ГОСЫ. ГОСы. 76. каскадная модель жизненного цикла ис (основные этапы разработки по каскадной модели. Достоинства и недостатки каскадной модели)
![]()
|
94. УПРАВЛЕНИЕ ПРОЕКТОВ: ПРИНЯТИЕ РЕШЕНИЙ В УСЛОВИЯХ РИСКА. ДЕРЕВЬЯ ПРИНЯТИЯ РЕШЕНИЙ. Если решение принимается в условиях риска, то стоимости альтернативных решений описываются вероятностными распределениями. Поэтому принимаемое решение основывается на использовании критерия ожидаемого значения, в соответствии с которым альтернативные решения сравниваются с точки зрения максимизации ожидаемой прибыли или минимизации ожидаемых затрат. Предполагается, что прибыль (затраты), связанная с каждым альтернативным решением, является случайной величиной. Деревья решений – это графическое средство анализа решений в условиях риска. Деревья решений создаются для использования в моделях, в которых принимается последовательность решений, каждая из которых ведет к некоторому результату. Рисуют деревья слева направо. Построение и анализ дерева решений включают выполнение следующих этапов: Этап 1. Постановка проблемы и поиск альтернатив решения: выявление проблемы через сравнение достигнутого состояния и желаемого состояния; анализ причин, вызвавших проблему; выявление и определение значимых для постановки проблемы целей; определение перечня подпроблем, входящих в проблему, и логической последовательности их разрешения; подбор альтернативных решений для каждого из решений, в зависимости от условий внешней среды. Этап 2. Конструирование дерева решений в виде схематичного представления комплекса решаемых подпроблем. Дерево содержит узлы двух типов. Первый тип изображается в виде прямоугольника и соответствует решению определенной подпроблемы – место, где решение принимает человек. Таким образом, в этих узлах системным аналитиком производится выбор одной из альтернатив. Каждая из альтернатив представляется в виде дуги, выходящей из узла принятия решения. Необходимо отметить, что реализация r-го решения может быть связана с определенными затратами Сr. Эта величина со знаком минус указывается над дугой, соответствующей r-му решению (рис. 1). ![]() Рис. 1. Схематическое изображение узла принятия решения Затраты на реализацию решений могут быть связаны с проведением дополнительных экспериментов для получения более точной информации, разработкой проектов технического переоснащения предприятий и т.д. В том случае, если реализация альтернативы не требует затрат, то над дугой не проставляется никаких количественных значений, а только указывается наименование альтернативы. Второй тип узлов изображается в виде круга и соответствует моменту появления возможных исходов в зависимости от состояний внешней среды – место, где все решает случай. Такие узлы именуются как узлы-возможности, а каждая дуга отображает возможный исход. Возникновение возможных исходов количественно задается распределением условных вероятностей (рис.22.2). ![]() Рис. 2. Схематическое изображение узла возможностей Конечным исходам приписывается численная величина выигрыша либо полезности (рис. .3). ![]() Рис. 3. Схематичное изображение конечных исходов Ветви обозначают линии, соединяющие узлы любых типов. Обобщенный фрагмент дерева решений представлен на рис. 4. ![]() Рис. 4. Обобщенный фрагмент дерева Этап 3. Анализ дерева решений производится, начиная от конечных исходов к начальному узлу принятия решений. Такой процесс вычислений называется обратным пересчетом. Для узлов-возможностей определяется среднее значения выигрыша. В частности, для узла D: MD=U2PD,l+U3PD,2. В том случае, если для узла-возможностей имеется только одно состояние и только один конечный исход, то среднее значение выигрыша для такого узла равно выигрышу конечного исхода. Так, для узла F: MF=U6. В узле принятия решения реализуется принцип максимизации среднего выигрыша либо ожидаемой полезности, т.