- •Назначение и виды стейтчартов. Состояния, переходы. Приведите примеры.
- •2. Какие типы экспериментов поддерживаются программой AnyLogic? Каково их назначение?
- •3. В чем отличие содержательной постановки задачи от концептуальной? Приведите примеры
- •4. Дайте определение понятия модель, приведите примеры.
- •5. Виды моделирования: материальное и идеальное, приведите примеры
- •Методы реализации математических моделей
- •8. Основные этапы создания модели
- •10. Конструкция if else в языке Ява, синтаксис, пример использования.
- •Численные и аналитические методы. Сходства и отличия (см. 6 вопрос )
- •12. Конструкция while в языке Ява, синтаксис, пример использования.
- •Условный оператор в языке Ява, синтаксис, пример использования.
- •Когнитивные, концептуальные и формальные модели. Приведите примеры.
- •Классификация математических моделей в зависимости от сложности объекта моделирования.
- •Классификация математических моделей в зависимости от оператора модели.
- •Классификация математических моделей в зависимости от входных и выходных параметров.
- •Иерархическая структура моделей гхтс.
- •Классификация математических моделей в зависимости от целей моделирования.
- •Классификация математических моделей в зависимости от методов реализации.
- •Особый класс моделей – компьютерные.
- •Концептуальная постановка задачи моделирования. Приведите пример и проведите анализ задачи.
- •Математическая постановка задачи моделирования. Контроль правильности полученной системы математических соотношений.
- •Выбор и обоснование выбора метода решения задачи.
- •Дайте определение дискретно-событийной системы, приведите примеры
-
Методы реализации математических моделей
Методы реализации математических моделей зависят от формы представления модели, цели моделирования, чёткости определения цели, определённости условий, которым должны удовлетворять результаты, имеющихся технических и временных ресурсов и т.д. Прежде чем приступать к моделированию, необходимо уяснить, что результаты моделирования необходимы и достаточны для достижения целей моделирования и, что имеющихся исходных данных достаточно для получения нужных результатов, проанализировать альтернативные варианты реализации модели, оценить, хотя бы приблизительно, экономическую целесообразность моделирования, наметить пути оценки качества результатов моделирования. Существует два наиболее общих метода реализации математических моделей: аналитический и численный.
Аналитический метод применяется к моделям, представленным в аналитической или инвариантной форме, когда установлена аналитическая зависимость искомых результатов от множества исходных данных, состояний объекта и других его характеристик. Эта зависимость чаще всего выражена явной или неявной функцией и может быть исследована методами математического анализа, в результате которого формулируются выводы о существовании решения, его единственности, корректности, диапазоне использования и другие, главным образом, качественные характеристики самой модели и результатов моделирования.
Количественные характеристики находят при численной реализации математической модели. Численные методы реализации модели основаны на выполнении вычислительного эксперимента, т.е. совместном использовании математического анализа, вычислительной математики и технических средств для получения ответов на разумно поставленные вопросы математического и физического содержания. Технология вычислительного эксперимента делится на ряд этапов.
На первом этапе намечается план вычислительного эксперимента, разрабатывается вычислительный алгоритм, т.е. совокупность алгебраических формул, по которым будут выполняться вычисления, и логических условий, устанавливающих необходимую последовательность применения этих формул, и предусматриваются меры промежуточного контроля самой модели и вычислительного процесса.
На втором этапе на одном из языков программирования пишется и отлаживается программа для выполнения вычислений на компьютере по алгоритму созданному на первом этапе.
На третьем этапе выполняются вычисления, результат которых и является результатом вычислительного эксперимента. Этот этап имеет наибольшее сходство с физическим экспериментом. Отличие их состоит в том, что в физическом эксперименте вопросы задаются природе, а в вычислительном - математической модели. Вычисления ведутся по плану, предусматривающему возможность проверки и программы вычислений и алгоритма и результатов. Для этого должны использоваться избыточные данные, полученные из независимых источников.
На четвёртом этапе осуществляется обработка и анализ результатов вычислений. Итог этого этапа - принятие решения о приемлемости результатов или необходимости внесения изменений в модель, алгоритм или программу.
В настоящее время появляется всё больше задач, которые решаются с применением математического моделирования и вычислительного эксперимента. В геодезии к таким задачам, например, относятся:
-
расчёт траекторий искусственных спутников Земли,
-
определение параметров гравитационного поля и фигуры Земли,
-
цифровая обработка изображений,
-
определение параметров движений и деформаций различных объектов,
-
цифровое картографирование местности,
-
моделирование эволюции состояния объектов и многие другие.
Общим для всех этих задач является постоянно возрастающая сложность и объём вычислений, которые не компенсируются возрастающей мощностью компьютеров и постоянно требуют совершенствования математических моделей, алгоритмов и программ. Эти обстоятельства привели к созданию качественно новой методологии исследования объектов методом математического моделирования, которая получила название имитационное моделирование.
20. Классификация математических моделей в зависимости от методов реализации.
