5 6 -7 8 9 10 -11 -12 0

1. Proprietatea principală de accesibilitate (k = 2). Fie X0 = (x∈X: x1 = 0), X*=(x∈X: x1 = 1). Seturile inițiale și țintă sunt definite, respectiv, de ecuațiile G0(x) = x1 = 0 și . Ecuația booleană (12) în acest caz ia forma

unde funcția ϕ(x0, x1, x2) este definită în (14). Rezolvatorul IR REBUS dă răspunsul „nesat” (ecuația nu are zerouri), astfel încât proprietatea de accesibilitate a lui X* din X0 este satisfăcută, ceea ce se vede clar din următoarea diagramă de tranziție prezentată în figură.

2. Cicluri de lungime k = 2. O secvență ciclică de lungime 2 (dacă există) este o soluție a ecuației booleene

Funcția arată ca

Expresia R(x0, x1) nu a fost inclusă în ecuație atunci când a fost găsit ciclul, deoarece nu există cicluri cu lungimea k = 1 (stări de echilibru) în modelul (13). Cu ajutorul solutorului IR REBUS s-au obținut două răspunsuri (în formatul de ieșire DIMACS): 1 2 3 4 5 -6 0 și 1 2 -3 4 5 6 0, corespunzătoare secvențelor ciclice (figura): ((1 1 1) , (1 1 0)) și ((1 1 0), (1 1 1)). Seturile de stări ale ambelor cicluri coincid, ceea ce înseamnă că modelul (13) are un ciclu de lungime k = 2.

Diagrama de tranziție a sistemului (13)

3. Proprietatea izolării ciclului. Dacă elementele s ale mulțimii stărilor C ale unui ciclu de lungime k = 2 sunt determinate de soluția ecuației booleene Gc(s) = 0, atunci condiția de izolare a ciclului este echivalentă cu absența zerourilor în următorul boolean ecuaţie:

Deoarece C = ((1 1 1), (1 1 0)), avem

Pentru această ecuație, rezolvatorul IR REBUS găsește două soluții: -1 2 3 4 5 -6 0 și -1 2 -3 4 5 -6 0 (în reprezentare binară, conform codării variabilelor din Tabelul 1, acestea sunt perechi a stărilor (0 1 1), (1 1 0) și ((0 1 0), (1 1 0)) Astfel, starea de ciclu (1 1 0) are doi predecesori, (0 1 1) și (0 1). 0), care nu aparțin ciclului setat de stări. Aceasta înseamnă că proprietatea de izolație a ciclului nu este satisfăcută, adică acest ciclu este un atractor.

4. Proprietate de atractie. Fie X* = C un atractor. Formula logică a proprietății de atracție este aceeași cu formula proprietății principale de accesibilitate

iar ecuația booleană corespunzătoare pentru cazul nostru are forma

Să scriem funcțiile G0(x0), ϕ(x0, x1, x2) și . Funcția ϕ(x0, x1, x2) este dată în (14). Pentru X* = C, expresia este . Luați în considerare două opțiuni pentru setarea mulțimii stărilor inițiale X0, pentru cazurile de îndeplinire (A) și neîmplinire (B) a proprietății de atracție pentru k = 2 cicluri.

A. Să . Apoi

În acest caz, pentru ecuația booleană (15), răspunsul este „nesat”. Proprietatea de atracție pentru o mulțime dată X0 este satisfăcută.

B. Să . Apoi

În acest caz, IR REBUS pentru ecuația (15) găsește o soluție: 1 -2 3 4 -5 -6 -7 8 9 0, care corespunde traiectoriei ((1 0 1),(1 0 0),(0 1 1)) . Această traiectorie cu starea inițială x0 = (1 0 1) nu atinge mulțimea X* = C în două cicluri, ceea ce înseamnă că proprietatea de atracție nu poate fi satisfăcută pentru X0 dat.