е. в каждом узле решения системный аналитик выбирает альтернативу, которая приводит к наибольшей ожидаемой полезности, и значение этой полезности приписывается узлу решений. В частности, для узла 3 полезность или выигрыш определяются из условия: М3(3)=max{ME,MF}. На основе значений полезности узлов принятия решений находятся средние значения полезности для узлов-возможностей, которые являются узлами-предками. Процесс продолжается до тех пор, пока для начального узла принятия решений, исходя из принципа максимальной полезности, не будет определена оптимальная альтернатива. После этого проводится просмотр дерева в прямом порядке и определяется перечень оптимальных альтернатив. Этап 4. Анализ устойчивости решения. Цель этого этапа состоит в определении предельных значениях вероятностей, при которых производится переход к другим альтернативным решениям. Этап 5. Оценка ожидаемой ценности точной информации. Этот этап целесообразно выполнять в том случае, если с помощью дополнительного мониторинга внешней среды можно получить точную информацию о состоянии среды. Очевидно, что проведение мониторинга требует дополнительных затрат, но приводит к увеличению максимального выигрыша либо полезности. Поэтому необходимо найти разность между значениями критерия при наличии точной информации о состоянии среды и значением критерия при отсутствии такой информации. Эта разность называется ожидаемым значением дополнительной информации. Это верхняя граница цены, которую можно заплатить за какую-либо частную дополнительную информацию. Тогда мониторинг целесообразно проводить, если затраты на его организацию меньше вычисленной разности критериев оценки выигрышей. Разница между ожидаемым доходом в условиях определенности и в условиях риска называется ожидаемой стоимостью полной информации. Это максимально возможный размер средств, которые можно потратить на получение полной информации. 95. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ БАЗ ДАННЫХ (бд) (ИНФОРМАЦИЯ, ДАННЫЕ, БАНК ДАННЫХ, СТРУКТУРА БАНКА ДАННЫХ, СУБД, АДМИНИСТРАТОР БАЗ ДАННЫХ). Информация - любые сведения о процессах и явлениях, которые в той или иной форме передаются между объектами материального мира (людьми; животными; растениями; автоматами и др.). Данные — факты и идеи, представленные в формализованном виде, позволяющем передавать или обрабатывать их при помощи некоторого процесса и соответствующих технических устройств. Банк данных (БнД) — информационная система, включающая в свой состав комплекс специальных методов и средств для поддержания динамической информационной модели с целью обеспечения информационных потребностей пользователей. Структура типового БнД, приведена на рис. 1, где представлены: ВС — вычислительная система, включающая технические средства (ТС) и общее программное обеспечение (ОПО);БД – базы данных; СУБД – система управления БД; АБД – администратор баз данных, а также обслуживающий персонал и словарь данных. БД – совокупность специальным образом организованных (структурированных) данных и связей между ними. Если в состав БнД входит одна БД, банк принято называть локальным;если БД несколько — интегрированным. ![]() Рис. 1. Основные компоненты БнД. СУБД — специальный комплекс программ и языков, посредством которого организуется централизованное управление базами данных и обеспечивается доступ к ним. В состав любой СУБД входят языки двух типов:1) язык описания данных (с его помощью описываются типы данных, их структура и связи); 2) язык манипулирования данными (его часто называют язык запросов к БД), предназначенный для организации работы с данными в интересах всех типов пользователей. Администратор баз данных — это лицо (группа лиц), реализующее управление БД.В этой связи сам БнД можно рассматривать как автоматизированную систему управления базами данных. Функции АБД являются долгосрочными; он координирует все виды работ на этапах создания и применения БнД. На стадии проектирования АБД выступает как идеолог и главный конструктор системы; на стадии эксплуатации он отвечает за нормальное функционирование БнД, управляет режимом его работы и обеспечивает безопасность данных. На рис. 2 представлен типовой состав группы АБД, отражающий основные направления деятельности специалистов. ![]() Рис. 2. Типовой состав группы АБД. 96. ОПИСАТЕЛЬНАЯ МОДЕЛЬ ПРЕДМЕТНОЙ ОБЛАСТИ (ЭТАПЫ ПРОЕКТИРОВАНИЯ БД, СУЩНОСТЬ, АТРИБУТ, СВЯЗЬ ИНФО- И ДАТОЛОГИЧЕСКОЕ ПРОЕКТИРОВАНИЕ Проектирование БД начинается с анализа предметной области и