Математическое моделирование - это идеальное научное знаковое формальное моделирование, при котором объект описывается на языке математики, а модель исследуется с использованием математических методов.
Классификация математических моделей в зависимости от методов реализации (рис. 1.12)
Метод реализации модели относят к аналитическим, если он позволяет получить выходные параметры в виде аналитических выражений, т.е. выражений, в которых используется не более чем счетная совокупность арифметических операций и переходов к пределу.
Частным случаем аналитических выражений являются алгебраические выражения, в которых используется конечное или счетное число арифметических операций, операций возведения в целочисленную степень и извлечения корня.
Очень часто аналитическое решение для модели представляют в элементарных или специальных функциях: показательных, тригонометрических и т.п. Для получения значений этих функций при конкретных значениях входных параметров используют их разложение в ряды (например, Тейлора). Учитывая различное число членов ряда, можно вычислять значение функции с различной степенью точности. Таким образом, значение функции при каждом значении аргумента в этом случае определяется приближенно. Модели, использующие подобный прием, называются приближенными.
Аналитические методы реализации модели являются более ценными в том плане, что позволяют с меньшими вычислительными затратами изучить свойства объекта моделирования, применяя традиционные хорошо развитые математические методы анализа. Кроме того, знание аналитического выражения для искомых параметров позволяет исследовать фундаментальные свойства объекта, его качественное поведение, строить новые гипотезы о его внутренней структуре. Следует отметить, что возможности аналитических методов существенно зависят от уровня развития соответствующих разделов математики.
К сожалению, существующие математические методы позволяют получить аналитические решения только для относительно несложных математических моделей. В большинстве случаев при исследовании моделей приходится использовать алгоритмические подходы, позволяющие получить лишь приближенные значения искомых параметров.
При численном подходе математические соотношения модели заменяется конечномерным аналогом. Это чаще всего достигается дискретизацией исходных соотношений, т.е. переходом от функций непрерывного аргумента к функциям дискретного аргумента. После дискретизации исходной задачи выполняется построение вычислительного алгоритма, т.е. последовательности арифметических и логических действий, выполняемых на ЭВМ и позволяющих за конечное число шагов получить решение дискретной задачи. Найденное решение дискретной задачи принимается за приближенное решение исходной математической задачи.
Степень приближения искомых параметров модели зависит как от погрешностей самого метода, связанных с заменой исходной модели ее дискретным аналогом, так и от ошибок округления, возникающих при выполнении любых расчетов на ЭВМ в связи с конечной точностью представления чисел в ее памяти. Основным требованием к вычислительному алгоритму является необходимость получения решения исходной задачи с заданной точностью за конечное число шагов.
Алгоритмические модели, использующие как численный, так и имитационный подход, не позволяют получить решения задач в аналитической форме, что затрудняет и усложняет процесс анализа результатов моделирования. Так как применение моделей данного типа возможно лишь при наличии вычислительной техники, то их эффективность зависит от мощности и быстродействия ЭВМ. Несомненным достоинством алгоритмических моделей является отсутствие принципиальных ограничений на сложность модели, что позволяет применять их для исследования систем произвольной сложности.
Использование математической модели, построенной алгоритмическими методами, аналогично проведению экспериментов с реальным объектом, только вместо реального эксперимента с объектом - проводится вычислительный эксперимент с его моделью. Задаваясь конкретным набором значений исходных параметров модели, в результате вычислительного эксперимента находим конкретный набор приближенных значений искомых параметров. Для исследования поведения объекта при новом наборе исходных данных необходимо проведение нового вычислительного эксперимента.
7. Анализ объектов с точки зрения цели моделирования, приведите примеры
Цели моделирования
Самым важным предназначением моделей является прогнозирование поведения сложных процессов и явлений. Следует учитывать, что некоторые объекты и явления вообще не могут быть изучены непосредственным образом. Недопустимы, например, широкомасштабные «натурные» эксперименты с экономикой страны или со здоровьем ее населения. Невозможно провести эксперимент по прямому исследованию структуры звезд. Многие эксперименты неосуществимы из-за дороговизны или рискованности для человечества.
Другое назначение моделей состоит в выявлении существенных факторов, влияющих на свойства объекта. Например, исследуя движение массивного тела в атмосфере вблизи поверхности Земли, на основании экспериментальных данных можно выяснить, что параметры движения существенно зависят от геометрической формы и шероховатости этого тела. При рассмотрении движения того же тела в верхних слоях атмосферы, где сопротивлением воздуха можно пренебречь, несущественными становятся и форма, и шероховатость поверхности.
В сложных системах понять все связи «разом» человек не в состоянии. Модель же позволяет «играть» с ней: включать или отключать те или иные связи, менять их для того, чтобы понять важность для поведения системы в целом. (модель AirDefenseSystem.alp)
Итак, модель нужна для того, чтобы:
1) понять, как устроен конкретный объект: какова его структура, внутренние связи, основные свойства, законы развития и взаимодействия со средой;
2) научиться управлять объектом, определять наилучшие способы управления при заданных целях;
3) прогнозировать прямые и косвенные последствия воздействия на объект.