- •Федеральное агентство по образованию
- •Оглавление
- •Глава 5. Моделирование вычислительных и операционных систем 289
- •Глава 6. Основы моделирования процессов 305
- •Глава 7. Задания для самостоятельной работы 311
- •Глава 8. Проектирование имитационных моделей 335
- •Глава 9. Технология имитационного моделирования 361
- •Глава 10. Примеры принятия решений с помощью имитационного моделирования 433
- •Глава 11. Задания для имитационных проектов 451
- •Предисловие
- •Введение
- •Глава 1. Модели массового обслуживания
- •1.1. Системы массового обслуживания и их характеристики
- •1.2. Системы с одним устройством обслуживания
- •1.3. Основы дискретно-событийного моделирования смо
- •1.4. Многоканальные системы массового обслуживания
- •Глава 2. Вероятностные сети систем массового обслуживания
- •2.1. Общие сведения о сетях
- •2.2. Операционный анализ вероятностных сетей
- •2.3. Операционные зависимости
- •2.4. Анализ узких мест в сети
- •Глава 3. Вероятностное моделирование
- •3.1. Метод статистических испытаний
- •3.2. Моделирование дискретных случайных величин
- •3.3. Моделирование непрерывных случайных величин
- •3.4. Сбор статистических данных для получения оценок характеристик случайных величин
- •Для оценки дисперсии случайной величины ξ используют формулу
- •3.5. Определение количества реализаций при моделировании случайных величин
- •По формулам (3.18-3.20) находим
- •Задачи для самостоятельной работы
- •Задача 6
- •Глава 4. Система моделированияgpss
- •4.1. Объекты
- •4.2. Часы модельного времени
- •4.3. Типы операторов
- •4.4. Внесение транзактов в модель. БлокGenerate
- •Задание для самостоятельной работы:
- •4.5. Удаление транзактов из модели. БлокTerminate
- •4.6. Элементы, отображающие одноканальные обслуживающие устройства
- •4.7. Реализация задержки во времени. БлокAdvance
- •Задания для самостоятельной работы:
- •4.8. Сбор статистики об ожидании. Блоки queue, depart
- •4.9. Переход транзакта в блок, отличный от последующего. БлокTransfer
- •Задания для самостоятельной работы:
- •4.10. Моделирование многоканальных устройств
- •4.11. Примеры построенияGpss-моделей
- •Построение модели
- •4.12. Переменные
- •4.13. Определение функции вGpss
- •Пример 4.23
- •4.14. Стандартные числовые атрибуты, параметры транзактов. Блоки assign, mark, loop
- •4.15. Изменение приоритета транзактов. БлокPriority
- •4.16. Организация обслуживания с прерыванием. Блоки preempt и return
- •Задание для самостоятельной работы:
- •4.17. Сохраняемые величины
- •4.18. Проверка числовых выражений. Блок test
- •Пример 4.40
- •Задание для самостоятельной работы:
- •4.19. Определение и использование таблиц
- •Задания для самостоятельной работы:
- •4.20. Косвенная адресация
- •4.21. Обработка транзактов, принадлежащих одному семейству
- •4.22. Управление процессом моделирования в системеGpss
- •4.23. Списки пользователей
- •4.24. Блоки управления потоками транзактовLogic,gatelr,gatelSиGate
- •7 Testne p1,p2,asn2 ; Повторить, если адресат
- •4.25. Организация вывода временных рядов изGpss-модели
- •4.26. Краткая характеристика языкаPlus
- •4.27. Команды gpss World
- •4.28. Диалоговые возможностиGpssWorld
- •4.29. Отличия между gpss World и gpss/pc
- •Глава 5. Моделирование вычислительных и операционных систем
- •5.1. Операционные системы компьютеров
- •5.2. Сети и системы передачи данных
- •5.3. Проблемы моделирования компьютеров и сетей
- •Глава 6. Основы моделирования процессов
- •6.1. Производственные процессы
- •6.2. Распределительные процессы
- •6.3. Процессы обслуживания клиентов
- •6.4. Процессы управления разработками проектов
- •Глава 7. Задания для самостоятельной работы Задание 1. Моделирование разливной линии
- •Глава 8. Проектирование имитационных моделей с помощью интерактивной системы имитационного моделирования
- •8.1. Структура интерактивной системы имитационного моделирования
- •8.2. Построение концептуальной схемы модели
- •8.3. Параметрическая настройка модели
- •8.4. Генератор формул
- •8.5. Управление экспериментом
- •8.6. Запуск эксперимента и обработка результатов моделирования
- •8.7. Управление проектами и общей настройкой системы
- •8.8. Пример построения модели средствамиIss2000
- •Глава 9. Технология имитационногомоделирования
- •9.1. Имитационные проекты
- •9.2. Организация экспериментов
- •9.3. Проблемы организации имитационных экспериментов
- •9.4. Оценка точности результатов моделирования
- •9.5. Факторный план
- •9.6. Дисперсионный анализAnovAв планированииэкспериментов
- •9.7. Библиотечная процедураAnova
- •9.8. Технология проведение дисперсионного анализа в системеGpss World
- •9.9. Особенности планирования экспериментов