возможных запросов пользователей. В результате этого анализа определяется перечень данных и связей между ними. Завершается проектирование БД определением форм и способов хранения необходимых данных на физическом уровне. На рис. 3 представлены типовые этапы проектирования БД. На этапе инфологического (информационно-логического) проектирования осуществляется построение семантической модели, описывающей сведения из предметной области, которые могут заинтересовать пользователей БД. Семантическая модель — представление совокупности понятий в виде графа, в вершинах которого расположены понятия, в терминальных вершинах — элементарные понятия, а дуги представляют отношения между понятиями. ![]() Рис. 3. Этапы проектирования БД. Датологическое проектирование подразделяется на логическое (построение концептуальной модели данных) и физическое (построение физической модели) проектирование. Главной задачей логического проектирования (ЛП) БД является представление выделенных на предыдущем этапе сведений в виде данных в форматах, поддерживаемых выбранной СУБД. Задача физического проектирования (ФП) — выбор способа хранения данных на физических носителях и методов доступа к ним с использованием возможностей, предоставляемых СУБД. Инфологическая модель "сущность—связь" представляет собой описательную (неформальную) модель, семантически определяющую в ней сущности и связи. При любом подходе к построению модели используют три основных конструктивных элемента: сущность; атрибут; связь. Сущность — это собирательное понятие некоторого повторяющегося объекта, процесса или явления окружающего мира, о котором необходимо хранить информацию в системе. Главной особенностью сущности является то, что вокруг нее сосредоточен сбор информации в конкретной ПрОбл. Тип сущности определяет набор однородных объектов, а экземпляр сущности — конкретный объект в наборе. Для идентификации конкретного экземпляра сущности и его описания используется один или несколько атрибутов. Атрибут — это поименованная характеристика сущности, которая принимает значения из некоторого множества значений. Связи в инфологической модели выступают в качестве средства, с помощью которого представляются отношения между сущностями, имеющими место в ПрОбл. При анализе связей между сущностями могут встречаться бинарные (между двумя сущностями) и, в общем случае, n-арные (между п сущностями) связи. Различают четыре типа связей: связь один к одному (1:1); связь один ко многим (1:М); связь многие к одному (М:1); связь многие ко многим (M:N). Связь один к одному определяет такой тип связи между типами сущностей А и В, при которой каждому экземпляру сущности А соответствует один и только один экземпляр сущности В, и наоборот. Связь один ко многим определяет такой тип связи между типами сущностей А и В, для которой одному экземпляру сущности А может соответствовать 0, 1 или несколько экземпляров сущности В, но каждому экземпляру сущности В соответствует один экземпляр сущности А. Связь многие к одному, по сути, эквивалентна связи один ко многим. Различие заключается лишь в том, с точки зрения какой сущности (А или В) данная связь рассматривается. Связь многие ко многим определяет такой тип связи между типами сущностей А и В, при котором каждому экземпляру сущности А может соответствовать 0, 1 или несколько экземпляров сущности В, и наоборот. 97. КОНЦЕПТУАЛЬНЫЕ МОДЕЛИ ДАННЫХ: ТИПЫ СТРУКТУР ДАННЫХ; ОПЕРАЦИИ НАД ДАННЫМИ; ОГРАНИЧЕНИЯ ЦЕЛОСТНОСТИ (МОДЕЛЬ ДАННЫХ, ЭЛЕМЕНТ ДАННЫХ, АГРЕГАТ ДАННЫХ, ЗАПИСЬ, НАБОР, БАЗА ДАННЫХ). Концептуальная модель описывает хранимые в ЭВМ данные и связи. Каждая модель данных неразрывно связана с языком описания данных конкретной СУБД. Модель данных — это совокупность трех составляющих: типов (структур) данных; операций над данными; ограничений целостности. Модель данных представляет собой некоторое интеллектуальное средство проектировщика, позволяющее реализовать интерпретацию сведений о ПрОбл в виде формализованных данных в соответствии с определенными требованиями, т.