5. Proprietatea conectivitate. Formula logică a proprietății de conectivitate are forma următoarei declarații:

Pentru k = 2 ϕ*(x0, x1, x2) = G0(x0)∨ϕ(x0, x1, x2), unde funcția ϕ(x0, x1, x2) este dată în (14). Să alegem starea (1 0 1) ca inițială. Apoi . Fie ca ținta să stabilească X* = ((0 1 1), (1 0 0)). În acest caz, funcția G*(x*) are forma

Să scriem G*(x*) în format CNF:

Folosind legea lui De-Morgan, găsim negația funcției ϕ*(x0, x1, x2). Înlocuind toate funcțiile obținute în (16) și ținând cont de codificarea variabilelor booleene (Tabelul 1), obținem un model boolean în format QDIMACS (Tabelul 2). Rezolvatorul DepQBF dă răspunsul „sat”, ceea ce înseamnă adevărul afirmației (16). Proprietatea de conexiune pentru X0, X*, T = (1, 2) este îndeplinită.

Concluzie

Principalele avantaje ale metodei constrângerii booleene în studiul calitativ al DDS includ:

1. Limbajul logic folosit de un specialist în dinamica automatelor pentru a specifica o proprietate dinamică prin utilizarea unor cuantificatori de existență limitată și universalitate.

2. Pe baza formulei de proprietate și a ecuațiilor dinamice, se realizează automat construcția ecuației booleene corespunzătoare sau a unei formule booleene cuantificate.

3. Este destul de simplu să automatizați procesul de conversie a expresiilor booleene rezultate în formă normală conjunctivă cu generarea ulterioară a unui fișier în formatele DIMAX și QDIMAX, care sunt introduse pentru rezolvatorii SAT și solutorii QBF.

4. Problema reducerii enumerării este într-o oarecare măsură rezolvată de dezvoltatorii acestor solutoare și este ferită de specialiștii în analiza calitativă a DDS.

5. Se oferă posibilitatea rezolvării problemei analizei calitative a DDS pentru dimensiuni mari ale vectorului de stare n pe un interval de timp suficient de lung T. Din punct de vedere al numărului de stări, metoda constrângerii booleene este proporțională cantitativ cu verificarea modelului. metodă. Datorită faptului că în ultimii ani s-a înregistrat o creștere semnificativă a performanței algoritmilor specializați pentru rezolvarea problemelor SAT și TQBF, numărul total de variabile din modelul de proprietate boolean pentru rezolvatorii moderni poate fi măsurat în mii.

Software-ul pentru analiza calitativă a DDS bazat pe metoda constrângerilor booleene este implementat în cadrul unei abordări orientate pe servicii folosind solutori specializați de ecuații booleene. Lucrarea prezintă un exemplu de implementare a metodei constrângerii booleene bazată pe o abordare orientată pe servicii pentru căutarea ciclurilor și a stărilor de echilibru în rețelele de reglare a genelor.

Trebuie remarcat faptul că metoda constrângerii booleene este o metodă destul de generală pentru analiza calitativă a DDS pe un interval de timp finit. Este aplicabil nu numai sistemelor autonome, ci și sistemelor cu intrări de control, sistemelor cu adâncimea memoriei mai mare de unu, DDS generale, când funcția de tranziție este nerezolvabilă în raport cu starea xt și are forma F(xt , xt-1) = 0. Pentru DDS cu intrări, proprietatea de controlabilitate și diferitele sale variații sunt de o importanță deosebită. Pe lângă problemele analizei DDS, metoda constrângerii booleene este aplicabilă problemelor de sinteză a feedback-ului (static sau dinamic, prin stare sau prin intrare), care asigură îndeplinirea proprietății dinamice cerute în sistemul sintetizat.

Studiul a fost susținut de Fundația Rusă pentru Cercetare de bază, proiect Nr. 18-07-00596/18.

Link bibliografic

Oparin G.A., Bogdanova V.G., Pashinin A.A. CONSTRINGERI BOOLEANE ÎN ANALIZA CALITATIVĂ A SISTEMELOR DINAMICE BINARE // Jurnalul Internațional de Cercetare Aplicată și Fundamentală. - 2018. - Nr. 9. - P. 19-29;
URL: https://applied-research.ru/ru/article/view?id=12381 (data accesului: 18/03/2020). Vă aducem la cunoștință revistele publicate de editura „Academia de Istorie Naturală”