- •Имитационное моделирование экономических процессов
- •Intuit ru хороший курс.
- •Классификация задач принятия решения.
- •Описание предпочтений лпр.
- •Виды показателей эффективности для лпр.
- •Лекция 6.
- •Моделирование случайных факторов.
- •Моделирование параллельных процессов.
- •Особенности реализации параллельных процессов в вычислительных системах.
- •Применение сетевых моделей для описания параллельных процессов.
- •Типы переходов в е-сетях.
- •Стратегическое планирование экспериментов.
- •Тактическое планирование эксперимента.
- •Пассивные методы (применяются когда выборка уже есть):
- •Оценка адекватности.
Лекция 6.
Еще одним способом имитационное моделирования используется понятие транзакта
Транзакт – некоторое сообщение ( заявка на обслуживание) которое поступает из вне на вход системы, и подлежит обработке.
Транзакты бывают разных типов, каждый транзакт характеризуется соответствующим алгоритмом обработки, и необходимыми для его реализации ресурсами системы. Исходя из этого, прохождение транзакта по системе, можно рассматривать иногда, как последовательную активизацию процессов, реализующих его обработку ( процесс реализации заявок).
Моделирование случайных факторов.
Случайные факторы, могут быть отражены в модели, как случайные события, случайные величины дискретные или непрерывные или как случайные функции или процессы. В основе методов и приемов моделирования случайных факторов, лежит использование случайных чисел имеющих равномерное распределение на интервале 0 -1. Истинно случайное число, можно получить только физическим путем.(используется радиоактивный распад, шумы транзисторов или ещё чего, на лампах ток катода). Поэтому используется при моделировании псевдослучайные числа. Случайные числа не повторяются, а псевдослучайные повторяются, через какое-то время вырождается ряд чисел и идет повтор. Одним из самых простейших способов
ai=(A*ai-1+C) Mod * M
ai и ai-1 – очередное и предыдущие случайное число соотвественно.
А и С – константы
M – достаточно большое целое положительное число, чем больше M тем длиннее последовательность.
Требования к генераторам случайных чисел.
Равномерность.
Стохастичность ( случайность)
Независимость
Проверка на практике.
Проверка равномерности .
Может быть выполнена с помощью гистограммы относительных частот.
Интервал 0 -1 разбивает на n равных частей, и подсчитывается относительное число попаданий значения случайно величины в каждый интервал. Чем ближе к прямой линии, тем лучше датчик. Чем ближе к линии, тем больше частота попадания.
Проверка стохастичности.
Используют метод комбинаций. Суть состоит в следующем, выбирают достаточно большую последовательность случайных чисел xi (1000) и для неё определяют вероятность появлений в каждом из этих чисел попадание j единиц. Закон появления j едениц может быть расписан бинамиарным законом распределения.
Проверка независимости. Две случайные величины А и B называется независимым, если значение А не влияет на значении B, если корреляционный момент равен 0.
Моделирование случайных событий.
Для моделирования случайного события А , вероятность которого равна P, достаточно сформировать одно число R равномерно распределенное на интервале 0-1. При попадании числа R в интервал от 0 до P то события считается наступившим, а от P – 1 событие считается не наступившим.
Моделирование непрерывных случайных величин.
Метод последовательных сравнений.
x |
X1 |
X2 |
… |
Xn |
p |
P1 |
P2 |
… |
Pn |
P1+P2+…+Pn=1;
………………………………………………………….
………………………………………………………..
……………………………………
Технология имитационного моделирования.
Статистический эксперимент.
Эксперимент проводимый с помощью аналитических моделей, обычно ничем не отличается от обычных математических вычислений по формулам. Для конкретных значений входных параметров рассчитывается показатель эффективности. ( S= V*t). При имитационном моделировании дело обстоит по-другому. Потому что имитационный эксперимент представляет собой наблюдение, за изменениями системы во времени под влиянием входных воздействий, при этом часть входных воздействий, а может и все, носят случайный характер, поэтому получаем на выходе целый ряд ( набор) экспериментальных данных. Логика функционирования обеспечивает проведение статистического эксперимента. (по методу Монте-Карло). Результат при каждом прогоне будет отличаться от предыдущего. Получаем ответы на конкретные вопросы. Этот метод можно применять для исследования стохастических и детерминированных систем.
Области применения имитационного моделирования.
Область применения практически отсутствует, но целесообразность не всегда большая.
Стоит применять имитационное моделирование :
Если система известна.
Если отсутствует постановка задачи, то всё равно придется делать имитационную модель.
Если протекающие в системе процессы не удается описать математическими формулами.
Если нужно изучать систему во времени, в динамике.
При подготовке специалистов.
Система не известна, новые условия функционирования, новы функции или входные данные.
Инструментальные средства моделирования.
Все пакеты делят на 2 группы :
Специализированные
Универсальные ( математические, компонентное моделирование, исследовательские и т.д.)
Лекция 7.
Управление временем в системах ориентации.
В системах ориентации присутствует три типа времени :
Физическое время – это то время, используется в реальной физической системе, то время в котором она работает. Время изменения например прибыли. Скорость очень медленная выполнения процессов. Нужно сидеть месяцами, а мы так ждать не будет, поэтому есть следующее время.
Модельное время – это представление физического времени в модели. Например год = 1 минута. В зависимости от нужд и промежутка моделируемого времени.
Процессорное время – это время работы симулятора на компьютере, сколько времени понадобится на проведение модельного эксперимента на компьютере. Обычно его сокращают и оптимизируют.
Системы реального времени, в которых продвижение модельного времени синхронизировано с процессорным временем.
С помощью механизмов управления временем решаются следующие задачи :
Отображаются переходы системы из одного состояния в другое.
Производится синхронизация работы компонентов модели.
Изменяется масштаб времени функционировании исследуемой системы.
Осуществляется управление процессом моделирования.
Моделируется параллельная реализация событий в модели.
Выбор метода реализации механизма управления модельным временем, зависит от назначения модели,её сложности, характера исследуемых процессов, требуемой точности тд.
Выделяют концепции управления :
Событийно-ориентированное моделирование.
В таких моделях продвижение времени происходит от события к событию, которые изменяют состояние модели.
Процессно-ориентированная система моделирования.
Модель представляет собой поток транзактов, которые продвигаются от одного шага к другому . Состояние модели изменяется в дискретные моменты времени. Используется в системах массового обслуживания.
Объектно-ориентированное моделирование.
Модель представляет собой совокупность объектов. Объекты включают данные и операции над ними ( свойства и методы объекта).
Агентно-ориентированное моделирование.
Вся система представляет в виде набора некоторых агентов (объекты по-сути). Поведение системы определяется по тому, как эти агенты взаимодействуют между собой.
Системная динамика.
Предложена для моделирования мировой экономики.
Изменение времени с постоянным шагом.
При моделировании с постоянным шагом, отсчет системного времени ведет через фиксированные выбранные исследователям интервалы времени. События в модели считаются наступившими в момент окончания этого интервала. Погрешность в измерении, получении характеристик зависит от величины шага моделирования.
Метод моделирования с постоянным шагом целесообразен если:
события появляются регулярно, и их распределение во времени тоже достаточно регулярны.
Число событий велико.
Невозможно заранее предсказать моменты появления событий.
Изменение времени по событиям состояния.
При моделировании по особым состояниям, модельное время изменяется на величину соответствующую интервалу времени до момента наступления очередного события. В этом случае событие обрабатывается последовательно в порядке их наступления. Одновременно наступившими считаются события, которые являются одновременно происходящими в действительности. Для реализации моделирования по особым состояниям требуется разработка процедуры планирования событий. Если известен закон распределения интервалов между событиями, то для прогнозирования наступления времени очередного события, достаточно к текущему значению модельно времени добавить величину интервалу полученную с помощью соответствующего датчика случайных чисел. Когда целесообразно применять есть : события распределяются во времени не равномерно или если интервалы между ними очень большие. Необходимо учитывать наличие одновременных событий.