- •Введение Понятие модели. Имитационная модель. Основные характеристики сложной системы.
- •1. Классификация моделей
- •2. Структура моделей
- •3. Схема взаимодействия компонентов системы между собой
- •4. Последовательные этапы процесса имитации
- •5. Представление исходных данных для имитации
- •6. Моделирующий алгоритм
- •7. Принципы построения моделирующих алгоритмов для сложных систем
- •8. Организация статистического моделирования систем на эвм
- •8.1. Общая характеристика метода статистического моделирования (метод Монте-Карло)
- •8.2. Алгоритм метода статистических испытаний
- •8.3. Псевдослучайные числа и процедура их генерации
- •8.4. Моделирование испытаний в схеме случайных событий
- •8.5. Формирование возможных значений св
- •8.6. Формирование реализаций случайных векторов
- •8.7 Определение необходимого числа реализаций
- •8.8. Особенности фиксации и статистической
- •8.9. Случайный процесс
- •8.10. Особенности использования критериев согласия в методах регрессионного и корреляционного анализа при обработке результатов моделирования и их интерпретации
- •8.10.1. Критерий Пирсона ( критерий 2 )
- •8.10.2. Критерий Колмогорова
- •8.10.3. Критерий Смирнова
- •8.10.4. Критерий Стьюдента
- •9. Динамическое моделирование
- •9.1 Основные теоретические положения
- •9.1.1. Основные этапы построения динамической модели
- •9.1.2. Структура динамической модели
- •9.1.3. Математическое описание динамической модели
- •9.1.4. Запаздывания
- •9.1.5. Процесс принятия решения
- •9.2. Пример анализа системы методом динамического моделирования
- •10. Регрессионный и корреляционный анализ
- •10.1. Моделирование систем массового обслуживания (смо)
- •10.2. Описание q -схем с использованием марковских случайных процессов (сп)
- •10.3. Уравнение Эрланга и формула Эрланга
- •10.4. Правила составления ду
- •10.5. Моделирование смо с помощью метода статистических испытаний
- •10.6. Формирование входного потока ( 3 -ий блок )
- •10.7. Подалгоритм выбора канала
- •10.8. Подалгоритм выбора заявки из очереди на обслуживание
- •10.9. Подалгоритм моделирования сбоев
- •10.10. Агрегаты, основные понятия
- •10.11. Процесс функционирования агрегата
- •10.12. Представление смо в виде агрегата
- •11. Регрессионный и корреляционный анализ
- •11.1. Регрессионный анализ
- •11.2. Корреляционный анализ
5. Представление исходных данных для имитации
Исходные данные могут быть представлены:
I. В виде временных рядов.
Временной ряд - это множество наблюдений, которые генерируются последовательно во времени. Если время непрерывно, то речь идет о непрерывном временном ряде, если время дискретно, то это дискретный временной ряд. Значения дискретного временного ряда представляются в некоторые фиксированные моменты времени t0, t1, ,tN, тогда мы говорим о значении в момент времени Zi(t0), Zi(t1), , Zi(tN). Как правило для этого ряда задается шаг дискретизации t = const и определенное t = t + t.
Из непрерывного ряда дискретный можно получить следующим образом:
1) осуществление выборки из непрерывного ряда;
2) накопление переменной в течение определенного интервала времени (например, количество осадков в единицу времени).
Также временной ряд может быть детерминированный в том случае, если будущее значение временного ряда определяется с помощью какой-то математической функции с вероятностью, равной 1. Случайный стохастический ряд - когда изменение значений временного ряда определяется только с помощью распределения вероятностей.
II. В виде диаграмм.
III. Если исходные данные носят случайный характер, то их представляют в виде гистограммы.
6. Моделирующий алгоритм
Практически единственное средство отображения модели - это блок-схема алгоритма.
Набор символов, с помощью которых отображается блок-схема, определяется следующим ГОСТом:
ГОСТ 19.003-80 ЕСПД
Этот ГОСТ регламентирует схему алгоритмов и программ, обозначения условные графические.
Выполнение схемы регламентируется следующим ГОСТом:
ГОСТ 19.002-80 ЕСПД
Этот ГОСТ регламентирует схему алгоритмов и программ, правила выполнения.
7. Принципы построения моделирующих алгоритмов для сложных систем
Существует 2 основных принципа:
1) принцип “t”;
2) принцип особых состояний.
1) Принцип “t”:
Процесс функционирования сложной системы можно рассматривать как последовательную смену ее состояний, которая выражается характеристиками
Z1(t), , Zn(t) (8.1)
в n-мерном пространстве.
Задачей моделирования является определение характеристик (8.1) и через них вычисление показателей эффективности функционирования системы.
В начальный момент времени t0 система характеризуется начальными характеристиками Z10, ,Zn0 (8.2).
Для реализации принципа “t” математическую модель необходимо преобразовать к виду Zi(t + t) (8.3).
Кроме этого необходимо задать системные (модельные) часы, которые должны идти по принципу t = t + t (8.4),
где t - как правило const.
Одна из основных задач при реализации этого принципа - это выбор t. Формального аппарата для этого практически не существует. Чем меньше t, тем выше точность моделирования, но с другой стороны, чем меньше t, тем более длителен процесс имитации. t выбирается, исходя из инерционных характеристик объекта моделирования, и оно должно быть меньше характеристик инерционности наименее инерционного элемента.
Для стохастических систем для момента времени t0 задается закон распределения начальных состояний системы. Для каждой реализации, используя соответствующий метод, определяется начальное состояние Zi(0), далее сдвигается время в соответствии с (8.4) и определяется условное распределение вероятностей для состояния в момент t при условии, что было состояние Zi(0), и далее, используя соответствующий метод в конкретной реализации, определяется Zi(t + t) и т.д.
2) Принцип особых состояний:
При рассмотрении некоторого класса реальных систем можно обнаружить, что для них характерны 2 типа состояний:
а) особые;
б) неособые.
Особые состояния присущи системе только в некоторые особые моменты времени. Например, моменты получения входных, управляющих воздействий и выдачи выходных воздействий.
Неособые состояния - это состояния, в которых практически все остальное время находится система.
Переход из неособого в особое состояние происходит скачком. Между двумя особыми состояниями изменения происходят плавно и непрерывно. При реализации этого метода моделируются практически только особые состояния.
Для детерминированной модели мы должны знать моменты появления особых состояний, а для стохастической - закон распределения интервалов между особыми состояниями.