Задача исследования сложных многокомпонентных систем появляется в различных областях деятельности человека, и зачастую единственным возможным способом их анализа является имитационное моделирование. Такие системы могут быть заданы через описание своих составных частей (агентов), их поведения и взаимодействия. В данной работе рассматривается система программирования для алгоритмически полной «модельно-ориентированной» парадигмы, основывающейся на понятии «модели-компоненты» – сложной структуры с заданными характеристиками и поведением, семейство которых замкнуто относительно операции объединения в объемлющие структуры, называемые «моделями-комплексами». Рассматриваемая система программирования позволяет разрабатывать модели при помощи декларативного подхода, требует ограниченного применения других парадигм программирования для реализации деталей поведения агентов и предполагает естественным образом проводить параллельные вычисления.
модельно-ориентированное программирование, модельный синтез, система программирования, сложные системы, имитационное моделирование.
Стр. 59-69.
Литература
1. Turnbull L. et al. Connectivity and complex systems: learning from a multi-disciplinary perspective //Applied Network Science. 2018. Т. 3. №. 1. P. 1-49.
2. Butler S., O’Dwyer J.P. Cooperation and stability for complex systems in resource-limited environments //Theoretical ecology. 2020. Т. 13. №. 2. P. 239-250.
3. Hu Y., Parhizkar T., Mosleh A. Guided simulation for dynamic probabilistic risk assessment of complex systems: concept, method, and application //Reliability Engineering & System Safety. 2022. Т.217. P. 108047.
4. Бродский Ю.И. Модельный синтез и модельно-ориентированное программирование //Москва: ВЦ РАН. 2013.5. D’souza D.F., Wills A.C. Objects, components, and frameworks with UML: the catalysis approach. Addison-Wesley Longman Publishing Co., Inc., 1998.
6. Booch G. et al. Object-oriented analysis and design with applications //ACM SIGSOFT software engineering notes. 2008. Т. 33. №. 5. P. 29-29.
7. Selic B. The pragmatics of model-driven development //IEEE software. 2003. Т. 20. №. 5. P. 19-25.
8. Feiler P.H., Gluch D.P., Hudak J.J. The architecture analysis & design language (AADL): An introduction. Carnegie-Mellon Univ Pittsburgh PA Software Engineering Inst. 2006.
9. Shoham Y. Agent-oriented programming //Artificial intelligence. 1993. Т. 60. №. 1. P. 51-92.
10. Shoham Y. An overview of agent-oriented programming //Software agents. 1997. Т. 4. P. 271-290.
11. Rodriguez S., Gaud N., Galland S. SARL: a general-purpose agent-oriented programming language //2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT). IEEE, 2014. Т. 3. P. 103-110.
12. Бродский Ю.И. Роды структур Н. Бурбаки в задаче синтеза имитационных моделей сложных систем и модельно-ориентированное программирование //Журнал Вычислительной математики и математической физики, 2015, Т. 55, № 1, С. 153–164.
13. Kruglov L., Brodsky Y. Model-Oriented Programming //Proceedings of CBU in Natural Sciences and ICT. 2021. Т. 2. P. 63-67.
14. Бродский Ю.И., Круглов Л.В. О структурном подходе к концептуальному моделированию широкого класса крупномасштабных систем // Управление развитием крупномасштабных систем (MLSD’2021). 2021. С. 375-387.
15. Бродский Ю.И., Павловский Ю.Н. Разработка инструментальной системы распределенного имитационного моделирования //Информационные технологии и вычислительные системы. 2009. №. 4. С. 9-21.
16. Goldin D.Q. et al. Turing machines, transition systems, and interaction //Information and computation. 2004. Т. 194. №. 2. P. 101-128.
17. Burkholder L. The halting problem //ACM SIGACT News. 1987. Т. 18. №. 3. P. 48-60.
18. Tarjan R. Depth-first search and linear graph algorithms //SIAM journal on computing. 1972. Т. 1. №. 2. P. 146-160.
19. Brodsky Y., Kruglov L.V. Model-Oriented Programming as a Consequence of the Structural Theory of Multi-Сomponent Complex Systems // International Journal of Education and Information Technologies. 2021. Т. 15. P. 1-12.