е. средство абстракции, которое дает возможность увидеть информационное содержание данных, а не отдельные конкретные значения данных. Используют пять типовых структур (в порядке усложнения): Элемент данных — наименьшая поименованная единица данных, к которой СУБД может адресоваться непосредственно и с помощью которой выполняется построение всех остальных структур данных. Агрегат данных — поименованная совокупность элементов данных, которую можно рассматривать как единое целое. Агрегат может быть простым или составным (если он включает в себя другие агрегаты). Запись — поименованная совокупность элементов данных и (или) агрегатов. Запись – это агрегат, не входящий в другие агрегаты. Запись может иметь сложную иерархическую структуру, поскольку допускает многократное применение агрегации. Набор — поименованная совокупность записей, образующих двухуровневую иерархическую структуру. База данных поименованная совокупность экземпляров записей различного типа, содержащая ссылки между записями, представленные экземплярами наборов. Операции, реализуемые СУБД, включают селекцию (поиск) данных; действия над данными. Селекция данных выполняется с помощью критерия, основанного на использовании либо логической позиции данного (элемента; агрегата; записи), либо значения данного, либо связей между данными. Селекция на основе логической позиции данного базируется на упорядоченности данных в памяти системы. Ограничения целостности — логические ограничения на данные — используются для обеспечения непротиворечивости данных некоторым заранее заданным условиям при выполнении операций над ними. По сути ограничения целостности — это набор правил, используемых при создании конкретной модели данных на базе выбранной СУБД. Различают внутренние и явные ограничения. Ограничения, обусловленные возможностями конкретной СУБД, называют внутренними ограничениями целостности. Ограничения, обусловленные особенностями хранимых данных о конкретной ПрОбл, называют явными ограничениями целостности. 98. КОНЦЕПТУАЛЬНЫЕ МОДЕЛИ ДАННЫХ: ИЕРАРХИЧЕСКАЯ МОДЕЛЬ; СЕТЕВАЯ МОДЕЛЬ; РЕЛЯЦИОННАЯ МОДЕЛЬ; БИНАРНАЯ МОДЕЛЬ; СЕМАНТИЧЕСКАЯ МОДЕЛЬ. Классической моделью является модель данных, в основе которой лежит иерархическая структура типа дерева. Дерево — орграф, в каждую вершину которого, кроме первой (корневой), входит только одна дуга, а из любой вершины (кроме конечных) может исходить произвольное число дуг. В иерархической структуре подчиненный элемент данных всегда связан только с одним исходным. Достоинства такой модели: простота представления предметной области, наглядность, удобство анализа структур и простота их описания. К недостаткам следует отнести сложность добавления новых и удаления существующих типов записей, невозможность отображения отношений, отличающихся от иерархических, громоздкость описания и информационную избыточность. Характерные примеры реализации иерархических структур — язык Кобол и СУБД семейства IMS (создана в рамках проекта высадки на Луну – "Аполлон") и System 2000 (S2K). Сетевая модель данных основана на представлении информации в виде орграфа, в котором в каждую вершину может входить произвольное число дуг. Вершинам графа сопоставлены типы записей, дугам — связи между ними. Преимущества: возможность отображения практически всего многообразия взаимоотношений объектов предметной области, непосредственный доступ к любой вершине сети (без указания других вершин), малая информационная избыточность. Вместе с тем в сетевой модели невозможно достичь полной независимости данных — с ростом объема информации сетевая структура становится весьма сложной для описания и анализа. В основе реляционной модели данных лежат не графические, а табличные методы и средства представления данных и манипулирования ими. В реляционной модели для отображения информации о предметной области используется таблица, называемая "отношением". Строка такой таблицы называется кортежем, столбец — атрибутом. Каждый атрибут может принимать некоторое подмножество значений из определенной области — домена. К достоинствам реляционной модели можно отнести наглядность, простоту изменения данных и организации разграничения доступа к ним. Основным недостатком реляционной модели данных является информационная избыточность, что ведет к перерасходу ресурсов вычислительных систем. |