- •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
10 Тактическое планирование машинных экспериментов с моделями систем
Будем считать, что сформулирована цель (или цели) исследования и пути ее достижения при заданных ограничениях, разработана и опробована модель, имитирующая реальную систему, заданы множества входных и выходных переменных и режимы функционирования модели. Необходимо определить тактику поведения исследовательской группы. Основная же задача эксперимента — получение максимального количества информации при минимальных (или заданных) затратах имеющихся средств — остается прежней.
Проблемы тактического планирования эксперимента с имитационной моделью связаны с сутью статистического моделирования — интересующие исследователя закономерности могут быть получены в результате статистической обработки требуемого числа опытов. Оценки неизвестных параметров и переменных, их взаимосвязей флуктуируют относительно истинных значений и приближаются к ним только в случае достаточно больших выборок. Справедливо положение — чем больше длительность эксперимента, тем меньше флуктуации результатов, а значит, и более точные выводы будут сделаны по опытным данным. Задача исследований заключается в нахождении компромисса между затратами машинного времени, точностью полученных оценок искомых характеристик и степенью доверия к результату. В рамках этого компромисса можно найти способы увеличения точности при том же объеме исследований или некоторые специальные методы обработки данных, позволяющие при той же длине выборочных совокупностей получить большую полезную информацию.
Тактическое планирование машинного эксперимента связано, прежде всего, с решением следующих проблем: определения начальных условий и их влияния на достижение установившегося результата при моделировании; обеспечения точности и достоверности результатов моделирования; уменьшения дисперсии оценок характеристик процесса функционирования моделируемых систем; выбора правил автоматической остановки имитационного эксперимента с моделями систем.
10.1 Стратегии запуска
Наличие начальных условий запуска имитационной модели обусловливает тот факт, что результаты продолжительного прогона могут отличаться от результатов, полученных вскоре после его начала. Если моделируемая система имеет естественный момент завершения работы, безусловно, присутствует переходный период в процессе ее функционирования, но полученные в течение него данные (хотя и отличаются от данных, полученных в конце) могут рассматриваться как представительные результаты исследования реальной системы. Однако когда оценивается только стационарный режим функционирования, полученные в начале данные будут искажать оценки стационарных характеристик.
Стратегии запуска используются при задании начальных условий имитационной модели и процедуры определения точки отсечения d, в которой начинается сбор выборочных данных для вычисления оценок. В общем случае при задании начальных условий необходимо стремиться к такому запуску, при котором требуется отсечение минимального объема данных, т.е. используется малое значение d. При задании точки отсечения нужно руководствоваться двумя соображениями. С одной стороны, стирание значений, полученных в начале прогона, уменьшает смещение результирующих оценок. С другой стороны, стирание этих значений может увеличить оценку дисперсии, поскольку она будет вычислена по меньшему количеству наблюдений.
Из сказанного выше следует, что при определении стратегии запуска необходим компромисс между уменьшением смещения и понижением дисперсии.