- •Имитационное моделирование систем
- •Предисловие
- •Список сокращений
- •Введение
- •Глава 1. Основные понятия моделирования систем, классификация моделей и методов с точки зрения философии, моделирование представляет собой один из методов познания мира.
- •1.1. Основные понятия теории моделирования
- •1.2. Основные методы моделирования
- •1.3. Классификация моделей
- •Глава 2. Математическое моделирование систем с использованием марковских случайных процессов
- •2.1. Элементы теории марковских случайных процессов, используемые при моделировании систем
- •2.2. Марковские цепи
- •2.3. Непрерывные цепи Маркова
- •2.4. Финальные вероятности состояний
- •Необходимые и достаточные условия существования финальных вероятностей
- •2.5. Математическое представление потока событий
- •2.6. Компоненты и классификация моделей систем массового обслуживания (смо)
- •2.7. Расчёт основных характеристик смо на основе использования их аналитических моделей
- •Одноканальные системы с отказами
- •Одноканальные системы с ограниченной очередью
- •Многоканальные системы с отказами
- •Многоканальные системы с ограниченной очередью
- •Контрольные вопросы и задания
- •Глава 3. Имитационное моделирование в среде gpss
- •3.1. Общие сведения о языке gpss
- •Основные объекты языка gpss
- •3.3. Основные блоки языка gpss
- •Поступление транзактов в модель
- •Уничтожение транзактов
- •Моделирование работы одноканальных устройств
- •Моделирование очередей
- •Моделирование многоканальных устройств (мку)
- •Изменение маршрута движения транзактов
- •Разработка модели и процесс моделирования в gpss. Пример создания модели
- •Управление процессом моделирования
- •Объекты вычислительной категории языка: переменные и функции. Сохраняемые ячейки
- •Определение и использование функций
- •Работа с параметрами транзакта, приоритеты
- •Блок mark
- •Применение в моделях копий и организация синхронизации движения транзактов
- •Использование блока test
- •Контрольные задания по моделированию Моделирование систем с условием перераспределения заявок в заданном статистическом режиме
- •Заключение
- •Библиографический список
- •Основные элементы стандартного отчёта
- •Системные числовые атрибуты (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
- •10. Какое действие выполняет этот оператор: transfer both,lab1,lab2
- •11. Какое действие выполняет этот оператор: transfer 0.4,lab1,lab2
- •12. Правильно ли описана эта команда: transfer ,met:
- •13. Какое действие выполняет этот блок: lines1 storage 2
- •Индивидуальные зачётные задания по имитационному моделированию систем
- •4. Реорганизация заправочной станции
- •8. Модель швейного цеха
- •10. Моделирование работы заправочной станции
- •11.Моделирование работы станции скорой помощи
- •13. Модель автобусной остановки
- •14.Моделирование работы кафе
- •15. Задача о конвейере
- •17.Моделирование цеха обработки
- •Алфавитно-предметный указатель
- •Рассказова Марина Николаевна имитационное моделирование систем
- •644099, Омск, Красногвардейская, 9
2.2. Марковские цепи
(2.1)
(2.2)
(2.1)
Марковский случайный процесс с дискретными состояниями и дискретным временем называют марковской цепью. Для такого процесса моменты времени t1, t2..., когда система S может менять своё состояние, рассматривают как последовательные шаги процесса, а в качестве аргумента, от которого зависит процесс, выступает не время t, а номер шага 1, 2,.., k,... . Случайный процесс в этом случае характеризуется последовательностью состояний S (0), S (1), S (2),..., S (k), где S (0) – начальное состояние системы (перед первым шагом); S(1) – состояние системы после первого шага (в момент времени t1) и т. д.
Событие S (k) = Si , состоящее в том, что сразу после k-го шага система находится в состоянии Si (i = 1, 2,...), является случайным событием. Последовательность состояний S (0), S (1),..., S (k),... можно рассматривать как последовательность случайных событий. Такая случайная последовательность событий называется марковской цепью, если для каждого шага вероятность перехода из любого состояния Si в любое Sj не зависит от того, когда и как система пришла в состояние Si.
