- •1. Моделирование как метод научного познания. Процессы получения и обработки информации. Формирование и проверка гипотез.
- •2. Объект оригинал. Объект заместитель. Уровень абстрагирования. Существенность сходства. Воздействие и отклик.
- •3. Понятие системы, внешней среды, воздействия, управления. Структурный и функциональный подходы к моделированию систем.
- •4. Классический подход к моделированию систем.
- •5. Системный подход к моделированию систем.
- •6. Макро- и микропроектирование.
- •7. Характеристики моделей системы: цель, целостность, сложность, поведенческая страта, неопределенность.
- •8. Характеристики моделей систем: адаптивность, организационная структура, управляемость, возможность развития.
- •9. Активный и пассивный эксперименты. Цели моделирования. Иерархия целей моделирования.
- •10. Проблемы моделирования систем.
- •11. Классификация видов моделирования по характеру изучаемых процессов.
- •12. Классификация видов моделирования по форме представления системы.
- •13. Общая математическая модель системы. Классификация параметров модели.
- •14. Динамическая и статическая модели объектов.
- •15. Состояние системы. Множество состояний системы. Детерминированная и стохастическая модели системы.
- •16. Схемы общего вида. Типовые схемы. Классификация типовых схем.
- •17. D-схемы.
- •18. F-схемы.
- •19. Р-схемы.
- •20. N-схемы.
- •21. Q-схемы.
- •22. А-схемы
- •23. Моделирование случайных процессов. Подходы к моделированию случайности. Метод Монте-Карло.
- •24. Моделирование события, группы несовместных событий, условного события.
- •25. Определения: случайная величина, вероятностная мера, плотность вероятности, функция распределения. Связь функции распределения с плотностью вероятности (вероятностной мерой).
- •26. Общая схема генерации св u(0,1). Понятия периода и апериодического участка последовательности псевдослучайных чисел. Лкг.
- •27. Метод генерации св произвольного распределения. Моделирование случайной дискретной величины. Генерация св u(a,b) и экспоненциального распределения.
- •28. Понятия аналитической, имитационной, машинной и программной модели. Формальные категории и неформальные категории. Целесообразность проведения машинного эксперимента.
- •29. Требования к программным моделям.
- •30. Этапы моделирования. Краткая характеристика.
- •31. Этап построения концептуальной модели системы. Формализация концептуальной модели.
- •32. Этапы алгоритмизации модели и ее машинной реализации:
- •33. Понятие прогона. Принцип Δt и Δz. Алгоритм фиксации и обработки результатов моделирования.
- •34. Этап получения результатов и их интерпретация.
- •35. Моделирование в устоявшемся режиме. Метод Велча.
- •36. Требования к проведению машинного эксперимента. Проблемы при проведении машинного эксперимента.
- •37. Планирование имитационных экспериментов с моделями систем. Основные понятия.
- •38. Событийно – ориентированное имитационное моделирование. Процессное имитационное моделирование (ориентация на транзакты).
- •39. Событийно ориентированное имитационное моделирование. Алгоритм модели 1 прибор – 1 очередь.
- •40. Оценки характеристик работы смо.
- •41. Архитектура языков моделирования. Требования к языкам имитационного моделирования.
- •42. Дерево решений выбора языка для моделирования системы.
- •43. Виды моделирующих комплексов. Их особенности.
- •44. Система имитационного моделирования gpss. Краткая характеристика системы. Возможности системы.
- •45. Gpss. Одноканальные и многоканальные компоненты обслуживания.
- •46. Gpss. Параметрическая настройка транзактов.
- •Index a, b
- •47. Gpss. Эмпирические функции. Пользовательские переменные, сохраняемые ячейки.
- •48. Gpss. Методы изменения маршрутов движения транзактов. Режимы Transfer.
- •49. Gpss. Методы изменения маршрутов движения транзактов. Test.
- •50. Gpss. Методы изменения маршрутов движения транзактов. Организация циклов.
- •51. Gpss. Работа с таблицами. Работа с оку / мку в режиме прерывания.
- •52. Gpss. Перевод оку / мку в недоступное состояние и восстановление доступности.
- •53. Gpss. Косвенная адресация. Пример косвенной адресации.
- •54. Gpss. Работа с копиями транзактов. Синхронизация движения транзактов.
22. А-схемы
А-схема (комбинированная) позволяет формализовать системы, включающие непрерывные, дискретные, детерминированные, стохастические компоненты. Нотация А-схем позволяет описать алгоритм функционирования систем.
Требования:
- адекватное математическое описание
- основа для построения алгоритмов
- основа для аналитического исследования
R - оператор сопряжения.
