14. Имитационное моделирование.

Для исследования сложных объектов используется имитационное моделирование, когда вместо ур-ний используется моделирующий алгоритм. При этом обычно нек. перечень факторов имеет случайную природу. Поэтому имитационные модели очень часто явл. статистическими. Пр.: л/р по помехоустойчивому кодированию.

При моделировании сложных объектов не удается построить аналитическую модель, однако исследователю удается моделируемый процесс разбить на элементарные процессы в пространстве и времени, которые связаны между собой и достаточно точно отображают реальные хар-ки объекта.

Совокупность связей между элементарными процессами, отображающими реальный процесс, представляется с помощью моделирующего алгоритма, или имитационной модели.

С помощью имит. моделей можно получить мн-во частных решений, что позволяет понять поведение объекта в целом, что присуще аналитическому моделированию, т.е. при большом числе испытаний имитационная модель приближается к аналитической модели.

15. Кибернетические модели; их возможности

Кибернет.модели относятся к классу матем.моделей. Матем.модели дешевы в использовании, легко управляемы, варьируемы, однако дорогие в изготовлении.

Ранее это понятие употреблялось часто. Суть в следующем. Предполагается, что исслед.обьект в такой модели явл. «черным ящиком». Предпол. в таком описании, что исслед. не в состоянии выявить реальную ф-цию обьекта, либо такое открытие связано с больш.затратами. В этом случае, как и обычно, есть немногие данные , к-е представляют поведение реального обьекта. Строится произв. в нек-м смысле модель(имитация, …). Но строятся модели и подбир. параметры, такие чтобы, чтобы для тех же вход. и выход. сигналов. послед. по возможности точнее совпадали с реальностью.

Предполагается что построенная модель в иных ситуациях даст реакции в общем похожие на правильные. При моделировании функц.мышление человека в кач.критерия, кот.фиксирует совпадения модельной ф-ии и ф-ии человеком используется идея:

Если машина с точки зрения 3 наблюдателя дает правдоподобные ответы на правильно заданные вопросы или машина способна формировать правдоподобные предложения для 2й стороны(если маш.способна участвовать в диалоге) то этот алгоритм в какой-то степени отображает ф-цию мышления. При описании сложных явлений киберн.модель, к-я не претендует на точность отображ ф-ии обьекта, а обеспеч.схожесть поведен.обьектов модели, такая модель наиб.приемлема

16. Организация цифрового статистического моделирования; метод статистических испытаний (Монте-Карло).

Метод статистических испытаний (Монте-Карло) базируется на иссл-ии случайных чисел, т.е. возможных значений нек. с.в. с заданным распределением вероятностей. Статистическое моделирование представляет собой метод получения с помощью ЭВМ статистических данных о процессах, происходящих в моделируемой системе. Статистические данные обрабатываются и классифицируются с использованием методов мат. статистики.

Сущность метода: построение для процесса функционирования системы S некоторого моделирующего алгоритма, имитирующего поведение и взаимодействие элементов системы с учетом случайных входных воздействий и воздействий внешней среды E, и реализация этого алгоритма с использованием программно-технических средств ЭВМ.

Области применения: для изучения стохастических систем; для решения детерминированных задач.

В результате статистического моделирования системы S получается серия частных значений искомых величин и функций, статистическая обработка которых позволяет получить сведения о реальном поведении системы в произвольные моменты времени. Если количество реализаций N достаточно велико, то полученные результаты моделирования системы приобретают статистическую устойчивость и с достаточной точностью могут быть приняты в качестве оценок искомых характеристик процесса функционирования системы S.

Метод статистических испытаний (МСИ) — это специфич. инструмент для получения с.в., процессов и функций. Если этот метод включен в состав имитационной модели то она получает название имитационно-статистич. модели.

В МСИ для реализации множества с.в. используются некоторые БСВ. В кач-ве БСВ можно взять велич-у с любым, в т.ч.типовым распредел-ем, однако на практике в кач.базовой случ.велич.выступает велич.с равномерным распред.в диап.от 0 до 1. При наличии БСВ из знач.ее реализ-ии формир-ся всевозм.случайных факторы с помощ.спец.алгор-ов.