Вероятностями состояний цепи Маркова называются вероятности Pi (k) того, что после k-гo шага и до (k + 1)-го система S будет находиться в состоянии Si (i = 1, 2, ..., п).
Понятно, что для каждого k:
Начальным распределением вероятностей Марковской цепи называется распределение вероятностей в момент t = 0: P1 (0), P2 (0), Pn (0). В частном случае, если S (0) = Si, то Pi (0) = 1, а остальные равны 0.
Вероятностью перехода из состояния Si в состояние Sj (переходной вероятностью) называется вероятность того, что система окажется в состоянии Sj ,при условии, что до этого она находилась в состоянии Si. Поскольку система может пребывать в одном из n состояний, то для каждого момента надо задать n2 вероятностей, которые записывают в матрицу переходных вероятностей:
Если переходные вероятности не зависят от номера шага (от времени), а зависят только от того, из какого состояния осуществляется переход, то соответствующая цепь называется однородной.
Отметим особенности переходной матрицы:
каждая строка характеризует выбранное состояние системы и её элементы – это вероятности переходов за один шаг из этого состояния в любое другое или в само себя;
элементы столбцов показывают вероятности переходов из любого состояния в конкретное;
сумма вероятностей каждой строки равна единице, т. к. переходы образуют полную группу несовместных событий;
по главной диагонали стоят вероятности того, что система не выйдет, а останется в прежнем состоянии.
Если для однородной марковской цепи задано начальное распределение вероятностей и матрица переходных вероятностей известна, то вероятности состояний системы Pi (k) в момент времени k определяются по формуле:
. (2.1)
Пример.
Рассмотрим процесс функционирования системы – автомобиль, находящийся на гарантийном сервисном обслуживании. Пусть автомобиль (система) в течение одной смены (месяца) может находиться в одном из двух состояний: исправном S1 и неисправном S2. Граф состояний системы представлен на рисунке (рис. 2.2).
Рис. 2.2. Граф возможных состояний системы S
Пусть матрица переходных вероятностей имеет вид: , где
p11 = 0,8 – вероятность того, что автомобиль останется в исправном состоянии;
p12 = 0,2 – вероятность перехода автомобиля из состояния «исправен» в состояние «неисправен»;
p21 = 0,9 – вероятность перехода автомобиля из состояния «неисправен» в состояние «исправен»;
p22 = 0,1 – вероятность того, что автомобиль останется в состоянии «неисправен».
Пусть в начальный момент времени автомобиль был исправен, т. е. P1 (0) = 1, P2(0) = 0. Тогда, найдём вероятности состояний системы в момент времени t = 1:
P1 (1) = P1 (0) p11 + P2 (0) p21 = 0,8
P2 (1) = P1(0) p12 + P2 (0) p22 = 0,2.
В момент времени t = 2:
P1 (2) = P1 (1) p11 + P2 (1) p21 = 0,80,8 + 0,20,9 = 0,82
P2 (2) = P1(1) p12+ P2 (1) p22 = 0,80,2 + 0,20,1 = 0,18.
В момент времени t = 3:
P1 (3) = P1(2) p11 + P2(2)p21 = 0,820,8 +0,180,9 = 0,818
P2 (3) = P1(2) p11 +P2(2)p21 =0,182.
Т. е. после трёх суток автомобиль будет находиться в состоянии «исправен» с вероятностью 0,818 , а «неисправен» – с вероятностью 0,182.
Заметим, что формулу (2.1) можно переписать в матричном виде:
P (k) = P (k-1) P, (2.2)
где P (k) = ( P1(k), P2 (k), … ,Pn (k) ) – вектор вероятностей состояний системы в момент k;
P = {pij} – матрица переходных вероятностей.
Действительно:
(1,0) = (0,8;0,2)
(0,8;0,2) = (0,82;0,18)
(0,82;0,18) = (0,818;0,182).
В матричном виде вычисления вести удобней.