Система в терминах А-схем представляет собой совокупность агрегатов(функциональных объектов), характеризуемых вход и выход каналами и алгоритмами функционирования. Вшен среда также представляется по средствам агрегатов.
А–схемы поддерживает иерархическое разбиение агрегатов (от общего к частному).
Взаимодействие между агрегатами описывается оператором сопряжения R. Оператор R задает взаимооднозначное соответствие между агр.–источником и агр.-приемником сигнала и определяет канал передачи данных и управляющие сигналы.
В процессе наблюдения за А-схемой происходит отслеживание состояния всех агр-ов. В общем случае интервал времени между соседними состояния агрегата м/б бесконечно малым.
Выделяют 2 режима функционирования агрегата: при наличии и отсутствии внеш воздействий.
Состояние в момент времени t0: Z0=Z(t0)
Состояние при наличии сигнала в момент tn: Z(tn)=V[t, tn, Z(tn-1),xn]
Состояние, если в течение (tn, tn+1) на было сигналов: Z(t)=U[t, tn, Z(tn)]
F(V,U) – оператор перехода агр-ов в новые состояния.
V □ - процесс функционирования при регистрации сигнала
U ■– проесс функционирования при отсутствии сигнала.
Скачек состояния в особый момент времени: Z(tδ)=W[tδ, Z(tδ)]
Скачек состояния в момент выдачи вых сигнала: y =G[tδ, Z(tδ)]
Z(Y) – подмножество состояний выдачи вых сигнала; Z(tδ) Z(Y)
А-схема описыавется 2 типами состояний:
- состояния, возникающие под воздействием внеш сигнала
- состояния, возникающие в процессе функционирования агр-та во внеш среде (состояния особых моментов).
Вводятся дополнительные операторы для определения скачка состояний в особый момент W и оператор формирования отклика G.
Формализация:
A = <T, X, Y, Z, Z(Y), H>
Операторы V, U, W, G
Взаимодействие:
- сигналы
- сигнал - конченый набор характеристик
- элементарные сигналы передаются мгновенно независимо по элементарным каналам
- вход – один элементарный канал
- выход – один и более элементарных каналов.
Взаимодействие между агрегатами происходит с помощью сигналов. Каждый сигнал описывает-ся конечным набором характеристик. Выделяют элементарные и сложные сигналы. Слож сигналы должны быть дополнительно обработаны. Существует ограничение для вход и выход каналов агрегата.
23. Моделирование случайных процессов. Подходы к моделированию случайности. Метод Монте-Карло.
В моделировании систем методами имитационного моделирования, существенное внимание уделяется учету случайных факторов и воздействий на систему. Для их формализации используется случайные события, дискретные и непрерывные величины, векторы, процессы. Формирование реализации случайных объектов любой природы сводиться к генерации и преобразованию последовательностей случайных чисел.
Существует 3 способа моделирования СВ (см. рис.) различной природа. Все способы предполагают проведение предварительных наблюдений за объектом оригиналом (ОО) и выявление наборов значений СВ, характеризующих случайные процессы ОО.
Если возможно сформировать набор данных СВ произвольного объема, то его можно непосредственно использовать при мод-ии случайных процессов объекта заместителя (ОЗ). Кроме того, на основании набора данных можно построить ф-цию эмпир-го распред-я, использую статистику из набора данных, или подобрать функцию теорит-го распред-я. В случае использования ф-ций предварительно формируется послед-ть значений ф-ции равномерного распред-я на (0,1), что соответствует области значений ф-ции любого закона распред-я. Использую обратную ф-цию необходимого закона распред-я, производится расчет необходимых случайных значений. Эти значения применяются при моделировании случ. процессов.
Метод Монте-Карло.
Мод-е по методу МКУ определяется как процедура, в к-рой используется случайные числа, т.е. СВ U(0,1). Такая процедура предназначена для решения стохастических и детерминистических задач, в к-рых течение времени не играет особой роли. След-но мод-е по методу МК является скорее статическим, чем динамическим, хотя применим к любому типу моделирования, в к-ром используются случайные числа.
Пусть необходимо оценить интерграл , гдеg(x)явл-ся действительной ф-цией, к-рую нельзя интегрировать аналитически. Рассмотрим, как детерминистическая задача может быть решена с помощью метода МК. ПустьYбудет СВ (b-a)g(X), гдеX– непрерывная СВ, распределенная равномерно между [a,b]. Тогда математическое ожидание значенияY:
где - плотность распределения вероятностей СВU(a,b). Таким образом, задача оценки интеграла упрощена до оценки ожидаемой величиныE(Y).
В настоящее время мод-е по методу МК широко применяется при решении определенных задач статистики, которые не поддаются аналитической обработке. Это тип мод-я применяется для оценки критических или достоверности критерия при проверке гипотезы.