人机系统仿真技术遇到的问题

     描述和分析人机这个复杂的大系统，存在着重重困难。除了已经讨论过的问题，由于人的主动性和系统中的不确定性这些因素导致系统难以描述之外，由于研究者对系统的认识的局限以及观察、测量和分析的方法、技术和设备的限制，造成对系统不能确切地了解，只能掌握有限的数据和知识，使得难以建立适用的、完整的数学模型。

     即使不考虑上述因素，要建立一个适用的数学模型也是非常困难的。因为模型建立的精确和求解方法的有效需要兼顾。即建立的模型既要追求足够的精确性适用于描述真实系统的结构、参数、功能和特性，又要使模型能有相应的求解方法对系统进行有效的分析和综合。在目前技术下这两者之间是矛盾的。真实系统的结构、参数和特性可能是非线性、变结构、变参数和分布参数的。如果要精确地反映真实系统，将导致相应的模型是非线性、变结构的偏微分方程，那么就会缺乏有效的分析和综合的方法；如果要求求解方法有效，就要简化模型，那么模型就不能精确地描述系统。

     为了解决数学模型的局限性，应当利用已有的知识，建立集成模型。系统随机网络仿真评价技术试图充分利用心理学的研究成果，从心理的具体过程着手，建立起人的集成模型。

     集成模型是知识模型、数学模型和关系模型相互结合而成的模型。知识模型就是利用人们对对象的认识建立的模型。利用知识进行定性分析或逻辑推理，求解有关问题。这些知识可能是人们已经掌握了的事实数据，也可能是研究者关于对象的一些理论假设。数学模型就是根据人们对对象掌握的理论、事实数据或假设运用控制论、系统辩识、运筹学、统计学等等数学方法及技术精确地表示。比如建立起状态方程、传递函数和代数方程等等。数学模型定量地描述系统的动态过程与状态特性，对问题可以进行定量分析或数值计算。关系模型利用圈、有向线段等符号、按系统中的结构、信息流、能量流等逻辑关系勾画出系统之间的各种定性、定量关系。对于一些比较复杂的大系统的研究，如果用单一的数学模型无法解决建模，那么如果采用计算机软件将知识模型、数学模型和关系模型集成，所建的模型可以从定性和定量、静态和动态等方面描述系统的结构、功能、参数和特性。

     对于系统各个部分或子系统的认识程度可能存在不同。因此，当用模型去描述这些系统时，如果想用模型对系统的各个部分或子系统描述同样“细致”，可能存在困难。我们对于一些只掌握比较表面的部分或子系统用比较粗大的量化单位或知识单元去描述，而对于认识比较深入的部分或子系统用比较细小的量化单位去描述。换言之：对整个系统的描述可以根据认识的程度或子系统本身的大小来决定所建变粒度模型的粗细度。灵活地应用不同粒度的量化单位、知识单元为整个系统建立模型。

      最后还有人机所处的变化环境建模也很困难，没有较为真实的环境系统建模，人机关系就会失真。有位仿真大牛曾不无深意地说过：“世上所有的仿真都是错误的，只不过好的仿真可参考性较大而已！”