- •Понятие системы. Эффективность систем
- •Параметры и характеристики систем
- •Модель. Классификация моделей
- •Методы моделирования
- •Метод статистических испытаний
- •Составляющие имитационной модели
- •События в имитационной модели
- •Основные характеристики простейшей смо
- •Компоненты дискретно-событийной имитационной модели и их организация
- •Определение событий и переменных в имитационной модели
- •Smpl: список событий
- •Smpl: список средств
- •Smpl: список очередей
- •Операции инициализации языка smpl
- •Операции над списком событий языка smpl
- •Операции над средствами языка smpl
- •Операции над очередями языка smpl
- •Моделирование простейшей смо на smpl
- •Генераторы случайныхчисел
- •Метод обратной функции и его использование для гененрирования непрерывных случайных величин
- •Метод обратной функции и его использование для гененрирования дискретных случайных величин
- •Выходные данные и стохастические процессы моделирования
- •Характеристики случайного процесса
- •Статистический анализ выходных данных автономной системы. Типы имитационного моделирования.
- •Переходное и установившееся поведение стохастического процесса
- •Оценка средних значений при переходном режиме моделирования
- •Получение заданной точности при переходном режиме моделирования
- •Проблема начального переходного процесса
- •Процедура Велча
- •Общие принципы построения факторных планов
- •Полный факторный эксперимент 2k, построение планов
- •Оценка главных эффектов и эффектов взаимодействия
- •Поверхности отклика и метамодели. Методы поиска оптимума
- •Имитационная модель системы управления запасами
- •Логика программы
- •Общие принципы оценки адекватности моделей
- •Особенности оценки адекватности им
- •Методы верификации моделирующих компьютерных программ
- •Этапы имитационного моделирования
-
Модель. Классификация моделей
Модель – реально существующий или мысленно представляемый объект, которые в процессе исследования заменяет объект оригинал так, что его изучение дает новые сведения об объекте оригинале.
Основные требования к модели
1. Простота модели – определяется уровнем ее детализации и зависит от принятых предположений и допущений.
2. Адекватность исследуемой системе, которая зависит от:
- степени полноты и достоверности сведений об исследуемой системе;
- уровня детализации модели.
Моделирование может проводиться в условиях полной определенности, означающей наличие точной информации обо всех исходных параметрах; либо в условиях неопределенности, обусловленных:
- неточностью сведений о параметрах;
- отсутствием сведений о значениях некоторых параметров.
Классификация моделей
1. По характеру функционирования исследуемой системы:
- детерминированные;
- стохастические или вероятностные.
2. По характеру протекающих в исследуемой системе процессов:
- непрерывные;
- дискретные.
3. По степени достоверности исходных данных об исследуемой системе:
- с априорно известными параметрами;
- с неизвестными параметрами.
4. По режиму функционирования системы:
- стационарные (характеристики системы не зависят от времени);
- нестационарные.
5. По отражению фактора времени:
- статические;
- динамические.
6. По способу реализации:
- материальные;
- абстрактные:
а) символьные (вербальные, графические);
б) математические (аналитические, имитационные).
-
Методы моделирования
В зависимости от цели моделирование может проводиться на 2-х уровнях: на качественном и количественном.
Соответственно применяют наглядные и конструктивные модели.
Методы исследования:
- эксперименты с реальной системой;
- эксперименты с моделью системы;
Эксперименты с моделью системы:
2.1. Физическая модель.
2.2. Математическая модель.
2.2.1. Аналитическое решение.
2.2.2. Численное решение.
2.2.3. Имитационное моделирование.
Аналитические методы состоят в построении математической модели в виде математических символов и отношений. При этом требуемые зависимости выводятся из математической модели последовательным применением математических правил.
В общем виде математическую модель аналитического типа можно представить в виде зависимости
U = fi(x,y)
где U – выходная реакция
fi – функция
x – вектор управляемых параметров;
y – вектор неуправляемых параметров.
Достоинства аналитических методов:
- возможность получения решения в явной аналитической форме
Недостаток:
- невозможность получить решение в явном виде из за неразрешимости для сложных систем.
Численные методы основываются на построении конечной последовательности действий над числами, т.е. математические операции заменяются соответствующими операциями над числами. Например, интегралы – суммами. Результатом применения численных методов являются таблицы чисел и графики зависимости. Эти методы решают гораздо более широкий круг задач, но результат решения не является общим и зависит от исходных данных.
Имитационное (программное) моделирование – это метод моделирования, при котором логико-математическая модель исследуемой системы представляет собой алгоритм функционирования системы, программно реализуемый на компьютере.
Имитационное моделирование- это метод статистического исследования систем, т.е. моделирование представляет собой сбор статистических данных о свойствах моделируемой системы.
Достоинства:
- универсальность (есть принципиальная возможность проведения анализа систем любой сложности с любой степенью ее реализации).
Недостаток:
- частный характер результата, не раскрывающий зависимости, а определяющий ее в отдельных точках