- •9.10. Нахождение экстремальных значений на поверхности отклика
- •9.11. Организация экспериментов вGpssWorld
- •9.12. Выбор наилучшего варианта структуры системы
- •Глава 10. Примеры принятия решений с помощью имитационного моделирования
- •10.1. Моделирование производственного участка
- •10.2. Моделирование технологического процесса ремонта и замены оборудования
- •Глава 11. Задания для имитационных проектов
- •Приложение Системные сча
- •Сча транзактов
- •Сча блоков:
- •Сча одноканальных устройств:
- •Сча очередей
- •Сча таблиц
- •Сча ячеек и матриц ячеек сохраняемых величин:
- •Сча вычислительных объектов
- •Сча списков и групп
- •Список литературы
9.2. Организация экспериментов
С точки зрения представления поведения моделируемой системы имитационные модели относятся к классу описательных. Если в модели учитываются случайные факторы, то в процессе имитации обычно осуществляется большое число прогонов модели, как с разними входными данными, так и с разными значениями последовательностей случайных чисел. Для детерминированной модели (без учета случайностей) достаточно одного прогона модели для каждой комбинации входных данных, однако, в жизни такие модели встречаются крайне редко.
В результате экспериментирования с моделью получают большое количество выходных данных, которые должны быть структурированы и интерпретированы так, чтобы их можно было использовать для принятия решений по результатам моделирования. Для правильной интерпретации полученных от модели выходных данных необходимо организовать эксперименты с моделью.
Организация эксперимента - это разработка плана проведения экспериментов, который дает возможность за минимальное число прогонов модели и при минимальной стоимости работ сделать статистически значимые выводы или найти наилучшее решение. При организации эксперимента обычно определяют:
- входные данные для каждого эксперимента;
- количество прогонов имитационной модели;
- длительность одного прогона модели;
- длительность переходного процесса моделирования, после которого необходимо собирать выходные данные;
- стратегию сбора данных для каждого прогона модели;
- методы оценки точности выходных данных с построением доверительных интервалов;
- чувствительность модели к входным данным, различным видам распределений, сценариям поведения моделируемой системы;
- условия эксперимента и сценарии;
- условия генерации потоков случайных чисел внутри системы моделирования и для вероятностных входных данных;
- стратегию достижения цели эксперимента (например, сравнение альтернативных вариантов или оптимизация целевой функции).
Конечная цель проведения экспериментов - это получение достаточной статистической информации для принятия решений по результатам моделирования. Как правило, моделирование проводится с целью нахождения некоторых экстремальных значений характеристик моделируемой системы (оптимизирующий эксперимент) или для выявления важных факторов, влияющих на моделируемую систему (отсеивающий эксперимент). Оба эти эксперимента используют факторные планы и аппроксимируют поверхность отклика полиномами разного порядка, а для поиска экстремальных значений применяются численные методы оптимизации. Для этих экспериментов необходима некоторая функциональная зависимость значений выходной переменной (отклика) от входных переменных или факторов, которая, как правило, отражает критерий эффективности моделируемой системы. Таким образом, поиск наилучшего решения выражается численной характеристикой этого критерия, а для нахождения экстремальных значений необходимо исследовать поверхности отклика (проводить эксперименты) в разных точках. От выбора начальной точки в факторном пространстве во многом зависит эффективность экспериментов.
Другой вид экспериментов, проводимых с моделью, - это структурная оптимизация [21], под которой будем понимать поиск наилучшей структуры моделируемой системы. В этом случае эксперименты проводятся с разными моделями, а не с одной, как в предыдущем случае, причем модели могут отличаться структурой, параметрами и принятыми алгоритмами поведения. Для таких экспериментов нет единого числового критерия оптимизации, что затрудняет использование классических методов. Однако количество рассматриваемых вариантов, как правило, невелико, поэтому для структурной оптимизации можно использовать метод выдвижения гипотез с перебором вариантов. Оптимизация каждого варианта моделируемой системы обычно осуществляется с помощью поиска узких мест и их устранения, т.е. балансировки моделируемой системы. Узкие места определяют пропускную способность всей системы (см. параграф 2.4). Поиск наилучшего решения осуществляется сравнением рассмотренных вариантов.