- •Общие вопросы моделирования. Понятие модели. Классификация моделей. Модели физические, абстрактные, смешанные.
- •Виды моделей. Способ реализации моделирования и степень отражения в моделях времени и неопределенности.
- •Объект моделирования – вычислительная система. Основные задачи исследования объекта, их характеристика и методы решения.
- •Графовые модели алгоритмов и программ. Построение графовых моделей.
- •Эквивалентные преобразования графовых моделей алгоритмов и программ.
- •Марковские случайные процессы и их место при построении и исследовании вероятностных моделей объектов.
- •Дискретные марковские цепи. Основные задачи их исследования. Примеры объектов, для исследования которых могут быть использованы дмц.
- •Потоки событий. Основные понятия и определения. Простейший поток событий и потоки Эрланга.
- •Непрерывные марковские цепи. Основные задачи их исследования. Примеры объектов, для исследования которых могут быть использованы нмц.
- •Типовые графы состояний системы. Процесс “гибели и размножения”. Примеры объектных систем.
- •Типовые графы состояний системы. Циклический процесс. Примеры объектных систем.
- •Методы исследования немарковских случайных процессов, сводящихся к марковским.
- •Теория массового обслуживания и ее место при построении и исследовании вероятностных моделей объектов. Основные понятия и определения.
- •Системы массового обслуживания (смо). Обобщенная структура смо.
- •Основные параметры и характеристики смо.
- •Разомкнутые смо с очередью и нетерпеливыми заявками. Примеры объектных систем.
- •Разомкнутые смо с очередью и терпеливыми заявками. Примеры объектных систем.
- •Разомкнутые смо без потерь. Примеры объектных систем.
- •Замкнутые смо с простейшими потоками событий. Примеры объектных систем.
- •Смо с произвольными потоками событий. Случай бесприоритетной дисциплины обслуживания.
- •Смо с произвольными потоками событий. Случай дисциплины обслуживания с относительным приоритетом.
- •Смо с произвольными потоками событий. Случай дисциплины обслуживания с абсолютным приоритетом.
- •Сети массового обслуживания с простейшими потоками событий. Анализ разомкнутой сети. Примеры объектных систем.
- •Сети массового обслуживания с простейшими потоками событий. Анализ замкнутой сети. Примеры объектных систем.
- •Статистическое моделирование случайных процессов. Организация статистического моделирования. Моделирование базовых случайных величин (св).
- •Моделирование непрерывной случайной величины с произвольным распределением. Моделирование дискретной св. Моделирование случайных событий и потоков случайных событий.
-
Непрерывные марковские цепи. Основные задачи их исследования. Примеры объектов, для исследования которых могут быть использованы нмц.
Непрерывная марковская цепь – это случайный процесс с дискретными состояниями и непрерывным временем, при условии, что поведение системы после произвольного момента времени t не зависит от истории процесса, предшествующей моменту времени t.
На практике часто встречаются такие ситуации. К примеру, отказ любого элемента аппаратуры происходит в произвольный момент времени, окончание восстановления этого элемента также происходит в заранее неизвестный момент времени.
Пусть есть конечное число состояний: . Процесс может принимать одно из этих состояний, при этом – вероятность нахождения в тот или иной момент времени в i-том состоянии.
Пусть система в момент t находится в состоянии . Назовем плотностью вероятности перехода предел отношения вероятности перехода системы за время из состояния в состояние к длине промежутка :
Эта величина будет называться плотностью вероятности перехода.
Необходимо установить связь между вероятностью перехода из i в j и вероятностями потока событий, обеспечивающего этот переход.
Рассмотрим простейший поток.
– необходимо, чтобы за этот интервал появилось хотя бы одно событие. Нет события – нет перехода.
Вычислим через обратную вероятность:
Если интервал между соседними событиями потока имеет показательное распределение (exp), то плотность вероятности переходов между событиями численно совпадает с параметрами потока событий, то есть с интенсивностью.
Если интенсивность потока событий не зависит от времени – значит, поток однородный.
Для непрерывных марковских цепей (НМЦ) интенсивности переходов проставляются у соответствующих дуг графа.
Предположим, что известно множество состояний системы и известны плотности вероятностей перехода для всех пар состояний и . Теперь необходимо определить вероятности состояний системы.
Рассмотрим – вероятность того, что в конце интервала объект или процесс окажется в i-том состоянии:
Таким образом:
Перейдем к пределам:
Последнее выражение – это абстрактная модель непрерывной марковской цепи, академика А.Н. Колмогорова. Если рассматриваемый процесс – эргодический, то при t->∞ этот процесс придет к установившемуся режиму, вероятности стационарных состояний Pi = const, а при установившемся режиме будет = 0.
Формулы для решения задач:
-
Типовые графы состояний системы. Процесс “гибели и размножения”. Примеры объектных систем.
При описании процесса функционирования различных технических систем часто встречаются типовые структуры графов. Среди них наиболее распространены структуры, представленные процессом “гибели и размножения” и циклическим процессом.
Непрерывная марковская цепь называется процессом “гибели и размножения”, если ее граф состояний представляет собой цепочку, в которой каждое из средних состояний () связано прямой и обратной связью с каждым из соседних состояний, а крайние состояния () связаны прямой и обратной связью только с одним состоянием.
Система линейных дифференциальных уравнений Колмогорова имеет вид:
Обязательно нужно указывать начальные условия:
Также необходимо указывать нормирующее уравнение:
В стационарном режиме (можем рассматривать, так как граф сильносвязанный, из любой вершины можно достичь любую другую за конечное число шагов, значит процесс - эргодический):
Далее из условия можно получить
Пример задачи на тему процесса “гибели и размножения”: