- •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
9.12. Выбор наилучшего варианта структуры системы
Во многих случаях при моделировании приходится искать наилучший вариант структуры моделируемой системы или алгоритмов ее функционирования. По полученным результатам экспериментов с моделью обычно обнаруживается наличие некоторой проблемы, которую надо локализовать и определить причины ее возникновения. Для этого формулируют несколько гипотез, которые потом проверяют.
Не существует единого подхода к формулированию гипотез, поскольку такая процедура зависит от конкретной модели и проблемы, которая решается с помощью этой модели. Поэтому можно лишь предложить некоторые общие методы формулирования гипотез [17].
1. Идентификация похожих ситуаций. Используется существующий опыт проведения подобных работ и формулируются гипотезы, похожие на уже известные.
2. Выявление резко отличающихся значений. Такие значения часто могут приводить к правильным гипотезам. Их следует игнорировать только после тщательного изучения и объяснения.
3. Выявление закономерностей. В модели определяют интересные закономерности во времени, такие как циклы или тенденции. Для этого целесообразно применять графические методы: диаграмму состояний системы, временные ряды и диаграммы Ганта.
4. Выявление корреляций. Корреляция между параметрами и показателями критерия эффективности системы может привести к правильным гипотезам.
Выявление и анализ несоответствий. Существование очевидных взаимосвязей между данными, которые проверяются, с данными, взятыми из разных источников; между данными, связанными с системой; между полученными данными на модели и их ожидаемыми значениями. Выявленные несоответствия с большой вероятностью приводят к гипотезам.
Решение задачи анализа системы с помощью имитационной модели сводится большей частью к выявлению так называемых «узких мест». Пусть S- система, Р- показатель эффективности, х1,х2,..., xi ..., хп - п параметров модели. Величины xt - это параметры окружающей среды и внутренние параметры модели. Допустим, что увеличение Р приводит к улучшению показателя. Функция P(xi), i=1,...,n обычно характеризуется явно выраженными нелинейностями, которые приобретают форму узких мест.
Система S имеет узкое место относительно Р в определенной области пространства параметром D, если в этой области значение Р существенным образом возрастает при изменении одного или немногих параметров. Даже большие изменения других параметров не приводят к ощутимому изменению Р, если они не выводят систему за границы области D. В этом случае не рассматриваются области, которые окружают глобальные или локальные максимумы Р. Узкие места возникают тогда, когда к некоторым ресурсам системы выстраиваются большие очереди из-за нарушения баланса между потоком запросов к этому ресурсу и возможностями ресурса удовлетворять их.
Признаком наличия узкого места в системе может быть большая разница между коэффициентами использования компонентов системы, в особенности, если один из коэффициентов стремится к единице. Другим признаком может стать выявление несоответствия производительности системы ожидаемой.
Один из подходов к улучшению показателей эффективности Р систем связан с последовательным устранением узких мест. В общем случае изменение одного или нескольких параметров xi модели не всегда может привести к балансированию системы, так как могут обнаруживаться новые узкие места, которые до этого были скрыты только что устраненными. Кроме того, внесенные изменения в модель могут перевести систему S в другую область пространства параметров, в которой критерий Р ограничивается другим узким местом.
Если моделируемая система отображается сетью СМО, то для предварительного анализа ее работы и поиска узких мест используют операционный анализ (см. параграф 2.4). В соответствии с операционным анализом пошаговое устранение узких мест в системе и балансирование коэффициентов загрузки узлов в сети позволяет получить минимальное время пребывания требований в системе, то есть получить ее максимальную пропускную способность. Во многих случаях это дает возможность найти начальное решение для определения необходимого количества устройств в узлах сети, которые потом уточняются при имитационном моделировании.