24. Выбор и обоснование выбора метода решения задачи.

При использовании разработанных математических моделей, как правило, требуется найти зависимость некоторых неизвестных заранее параметров объекта моделирования (например, координат и скорости центра масс тела), удовлетворяющих определенной системе уравнений. Таким образом, поиск решения задачи сводится к отысканию некоторых зависимостей искомых величин от исходных параметров модели. Как было отмечено ранее, все методы решения задач, составляющих «ядро» математи­ческих моделей, можно подразделить на аналитические и алгорит­мические.

Аналитические методы более удобны для пос­ледующего анализа результатов, но применимы лишь для относи­тельно простых моделей. В случае, если математическая задача допускает аналитическое решение, оно, без сомнения, предпочтительнее численного.

Алгорит­мические методы сводятся к некоторому алгоритму, ре­ализующему вычислительный эксперимент с использованием ЭВМ. Точность моделирования в подобном эксперименте существенно за­висит от выбранного метода и его параметров (например, шага ин­тегрирования). Алгоритмические методы, как правило, более тру­доемки в реализации, требуют обширной библиотеки специального программного обеспечения и мощной вычислитель­ной техники.

Общим для всех численных методов является сведение мате­матической задачи к конечномерной. Это чаще всего достига­ется дискретизацией исходной задачи, т.е. переходом от функции непрерывного аргумента к функциям дискретного аргумента. На­пример, траектория центра тяжести баскетбольного мяча опреде­ляется не как непрерывная функция времени, а как дискретная функция координат от времени. Полученное решение дискретной задачи принимается за прибли­женное решение исходной математической задачи.

Применение любого численного метода неминуемо приводит к погрешности результатов решения задачи. Выделяют три основ­ных составляющих погрешности при численном ре­шении исходной задачи:

• неустранимая погрешность, связанная с неточным заданием исходных данных (начальные и граничные условия, коэффи­циенты и правые части уравнений);

• погрешность метода, связанная с переходом к дискретному аналогу исходной задачи;

• ошибка округления, связанная с конечной разрядностью чисел, представляемых в ЭВМ.

Численный, или приближенный, метод реализуется всегда в виде вычислительного алгоритма. Прежде всего, алгоритм должен быть реализуем - обеспечивать решение задачи за допустимое машинное время. Важной характе­ристикой алгоритма является его погрешность. Для очень малых значений погрешности время вычислений может быть недопустимо большим. Поэтому на практике добиваются некоторого компромисса между точностью и затрачиваемым машинным временем.

Если погрешность в процессе вычислений неограниченно возрастает, то такой алгоритм называ­ется неустойчивым, или расходящимся. В противном случае алгоритм называется устойчивым, или сходящимся.

24. Дайте определение дискретно-событийной системы, приведите примеры

Дискретно-событийное моделирование — это вид имитационного моделирования. В дискретно-событийном моделировании функционирование системы представляется как хронологическая последовательность событий. Событие происходит в определенный момент времени и знаменует собой изменение состояния системы. (Имитационное моделирование — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.)

Дискретно-событийное моделирование используется для построения модели, отражающей развитие системы во времени, когда состояния переменных меняются мгновенно в конкретные моменты времени. (Говоря математическим языком, система может меняться только в исчислимое количество моментов времени.) В такие моменты времени происходят события, при этом событие определяется как мгновенное возникновение, которое может изменить состояние системы. Хотя теоретически дискретно-событийное моделирование можно осуществлять с помощью вычислений вручную, количество данных, которые должны сохраняться и обрабатываться при моделировании большинства реальных систем, диктует необходимость применения вычислительных машин.

Пример 1. Рассмотрим систему с одним устройством обслуживания, например парикмахерскую или справочное бюро в аэропорту с одним оператором. Нам необходимо приблизительно подсчитать ожидаемую среднюю задержку требований в очереди. При этом задержка требования в очереди равна времени, прошедшему с момента его появления в системе до начала его обслуживания.

Для того чтобы рассчитать среднюю задержку в дискретно-событийной имитационной модели, определяются такие переменные состояния, как состояние устройства обслуживания (занято или свободно), число требований в очереди (если таковые имеются) и время поступления каждого требования, ожидающего своей очереди. При поступлении требования должно быть определено состояние устройства обслуживания: может ли требование быть обслужено немедленно или его необходимо поместить в конец очереди.

После завершения обслуживания требования, исходя из числа требований в очереди, определяется, будет устройство обслуживания свободно или же начнет обслуживание первого требования в очереди. Чтобы вычислить задержку требования в очереди, необходимо установить время его поступления, так как задержка равна времени начала обслуживания требования (которое будет известно) минус время его поступления. В этой системе есть два типа событий: поступление требования и завершение обслуживания требования, приводящее к его уходу. Поступление требования является событием, поскольку оно вызывает изменение состояния устройства обслуживания (переменной состояния) со свободного на занятое или увеличение числа требований в очереди (переменной состояния) на единицу. Соответственно уход требования также является событием, так как вызывает изменение состояния устройства обслуживания с занятого на свободное или уменьшение числа требований в очереди на единицу.

В приведенном выше примере оба типа событий действительно меняют состояние системы, тогда как в некоторых дискретно-событийных моделях события применяются для задач, не вызывающих таких изменений. Так, событие может использоваться, чтобы задать окончание имитационного прогона на определенное время или вычислить результаты работы системы в определенный момент времени, при этом оно не будет вызывать действительного изменения состояния системы. Именно потому в начале раздела сказано, что событие может изменить состояние системы.