- •Конспект лекций По дисциплине «Моделирование систем» Содержание
- •1.Системы и моделирование
- •1.1.Система как предмет моделирования
- •1.2.Модели
- •1.3.Математическое моделирование
- •2.Математические схемы моделирования систем
- •2.1.Основные подходы к построению математических моделей систем
- •2.2.Задачи теории массового обслуживания
- •2.3.Поток заявок. Время обслуживания
- •2.4.Простейшие смо и их характеристики
- •3.Этапы машинного моделирования систем
- •3.1.Построение концептуальной модели системы и ее формализация
- •3.2.Алгоритмизация модели системы и ее машинная реализация
- •3.3.Получение и интерпретация результатов моделирования системы
- •4.Принципы имитационного моделирования сложных систем
- •4.1.Понятие модельного времени
- •4.2.Способы имитации
- •4.3.Моделирующий алгоритм
- •5.Моделирование случайных факторов
- •5.1.Принципы моделирования случайных элементов
- •5.2.Требования к генератору случайных чисел
- •5.3.Методы построения программных датчиков бсв
- •5.4.Моделирование случайных воздействий на системы
- •6.Программные средства моделирования систем
- •6.1.Машинная реализация имитационных моделей
- •6.2.Классификация языков моделирования
- •6.3.Средства языков моделирования
- •7.Язык и система моделирования gpss
- •7.1.Транзакты
- •7.2.Списки
- •Процедура просмотра списка текущих событий:
- •7.3.Устройства
- •7.4.Многокнальные устройства (мку)
- •7.5.Логические ключи
- •7.6.Очереди и регистраторы очередей
- •7.7.Таблицы
- •7.8.Ячейки (Сохраняемые величины)
- •7.9.Матрицы
- •7.10.Функции
- •7.11.Переменные
- •8.Обработка результатов имитационного моделирования
- •8.1.Точечные оценки неизвестных параметров
- •8.2.Статистические методы обработки
- •8.3.Задачи обработки результатов моделирования
- •9.Планирование имитационных экспериментов
- •9.1.Общие принципы и задачи планирования экспериментов
- •9.2.Планирование экспериментов по исследованию систем методами дисперсионного анализа
- •10 Тактическое планирование машинных экспериментов с моделями систем
- •10.1 Стратегии запуска
- •10.1.1 Задание начальных условий
- •10.1.2 Процедуры отсечения
- •10.2 Определение объема имитационных экспериментов
- •9.3.Методы понижения дисперсии
- •Дополняющая выборка
- •Общие потоки случайных чисел
- •Использование априорной информации
- •Использование управляющих переменных
- •9.4.Правила остановки
- •10.Планирование экспериментов по оптимизации систем
- •10.1.Общие положения
- •10.2.Метод крутого восхождения
4.Принципы имитационного моделирования сложных систем
Моделирование (физическое или математическое) — это исследование какого-либо процесса или явления путем имитации с помощью реальных или абстрактных объектов и т.д. Таким образом, имитация (от лат. imitatio — подражание) свойственна любой модели. Тем не менее, для имитационного моделирования (ИМ) характерно следующее:
в первую очередь определяются состояния системы;
система характеризуется набором переменных, каждая комбинация значений которых описывает ее конкретное состояние;
путем изменения значений переменных имитируется переход системы из одного состояния в другое;
основная концепция имитации системы — отображение изменений ее состояния с течением времени.
4.1.Понятие модельного времени
Отметим две особенности функционирования ЭВМ, которые приходится учитывать при разработке ИМ сложных систем.
Сложная система S, как правило, состоит из многих элементов. Все элементы системы S функционируют одновременно. Однако в большинстве современных ЭВМ параллельное выполнение нескольких программ, имитирующих поведение отдельных элементов системы, невозможно.
Поскольку ИМ — это программы для ЭВМ, то они должны оперировать с конечным множеством данных и, следовательно, имитировать поведение системы S не во все моменты времени , а лишь в некоторые, составляющие конечное множество .
Чтобы обеспечить имитацию параллельных (одновременных) событий системы S на конечном множестве моментов времени Τ, в ИМ используется специальная переменная t, называемая системным модельным временем или просто модельным временем (МВ).
Существует два способа формирования конечного множества моментов времени Τ, известных как принципы организации изменения модельного времени “Δt” и “δz”.
“Принцип Δt” заключается в изменении МВ с фиксированным шагом Δt.
“Принцип δz” заключается в изменении МВ при скачкообразном изменении вектора состояния z системы S на некоторую величину δz ( ).
Состояние системы S в момент времени определяется вектором состояния . Состояния системы в моменты наступления особых событий будем называть особыми состояниями, а состояние z(0) — начальным состоянием системы.
Выводы относительно выбора Δt:
если Δt — мало, то выполняется много лишних вычислений состояний системы в моменты, когда вектор z(t) не изменяется (за счет этого возрастает машинное время имитации);
даже при сравнительно малом значении Δt моменты наступления событий в системе (а, следовательно, и моменты изменения состояния системы) не совпадают с моментами наступления событий в ИМ, поэтому фазовая траектория, построенная с помощью ИМ, на множестве не совпадает с фазовой траекторией системы S.
На практике предпочтение отдается принципу “δz”. Принцип “Δt” используется лишь в случаях, когда:
события таковы, что на всем интервале моделирования Τ, и, следовательно, можно подобрать интервал Δt изменения МВ, обеспечивающий минимальную погрешность аппроксимации (например, для разностных уравнений);
событий очень много и они появляются группами. В этом случае за счет групповой обработки событий , попавших внутрь очередного шага изменения Δt, удается уменьшить затраты машинного времени.
В большинстве практически важных случаев события наступают через случайные интервалы времени . Поэтому способ задания шага до следующего события экономичнее (в смысле затрат машинного времени) и точнее (в смысле точности аппроксимации) фазовой траектории способа фиксированного изменения МВ.