- •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
1.3.Математическое моделирование
В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерминированные (предполагается отсутствие всяких случайных воздействий) и стохастические (вероятностные процессы и события), статические (описание объекта в какой-либо момент времени) и динамические (отражает поведение объекта во времени), дискретные, непрерывные и дискретно-непрерывные. В случае стохастического моделирования анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т. е. набор однородных реализаций.
В зависимости от формы представления объекта (системы S) можно выделить мысленное и реальное моделирование. Мысленное моделирование может быть реализовано в виде наглядного, символического и математического. Уточним термины.
Моделирование — исследование какого-либо процесса или явления путем имитации с помощью реальных или абстрактных объектов, свойства которых и отношения между которыми отражают существенные стороны исследуемого процесса или явления. Если для имитации используются реальные объекты, то это физическое моделирование, если абстрактные объекты, то это математическое моделирование.
Математическая модель — совокупность математических объектов (чисел, переменных, матриц, множеств, точек, отрезков прямых и т. д.) и отношений между ними, отражающая некоторые свойства моделируемого физического объекта, интересующие инженера-исследователя.
Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторой математической модели и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта.
Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на аналитическое, имитационное и комбинированное.
Проектирование модели начинается с обоснования задачи и составления содержательного описания исследуемой системы — создания функциональной модели. Функциональные модели представляются в виде образных описаний работы конкретных систем, графов состояний, временных диаграмм и т. п.
В процессе формализованного описания определяются характеристики системы, подлежащей изучению, устанавливаются цели и ограничения. Если задачу можно решить аналитическим путем, то необходимо приступить к разработке аналитической модели.
В аналитических моделях поведение сложных систем записывается в виде некоторых функциональных соотношений или логических условий. Для построения аналитических моделей имеется мощный математический аппарат (алгебра, функциональный анализ, разностные уравнения, теория вероятностей, математическая статистика, теория массового обслуживания и т. д.).
Когда явления в сложной системе настолько сложны и многообразны, что аналитическая модель становится слишком грубым приближением к действительности, то исследователь вынужден использовать имитационное моделирование. В имитационной модели поведение компонент сложной системы описывается набором алгоритмов, которые затем реализуют ситуации, возникающие в реальной системе. Моделирующие алгоритмы позволяют по исходным данным, содержащим сведения о начальном состоянии и фактическим значениям параметров системы отобразить реальные явления в системе и получить сведения о возможном поведении сложной системы для данной конкретной ситуации. На основании этой информации исследователь может принять соответствующие решения.
Методом статистического моделирования будем в дальнейшем называть метод машинной реализации имитационной модели, а методом статистических испытаний (Монте-Карло) — численный метод решения аналитической задачи.
Аналитическая модель |
Имитационная модель |
1 |
2 |
Отличительные особенности |
|
|
|
|
|
Условия применения |
|
|
|
Продолжение таблицы
1 |
2 |
|
|
Достоинства |
|
|
|
|
|
|
|
|
|
Недостатки |
|
|
|
|
|
|
|
Процесс моделирования остается неполным до тех пор, пока не проведены исследования на идентификацию (оценку параметров, например, по методу наименьших квадратов) изучаемой системы и адекватность модели реальному объекту. Итеративный процесс выбора модели продолжается до тех пор, пока не будет подтверждено соответствие выбранной модели имеющимся данным о моделируемой системе.